改进搜索策略的mm-pphdf机动多目标跟踪方法
【技术领域】
[0001] 本发明涉及一种雷达数据处理方法，特别是涉及一种低检测概率情况下雷达对机 动多目标的跟踪方法。
【背景技术】
[0002] 电磁环境的日益复杂和各类飞行器的大量出现，给雷达的检测跟踪性能带来了严 峻的挑战。同时，为了提高生存和突防能力，目标通常会随时进行一定的机动，其运动状态 也会因不同的作战任务而变，进一步增大了雷达对其进行跟踪的困难。因此，实现复杂电磁 环境下雷达对机动多目标的有效跟踪，对提高雷达作战效能和生存能力具有重要意义。目 前基于粒子概率假设密度滤波（PPHDF)的多目标跟踪方法通过将量测和目标状态建模为 随机集，可以在避免目标和量测之间的关联问题的同时对目标个数和目标状态进行估计， 极大的降低了多目标跟踪算法的复杂性和计算量，因此在多目标跟踪领域得到广泛的关 注，而PPHDF通过借鉴多模型粒子滤波（MMPF)的思想，形成了一种基于多模型粒子概率假 设密度滤波（MM-PPHDF)的机动多目标跟踪方法。该方法主要通过以下步骤实现：
[0003] (1)将雷达接收机输出的目标回波信号进行A/D变换，送雷达数据处理计算机执 行以下步骤；
[0004] (2)对目标运动模式进行预测，并利用预测的目标运动模式和相应的目标状态转 移方程对已存在的粒子集进行预测；
[0005] (3)生成用于搜索新目标的搜索粒子集，将预测粒子集和搜索粒子集合成新的预 测粒子集；
[0006] (4)利用新量测对预测粒子集粒子权重进行更新；
[0007] (5)对权重更新后的粒子集进行重采样，并得到目标个数和各目标状态估计。
[0008] 基于MM-PPHDF的机动多目标跟踪方法存在一个比较明显的缺陷，即当目标出现 漏检时，重采样会造成粒子多样性的迅速退化，进而造成目标丢失的现象。因此，该算法难 以适应目标检测概率较低时的机动多目标跟踪。
【发明内容】
[0009] 本发明的目的是提出一种改进搜索策略的MM-PPHDF机动多目标跟踪方法，解决 一般的MM-PPHDF方法在检测概率较低情况下容易出现目标丢失的问题。
[0010] 本发明提出的改进搜索策略的MM-PPHDF机动多目标跟踪方法的技术方案包括以 下步骤：
[0011] 步骤1:变量初始化
[0012] K是雷达关机时刻；
[0013] T是雷达扫描周期；
[0014] L。为代表1个目标的粒子数；
[0015] D。为目标出现的初始分布；
[0016] Jk为搜索新目标的粒子数；
[0017] &表示搜索1个消失目标的粒子数；
[0018] LkS k时刻滤波器采用的粒子总数；
[0019] "为平均目标出现概率；
[0020] PD为目标检测概率；
[0021] λ k为平均每帧的杂波个数；
[0022] 武为k时刻估计的目标个数；
[0023] 释={的，許,是目标初始运动模式概率；
[0024] Π "是目标运动模式概率转移矩阵；
[0025] 为状态转移矩阵；
[0026] GkS过程噪声分布矩阵；
[0027] Qk为过程噪声协方差；
[0028] Rk为量测噪声协方差；
[0029] 步骤2 :初始化粒子集，令k = 0和氧=:0:，.对任意p e {1，2,…，L0}
[0030] (1)根据目标初始运动模式概率％初始化目标运动模式变量?< ;
[0031] (2)从初始分布D。中采样粒子 <，其中%]τ表示粒子代表的目标 状态，包含了目标的位置?，乂)和速度(.<,.<)信息；
[0032] (3)赋予粒子< 权重< =& / A ;
[0033] 步骤3 :令k = k+1，获得k时刻的雷达量测
