基于加权负一阶rd和的多目标伯努利分布式融合方法
【专利摘要】该发明公开了一种基于加权负一阶RD(Renyi?Divergence)和的多目标伯努利分布式融合方法，属于雷达信号处理领域。通过将多个传感器的同一帧后验多目标伯努利参数传输到融合中心，在融合中心对各传感器的后验多目标伯努利参数进行融合，融合的方法是将多目标伯努利参数分解为多个伯努利分量，通过构建基于加权负1阶RD和的代价函数，找到不同传感器伯努利参数的最优匹配方案，再利用CI融合准则，并行融合多个匹配的伯努利分量，近似实现不同传感器多目标伯努利参数的融合，然后融合结果中选择出最有可能的多个目标并将融合后的结果返回给各个传感器，从而具有跟踪精度高、虚警率低、鲁棒性强、可靠性高、通信代价小、抗干扰能力强的效果。
【专利说明】基于加权负一阶RD和的多目标伯努利分布式融合方法
【技术领域】
[0001]本发明属于雷达信号处理领域，特别涉及多目标跟踪技术以及基于负一阶加权RD和的多目标伯努利分布式融合技术。
【背景技术】
[0002]由于现代目标的隐身设计特性(或电磁干扰环境)，使得单节点雷达系统的单视角观测不能满足对目标有效探测的需求，促使国内外工程师和研究员采用多节点雷达组网系统来解决隐身目标探测难问题。多节点(传感器)雷达系统通过多视角观测在不同节点位置都获得目标的量测信息，为了有效的利用各传感器提供的信息对目标进行跟踪，需要设计可靠性高、计算量小、易于实现的多传感器数据融合方法。在多传感器信息融合系统中，通常采用集中式和分布式两种结构。在集中式数据融合结构中，传感器信息被直接送至数据融合中心进行处理，具有信息损失小的优点，但数据互联复杂、可靠性差、计算和通信资源要求也高。而在分布式融合结构中，每个传感器都可独立地处理其自身信息，之后将各决策结果送至数据融合中心，再进行融合，因此分布式融合方式更具有实用价值。在分布融合技术中，有两个需要克服的技术难题:多目标跟踪和分布式信息融合。
[0003]近年来，基于随机集统计理论的多目标跟踪技术得到了广泛的关注，这类方法避免传统多目标跟踪的数据关联，并且能够处理目标个数未知且时变的情况。 参见文献(R.Mahler, Statistical Multisource-Multitarget Informat1nFus1n, Norwood, MA:Artech House, 2007.)。随机集理论将多目标状态建模为随机集合的形式，并且提出了最优多目标贝叶斯滤波器，然而多目标贝叶斯滤波器涉及集合积分，通常情况下难以实现。随后，在相关分布都为多目标-伯努利分布的假设下，多目标贝叶斯滤波器求出了闭合解，称之为多目标-伯努利滤波器，参见文献(B.T.Vo, B.N.Vo, N.T.Pham and D.Suter, “Joint Detect1n and Estimat1n of Multiple Objects FromImage Observat1n, ” IEEE Trans, on Signal Process., Vol.58, N0.10, pp.5129-5141，0ct.2010.)。多目标伯努利滤波器仅仅需要递归一组伯努利参数，避免了集合积分，大大减少了计算量，具有很强的实用价值。当仅含有一个伯努利分量时，多目标伯努利分布退化成了伯努利分布，伯努利滤波器仅能实现单目标跟踪。
[0004]为了解决随机集框架下的分布式融合问题，Mahler提出了基于混合指数密度函数的 Cl (Covariance Intersect1n,协方差交集)融合准则，参见文献(R.Mahler,“Optimal/robust distributed data fus1n: a unified approach，，，Proc.SPIE4052, SignalProcessing, Sensor Fus1n, and Target Recognit1n IX,4August,2000)。2013 年，文献(M.Uney, D.Ε.Clark, and S.j.Julier, “Distributed Fus1n of PHD Filters ViaExponential Mixture Densities，，，IEEE J.Sel.Top.Signal Process., Vol.7, N0.3, pp.553-564，Jun.2013.)中指出两个伯努利分布融合后的混合指数密度仍然为伯努利分布，并给出融合后伯努利参数的解析表示式。然而，经过推导，我们发现两个多目标伯努利分布融合后的混合指数密度不服从多目标伯努利分布，因此直接利用Cl融合准则实现多目标伯努利滤波器的分布式融合无法实现。
【发明内容】
[0005]本发明的目的是针对【背景技术】中的不足之处，设计一种基于加权负一阶RD(RenyiDivergence)和的多目标伯努利分布式融合方法，从而达跟踪精度高、虚警率低、鲁棒性强、可靠性高、通信代价小、抗干扰能力强的目的。
[0006]本发明的技术方案是一种基于加权负一阶RD和的多目标伯努利分布式融合方法，该方法包括:
[0007]步骤1:初始化系统参数包括:传感器监视范围，雷达分辨率Ar，雷达扫描周期T，扫描总巾贞数K,传感器个数S ；
[0008]步骤2:接收传感器扫描数据前(k = O)，初始化传感器I?S的出生多目标伯努利参数；
[0009]步骤3:各雷达接收到第I帧扫描数据后，使用初始化的多目标伯努利参数将该帧数据通过多目标伯努利滤波器进行滤波，计算出每个传感器的后验多目标伯努利参数；
[0010]步骤4:将各传感器对第I帧数据的后验多目标伯努利参数传入融合中心；
