基于高斯粒子势概率假设密度滤波的目标检测前跟踪方法与流程

技术特征：

1.一种基于高斯粒子势概率假设密度滤波的目标检测前跟踪方法，其特征在于，包括以下步骤：

步骤1，初始化：令k表示k时刻，k的初始值为1，k∈{1,2,…,D}，D表示设定的最大时刻，且D为观察每个目标的运动时间；

分别将0时刻N₀个目标的运动状态记为x₀，将0时刻N₀个目标的运动状态x₀在(i,j)处的强度记为进而计算在0时刻N₀个目标的运动状态x₀在(i,j)处的强度条件下0时刻N₀个目标的运动状态x₀的后验概率密度p(x₀|z₀)，并分别计算0时刻N₀个目标的运动状态x₀的均值μ₀和0时刻N₀个目标的运动状态x₀的协方差P₀；

然后对在0时刻N₀个目标的运动状态x₀在(i,j)处的强度条件下0时刻N₀个目标的运动状态x₀的后验概率密度p(x₀|z₀)进行抽样，得到用于估计0时刻第p个目标的运动状态中的第i_p个采样粒子i_p＝1,2,...,N_p，表示0时刻第p个目标的运动状态中的第i_p个采样粒子，N_p表示0时刻第p个目标的运动状态中包含的采样粒子个数；

步骤2，确定k时刻有N_k个目标，则将k时刻第p个目标的运动状态记为其中,表示k时刻第p个目标的横坐标位置，表示k时刻第p个目标的纵坐标位置，表示k时刻第p个目标的横坐标速度，表示k时刻第p个目标的纵坐标速度，表示k时刻第p个目标的能量强度，则得到k+1时刻第p个目标的运动方程为p＝1,2,…N_k，f_k(·)表示k时刻的状态转移函数，v_k表示k时刻的过程处理噪声；

步骤3，确定k时刻直角坐标系下的雷达观测区域为N_x×N_y，且k时刻直角坐标系下的雷达观测区域N_x×N_y内包含N_k个目标，N_x表示k时刻直角坐标系下的雷达在x轴方向上的分辨单元数，N_y表示k时刻直角坐标系下的雷达在y轴方向上的分辨单元数，k时刻直角坐标系下的雷达观测区域中每个分辨单元(i',j')的大小为△_x×△_y，i'＝1,2,…,N_x,j'＝1,2,…,N_y，△_x表示每个分辨单元在x轴方向上的长度，△_y表示每个分辨单元在y轴方向上的长度；

根据k时刻直角坐标系下的雷达观测区域中包含N_k个目标，进而确定k时刻的红外传感器量测模型，所述k时刻的红外传感器量测模型为k时刻直角坐标系下雷达观测区域中包含的N_k个目标的运动状态x_k在(i,j)处的强度(i,j)∈C，C表示k时刻N_k个目标的扩散影响区域，所述k时刻N_k个目标的扩散影响区域为k时刻直角坐标系下的雷达观测区域N_x×N_y之外的区域；

步骤4，根据k时刻直角坐标系下雷达观测区域中包含的N_k个目标的运动状态x_k在(i,j)处的强度计算得到在k时刻第p个目标的运动状态条件下k时刻直角坐标系下雷达观测区域中包含的N_k个目标的运动状态x_k在(i,j)处的强度对应的似然函数

步骤5，计算在1时刻到k-1时刻所有目标各自的量测值z_1:k-1条件下k时刻直角坐标系下雷达观测区域中包含的N_k个目标的运动状态x_k的后验概率密度p(x_k|z_1:k-1)，然后根据k+1时刻第p个目标的运动方程计算k时刻第p个目标的运动状态中第i_p个采样粒子的状态预测值N_p表示k时刻第p个目标的运动状态中包含的采样粒子个数；

