[发明专利]结合幅值信息的PHD滤波多目标跟踪方法

摘要

本发明公开了一种结合幅值信息的PHD滤波多目标跟踪方法，属于雷达数据处理领域。基于JPDA的多目标跟踪方法存在不能充分利用目标量测信息，要求目标个数固定，以及计算量随量测个数的增加而爆炸增长，不能适应密集杂波环境等问题。本发明提出的结合幅值信息的PHD滤波多目标跟踪方法立足于解决此类问题。本发明通过在PHD滤波的基础上结合目标的幅值信息，有效提高了量测信息的利用率，可同时对目标个数和目标状态进行估计，适应于目标个数时变且未知的情况，计算量随量测个数的增加线性增长，尤其适应于密集杂波环境下的多目标跟踪，克服了JPDA方法的局限性，因此具有较强的工程应用价值和推广前景。

主权项

结合幅值信息的PHD滤波多目标跟踪方法，其特征包括以下步骤：步骤1：变量初始化(1)K为总仿真时间，T表示雷达采样间隔；(2)γ0为目标出现初始数，L0为代表一个目标所需要的粒子数，Jk为k时刻搜索新目标的粒子数，Lk为k时刻粒子总数；(3)为目标平均信噪比，为虚警概率，τ为虚警概率对应的检测门限；(4)γk(x)为目标出现初始分布，κk(z)为杂波分布；(5)为扩展单目标状态转移矩阵，为扩展过程噪声控制矩阵；(6)为扩展过程噪声协方差，为扩展量测噪声协方差；步骤2：令k＝0，进行滤波器初始化(1)对任意i∈{1,2,…,L0}，根据目标出现初始分布γ0(x)生成粒子根据目标平均信噪比确定其中包含目标的位置信息和速度信息为目标的信噪比信息，符号T表示转置，(2)对任意i∈{1,2,…,L0}，令对进行扩维，得到新粒子并赋予该粒子权重得到初始粒子集步骤3：令k＝k+1，获得k时刻的雷达量测将雷达接收到的信号进行A/D变换，得到k时刻的雷达扩展量测集送雷达数据处理计算机，其中为k时刻雷达获得的第i个扩展量测，包含目标的位置信息zk和幅值信息ak，Nk为k时刻的量测个数；步骤4：粒子集预测(1)对任意i∈{1,2,…,Lk‑1}，根据k‑1时刻粒子状态和扩展单目标状态转移矩阵进行一步预测，得到粒子x~k|k-1i=F~kx~k-1i+G~kv~k]]>并赋予该粒子权重得到粒子集其中为零均值的高斯白噪声，其协方差为(2)对任意i∈{Lk‑1+1,Lk‑1+2,…,Lk‑1+Jk}，根据目标出现初始分布γk(x)采样粒子并根据目标信噪比采样然后令并赋予该粒子权重得到粒子集(3)将粒子集和粒子集合并得到新的粒子集步骤5：粒子集更新(1)对任意i∈{1,2,…,Lk‑1+Jk}，根据预测的粒子状态和量测方程hk(x)获得预测的量测zk|k-1i=hk(x~k|k-1i)=xk|k-12+(yk|k-1100)2arctanxk|k-1yk|k-1+100]]>(2)对任意i∈{1,2,…,Lk‑1+Jk}，利用k时刻的扩展量测集计算粒子权重w~k|ki=[v~(x~k|k-1i)+Σz~∈Z~kψ~k,z~(x~k|k-1i)κ~k(z~)+C~k(z~)]×w~k|k-1i]]>其中v~(x~k|k-1i)=1-exp(-τ22(1+dk|k-1i))]]>C~k(z~)=Σi=1Lk-1+Jkψ~k,z~(x~k|k-1i)w~k|k-1i]]>ψ~k,z~(x~k|k-1i)=gk(z|xk|k-1i)gaτ(a|dk|k-1i)]]>gk(z|xk|k-1i)=12πRkexp{-(z-zk|k-1i)TRk-1(z-zk|k-1i)/2}]]>gaτ(a|dk|k-1i)=a1+dk|k-1iexp(-a2-τ22(1+dk|k-1i))]]>以及κ~k(z~)=κk(z)caτ(a)]]>caτ(a)=1PFAτaexp(-a22)]]>其中Rk为量测误差协方差；(2)计算所有粒子的权重和N^k|k=Σi=1Lk-1+Jkw~k|ki]]>并取与最接近的整数得到目标个数估计(3)令对粒子集进行重采样得到新的粒子集步骤6：多目标状态估计(1)对粒子集进行聚类分析，将其分成个粒子群；(2)对任意令x^k,j=1NjΣi=1Njx~k,ji]]>得到第j个目标的状态估计，其中表示属于第j个粒子群中的第i个粒子，Nj表示属于该粒子群的粒子个数；步骤7：重复步骤3～步骤6，直至雷达关机。