[0011]步骤5:将传感器I与传感器2的后验多目标伯努利参数进行融合，将融合的值再与传感器3融合，以此方法将S个传感器的后验多目标伯努利参数融合完毕；
[0012]步骤5.1:传感器I中目标个数为W/，k = 1，F = 1，传感器2中目标个数为M； k= 1，I = 2，不失一般性假设Mf S M(，则传感器I与传感器2的伯努利分布量存在N = C立XA^种可能的配对方案；
[0013]步骤5.2:将配对方案中对应目标的RD熵取倒数后加权求和，得到各配对方案的加权值；
[0014]步骤5.3:比较各配对方案的加权值，加权值最大的配对方案为对应目标最匹配的配对方案；
[0015]步骤5.4:将选择出的最匹配的配对方案中对应目标的伯努利参数进行融合；
[0016]步骤5.5:将融合后的值按照步骤5.1?步骤5.4的方法与传感器3的数据进行融合，然后按照此方法依次融合其它传感器数据，最终得到S个传感器的第I帧数据融合后的后验多目标伯努利参数；
[0017]步骤6:融合中心记录融合后的后验多目标伯努利参数，通过最大后验概率准则计算出目标个数汾，再寻找出存在概率rf 4最大的^个目标，然后将融合后的后验多目标伯努利参数返回给各传感器；
[0018]步骤7:各雷达接收到第2帧扫描数据后，使用第I帧融合后的后验多目标伯努利参数将第2帧数据通过多目标伯努利滤波器进行滤波，计算出第2帧中每个传感器的后验多目标伯努利参数，采用与步骤4?步骤6相同的方法处理第2帧各传感器数据；
[0019]步骤8:采用与步骤4?步骤7相同的方法处理接下来的各帧传感器数据。
[0020]所述步骤2中各传感器初生伯努利参数用公式< ={(/f/,,^//l)}'/；，I = 1..….^ ,表不，
[0021]其中(rf表示传感器I的出生多目标伯努利参数中第i个伯努利分量，
rai)表示目标存在概率，pai)(X)表示目标状态分布函数，表示目标总个数。
[0022]所述步骤3中各传感器后验多目标伯努利参数表示为:
[0023]
【权利要求】
1.一种基于加权负一阶RD和的多目标伯努利分布式融合方法,该方法包括: 步骤1:初始化系统参数包括:传感器监视范围，雷达分辨率Ar，雷达扫描周期T，扫描总帧数K，传感器个数S ； 步骤2:接收传感器扫描数据前(k = O)，初始化传感器I?S的出生多目标伯努利参数； 步骤3:各雷达接收到第I帧扫描数据后，使用初始化的多目标伯努利参数将该帧数据通过多目标伯努利滤波器进行滤波，计算出每个传感器的后验多目标伯努利参数； 步骤4:将各传感器对第I帧数据的后验多目标伯努利参数传入融合中心； 步骤5:将传感器I与传感器2的后验多目标伯努利参数进行融合，将融合的值再与传感器3融合，以此方法将S个传感器的后验多目标伯努利参数融合完毕； 步骤5.1:传感器I中目标个数为，k = 1，F = 1，传感器2中目标个数为，k= 1，I = 2，不失一般性假设Mf SM(_，则传感器I与传感器2的伯努利分布量存在N = C^ XAlfl种可能的配对方案； 步骤5.2:将配对方案中对应目标的RD熵取倒数后加权求和，得到各配对方案的加权值； 步骤5.3:比较各配对方案的加权值，加权值最大的配对方案为对应目标最匹配的配对方案； 步骤5.4:将选择出的最匹配的配对方案中对应目标的伯努利参数进行融合； 步骤5.5:将融合后的值按照步骤5.1?步骤5.4的方法与传感器3的数据进行融合，然后按照此方法依次融合其它传感器数据，最终得到S个传感器的第I帧数据融合后的后验多目标伯努利参数； 步骤6:融合中心记录融合后的后验多目标伯努利参数，通过最大后验概率准则计算出目标个数/V再寻找出存在概率rf?最大的#个目标，然后将融合后的后验多目标伯努利参数返回给各传感器； 步骤7:各雷达接收到第2帧扫描数据后，使用第I帧融合后的后验多目标伯努利参数将第2帧数据通过多目标伯努利滤波器进行滤波，计算出第2帧中每个传感器的后验多目标伯努利参数，采用与步骤4?步骤6相同的方法处理第2帧各传感器数据； 步骤8:采用与步骤4?步骤7相同的方法处理接下来的各帧传感器数据。
2.如权利要求1所述的一种基于加权负一阶RD和的多目标伯努利分布式融合方法，其特征在于步骤2中各传感器初生伯努利参数用公式<#")}'7;，I = 1.....S，表示， 其中￠4'4MX))表示传感器I的出生多目标伯努利参数中第i个伯努利分量，rai)表示目标存在概率，P(U)(X)表示目标状态分布函数，表示目标总个数。
3.如权利要求1所述的一种基于加权负一阶RD和的多目标伯努利分布式融合方法,其特征在于步骤3中各传感器后验多目标伯努利参数表示为:
4.如权利要求1所述的一种基于加权负一阶RD和的多目标伯努利分布式融合方法，其特征在于步骤5.1中每种配对方案可表示为配对标号集合形式，即
，其中0n(i)表示配对方案η中<的伯努利分量i对应 < 的伯努利分量的标号。
5.如权利要求1所述的一种基于加权负一阶RD和的多目标伯努利分布式融合方法,其特征在于步骤5.2中采用公式:
计算各配对方案的加权值，公式中
Ra为RD熵，a为RD熵参数，Wij为权系数，{/;Λ/,BiWi(X)]表示配对的两个目标的伯努利参数。
【文档编号】G06F19/00GK104133983SQ201410306260
【公开日】2014年11月5日 申请日期:2014年6月30日 优先权日:2014年6月30日
【发明者】易伟, 李溯琪, 刘睿, 苟清松, 崔国龙, 孔令讲, 杨晓波 申请人:电子科技大学