[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

说明书

本发明公开了一种基于MHT算法的多雷达传感器多目标跟踪方法，该方法将多传感器量测转化为单传感器量测，同时对每一时刻的假设依照概率进行假设删减，并综合考虑了航迹起始与航迹消亡的逻辑，延迟航迹的起始与消亡。本发明实现了对多雷达传感器的多目标检测算法的优化，大大减少了算法的计算量。

技术领域

本发明涉及多目标跟踪邻域，具体涉及一种基于MHT算法的多雷达传感器多目标跟踪方法。

背景技术

多目标跟踪广泛应用于军事、汽车、船舶等领域，其主要作用是根据传感器收集的数据对多个感兴趣的目标进行定位，并记录他们的轨迹。主要算法包括：全局最近邻(GNN)、联合概率数据关联(JPDA)、多假设跟踪(MHT)等，其中MHT被公认为是现代数据关联的理想方法。

MHT算法的主要流程包括航迹预测、基于跟踪门进行数据关联、假设生成、假设管理和航迹更新，与其他算法最大的区别在于需要生成假设，即每一时刻需要保留多个关联结果，且随着时间增加假设数会呈指数上升，使其计算量巨大。尽管国外学者提出的Murty算法和N-scan剪枝处理可以有效减少假设数目，但计算效率仍然不高。除此之外，与单传感器多目标跟踪相比，多传感器所需处理的信息更多，需要的计算资源更大，因此国内少有人采用MHT算法对多传感器多目标进行跟踪。

发明内容

本发明的目的在于提供一种基于MHT算法的多雷达传感器多目标跟踪方法，以提升多雷达传感器的多目标跟踪算法的计算效率。

为解决上述技术问题，本发明提供了一种技术方案：一种基于MHT算法的多雷达传感器多目标跟踪方法，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：