自适应变滑窗多目标跟踪方法
【专利摘要】本发明属于雷达多目标跟踪【技术领域】，公开了自适应变滑窗多目标跟踪方法。该自适应变滑窗多目标跟踪方法包括以下步骤：S1：获得距离—时间数据或距离—多普勒数据；S2：设定第j个目标的初始检测窗；在第j个目标的初始检测窗内存入对应的N帧数据；S3：根据第j个目标的当前检测窗内的N帧数据，得到第j个目标在当前检测窗内的检测结果；S4：若存在第j个目标在前一次检测窗内的检测结果，则执行步骤S5；否则执行步骤S6；S5：针对第j个目标在前一次检测窗内和当前检测窗内的检测结果，进行轨迹融合；S6：当雷达接收新一帧数据后，将第j个目标的当前检测窗更新，然后执行步骤S3。
【专利说明】自适应变滑窗多目标跟踪方法
【技术领域】
[0001]本发明属于雷达多目标跟踪【技术领域】，特别涉及自适应变滑窗多目标跟踪方法，可用于雷达等监视系统对高速、微弱目标实现检测与跟踪。
【背景技术】
[0002]高科技背景下的现代战争，对战场进行连续监视、能为势态评估、指挥等应用提供丰富的战略和战术信息，对取得战争胜利起着关键的作用。雷达以其全天时、全天候工作特点，一直是战场监视系统的核心。地面远程探测雷达探测跟踪空间轨道目标，存在探测距离远，目标回波信号微弱等挑战，是一种低信噪比情况下的检测跟踪问题。
[0003]对于多帧图像数据的探测跟踪通常采用的方法可以分为两大类，一类是跟踪前检测方法，英文为Detect Before Track，缩写为DBT方法，这种方法通常采用信号处理与数据处理相级联的方式，即首先探测——判断目标回波是否过检测门限，然后跟踪——对过门限目标的运动轨迹进行平滑处理；另一类是检测前跟踪方法，英文为Track BeforeDetect，缩写为TBD方法，这类方法直接针对传感器原始观测数据进行处理，首先将多帧数据存储起来，利用目标运动特性将目标检测问题简化为轨迹检测问题，没有门限判别造成的信息损失，经过多帧积累，在目标轨迹被估计出来后，检测结果与目标航迹同时得到。与DBT方法相比，TBD方法能够避免因信噪比低而造成的航迹漏检问题，可以提高检测概率。
[0004]典型的TBD方法包括基于投影变换算法、多阶段假设检验算法、动态规划算法以及基于递推贝叶斯滤波的TBD算法。下面对这几种算法做一个简单介绍:1)基于投影变换算法包含Hough变换算法和随机Hough变换算法。基于Hough变换的TBD方法对于直线的检测和估计是很有效的，但对于复杂曲线的检测则存在计算复杂和需要大存储空间等缺点。随机Hough变换能检测各种参数化的曲线，但该方法在参数估计精度和运算量之间难以同时兼顾。2)基于多阶段假设检验TBD方法是属于穷尽搜索方式，需要计算图像序列中所有可能的轨迹，当序列帧数变长时，轨迹的数目呈爆炸式增长，运算量巨大。3)基于动态规划的TBD方法可分为利用目标幅度信息构造阶段指标函数的动态规划TBD方法和基于似然函数的动态规划TBD方法两类。利用目标的幅度信息构造目标函数的动态规划算法，其检测性能受到目标幅度起伏的影响大，而基于似然函数的动态规划算法是以目标幅度未知但必须恒定为前提构造目标函数，因此动态规划的TBD方法对于目标幅度起伏敏感。4)粒子滤波检测前跟踪算法(PF-TBD)及其扩展算法是基于递推贝叶斯滤波类TBD方法中的研究热点，但粒子滤波算法存在粒子退化的现象，引入了重采样的步骤，重采样后存在构建平行处理结构困难的问题，并且PF算法的计算复杂度高。
【发明内容】
[0005]本发明的目的在于提出自适应变滑窗多目标跟踪方法，以实现对多运动目标航迹检测跟踪，降低噪声干扰，提高检测精度和检测速度。
[0006]为实现上述技术目的，本发明采用如下技术方案予以实现。[0007]自适应变滑窗多目标跟踪方法包括以下步骤:
[0008]S1:利用雷达分别接收第I个目标至Q个目标的原始回波数据，分别针对Q个目标的原始回波数据进行数据预处理完成时间空间对准，获得对应的距离一时间数据或对应的距尚一多普勒数据；
