[发明专利]一种多目标跟踪数据关联方法及系统

说明书

本发明公开一种多目标跟踪数据关联方法及系统，该方法包括根据多目标跟踪数据关联特性将目标量测点已知起始时间段航迹看作强化学习训练过程，在一步已知量测点周围生成随机杂波，杂波点与已知量测点均被看作雷达采集量测点；根据跟踪门在量测点中筛选出候选量测点、目标运动特性利用运动匹配和强化学习对所有候选量测点按照匹配度及位置分布规律进行数据关联，由一步已知量测点检验关联结果训练强化学习模型的经验矩阵；根据训练的经验矩阵，结合运动匹配对目标进入杂波区航迹点进行数据关联，由关联结果继续对经验矩阵优化，直到完成航迹关联。解决现有技术中正确关联率较低及计算复杂度较高等问题，提高正确关联率并降低计算复杂度。

技术领域

本发明涉及多目标跟踪技术领域，具体是一种多目标跟踪数据关联方法及系统。适用于多杂波环境下多目标跟踪数据关联。

背景技术

多目标跟踪的基本概念是由Wax在1955年首先提出的。1964年，Sutler对多目标跟踪理论以及数据关联问题进行了深入地研究，并取得了开创性的进展，然而直到70年代初期，机动目标跟踪理论才真正引起人们的注意。在这一期间，Bar-shalom和Singer开创的以数据关联技术和卡尔曼(kalman)滤波技术有机结合为标志的多目标跟踪技术取得了突破性进展。但密集杂波环境下的目标跟踪数据关联一直是多目标跟踪领域的一个难题，雷达捕捉到的信号除了真实量测外还包括杂波引起的虚假量测，难以实现对目标的准确关联。

在多杂波环境下多目标跟踪数据关联的研究，现有的最近邻数据关联法(NN)是解决数据关联最简单的方法，但最近邻法在杂波环境下的正确关联率较低；联合概率数据关联方法(JPDA)根据假设将所有的目标和量测组合为联合事件计算关联概率，能够很好地解决杂波环境下多目标量测关联问题，但JPDA方法计算复杂度较大，并且随着目标数和杂波数的增长，其关联概率的计算会出现组合爆炸的情况。

发明内容

本发明提供一种多目标跟踪数据关联方法及系统，用于克服现有技术中正确关联率较低或计算复杂度较大等缺陷，实现提高正确关联率并降低计算复杂度。

为实现上述目的，本发明提供一种多目标跟踪数据关联方法，包括：

结合目标上一时刻状态及运动属性构建用于预测当前时刻目标位置的强化学习数据关联模型；

在目标当前时刻已知量测点周围模拟随机杂波点并根据设定的波门获得门内候选量测点及量测点位置分布；

根据候选量测点分布在关联模型的经验矩阵中选择权值，根据该权值对候选量测点与目标的状态匹配度的波动影响及候选量测点与目标的运动匹配度获得每个候选量测点的关联概率；

根据当前时刻目标一步已知量测点获得当前时刻目标的实际状态一步估计值并进行点迹-航迹关联；

根据关联概率和候选量测获得当前时刻目标的模拟状态一步估计值，以模拟状态一步估计值与实际状态一步估计值之间的欧式距离为损失对经验矩阵进行训练，重复上述训练和关联过程，直到起始时间段所有已知量测点均完成关联和训练，获得训练模型；

将目标进入杂波区后雷达采集数据点作为量测点，根据设定的波门获得门内候选待测量测点及量测点位置分布，结合所述训练模型获得目标的一步状态估计值，并以此进行关联；计算目标下一时刻的一步状态预测值，以上一时刻目标的一步状态预测值的一步观测预测值与当前时刻目标的一步状态估计值的一步观测预测值之间的马氏距离为损失以对训练模型的经验矩阵进行优化，重复关联和优化直到完成航迹关联。

为实现上述目的，本发明还提供一种多目标跟踪数据关联方法，包括处理器和存储器，所述存储器存有多目标跟踪数据关联程序，所述处理器在运行所述多目标跟踪数据关联程序时执行上述方法的步骤。