[发明专利]一种基于似然函数近似的分布式多传感器检测前跟踪方法

摘要

本发明公开了一种基于似然函数近似的分布式多传感器检测前跟踪方法，属于目标检测领域，特别设计了多传感器分布式融合和微弱目标检测跟踪技术领域。首先，每个本地传感器利用当前时刻回波数据计算似然函数；然后，通过多项式加权方法对似然函数进行近似并将相应近似参数传递至融合中心；最后，融合中心利用各传感器传递的近似参数对本地似然函数进行恢复，并利用恢复得到近似似然函数完成动态规划检测前跟踪算法值函数积累，实现目标检测。一方面，该方法采用分布式处理方法，本地传感器分担了一部分算法计算量降低了融合中心的计算负担。另一方面，该方法利用似然函数近似的方法解决了多传感器动态规划分布式处理中传输代价大的问题。

主权项

一种基于似然函数近似的分布式多传感器检测前跟踪方法，包括以下步骤：步骤1:初始化系统参数；初始化系统参数，包括：系统包含的传感器数目M，各传感器位置Pm，m＝1,…,M，传感器回波数据平面大小Nx×Ny，系统噪声分布为瑞利分布，算法联合处理周期数K，似然函数近似阶数R；初始化变量k＝1；步骤2：接收回波数据；第m个传感器接收第k帧回波数据zk,m，并传递融合中心；其中m＝1,…,M,Zk,m＝{zk,m(x,y),x＝1…Nx,y＝1…Ny}为k时刻第m个传感器所有分辨单元的量测值集合，zk,m(x,y)表示第(x,y)个分辨单元的量测值；步骤3：计算传感器m，k时刻本地似然函数；利用回波数据Zk,m计算当前时刻状态空间每个离散状态的本地似然函数：p(Zk,m|xkj)=p(zk,m(x,y)|xkj)Σx=1,x≠xk,1jNxΣy=1,x≠xk,2jNyp(zk,m(x,y)|H0)]]>其中，xk,yk表示k时刻状态的x,y方向上的位置，表示对应的速度，表示第j个离散状态中的第i个元素，J表示离散状态的总个数；p(zk,m(x,y)|H0)分别表示(x,y)单元存在目标和不存在目标时量测的概率分布，由系统量测模型确定；步骤4：本地似然函数近似参数计算；在第m个传感器本地计算每个离散状态的似然函数近似参数：c(Zk,m)=1(2πσk,m)NxNyexp(-Σx=1NxΣy=1Nyzk,m(x,y)22σk,m2)]]>b(zk,m(x,y))=zk,m(x,y)/σk,m2]]>αk,m＝(φ′mφm)‑1φ′mAm其中，为瑞利分布参数，为一组预先定义的的基础函数，R为似然函数的近似阶数，αk,m＝(αk,m,0,…,αk,m,R)′，Am表示各离散状态对应的目标反射能量；步骤5：传递本地似然函数近似参数c(Zk,m)，b(zk,m(x,y))，αk,m，σk,m至融合中心；步骤6：融合中心似然函数恢复；融合中心利用下式估计本地似然函数值函数：d(xkj)=Am(xkj)2/(2σk,m2)]]>p(Zk,m|xkj)≈c(Zk,m)exp(b(zk,m(x,y))Am(xkj)-d(xkj))]]>步骤7：融合中心动态规划积累；如果k＝1，对于所有离散状态初始化值函数为：I(xkj)=Πm=1Mp(Zk,m|xkj)]]>如果1<k<K，对于所有离散状态更新他们的值函数：I(xkj)=Πm=1Mp(Zk,m|xkj)maxxk-1∈τ(xkj){p(xkj|xk-1)I(xk-1)}]]>其中，为所有能够转移到的k‑1时刻状态集合；步骤8：迭代处理；k＝k+1；如果k≤K，执行步骤2，否则，执行步骤9；步骤9：值函数检测；将K时刻每个离散状态的值函数与预先给定的检测门限进行比较，如果值函数超过检测门限，则认为是目标；否则，认为是噪声。