[发明专利]一种基于双重融合最大熵模糊聚类JPDA的目标航迹优化方法

权利要求书

1.一种基于双重融合最大熵模糊聚类JPDA的目标航迹优化方法，其特征在于，包括：

步骤1、设定雷达跟踪系统的状态方程和雷达跟踪系统的量测方程为：

其中，为k+1时刻目标t(t∈1,2,3,N)雷达跟踪系统的状态向量，Fk为雷达跟踪系统的状态转移矩阵，为k时刻目标t雷达跟踪系统的状态向量，G_k为目标t系统噪声转移矩阵，为k时刻目标t的系统噪声序列，其协方差矩阵为Q_k；

为k时刻目标t雷达跟踪系统的量测向量，H_k为雷达跟踪系统的量测系统，为k时刻目标t的量测噪声序列，量测噪声序列的协方差矩阵为R_k；

并将初始时刻雷达接收的各目标真实点迹设为航迹初始点，目标初始状态可以表示为：

为初始时刻目标t二维直角坐标系下X方向的位置，为初始时刻目标t二维直角坐标系下目标Y方向的位置，为初始时刻目标t二维直角坐标系下的X方向的速度，为初始时刻目标t二维直角坐标系下t的Y方向速度，[·]^T为矩阵的转置；

步骤2、根据雷达跟踪系统航迹起始点获得航迹起始时刻的测量点的量测向量计算出卡尔曼滤波器的初始状态估计向量和初始估计误差协方差矩阵

步骤3、根据所述卡尔曼滤波器的初始状态估计向量和所述初始估计误差协方差矩阵采用迭代算法计算出k+1(k＝0,1,2…n,n∈N)时刻目标t的状态估计向量k+1时刻目标t的估计误差协方差矩阵k+1时刻目标t的预测向量k+1时刻目标t的新息协方差矩和k+1时刻目标t的卡尔曼增益

步骤4、获取所述k+1时刻目标t被雷达扫描得到的量测点集合将所述k+1时刻目标t的预测向量的位置作为跟踪波门中心，选取跟踪波门门限值，对所述k+1时刻目标t的量测点集合进行初步筛选得到所述k+1时刻目标t的候选量测点；

步骤5、当所述k+1时刻目标t的候选量测点的个数为0时，则所述k+1时刻目标t的状态估计向量和所述k+1时刻目标t的估计误差协方差矩阵用于航迹外推；

当所述k+1时刻目标t的候选测量点的个数大于0时，采用双重融合最大熵模糊聚类方法对k+1时刻目标t的目标航迹进行优化更新，包括：

步骤5.1、根据所述候选量测点分别计算k+1时刻目标t的候选量测点z_j,k+1和聚类中心波门中心之间的距离并根据所述k+1时刻目标t的候选量测点z_j,k+1、所述k+1时刻目标t的候选量测点z_j,k+1与所述聚类中心波门之间的距离利用最大熵模糊聚类理论计算以波门中心为聚类中心的隶属度u_jt,k+1：

步骤5.2、计算所述聚类中心波门中心和所述k+1时刻目标t的候选量测点z_j,k+1之间的距离并根据所述k+1时刻目标t的候选量测点z_j,k+1、所述k+1时刻目标t的候选量测点z_j,k+1与所述聚类中心波门之间的距离利用最大熵模糊聚类理论计算以候选量测点为聚类中心的隶属度u_tj,k+1：

步骤5.3、将所述以波门中心为聚类中心的隶属度u_jt,k+1和所述以候选量测点为聚类中心的隶属度u_tj,k+1相乘得到各有效量测和所述波门中心之间双向隶属度_jtu_tj,k+1；

步骤5.4、根据所述各有效量测和所述波门中心之间双向隶属度_jtu_tj,k+1所述计算杂波均匀分布情况下有所述k+1时刻目标t的候选量测点z_j,k+1和所述目标t关联的最终概率为：

其中，P_D为检测概率，P_G为门概率；

杂波均匀分布情况下无所述k+1时刻目标t的候选量测点z_j,k+1和所述目标t关联的最终概率为：

并计算杂波柏松分布情况下，有所述k+1时刻目标t的候选量测点z_j,k+1和所述目标t关联的最终概率为：

杂波柏松分布情况下无所述k+1时刻目标t的候选量测点z_j,k+1和所述目标t关联的最终概率为：

将所述杂波均匀分布情况下和所述杂波柏松分布情况下得到的有所述k+1时刻目标t的候选量测点z_j,k+1和无所述k+1时刻目标t的候选量测点z_j,k+1与所述目标t关联的最终概率得到最终关联概率β_(0j)t,k+1；

步骤5.5、利用所述最终关联概率β_(0j)t,k+1按照标准的JPDA算法滤波程序即可完成对目标的状态估计和航迹更新：

所述候选量测点和所述目标的关联新息为：

结合所述最终概率β_jt,k+1可得组合信息从而根据所述组合信息更新所述状态估计和估计误差协方差：

式中，和分别为：