[0009]S2:设定第j个目标的初始检测窗，j取I至Q ;在第j个目标的初始检测窗内存入对应的N帧距离一时间数据或对应的N帧距离一多普勒数据，N为大于I的自然数；
[0010]S3:针对第j个目标的当前检测窗内的N帧距离一时间数据或N帧距离一多普勒数据，进行航迹起始批处理操作，得到第j个目标在当前检测窗内的检测结果；
[0011]S4:若存在第j个目标在前一次检测窗内的检测结果，则执行步骤S5 ;否则执行步骤S6 ；
[0012]S5:针对第j个目标在前一次检测窗内和当前检测窗内的检测结果，进行轨迹融合操作，轨迹融合后的结果为:第j个目标在当前检测窗内的轨迹；
[0013]S6:当雷达接收新一帧数据后，将第j个目标的当前检测窗向前滑动一帧，进行自适应变动滑窗操作，使第j个目标的当前检测窗更新，然后执行步骤S3。
[0014]本发明的特点和进一步改进在于:
[0015]在步骤S5中，所述第j个目标的前一次检测窗记为:第j个目标的第k次检测窗，所述第j个目标的当前检测窗记为:第j个目标的第k+Ι次检测窗，k为大于O的自然数；
[0016]则第j个目标的第k次检测窗的检测结果表示为如下目标轨迹序列点迹集合:
{
【权利要求】
1.自适应变滑窗多目标跟踪方法，其特征在于，包括以下步骤: 51:利用雷达分别接收第I个目标至Q个目标的原始回波数据，分别针对Q个目标的原始回波数据进行数据预处理完成时间空间对准，获得对应的距离一时间数据或对应的距离一多普勒数据； 52:设定第j个目标的初始检测窗，j取I至Q ;在第j个目标的初始检测窗内存入对应的N帧距离一时间数据或对应的N帧距离一多普勒数据，N为大于I的自然数； 53:针对第j个目标的当前检测窗内的N帧距离一时间数据或N帧距离一多普勒数据，进行航迹起始批处理操作，得到第j个目标在当前检测窗内的检测结果； 54:若存在第j个目标在前一次检测窗内的检测结果，则执行步骤S5 ;否则执行步骤S6 ； 55:针对第j个目标在前一次检测窗内和当前检测窗内的检测结果，进行轨迹融合操作，轨迹融合后的结果为:第j个目标在当前检测窗内的轨迹； 56:当雷达接收新一帧数据后，将第j个目标的当前检测窗向前滑动一帧，进行自适应变动滑窗操作，使第j个目标的当前检测窗更新，然后执行步骤S3。
2.如权利要求1所述的自适应变滑窗多目标跟踪方法，其特征在于，在步骤S5中，所述第j个目标的前一次检测窗记为:第j个目标的第k次检测窗，所述第j个目标的当前检测窗记为:第j个目标的第k+Ι次检测窗，k为大于O的自然数； 则第j个目标的第k次检测窗的检测结果表示为如下目标轨迹序列点迹集合:
3.如权利要求2所述的自适应变滑窗多目标跟踪方法，其特征在于，所述步骤S6包括以下步骤:S61:在第j个目标的第k次检测窗的检测结果中，统计各个目标沿距离向的分布； S62:根据以下公式计算X(K)j，K+N:
4.如权利要求1所述的自适应变滑窗多目标跟踪方法，其特征在于，所述步骤S3具体包括以下步骤: S31:针对第j个目标的当前检测窗内N帧距离一时间数据或N帧距离一多普勒数据，利用相位一致性模型进行边缘检测，获得边缘检测结果； S32:在获得边缘检测结果之后，针对检测边缘进行骨架化、去伪边及自适应区域生长处理，获得具有一致性边缘走向的连通区域； S33:根据所述具有一致性边缘走向的连通区域，结合clearing技术和迭代最小二乘方法提取目标运动轨迹并估计运动参数，得到当前检测窗的检测结果。
【文档编号】G01S13/70GK103885057SQ201410105870
【公开日】2014年6月25日 申请日期:2014年3月20日 优先权日:2014年3月20日
【发明者】廖桂生, 杨志伟, 何嘉懿, 曾操, 唐光龙 申请人:西安电子科技大学