步骤6，依次计算k-1时刻预测k时刻目标数为N_k的概率p_k|k-1(N_k)和k-1时刻预测k时刻第p个目标的运动状态的强度

步骤7，计算在1时刻到k时刻所有目标各自的量测值z_1:k条件下k时刻直角坐标系下雷达观测区域中包含的N_k个目标的运动状态x_k的概率分布辅助函数π(x_k|z_1:k)，然后对所述在1时刻到k时刻所有目标各自的量测值z_1:k条件下k时刻直角坐标系下雷达观测区域中包含的N_k个目标的运动状态x_k的概率分布辅助函数π(x_k|z_1:k)进行采样并获取粒子，得到k时刻第p个目标的运动状态中第i_p个采样粒子的状态估计值进而分别计算k时刻N_k个目标的状态均值估计和k时刻N_k个目标的协方差估计

步骤8，根据k时刻N_k个目标的状态均值估计和k时刻N_k个目标的协方差估计计算得到k时刻第p个的运动状态中第i_p个采样粒子的权值并进行归一化操作，得到k时刻第p个的运动状态中第i_p个采样粒子的归一化权值

步骤9，设置删除门限T，并将k时刻第p个的运动状态中第i_p个采样粒子的归一化权值中小于设置删除门限T的高斯项删除，即删除权重小于删除门限T的高斯项，得到权重大于或等于删除门限T的k时刻第p个的运动状态中第i_p个采样粒子的归一化权值同时设置合并门限U，将所述权重大于或等于删除门限T的k时刻第p个的运动状态中第i_p个采样粒子的归一化权值中距离小于合并门限U的高斯项合并，得到经过删除门限T和合并门限U后k时刻第p个的运动状态中第i_p个采样粒子的归一化权值

步骤10，根据k-1时刻预测k时刻目标数为N_k的概率p_k|k-1(N_k)和经过删除门限T和合并门限U后k时刻第p个的运动状态中第i_p个采样粒子的归一化权值计算得到k时刻目标数为N_k的概率p_k(N_k)；

步骤11，根据k时刻目标数为N_k的概率p_k(N_k)，计算得到k时刻直角坐标系下的雷达观测区域N_x×N_y内包含的目标个数N_k的估计值

步骤12，令k加1，返回步骤2，直到得到D时刻直角坐标系下的雷达观测区域N_x×N_y内包含的目标个数N_D的估计值从而得到1时刻直角坐标系下的雷达观测区域N_x×N_y内包含的目标个数N₁的估计值到D时刻直角坐标系下的雷达观测区域N_x×N_y内包含的目标个数N_D的估计值

2.如权利要求1所述的一种基于高斯粒子势概率假设密度滤波的目标检测前跟踪方法，其特征在于，所述0时刻N₀个目标的运动状态x₀的均值μ₀和0时刻N₀个目标的运动状态x₀的协方差P₀，其计算表达式分别为：

其中，i_p∈{1,2,...,N_p}，N_p表示0时刻第p个目标的运动状态包含的采样粒子个数，表示0时刻第p个目标的运动状态中第i_p个采样粒子，上标T表示转置。

3.如权利要求1所述的一种基于高斯粒子势概率假设密度滤波的目标检测前跟踪方法，其特征在于，在步骤3中，所述k时刻直角坐标系下雷达观测区域中包含的N_k个目标的运动状态x_k在(i,j)处的强度其表达式为：

其中，n_k(i,j)表示k时刻N_k个目标在分辨单元(i,j)处的量测噪声，且所述量测噪声为独立高斯白噪声；C表示k时刻N_k个目标的扩散影响区域，所述k时刻N_k个目标的扩散影响区域为k时刻直角坐标系下的雷达观测区域N_x×N_y之外的区域；表示k时刻第p个目标的运动状态在分辨单元(i,j)处的信号强度扩展函数，其表达式近似为：

其中，Σ表示点扩散方差，△_x表示每个分辨单元在x轴方向上的长度，△_y表示每个分辨单元在y轴方向上的长度，表示k时刻第p个目标的能量强度，表示k时刻第p个目标的横坐标位置，表示k时刻第p个目标的纵坐标位置。

4.如权利要求1所述的一种基于高斯粒子势概率假设密度滤波的目标检测前跟踪方法，其特征在于，在步骤4中，所述在k时刻第p个目标的运动状态条件下k时刻直角坐标系下雷达观测区域中包含的N_k个目标的运动状态x_k在(i,j)处的强度对应的似然函数其表达式为：

