[发明专利]一种目标跟踪问题中关联复杂性度量方法

说明书

本发明涉及一种目标跟踪问题中关联复杂性度量方法，属于目标跟踪数据处理领域。本发明为了克服无法定量化描述高机动目标的稳定精确跟踪的复杂度问题，将目标跟踪问题中目标机动复杂度定义为某时刻为保证滤波位置估计误差不大于跟踪估计误差允许上限E₀，和为满足该条件测量定位误差可允许的理论最大值σ的比值，即E₀/σ。在Kalman滤波框架下，通过创新性地引入状态更新误差缩减因子λ的方法，推导了该复杂度的计算公式，给出了具体的算法步骤。利用此算法提供了一种目标跟踪问题的场景难度统一标准化辨识标准，定量化分析场景参数对目标跟踪问题的影响，以及支持科学合理地进行算法等效测试试验设计。

技术领域

本发明属于目标跟踪数据处理领域，具体涉及一种目标跟踪问题中关联复杂性度量方法。

背景技术

滤波算法本质是通过引入运动模型来抑制观测数据随机噪声的算法，然而对于目标做复杂高机动动作时运动模型与实际运动难于完全匹配，模型误差大，导致估计误差变大，甚至滤波发散。对高机动目标的稳定精确跟踪是目标跟踪领域中的难点问题，其复杂性是目标本身机动运动特性、传感器探测数据率、测量误差等因素耦合在一起综合作用结果。然而目前没有对机动目标跟踪问题本身的复杂性有统一的规范化定义，导致不同研究都在自己的话语体系下定义的机动目标，无法定量化描述其所研究问题的复杂度，难于说清楚谁研究的问题更加复杂。

发明内容

(一)要解决的技术问题

本发明要解决的技术问题是如何提供一种目标跟踪问题中关联复杂性度量方法，以克服无法定量化描述高机动目标的稳定精确跟踪的复杂度问题。

(二)技术方案

为了解决上述技术问题，本发明提出一种目标跟踪问题中关联复杂性度量方法，该方法包括如下步骤：

步骤1、输入T_k-1时刻状态估计协方差

步骤2、计算状态转移矩阵，Δt为目标跟踪的数据更新时间步长；

步骤3、计算目标跟踪数据更新时刻T_k-1到T_k速度平均变化矢量其中n为满足T_k-1≤t_j＜T_k条件的t_j的个数，v(t_k)，k＝1,...,n为目标的运动速度矢量；

步骤4、估计机动运动的状态转移误差协方差矩阵Q；

步骤5、计算T_k时刻的状态预测协方差

步骤6、计算为满足位置误差需求阈值E₀，k时刻需要的位置误差缩减比例；

其中为的左上角3×3阵；

步骤7、计算满足位置误差需求阈值E₀的测量定位协方差；

其中，I为单位矩阵；

步骤8、输出T_k时刻的复杂度；

步骤9、更新状态估计协方差矩阵；

其中，H＝(I_3×3 0_3×3)^T；