[发明专利]目标跟踪中基于多模型优化多假设的多目标数据关联方法

说明书

本发明提供目标跟踪中基于多模型优化多假设的多目标数据关联方法。针对实际目标跟踪中，目标运动模型是变化的，引入交互式多模型滤波器，对每个模型的模型概率和状态估计进行计算，得到目标当前的运动模型，实现对多目标的交互式跟踪。为解决多假设跟踪算法假设计算量大的问题，需要合理的删减低概率的假设，将目标径向速度信息加入到航迹置信度判断中，进行航迹删除，只保留置信度高的航迹进行概率计算，保证初始航迹确认的准确性和置信度参数的可靠性。并且通过选用串行结构的多雷达，将上一个雷达处理后的状态估计作为中间值，直至将多雷达的量测处理完，得到最终的状态估计，实现目标状态估计修正，提高了算法的实时性和数据关联的精度。

技术领域

本发明属于雷达目标跟踪技术领域，尤其涉及目标跟踪中基于多模型优化多假设的多目标数据关联方法。

背景技术

雷达作为信息化战争的“千里眼”，可对战场中的目标进行探测和跟踪，达到获得战场态势信息的目的，被广泛应用于军事领域。随着大量复杂应用背景的多源信息系统的应用，对复杂环境中的目标数据处理是实现目标精准定位的关键，因此，雷达的数据处理技术已成为军事领域乃至民用领域的重要研究方向。数据处理技术主要是通过雷达接收目标的信息，然后对接收到的信息进行一系列的处理，从而得到目标的运动轨迹，并可以得到目标的位置、速度和机动情况等信息，实现对目标的实时跟踪与监控。通过雷达数据处理，提高雷达信号处理功能，是现代军事化建设不可或缺的部分。

目标跟踪系统通过实时监控目标得到其状态信息，并对目标的状态进行预测，一般的目标跟踪系统是通过雷达对目标的信息进行处理。雷达的数据处理包括：数据预处理、航迹起始、数据关联和航迹关联。通过对雷达接收到的数据进行处理，确定跟踪目标的当前坐标位置和预测下一时刻目标的位置等信息，并对目标下一时刻的状态进行预测，从而得到完整的目标轨迹。

在实际应用环境中，由于目标会受到天气因素的影响，目标的运动模型是不固定的，目标在运动过程中，属于机动目标，所以对目标运动模型的预测显得尤为重要。为了减少目标跟踪的误差，需要对目标运动模型的切换做出评估，然后建立相应的运动模型并进行目标状态预测，从而提高目标跟踪系统的性能。

在实际探测中，由于受到环境中的噪声因素和干扰信息的影响，使得对目标的探测会存在一定的误差，出现误跟或漏跟的情况，所以需要选择合适的跟踪门。跟踪门以预测量测为中心选取一块区域，区域的大小和位置决定了目标真实的量测值是否会被检测到；在此基础上，通过滤波算法将杂波和虚警过滤掉，这样可以减少杂波对点迹与航迹关联的影响；最后，通过数据关联相关算法将点迹与航迹进行关联，从而得到目标的运动轨迹，实现对目标精准跟踪的目的。

随着航天技术的快速发展，多目标跟踪问题成为目标跟踪的热点问题，其中对数据关联技术的研究是多目标跟踪问题的核心部分，通过将雷达探测到的数据进行处理，将接收到的回波(量测)与目标的航迹进行关联，从而得到多目标的轨迹。而在敌我双方的跟踪与反跟踪技术的不断发展中，各种“敌方”目标的信息朝着低检测率、低信噪比、低信号数据率、高干扰性和高机动性等方面发展，使得对目标的探测难度增大。因此，为了进一步提高目标的跟踪率，必须采用高效的技术对目标进行探测，实现对目标的有效跟踪，这就需要提高数据关联的精度。

发明内容

为克服现有技术的不足，本发明提供了目标跟踪中基于多模型优化多假设的多目标数据关联方法。

本发明所采用的技术方案是：

目标跟踪中基于多模型优化多假设的多目标数据关联方法(IMM-OMHT)，包括以下步骤：

步骤1：判断目标的运动模型；假设目标运动模型间的转换服从Markov(马尔科夫)过程，将多个运动模型考虑在其中，根据不同运动模型所对应的滤波器对目标的上一时刻的状态估计进行处理，实现目标状态估计的更新；

步骤1.1：对目标状态估计，通过IMM算法中的交互式作用，计算目标的运动模型转换概率，从模型a转移到模型j的转移概率为的计算如下式所示：