其中，表示k时刻第p个目标的运动状态在x轴方向上的扩散区域范围，表示k时刻第p个目标的运动状态在y轴方向上的扩散区域范围，q表示k时刻第p个目标的扩散影响区域半径，(r,s)表示k时刻第p个目标的运动状态中扩散影响区域最大的分辨单元，r表示k时刻第p个目标的运动状态中扩散影响区域最大的分辨单元在x轴方向上的分辨单元数，s表示k时刻第p个目标的运动状态中扩散影响区域最大的分辨单元在y轴方向上的分辨单元数；表示在k时刻第p个目标的运动状态条件下k时刻直角坐标系下雷达观测区域中包含的N_k个目标的运动状态x_k在(i,j)处的强度对应的第p个目标扩散影响区域内的似然函数，表示在k时刻第p个目标的运动状态条件下k时刻直角坐标系下雷达观测区域中包含的N_k个目标的运动状态x_k在(i,j)处的强度对应的第p个目标扩散影响区域外的似然函数；∈表示属于，表示不属于。

5.如权利要求1所述的一种基于高斯粒子势概率假设密度滤波的目标检测前跟踪方法，其特征在于，在步骤5中，所述在1时刻到k-1时刻所有目标各自的量测值z_1:k-1条件下k时刻直角坐标系下雷达观测区域中包含的N_k个目标的运动状态x_k的后验概率密度p(x_k|z_1:k-1)，其表达式为：p(x_k|z_1:k-1)＝Ν(x_k-1；μ_k-1,P_k-1)，Ν(x_k-1；μ_k-1,P_k-1)表示k-1时刻直角坐标系下雷达观测区域中包含的N_k-1个目标的运动状态x_k-1均值为μ_k-1、协方差为P_k-1的高斯分布；所述在1时刻到k-1时刻所有目标各自的量测值条件下k时刻直角坐标系下雷达观测区域中包含的N_k个目标的运动状态x_k的后验概率密度p(x_k|z_1:k-1)为根据1时刻到k-1时刻所有目标各自的量测值z_1:k-1得到k时刻直角坐标系下雷达观测区域中包含的N_k个目标的运动状态x_k的概率；其中，当k＝1时z_1:k-1表示k-1时刻到1时刻所有目标各自的量测值；

所述k时刻第p个目标的运动状态中第i_p个采样粒子的状态预测值其表达式为：f_k(·)表示k时刻的状态转移函数，x_k-1表示k-1时刻N_k-1个目标的运动状态，μ_k-1表示k-1时刻N_k-1个目标的运动状态x_k-1服从高斯分布时的均值，P_k-1表示k-1时刻N_k-1个目标的运动状态x_k-1服从高斯分布时的协方差，表示k时刻第p个目标的运动状态中第i_p个采样粒子，表示k+1时刻第p个目标的运动方程，N_p表示k时刻第p个目标的运动状态中包含的采样粒子个数。

6.如权利要求1所述的一种基于高斯粒子势概率假设密度滤波的目标检测前跟踪方法，其特征在于，在步骤6中，所述k-1时刻预测k时刻目标数为N_k的概率p_k|k-1(N_k)和k-1时刻预测k时刻第p个目标的运动状态的强度其表达式分别为：

其中，N_k表示k时刻直角坐标系下的雷达观测区域N_x×N_y内包含的目标个数，j表示k时刻直角坐标系下的雷达观测区域N_x×N_y内存活的目标个数，m-j表示k时刻直角坐标系下的雷达观测区域N_x×N_y内的新生目标公式，l表示k-1时刻直角坐标系下的雷达观测区域N_x×N_y内的存活目标个数，l-j表示k时刻直角坐标系下的雷达观测区域N_x×N_y内消亡目标的个数；所述存活目标为直角坐标系下的雷达观测区域N_x×N_y内k-1时刻存在且k时刻也存在的目标，所述新生目标为直角坐标系下的雷达观测区域N_x×N_y内k-1时刻不存在但k时刻存在的目标，所述消亡目标为直角坐标系下的雷达观测区域N_x×N_y内k-1时刻存在但k时刻不存在的目标；

p_Γ,k(·)表示k时刻新生目标的概率，下标Γ表示新生目标，下标s表示存活目标，p_s,k(·)表示k时刻存活目标的概率，j≤l≤m,m→∞，→表示趋近于，l表示第l个目标，p_s,k-1(l)表示k-1时刻第l个目标在直角坐标系下的雷达观测区域N_x×N_y内的存活功率，表示k时刻第j个目标在直角坐标系下的雷达观测区域N_x×N_y内的存活功率，p_s,k表示k时刻任意一个目标的存活概率；

