[发明专利]一种基于MHT算法的多雷达传感器多目标跟踪方法

权利要求书

1.一种基于MHT算法的多雷达传感器多目标跟踪方法，其特征在于：该方法包括如下步骤：

S1、通过雷达传感器获取当前时刻量测值，设置量测阈值，根据量测阈值融合不同雷达传感器的当前时刻量测值，生成雷达量测修正值；

S2、判断当前时刻是否为初始时刻；若是，则将雷达量测修正值作为暂时航迹输出，并将其作为首个假设，初始化使每个航迹起始标志flag＝1，进入下一时刻，随后返回S1；若否，则进行后续步骤；其中初始时刻仅生成一个假设；

S3、对前一相邻时刻生成的n个假设运用卡尔曼滤波预测航迹状态值，并根据所述航迹状态值设置跟踪门；

S3中所述对前一相邻时刻的每个假设运用卡尔曼滤波预测航迹状态值，具体如下：

X(t|t-1)＝F×X(t-1)

P(t|t-1)＝F×P(t-1)×F^T+Q

其中，X(t|t-1)为目标在t时刻的预测状态值，F为状态转移矩阵，P(t|t-1)为预测状态协方差，Q为过程噪声协方差矩阵；

跟踪门表示如下：

v^T(t)S^-1(t)v(t)≤γ

其中，γ为椭圆门门限，由卡方分布表获得，H为观测矩阵，R为观测噪声协方差矩阵，残差v(t)与残差协方差S(t)由以下公式计算：

v(t)＝Z(t)-H×X(t|t-1)

S(t)＝H×P(t|t-1)×H^T+R；

其中，Z(t)为t时刻的雷达量测修正值；

S4、根据所述跟踪门计算成本矩阵，判断量测是否满足与航迹关联；同时结合MHT算法与Murty算法列举出前一相邻时刻的每个假设派生前k个最优假设；

S4中所述根据所述跟踪门计算成本矩阵，判断量测是否与航迹关联，具体为：

若t时刻有p个量测q个航迹，则建立p×(q+p+p)的成本矩阵；前q列表示已存在航迹与量测的关联结果，若量测在跟踪门的门限内则值为其置信度，表示航迹与量测互相关联，若不在门限内则置0；由于量测也可能是新航迹或者虚警，因此中间p×p矩阵代表量测是否为新目标的关联结果，最后p列代表量测是否为虚警的关联结果，关联航迹、新航迹以及虚警的置信度计算公式如下：

LR(t)＝LR(t-1)+ΔLR(t)

LR_N＝log(β_NT)

LR_F＝log(β_FT)

其中：

其中，P_D为目标检测概率，β_FT为虚警概率密度，M为量测维数，V为椭圆跟踪门体积；

根据成本矩阵生成假设矩阵，假设矩阵要求每一行有且仅有一个元素非0，这表示一个量测的三种情况：与已有航迹相关联、为新航迹、虚警；假设矩阵要求每一列至多有一个元素非0，这表示每一条航迹至多与一个量测关联；

S5、依照概率由高至低对派生的共n*k个最优假设进行排序，并提取排序后的前n个假设；

S6、对前n个假设对应的航迹进行卡尔曼更新，更新航迹状态值和航迹起始标志flag，根据航迹起始标志flag的值判断是否确认航迹，将最优假设的确认航迹可视化输出，读取下一时刻量测值，返回S1；

S6中所述卡尔曼更新的更新方程如下：

K(t)＝P(t|t-1)H^T(t)S^-1(t)

X(t)＝X(t|t-1)+K(t)v(t)

P(t)＝P(t|t-1)-K(t)S(t)K^T(t)

其中，K(t)为卡尔曼增益，X(t)为更新后的状态值，P(t)为更新后的状态协方差；

在提取的n个假设中，若此时有量测与航迹关联，则对应航迹起始标志flag加1；若量测为新航迹，则使该航迹起始标志flag置为1；若量测与航迹无关联，则该航迹起始标志flag减1；当航迹起始标志flag＝5时，将暂时航迹转换为确认航迹输出，当航迹起始标志flag＝0时，判定航迹已消失，不再输出。