[发明专利]一种基于机动检测的目标轨迹快速提取方法

摘要

本发明公开了一种基于机动检测的目标轨迹快速提取方法，本发明在传统交互式多模型算法基础上增加了量测确认。本发明增加的量测确认可以在目标机动明显时，通过机动检测获得目标轨迹的关键拐点，实现目标轨迹快速提取。本发明的方法步骤分为五步：状态估计的交互输出、量测确认、模型可能性计算、模型概率更新和模型交互输出。本发明在量测确认步骤中引入机动因子，增加机动检测，获得目标轨迹的机动点，从而形成机动轨迹，达到目标轨迹快速提取。本发明解决了在战场环境中提取目标所有轨迹点，数据量巨大，查询缓慢的问题。

主权项

1.一种基于机动检测的目标轨迹快速提取方法，其特征在于，包括如下步骤：步骤1，选择匀速CV模型和常加速CA模型作为IMM算法的滤波器，对各个滤波器的状态估计进行状态估计的交互输出；步骤2，利用量测值和交互输出后的状态估计值获得观测窗口内速度变化率的累积，做机动检测，进行量测确认；步骤3，滤波器分别进行滤波，并计算模型可能性；步骤4，对模型概率进行更新；步骤5，模型交互，输出IMM算法的滤波值；步骤1包括如下步骤：步骤1‑1，设置目标运动状态为匀速CV和常加速CA的交替变换，σ_v为运动模型过程噪声标准差，σ_r为量测噪声标准差，T为采样时间间隔；选择匀速CV模型和常加速CA模型作为IMM算法的滤波器，令匀速CV模型状态向量扩展成6维，匀速CV模型状态向量如下：常加速CA模型状态向量如下：其中，表示匀速CV模型状态向量，表示常加速CA模型状态向量，k为表示时刻，x_k‑1为k‑1时刻的x轴的坐标值，为k‑1时刻的x轴的速度，y_k‑1为k‑1时刻的y轴的坐标值，为k‑1时刻的y轴的速度，为k‑1时刻的x轴的加速度，为k‑1时刻的x轴的加速度，上标'表示矩阵转置；步骤1‑2，令表示从模型i转移到模型j的转移概率，u_k‑1(i)表示k‑1时刻滤波器的概率，i＝1,2，其中u_k‑1(1)表示CV模型滤波器的概率，u_k‑1(2)表示CA模型滤波器的概率，计算标准化因子步骤1‑3，计算滤波器交互概率u_k‑1|k‑1(i|j)：步骤1‑4，令表示k‑1时刻模型的状态输出，j＝1,2，j为1时表示k‑1时刻匀速CV模型的状态输出，j为2时表示k‑1时刻常加速CA模型的状态输出，计算交互作用后，模型j的状态输出：其中，表示k‑1时刻交互计算后j模型的状态输出；步骤1‑5，令P^j(k‑1|k‑1)表示模型的状态协方差矩阵，j为1时P^j(k‑1|k‑1)表示k‑1时刻匀速CV模型的状态协方差矩阵，j为2时P^j(k‑1|k‑1)表示k‑1时刻常加速CA模型的状态协方差矩阵，交互计算状态协方差矩阵：其中，P^oj(k‑1|k‑1)表示k‑1时刻交互计算后j模型的状态协方差矩阵；步骤2包括如下步骤：步骤2‑1，令Z(k)表示k时刻的量测值，Z(k)＝[x_k y_k]'，其中，x_k表示k时刻x轴的坐标值，y_k表示k时刻y轴的坐标值，令空间观测窗口长度为N，通过如下公式计算空间观测窗口内观测点的速度转变的累加f_v：步骤2‑2，通过如下公式计算空间观测窗口内观测点速度转变绝对值的累加f_Abs：步骤2‑3，引入机动因子δ，δ∈(0,1]，将f_Abs＞|f_v|*δ作为机动发生的条件，对滤波器重新初始化，滤波器初始化时刻的观测点保存下来，即机动点，形成机动点迹；步骤2‑4，若未发生机动，即f_Abs≤|f_v|*δ，将P^oj(k‑1|k‑1)及Z(k)作为k时刻第j个模型的输入。