一种多运动目标态势感知方法、装置及系统的制作方法

文档序号:9260653
一种多运动目标态势感知方法、装置及系统的制作方法
【技术领域】
[0001] 本发明设及目标跟踪技术领域,特别设及一种多运动目标态势感知方法、装置及 系统。
【背景技术】
[0002] 态势感知是指在特定时空下,对动态环境中各元素或对象的察觉、理解W及对未 来状态的预测。对于多运动目标场景,在干扰、杂波环境下,基于包含噪声的量测信息估计 时变的目标数目及航迹,是多运动目标态势感知的重要任务,也对后续决策的有效性起到 深刻影响。
[0003] 传统的多目标跟踪方法将多运动目标的数目估计与航迹跟踪问题看作是分离的 单目标跟踪问题,而对每个目标采用适当的滤波器予W跟踪。该一方法的核屯、是量测一航 迹关联,即将干扰、杂波环境下的观测量分配给各个目标航迹的过程。然而,在干扰、杂波密 集,或者量测噪声较大的情况下,该一分配过程容易出错。此外,在目标数目较多时,关联过 程的计算量很大,不利于实时应用。
[0004] 基于随机有限集及点过程理论,新近提出的概率假设密度(Prob油i1ity hypothesisdensity,简称P皿)滤波器是一种多目标密度估计器,为解决多目标跟踪问题 提供了一种新的视角。P皿的滤波器无需将量测与航迹关联,也无需区分目标量测与干扰、 杂波,因而大大简化了处理过程。然而,传统的P皿滤波器仍然包含有许多难W显式推导的 积分项。针对该样的问题,提出P皿滤波器的序贯蒙特卡罗(SequentialMonteCarlo,简 称SMC)方法,解决了P皿的工程实现问题。然而,由于SMC方法随机抽样的特点,对于目标 状态的估计具有一定的随机性,可能影响对多目标态势的判断。