其中，表示k-1时刻预测k时刻仍然存活的第p个目标的强度，即不会随着时间消亡；表示k时刻第p个新生目标的运动状态的强度，p_s,k表示k时刻任意一个目标的存活概率，表示k-1时刻第p个目标的运动状态中第i_p'个采样粒子的权值，表示k时刻第p个目标的运动状态，表示k-1时刻预测k时刻第p个存活目标的运动状态中第i_p个采样粒子的高斯项权值，表示k-1时刻预测k时刻第p个存活目标的运动状态中第i_p个采样粒子的高斯项协方差，表示k时刻第p个新生目标的运动状态中第i_p”个采样粒子的高斯项权值，表示k时刻第p个新生目标的运动状态中第i_p”个采样粒子的高斯项均值，表示k时刻第p个新生目标的运动状态中第i_p”个采样粒子的高斯项协方差，J_Γ,k表示k时刻每一个新生目标的运动状态中包含的采样粒子个数，J_Γ,k-1表示k-1时刻每一个新生目标的运动状态中包含的采样粒子个数。

7.如权利要求1所述的一种基于高斯粒子势概率假设密度滤波的目标检测前跟踪方法，其特征在于，在步骤7中，所述在1时刻到k时刻所有目标各自的量测值z_1:k条件下k时刻直角坐标系下雷达观测区域中包含的N_k个目标的运动状态x_k的概率分布辅助函数π(x_k|z_1:k)，π(x_k|z_1:k)＝p(x_k|z_1:k-1)，p(x_k|z_1:k-1)表示在1时刻到k-1时刻所有目标各自的量测值z_1:k-1条件下k时刻直角坐标系下雷达观测区域中包含的N_k个目标的运动状态x_k的后验概率密度，z_1:k-1表示1时刻到k-1时刻所有目标各自的量测值，x_k表示k时刻直角坐标系下雷达观测区域中包含的N_k个目标的运动状态；

所述k时刻N_k个目标的状态均值估计和k时刻N_k个目标的协方差估计其表达式分别为：

其中，表示k时刻第p个目标的运动状态中第i_p'个采样粒子的权值，上标T表示转置。

8.如权利要求1所述的一种基于高斯粒子势概率假设密度滤波的目标检测前跟踪方法，其特征在于，在步骤8中，所述k时刻第p个的运动状态中第i_p个采样粒子的归一化权值其表达式分别为：

其中，Ν(x_k；μ_k,P_k)表示k时刻直角坐标系下雷达观测区域中包含的N_k个目标的运动状态x_k均值为μ_k、协方差为P_k的高斯分布，表示k时刻第p个目标的运动状态中第i_p个采样粒子条件下z_k的后验概率密度，表示在1时刻到k时刻所有目标各自的量测值z_1:k条件下k时刻第p个目标的运动状态中第i_p个采样粒子的概率分布辅助函数，表示k时刻第p个目标的运动状态中第i_p个采样粒子，z_k表示k 时刻直角坐标系下雷达观测区域中包含的N_k个目标的运动状态x_k在(i,j)处的强度

9.如权利要求1所述的一种基于高斯粒子势概率假设密度滤波的目标检测前跟踪方法，其特征在于，在步骤10中，所述k时刻目标数为N_k的概率p_k(N_k)，其表达式为：

其中，g(·)表示分布概率转移函数，表示经过删除门限T和合并门限U后k时刻第p个的运动状态中第i_p个采样粒子的归一化权值，z_1:k表示在1时刻到k时刻所有目标各自的量测值。

10.如权利要求1所述的一种基于高斯粒子势概率假设密度滤波的目标检测前跟踪方法，其特征在于，在步骤11中，所述k时刻直角坐标系下的雷达观测区域N_x×N_y内包含的目标个数N_k的估计值其表达式为：其中，argmax表示反向取最大值运算。