[发明专利]基于LMB的粒子滤波检测前跟踪方法及系统

说明书

本发明提供一种未知量测噪声下基于LMB的粒子滤波检测前跟踪方法及系统，本发明利用代价参考粒子滤波替代粒子滤波，雷达实时测量值获取，粒子代价预测，粒子状态更新，目标状态估计。本发明通过传递粒子关于量测的代价参数，带入粒子权重进行更新迭代，一定程度上解决了基于随机有限集统计理论的检测前跟踪依赖大量先验的缺陷；对量测噪声统计特性先验知识的依赖更低，算法的稳定性和准确性更高。

技术领域

本发明属于雷达数据处理技术领域，尤其涉及一种基于LMB的粒子滤波检测前跟踪方法及系统。

背景技术

常规的基于随机有限集(其中包括概率假设密度，势概率假设密度和多伯努利滤波)的检测前跟踪(Track Before Detect)算法通常只完成各帧的目标检测，而没有实现帧间点迹的关联处理。B.-N.Vo学者提出广义标签多伯努利滤波(Generalized labeledmulti-Bernoulli filter)，将随机有限集与多假设跟踪(Multiple hypothesis track)相结合，利用量测与滤波值的对应关系制定标签，在滤波中通过标签将滤波值和航迹关联起来，完成了帧间的点迹关联处理并给出了高斯混合和粒子滤波的实现方式。但是处理量测与滤波值之间的对应关系使得广义标签多伯努利滤波运算量巨大。

然而在基于随机有限集理论的雷达目标检测检测前跟踪中，有一个缺陷十分明显：算法依赖于量测噪声的统计特性得到滤波更新过程的似然函数，如果缺少该项先验知识，似然函数存在误差，会影响多目标数目检测和状态估计的准确度。这个缺陷在同时完成航迹关联的广义标签多伯努利滤波族中尤为显著。

发明内容

为克服上述现有问题或者至少部分地解决上述问题，本发明实施例提供一种未知量测噪声下基于LMB的粒子滤波检测前跟踪方法及系统。

根据本发明实施例的第一方面，提供一种未知量测噪声下基于LMB的粒子滤波检测前跟踪方法，包括：

获取基于雷达测量的多目标实时测量值；

建立基于标签多伯努利滤波的粒子运动状态方程；

基于所述粒子运动状态方程进行代价粒子的初始化以及建立粒子的代价预测方程；

基于所述粒子的代价预测方程及多目标实时测量值，计算每一个目标的每一个粒子的代价更新值；

根据每一个目标的每一个粒子的代价更新值，对粒子进行重采样，并得到重采样后的粒子状态；

根据每一个时刻的所有粒子的状态，计算得到当前时刻的每一个目标的状态估计值。

在上述技术方案的基础上，本发明还可以作出如下改进。

进一步的，所述获取基于雷达测量的多目标实时测量值包括：

时刻k目标t的状态会引起观测区域多个分辨单元幅度的起伏变化，假定其中目标t造成C(t)个分辨单元的幅度起伏；

位于笛卡尔坐标系下的雷达测量矢量Z_k＝[z₁,…,z_m]由功率信号返回，其中，m＝C(t)，量测值z_i采用如下公式表示：

指的是C(t)个分辨单元中第i个分辨单元的复信号：

式中，v_i为量测噪声，A_t是目标t的复回波幅度，是目标t状态为x在第i个分辨单元的点扩散函数，采用如下公式表示：