【发明内容】

[0005] 鉴于上述问题,提出了本发明W便克服上述问题或者至少部分地解决上述问题, 本发明的技术方案是该样实现的:
[0006] 一方面,本发明提供了一种多运动目标态势感知方法,包括:
[0007] 获取目标的量测集合;
[000引将所述目标的量测集合发送到至少两个并行的序贯蒙特卡罗-概率假设密度滤 波器进行处理,并输出处理结果;
[0009] 将所述处理结果进行综合分析,获取所述目标的量测集合内各个目标的运动态 势。
[0010] 优选地,所述目标的量测集合中量测变量的类型取决于态势感知系统传感器的类 型。
[0011] 优选地,所述态势感知系统传感器包括;有源雷达系统和无源侦察系统;所述有 源雷达系统的量测变量包括;距离、方位俯仰角;所述无源侦察系统的量测变量包括:方位 俯仰角、角速度、时差、频差。
[0012] 优选地,所述序贯蒙特卡罗-概率假设密度滤波器,具体包括;初始化,概率假设 密度预测,概率假设密度更新,目标数估计,重采样,目标状态提取。
[0013] 优选地,该方法还包括:
[0014] 存储每一个所述序贯蒙特卡罗-概率假设密度滤波器的结果;
[0015] 显示所述目标的量测集合内各个目标的运动态势。
[0016] 另一方面,本发明提供了一种多运动目标态势感知装置,包括:
[0017] 目标量测采集模块,用于获取目标的量测集合;
[001引序贯蒙特卡罗-概率假设密度滤波器并行处理模块,用于将所述目标的量测集合 发送到至少两个并行的序贯蒙特卡罗-概率假设密度滤波器进行处理,并输出处理结果.
[0019] 结果分析模块,用于将所述处理结果进行综合分析,获取所述目标的量测集合内 各个目标的运动态势。
[0020] 优选地,所述目标的量测集合中量测变量的类型取决于态势感知系统传感器的类 型。
[0021] 优选地,所述态势感知系统传感器包括;有源雷达系统和无源侦察系统;所述有 源雷达系统的量测变量包括;距离、方位俯仰角;所述无源侦察系统的量测变量包括:方位 俯仰角、角速度、时差、频差。
[0022] 优选地,所述序贯蒙特卡罗-概率假设密度滤波器,具体包括;初始化,概率假设 密度预测,概率假设密度更新,目标数估计,重采样,目标状态提取。
[0023] 优选地,该方法还包括:
[0024] 存储每一个所述序贯蒙特卡罗-概率假设密度滤波器的结果;
[0025] 显示所述目标的量测集合内各个目标的运动态势。
[0026] 再一方面,本发明提供了一种多运动目标态势感知系统,包括姻上任一一项所述 多运动目标态势感知装置。
[0027] 本发明的技术方案通过采用并行序贯蒙特卡罗与概率假设密度滤波器对多运动 目标进行分析处理,从而使得多运动目标态势感知较准确、清晰的反映多目标的真实航迹, 较准确地估计各个时刻的目标数。
【附图说明】
[002引图1为本发明实施例提供的一种多运动目标态势感知方法流程图;
[0029] 图2为本发明实施例提供的一种多运动目标态势感知装置结构示意图;
[0030] 图3为多运动目标态势感知过程中多目标实际航迹示意图;
[0031] 图4为多运动目标态势感知过程中未经滤波,直接根据量测估计的目标航迹示意 图;
[0032] 图5为多运动目标态势感知过程中航迹估计结果示意图;
[0033] 图6为基于单个SMC-P皿滤波器的航迹估计结果示意图;
[0034] 图7为本发明实施例提供的一种多运动目标态势感知过程中目标数估计结果示 意图;
[0035] 图8为本发明实施例提供的一种多运动目标态势感知系统结构示意图。
【具体实施方式】
[0036] 为使本发明的目的、技术方案和优点更加清楚,下面将结合附图对本发明实施方 式作进一步地详细描述。
[0037] 如图1为所示为本发明实施例提供的一种多运动目标态势感知方法流程图;该方 法包括:
[003引 101;获取目标的量测集合;
[0039] 102 ;将所述目标的量测集合发送到至少两个并行的序贯蒙特卡罗-概率假设密 度滤波器进行处理,并输出处理结果;
[0040] 103;将所述处理结果进行综合分析,获取所述目标的量测集合内各个目标的运动 态势。
[0041] 需要说明的是,所述目标的量测集合中量测变量的类型取决于态势感知系统传感 器的类型。
[0042] 还需要说明的是,所述态势感知系统传感器包括;有源雷达系统和无源侦察系统; 所述有源雷达系统的量测变量包括;距离、方位俯仰角;所述无源侦察系统的量测变量包 括;方位俯仰角、角速度、时差、频差。
[0043] 还需要说明的是,所述序贯蒙特卡罗-概率假设密度滤波器,具体包括;初始化, 概率假设密度预测,概率假设密度更新,目标数估计,重采样,目标状态提取。
[0044] 还需要说明的是,该方法还包括:
[0045] 存储每一个所述序贯蒙特卡罗-概率假设密度滤波器的结果;
[0046] 显示所述目标的量测集合内各个目标的运动态势。
[0047] 基于W上实施例,如图2所示,为本发明实施例提供的一种多运动目标态势感知 装置结构示意图;该多运动目标态势感知装置包括:
[0048] 目标量测采集模块201,用于获取目标的量测集合;
[0049] 序贯蒙特卡罗-概率假设密度滤波器并行处理模块202,用于将所述目标的量测 集合发送到至少两个并行的序贯蒙特卡罗-概率假设密度滤波器进行处理,并输出处理结 果;
[0050] 结果分析模块203,用于将所述处理结果进行综合分析,获取所述目标的量测集合 内各个目标的运动态势。
[0051] 需要说明的是,所述目标的量测集合中量测变量的类型取决于态势感知系统传 感器的类型;所述态势感知系统传感器包括;有源雷达系统和无源侦察系统;所述有源雷 达系统的量测变量包括;距离、方位俯仰角;所述无源侦察系统的量测变量包括:方位俯仰 角、角速度、时差、频差。
[0化2] 还需要说明的是,所述序贯蒙特卡罗-概率假设密度滤波器,具体包括;初始化, 概率假设密度预测,概率假设密度更新,目标数估计,重采样,目标状态提取。
[0化3] 还需要说明的是,该装置还包括:
[0054] 存储模块,用于存储每一个所述序贯蒙特卡罗-概率假设密度滤波器的结果;
[0化5] 显示模块,用于显示所述目标的量测集合内各个目标的运动态势。
[0化6] 基于W上多运动目标态势感知方法及装置,对本发明工作原理进行详细说明;
[0化7] 如图2所示,本发明多运动目标态势感知装置包括;目标量测采集模块,序贯蒙特 卡罗-概率假设密度滤波器并行处理模块(简称SMC-P皿滤波器并行处理模块),结果分析 模块。
[005引所述目标量测采集模块用于采集目标的量测集合Zk={Zk,i,…,Zk,M}GF(Z),其 中Zk为目标量测集,M为量测数,Zk,i,…,Zk,M为各种量测变量,F狂)为量测空间。量测变 量的类型取决于态势感知系统传感器的类型。对于有源雷达系统,常见的量测变量有距离、 方位俯仰角;对于无源侦察系统,常见的量测变量有方位俯仰角、角速度、时差、频差等。
[0059] 所述SMC-P皿滤波器并行处理模块,包含有多个SMC-P皿滤波器,各个SMC-P皿滤 波器的输出为各个时刻的目标状态估计集义与目标数估计值,其中义g为SMC-P皿滤 波器j在时刻k的目标状态估计集,为SMC-P皿滤波器j在时刻k的目标数估计
再多了解一些
当前第1页1 2 
网友询问留言 已有0条留言
  • 还没有人留言评论。精彩留言会获得点赞!
1