一种基于修正多伯努利滤波的多个编队规模估计方法与流程

本申请属于雷达数据处理，特别涉及一种基于修正多伯努利滤波的多个编队规模估计方法。

背景技术：

1、机载雷达对地面目标检测时，面临如坦克群、装甲车队、自行火炮等编队目标，此类目标的主要特点有数量大、种类多、运动形式复杂多样等特点，并且单个目标体积小，易于山地、建筑等条件伪装，同时受地杂波严重干扰，编队密集目标回波混叠严重，给目标的检测跟踪带来极大挑战，依靠雷达常规的分辨能力很难准确获取编队目标的数量与位置信息。编队内目标的数量直接反应出编队规模，很大程度上与敌方战术意图紧密相关，编队目标规模估计能够为我方提供更为丰富的指挥作战和火控打击决策依据。

2、目前在数据级对编队规模估计的主要思路为将编队目标看做多个点目标进行跟踪，采用传统跟踪方法通过航迹关联、航迹管理、卡尔曼滤波等完成对编队目标的跟踪，通过对跟踪航迹的统计完成对目标个数的估计，这种方法仅适用于单个编队，且编队规模估计精度较低。而多伯努利滤波目前主要应用在多个点目标跟踪和扩展目标跟踪场景中，未在多个编队目标规模估计中应用。

技术实现思路

1、本申请的目的是提供了一种基于修正多伯努利滤波的多个编队规模估计方法，以解决现有的编队规模估计精度较低的问题

2、本申请的技术方案是：一种基于修正多伯努利滤波的多个编队规模估计方法，包括：

3、获取监控区域多个时刻的所有量测值，建立目标模型；

4、假设目标模型为多伯努利有限集，通过多伯努利滤波对监控区域内多目标空间密度预测、更新、修剪与融合步骤，获得任意时刻监控区域内的目标数和对应状态，形成目标集合与状态集合；

5、设置元素距离阈值，在监控区域中的状态集合中选取一个元素，依次计算状态集合中的该元素与其他元素之间的欧式距离，判断该欧式距离是否小于等于元素距离阈值，若是聚为一类，遍历状态集合中的所有元素，直至找到所有的符合元素距离阈值的元素，形成有一个完整的聚类并标记；而后再选取未标记的一个元素，并再次进行聚类，直至所有元素聚类完成；

6、对每个编队的规模进行估计。

7、优选地，对所述多伯努利有限集的假设还包括：假设每个目标的运动模型和测量模型均为线性高斯模型；假设目标的生存概率和检测概率与目标状态相互独立。

8、优选地，对所述监控区域进行多目标空间密度预测的公式为：

9、

10、其中，r表示存在概率和p表示空间概率空间密度，m表示目标集合，k表示时刻；存在概率表示第i个假设航迹是真实航迹的概率，空间密度表示第i个假设航迹的状态估计；

11、对所述监控区域进行多目标空间密度更新的公式为：

12、

13、优选地，对所述监控区域进行多目标修剪与融合的方法为：

14、设定概率门限值，删除存在概率低于概率门限值的假设轨迹，保留存在概率高于等于概率门限值的假设轨迹；

15、对于保留的假设轨迹，分别计算不同假设轨迹的权值，而后保留权值较大的高斯项，删除权值较小的高斯项，并合并权重差值在一定范围内的高斯项；

16、根据存在概率对目标个数进行估计，并计算目标个数的均值而后根据估计的目标数分别提取各个目标的状态。

17、本申请的一种基于修正多伯努利滤波的多个编队规模估计方法，通过多伯努利滤波并通过聚类分群的方式来实现对多个编队的规模估计，通过先获得监控区域的所有量测值并建立目标模型，而后通过对目标模型进行假设将目标模型转化为线性高斯模型，采用多伯努利滤波的方式对监控区域内多目标空间密度预测、更新、修剪与融合步骤，获得任意时刻监控区域内的目标数和对应状态；而后通过设置元素距离阈值，对状态集合中的元素进行聚类分群，聚类区域的个数即为编队的个数，每个聚类区域内的元素个数为每个编队内目标数，进而估计出每个编队的规模；避免了复杂的数据关联过程，克服了因传统方法跟踪不稳引起的个数估计不准确的难题。

技术特征：

1.一种基于修正多伯努利滤波的多个编队规模估计方法，其特征在于，包括：

2.如权利要求1所述的基于修正多伯努利滤波的多个编队规模估计方法，其特征在于，对所述多伯努利有限集的假设还包括：假设每个目标的运动模型和测量模型均为线性高斯模型；假设目标的生存概率和检测概率与目标状态相互独立。

3.如权利要求1所述的基于修正多伯努利滤波的多个编队规模估计方法，其特征在于，对所述监控区域进行多目标空间密度预测的公式为：

4.如权利要求1所述的基于修正多伯努利滤波的多个编队规模估计方法，其特征在于，对所述监控区域进行多目标修剪与融合的方法为：

技术总结
本申请属于雷达数据处理技术领域，为一种基于修正多伯努利滤波的多个编队规模估计方法，通过多伯努利滤波并通过聚类分群的方式来实现对多个编队的规模估计，通过先建立目标模型，而后通过对目标模型进行假设将目标模型转化为线性高斯模型，采用多伯努利滤波的方式对监控区域内多目标空间密度预测、更新、修剪与融合步骤，获得任意时刻监控区域内的目标数和对应状态；而后通过设置元素距离阈值，对状态集合中的元素进行聚类分群，聚类区域的个数即为编队的个数，每个聚类区域内的元素个数为每个编队内目标数，进而估计出每个编队的规模；避免了复杂的数据关联过程，克服了因传统方法跟踪不稳引起的个数估计不准确的难题。

技术研发人员：王婷婷,张敏,何科峰
受保护的技术使用者：中国航空工业集团公司雷华电子技术研究所
技术研发日：
技术公布日：2024/1/16