本发明涉及一种海面舰船目标检测前跟踪方法,属于雷达目标检测跟踪技术领域。
背景技术:
在现代复杂战场环境下,雷达探测海面舰船目标面临着低信噪比/低信杂比的应用背景,目标检测与跟踪是雷达探测系统的关键功能。目标检测与跟踪有检测后跟踪和检测前跟踪两种方法,传统的检测后跟踪首先经过门限处理,然后进行跟踪处理,门限处理会导致目标漏检或虚警过多的问题,而检测前跟踪直接采用雷达原始观测数据进行目标检测与跟踪,更适用于海面舰船目标的探测。
目前,在众多检测前跟踪方法中,基于粒子滤波的检测前跟踪方法是当前检测前跟踪方法研究的一个热点。基于粒子滤波的检测前跟踪方法的基本思路是使用离散变量对目标出现与否进行建模。随着方法的发展先后出现了两种不同的对离散变量的处理方式:第一种将离散变量加入到目标状态矢量中,利用粒子滤波进行混合状态估计,实现目标出现与否以及目标状态的联合估计;第二种同样使用离散变量对目标出现与否建模,但是在计算目标出现概率时,将目标出现与否与目标状态估计分离开,所有的粒子都用于描述目标出现,从而提高了粒子的使用效率。
对检测前跟踪方法的研究处于基础阶段,多数研究集中在改善粒子滤波性能上,达到提高目标检测和跟踪性能的基本目的,重在研究方法的实现。但实际应用中,第一种方法还需要进一步提高检测概率和状态估计精度,而第二种方法需要解决粒子滤波中由于粒子数量较大导致的计算量过大的问题。
技术实现要素:
本发明的目的在于克服现有技术不足,提供了一种能提高目标检测概率和状态估计精度、减少了粒子数量、降低计算量的海面舰船目标检测前跟踪方法。
本发明的技术解决方案:一种海面舰船目标检测前跟踪方法,包括以下步骤:
第一步,获取初始粒子状态集
第二步,确定时刻k的未归一化权重的滤波粒子集
a2.1、根据公式(1)确定时刻k-1条件下时刻k的粒子状态的估计
其中,
a2.2、利用步骤a2.1得到的
a2.3、利用公式(2)得到步骤a2.2确定的粒子状态估计值
其中
其中,q为过程噪声协方差矩阵,|q|为q的行列式,f为状态转换矩阵,nx为状态矢量的维数,
第三步,根据第二步得到的未归一化权重的滤波粒子集
第四步,利用第三步得到的修正后的未归一化粒子权重
第五步,判断有效粒子数neff是否满足neff≥ns,ns为有效粒子数门限,若满足,则进行第八步,若不满足,则进行第六步,
有效粒子数neff通过公式(5)确定,
其中
第六步,对第三步和第五步得到的
第七步,判断有效粒子数neff是否满足neff≥ns,若满足则进行第八步,若不满足,则返回第六步重新进行重要度采样,有效粒子数neff通过公式(5)确定,其中
第八步,进行目标状态估计,
对满足有效粒子数量的粒子集
第九步,令k=k+1,转回第二步,重复第二至第八步,得到整个跟踪时间段内的目标状态,用于雷达制导。
本发明与现有技术相比的有益效果:
(1)本发明对粒子滤波算法进行了优化,克服了粒子滤波应用于目标检测跟踪时,容易受到复杂系统噪声和观测噪声的影响而导致性能恶化的缺陷,达到改善基于粒子滤波的检测前跟踪算法的性能;
(2)本发明检测在保证检测率和估计精度的同时,在粒子滤波中使用梯度信息有效地辅助粒子状态转移,使得粒子分布更为合理,减少了无效粒子移动,提高了粒子的使用效率,进而降低了所需的粒子数量,减轻了系统的计算负荷,解决了前跟踪方法需要大量粒子用于起始目标航迹以及搜索发现新出现目标时运算量过大的问题;
(3)利用梯度重要度函数计入当前观测数量,移动粒子到似然函数的峰值区域,使得预测粒子集的分布更为合理;在获取了滤波粒子集后,采用kde估计后验pdf,并基于均值漂移算法估计后验pdf的梯度,移动滤波粒子集到后验pdf的峰值区域,进一步调整滤波粒子集的分布,提高了粒子滤波的性能。
附图说明
图1为本发明流程图。
具体实施方式
下面结合具体实例及附图对本发明进行详细说明。
本发明如图1所示,通过以下步骤实现:
一种海面舰船目标检测前跟踪方法,包括以下步骤:
第一步,获取初始粒子状态集
初始时刻k=0的粒子状态集确定如下:
以第n个粒子初始状态计算为例,令
第二步,确定时刻k的未归一化权重的滤波粒子集
a2.1、根据公式(1)确定时刻k-1条件下时刻k的粒子状态的估计
其中,
a2.2、利用步骤a2.1得到的
进行重要度采样
a2.3、利用公式(2)得到步骤a2.2确定的粒子状态估计值
其中
其中,q为过程噪声协方差矩阵,|q|为q的行列式,f为状态转换矩阵,nx为状态矢量的维数,
过程噪声协方差矩阵q、状态转换矩阵f、状态矢量的维数nx的确定具体详见参考文献陈国庆、陈客松著《基于粒子滤波的雷达弱目标检测前跟踪》[j](全球定位系统,2012,37(1):57-60)。
第三步,根据第二步得到的未归一化权重的滤波粒子集
本步骤基于后验密度梯度进行粒子分布修正,得到修正后的未归一化粒子集
第四步,利用第三步得到的修正后的未归一化粒子权重
本步骤sprt-fss似然比联合检验为公知技术,具体详见参考文献龚亚信、杨宏文、胡卫东、郁文贤著《基于粒子滤波的弱目标检测前跟踪算法》[j](系统工程与电子技术,2007,29(12):2143-2148)。
第五步,判断有效粒子数neff是否满足neff≥ns,ns为有效粒子数门限,若满足,则进行第八步,若不满足,则进行第六步,
有效粒子数neff通过公式(5)确定,
其中
有效粒子数门限ns取值越大,运算量越大,处理的结果就越精确,本领域技术人员根据实际情况进行选择,ns在工程中取值一般为
第六步,对第三步和第五步得到的
重采样方法为公知技术,具体详见参考文献唐学大著《基于粒子滤波的机动弱目标检测前跟踪算法研究》[d](杭州电子科技大学,2015年)。
sprt-fss似然比联合检验具体详见第四步。
第七步,判断有效粒子数neff是否满足neff≥ns,若满足则进行第八步,若不满足,则返回第六步重新进行重要度采样,有效粒子数neff通过公式(5)确定,其中
第八步,进行目标状态估计,
对满足有效粒子数量的粒子集
第九步,令k=k+1,转回第二步,重复第二至第八步,得到整个跟踪时间段内的目标状态,用于雷达制导。
目标状态
本发明未详细说明部分为本领域技术人员公知技术。