[发明专利]一种基于合作目标信息的扩展目标跟踪方法

权利要求书

1.一种基于合作目标信息的扩展目标跟踪方法，其特征在于，包括以下步骤：

合作目标周期性地检测自身位置与姿态，并通过通信网络把自身身份信息、位置与姿态信息发送给观测站；观测站接收合作目标发送的信息，与观测站传感器检测到的目标信息进行融合，并根据运动模型进行多个扩展目标的跟踪，所述目标跟踪过程包括：首先用一组运动模型来描述目标的运动；然后针对每个运动模型分别构造一个滤波器，根据扩展目标的位置与姿态信息，通过一个二重跟踪门对传感器的量测值进行筛选，对筛选后的量测值利用合作目标的身份信息和姿态特征重构一步预测值进行数据关联与滤波；最后根据目标处于不同运动模型的概率进行融合，以所有滤波器的滤波估计值的概率加权和作为目标的状态估计。

2.根据权利要求1所述的一种基于合作目标信息的扩展目标跟踪方法，其特征在于，所述运动模型的建立具体步骤如下：用一组运动模型来描述目标的运动，设计一个由多个运动模型构成的运动模型集合M：

M＝{m⁽ⁱ⁾}，i＝1，2，…，r

其中m⁽ⁱ⁾表示模型集中的第i个运动模型；r表示模型集中的模型的总数目，针对不同的运动模型，建立相应的运动方程和观测方程，其中任意第m⁽ⁱ⁾个运动模型满足以下离散时间方程：

π_j＝P(s_k＝m^(j)|s_k-1＝m⁽ⁱ⁾)，k∈N，i，j＝1，2，…，r

其中表示k时刻目标的位置、速度与姿态角，N表示时间指标，[γ，θ，φ]表示目标的航向角、横滚角和俯仰角，F_k⁽ⁱ⁾表示第m⁽ⁱ⁾个模型的状态转移矩阵，表示第m⁽ⁱ⁾个模型的噪声矩阵，z_k表示对系统状态的量测向量，表示第m⁽ⁱ⁾个模型的量测矩阵，分别表示相互独立的过程噪声和量测噪声，s_k＝m^(j)表示当前时刻目标模型属于m^(j)模型，表示目标从模型m⁽ⁱ⁾到m^(j)的转移概率，然后针对每个模型进行目标跟踪。

3.根据权利要求2所述的一种基于合作目标信息的扩展目标跟踪方法，其特征在于，所述根据扩展目标的位置与姿态信息，通过一个二重跟踪门对传感器的量测值进行筛选，具体包括：

考虑到被跟踪目标都为带姿态信息的扩展目标，设置一个二重跟踪门来对观测值进行筛选，首先利用被跟踪目标的姿态信息对观测状态z_k进行筛选得到(z_k)′，然后在跟踪空间中利用其目标的位置信息设置矩形跟踪门，根据对应匹配的模型残差向量及残差协方差阵分别用表示，对于任意一个被跟踪的目标l_k的残差向量分量量测值(z_k)′的分量和预测量测向量跟踪门常数K_g，当观测量满足如下关系：

则得到确认量测(z_k)″，此处为第l_k个残差的标准偏差。