[发明专利]一种基于水平鱼探仪数据的运动目标关联算法

摘要

本发明公开了一种基于水平鱼探仪数据的运动目标关联算法，给定初始值，分别进行状态预测、回波预测、协方差矩阵预测、新息向量预测，根据有效回波集合，生成有效矩阵，由有效矩阵生成可行联合事件，计算可行联合事件概率以及关联概率，通过卡尔曼滤波公式进行计算卡尔曼增益矩阵以及滤波器协方差矩阵。本发明采用的联合概率数据关联算法，在杂波环境下对多目标进行数据互联，可以有效的对多个目标进行关联。

主权项

一种基于水平鱼探仪数据的运动目标关联算法，其目标的状态方程和测量方程分别表示为Xt(k)=Ft(k-1)+Wt(k-1)Z(k-1)=H(k-1)Xt(k-1)+V(k-1)]]>式中：k＝1，2，…；t＝1，2，…，T；其中Xt(k)为k时刻目标t的状态向量初值，Xt(0)是均值为协方差的随机向量，且独立于Wt(k)；Ft(k)为目标t的状态转移矩阵；Wt(k)为状态噪声，其均值为零的高斯白噪声；Z(k)为k时刻目标的测量值；H(k)为测量矩阵；V(k)为测量噪声，其均值为零的高斯白噪声；其特征在于，具体实施步骤如下：(1)给定初始值t＝1，2，...，T，递推公式由k＝1开始；(2)预测状态(3)回波预测(4)预测协方差矩阵Pt(k/k‑1)＝Ft(k‑1)Pt(k‑1/k‑1)[Ft(k‑1)T]+Qt(k‑1)；(5)预测新息向量(6)根据有效回波集合，生成有效矩阵Ω，其中其中j＝0，1，2，…，mk；t＝1，2，…，T；(7)由有效矩阵生成可行联合事件θ，i＝0，1，2，…，L，L为可行联合事件总和；(8)计算可行联合事件概率P{θi/Zk}，i＝0，1，2，…，L；(9)计算关联概率其中j＝0，1，2，…，mk；t＝1，2，…，T；(10)卡尔曼滤波公式(11)卡尔曼增益矩阵Kt＝Pt(k/k‑1)Ht(k)+[St(k)]‑1；(12)滤波器协方差矩阵其中β0t为先验概率；(13)令k＝k+1，转步骤(2)，计算出所有金枪鱼的量测值和每条鱼之间相互关联的概率。