[0034] 将雷达接收到的信号进行A/D变换，得到k时刻的雷达量测集 石=? |f = ，送雷达数据处理计算机，其中4 =[r/, <，劣]T表示k时刻雷达得 到的第q个量测，包含了目标的距离量测r/、多普勒速度量测4以及方位量测奪等信息，而 Mk则表示k时刻雷达得到的量测个数；
[0035] 步骤4 :已存在粒子集预测，若=0,直接转步骤5,否则对任意p e {1，2,… )Lk J
[0036] (1)根据上一时刻的目标运动模式变量目标运动模式概率转移矩阵Π "预 测当前时刻的目标运动模式变量
[0037] (2)根据选择目标状态状态转移矩阵，其中
[0039] 对应于目标匀速直线运动
[0041 ] 对应于目标坐标转动，其中
[0043] 分别对应于顺时针坐标转动和逆时针坐标转动，a m>〇是一个典型的机动加速度；
[0044] (3)利用粒子咗,的状态进行一步预测
[0046] 得到粒子.1 ?其中
[0048] 为过程噪声分布矩阵，vk为过程噪声，其噪声协方差为Q k;
[0049] (4)赋予粒子!权重〇
[0050] 步骤5 :生成搜索新目标的粒子集，对任意p e {Lk flk+l，…，Lk flk+JJ
[0051] (1)根据目标初始运动模式概率热初始化目标运动模式变量一u
[0052] (2)根据初始分布D。采样"新生"粒子;
[0053] (3)赋予粒子·^--^又重冗" =η/(人+ 4);
[0054] 步骤6 :生成消失目标预测粒子集
[0055] (1)若k彡2,令Ik= 0,直接转步骤7,否则定义集合
[0057] 其中，端表示k-2时刻存在而k-Ι时刻消失的第η个目标的状态，Ndls, k i表示 消失的目标数；
[0058] (2)若= 0，令Ik= 0,直接转步骤7,否则令I k dis, k l^k ? 对任意 6 ，根据估计的目标运动模式私^和相应的状态转移方程进行一步预测
[0060] (3)对任意 n e {1，2,…，Ndis k J 和任意 p e {Lk i+Oi-l) Sk+1，…，Lk i+nSk}，令 Win = ，利用进彳丁一步预测
[0062] 得到粒子.龙|^ 并赋予该粒子权重w^.i.= +H;
[0063] 步骤7 :更新
[0064] 对任意p e {1，2,…，Lk flk+JJ，利用量测集Zk对粒子权重进行更新
[0066] 其中
[0069] gk (z | X)为量测似然函数；
[0070] 步骤8 :重采样
[0071] (1)计算所有粒子的权重和
[0073] (2)对粒子集
进行重采样，得到新的粒子集
，:其中見二R〇und(i々m_)，4 =允人，Round(x)表示取与X最接近的整 数；步骤9 :目标状态和运动模式估计
[0074] (1)若_ =急，直接转步骤10,否则采用聚类分析的方法将粒子集丨划分 为兔个类
Lki n表示第η个类包 含的粒子数，满足
[0075] (2)估计目标状态
[0077] (3)估计目标的运动模式
[0079] 其中函数表示集合丨<,丨七中元素m的个数；
[0080] 步骤10 :重复步骤3~步骤8,直至雷达关机。
[0081] 和【背景技术】相比，本发明的有益效果说明：
[0082] 本发明提出的改进搜索策略的MM-PPHDF多目标跟踪方法，可以解决一般的 MM-PPHDF方法在目标检测概率较低的情况下容易出现目标丢失的问题，提高了 MM-PPHDF 算法的适应范围。
【附图说明】
[0083] 附图1是本发明提出的改进搜索策略的MM-PPHDF机动多目标跟踪方法的整体流 程图；
[0084] 附图2是本发明实施例中三个机动目标的真实轨迹示意图；
[0085] 附图3是本发明实施例中改进搜索策略的MM-PPHD