[发明专利]基于指数平滑预测的DP-TBD算法跟踪方法及设备

说明书

本发明公开了一种基于指数平滑预测的DP‑TBD算法跟踪方法及设备，该方法包括对第k帧每一个设定目标状态，定义积累指标函数的初始值，定义回溯函数的初始值，并定义平滑初始值，根据所述积累指标函数的初始值、所述回溯函数的初始值和所述平滑初始值，进行起始积累，根据起始积累的结果，进行递归积累，根据递归积累的结果，进行门限检测，根据门限检测的结果，进行航迹回溯。本发明在动态规划的积累过程中，采用的指数平滑预测法利用了所有历史帧的数据信息，既增强了目标的帧间关联性，又具有较高的预测精度，准确地计算状态转移概率，提高TBD算法的性能，从而提高航迹回溯准确性。

技术领域

本发明涉及数据处理技术领域，具体涉及一种基于指数平滑预测的 DP-TBD算法跟踪方法及设备。

背景技术

现有技术中，很多场景需要进行检测跟踪，例如飞行器航迹检测跟踪。检测前跟踪算法是区别于传统检测后跟踪算法的一种新的目标检测跟踪思路，是目前低信噪比下检测目标的一种有效的方法。要实现这种方法通常有两类方式：一类是基于给定模型预测的算法，如卡尔曼滤波、粒子滤波等一系列算法；另一类是无运动模型的优化算法，如动态规划等。

对于当前机动能力强的飞行器来说，第一类算法应用因为受到运动模型匹配性的限制失去了其原有的优越性，第二类算法能较好的适应需求。但是传统DP-TBD算法仅使用当前帧的观测数据对指标函数进行更新积累，容易受到尖峰噪声的干扰，造成航迹关联错误。

发明内容

本发明的目的在于针对现有技术中传统DP-TBD算法仅使用当前帧的观测数据对指标函数进行更新积累，容易受到尖峰噪声的干扰，造成航迹关联错误的不足之处，提供一种基于指数平滑预测的DP-TBD算法跟踪方法及设备，以解决上述不足之处。

为实现上述目的，本发明提供一种基于指数平滑预测的DP-TBD算法跟踪方法，所述基于指数平滑预测的DP-TBD算法跟踪方法包括以下步骤：

对第k帧每一个设定目标状态，定义积累指标函数的初始值，定义回溯函数的初始值，并定义平滑初始值，其中k为大于等于1的整数；

确定第2帧的关联区域，根据所述关联区域，更新所述积累函数与所述回溯函数，根据更新后的积累函数和更新后的回溯函数，求解第2帧的平滑值；

确定第k帧的关联区域，根据所述第k帧的关联区域，计算第k帧的状态转移密度函数，根据所述第k帧的状态转移密度函数，更新第k帧的积累函数与回溯函数，根据更新的第k帧的积累函数与回溯函数，求解第 k帧平滑值；

根据递归积累的结果，进行门限检测；

根据门限检测的结果，进行航迹回溯。

优选地，所述对第k帧每一个设定目标状态，定义积累指标函数的初始值，定义回溯函数的初始值，并定义平滑初始值，包括：

对于第k帧每一个假设目标状态x_k，对第1帧各个假设目标状态所对应的分辨单元内的观测数据z₁(x₁)的λ₁加权值V₁(x₁)＝λ₁z₁(x₁)，获得积累指标函数的初始值V₁(x₁)；

定义回溯函数为Ψ_k(x_k)，用以记录与当前帧当前状态相关性最大的前一帧的目标状态，并定义Ψ₁(x₁)初始值为(0,0)；

定义平滑初始值为

优选地，所述确定第2帧的关联区域，根据所述关联区域，更新所述积累函数与所述回溯函数，根据更新后的积累函数和更新后的回溯函数，求解第2帧的平滑值，包括：