[发明专利]一种转弯机动下的多星凸型扩展目标跟踪方法

说明书

本发明涉及一种转弯机动下的多星凸型扩展目标跟踪方法，通过调整基于随机超曲面的ET‑GM‑PHD滤波器以及交互型多模型方法的步骤，将基于随机超曲面的ET‑GM‑PHD滤波器作为模型条件滤波器嵌入到交互型多模型框架中，得到适用于扩展目标的模型概率更新公式以及模型概率的合并步骤，并充分考虑形态参数的几何意义，提出适用于星凸型扩展目标的形态参数合并步骤，有效处理了多星凸型扩展目标的机动模型不确定性，极大地提高了多星凸型扩展目标在复杂机动行为下的扩展形态估计性能，准确地实现了在杂波以及漏检情况下多机动星凸型扩展目标个数、质心动态以及扩展形态的联合估计。

技术领域

本发明涉及多扩展目标跟踪技术领域，具体的说是一种转弯机动下的多星凸型扩展目标跟踪方法。

背景技术

多扩展目标跟踪技术的目的是根据雷达等传感器获得的量测数据估计监测区域内多个动态扩展目标的质心动态、扩展形态以及个数。扩展目标为在高分辨率传感器中可能占据多个分辨率单元的目标。该目标可能产生多个量测数据，这些量测数据为目标大小、形状和朝向等扩展形态估计提供了可能性，故这类目标的目标状态通常包含扩展形态变量(如大小、形状和朝向等)、动态变量(如位置、速度和加速度)。多扩展目标跟踪技术作为一种典型且具有实践场景的工程技术，可在实际作战场景中跟踪空中目标、地面目标等作战目标，对日益复杂化的作战指挥系统具有重要指导意义。

在复杂机动情况下如何准确估计多个动态目标的扩展形态、质心运动状态以及目标数的准确估计已经成为多扩展目标跟踪技术的重要问题。与传统目标跟踪技术不同，多扩展目标跟踪技术不仅需要对目标质心动力学建模，还需要对扩展形态进行建模。不同形状的扩展目标往往采取不同的建模方法，比如椭圆型扩展目标采用随机矩阵方法。为更加贴近实际空中飞行目标的形状，一种随机超曲面模型方法被提出，不仅可以描述椭圆型扩展目标，也可以描述更加复杂的星凸型扩展目标。

根据不同的扩展形态模型，多扩展目标跟踪技术需要设计合理的跟踪算法实现精确跟踪。目前，许多滤波算法已被广泛应用，比如概率假设密度滤波器(Probabilityhypothesis density，PHD)用于多点目标跟踪，扩展目标高斯混合PHD滤波器(Extendedtarget Gaussian mixture PHD filter，ET-GM-PHD)用于多扩展目标跟踪。虽然ET-GM-PHD滤波器能在杂波和漏检环境下准确估计多个扩展目标的个数以及状态，但是它忽略了扩展目标的扩展形态建模，无法同时估计多个扩展目标的扩展形态，并且无法有效处理扩展目标的复杂机动行为，不能满足实际需求。

一般而言，滤波算法是一种框架结构，包含了预测、更新等步骤。若要实现对不同类型目标的精确定位或跟踪，需要针对所跟踪扩展目标以及实际跟踪场景，对滤波框架和步骤进行调整和改进，甚至提出一套新的技术方法。例如当多个星凸型扩展目标机动时，发生机动的星凸型扩展目标个数通常未知，且目标的运动模型未知。这大大增加了跟踪多个星凸型扩展目标的难度。为处理这种复杂的机动行为，交互型多模型方法是一个有效的解决方法，该方法列举了所有可能的机动模型，并列运行与可能机动模型匹配的模型条件滤波器，然后将各个滤波器的输出结果融合作为最终的估计结果。然而，由于该方法中模型条件滤波以及模型概率更新公式仅适用于单点机动目标跟踪，无法跟踪多机动星凸型扩展目标。为此，如何根据现有的方法以及多扩展目标复杂机动问题提出一套适用于复杂机动下的多星凸型扩展目标跟踪算法是目前多扩展目标跟踪技术中的一个难点。

目前需要本领域技术人员迫切解决的一个技术问题是：在多个星凸型扩展目标机动时如何有效地处理机动模型不确定性，实现机动多星凸型扩展目标个数以及目标质心状态和扩展形态的联合估计。

发明内容