一种基于改进k最短路径的多假设目标跟踪方法
【技术领域】
[0001] 该发明设及一种多目标跟踪领域的目标跟踪方法，特别是设及一种基于改进Κ最 短路径的多假设目标跟踪方法。
【背景技术】
[0002] 多目标跟踪技术是信号处理的难点之一，广泛应用于基于雷达、声响、光学等传感 器的监控系统。多目标跟踪技术在视频监控、事件分析、人机交互等领域中都有着非常重要 的实用价值。同时，在军事领域，多目标跟踪国上防空、导弹防御、导弹制导，海洋监视、战场 监视等方面。长久W来，多目标跟踪技术一直是国际上研究的热点。
[0003] 近年来，随着硬件和算法的发展，信号处理能力呈现指数倍增长;与此同时，各种 传感器数量急剧增长，雷达和各种传感器组网的需求愈来愈强烈。在传感器观测数量和目 标数量急剧增长的情况下，如何提高多目标跟踪技术的实时性和处理能力，是亟需解决的 关键问题。
[0004] 传统的多目标跟踪技术主要可W分为基于贝叶斯的方法和非贝叶斯方法。贝叶斯 方法由于其跟踪性能方面优势，在多目标跟踪中占据主流地位。基于贝叶斯的多目标跟踪 方法，主要包括:基于概率数据关联滤波器的多目标跟踪、基于多假设的目标跟踪方法和基 于Κ最短路径的目标跟踪方法。基于概率数据关联滤波器的多目标跟踪方法是一种次优的 方法，在杂波条件下具有良好的效果，但随着目标个数和有效回波数量的增大，会使计算量 和存储量也急剧增加;基于多假设跟踪的算法依赖于大量的假设，计算量和存储量随着跟 踪目标和观测帖的增多，呈现爆炸性增长。
【发明内容】
[0005] 本发明克服了现有技术中，多假设跟踪的算法依赖于大量的假设，计算量和存储 量随着跟踪目标和观测帖的增多，呈现爆炸性增长的问题，提供一种跟踪精度高、计算复杂 度低、实时性强的基于改进Κ最短路径的多假设目标跟踪方法。
[0006] 本发明的技术解决方案是，提供一种具有W下步骤的基于改进Κ最短路径的多假 设目标跟踪方法:包括W下步骤：
[0007] 步骤1):给定多个时间点：T = h也…，U的传感器观测序列r鱼,'其中 全レ,l，J，；^...，.lパ为tl时刻传感器的所有m个观测，包括杂波和目标响应，的e]RV，dy为 观测的维数；.心eK't表示当前节点所对应的的目标状态，山为目标状态的维数；乂, =F(x,,) 为ti时刻传感器观测方程，，=八(\ )为目标从ti时刻至ti+i时刻的状态方程;设当前需要 跟踪的第k个目标的初始状态为诚，其中ke{l，···，"，转步骤2);
[0008] 步骤2):初始化，构造图中节点node,每个节点包括：当前目标所对应的假设观测 序列（下称路径)path(初始为空）、当前目标最新状态X，当前目标的观测序列为path时的负 对数似然函数值，转步骤3);
[0009] 步骤3):令k = l，转步骤4);
[0010] 步骤4):清空有序图Map,对je{l，…，nt}，循环执行对第k个目标，假设该目标在t =1时刻的观测值为，更新其路径Pathnew=[ j]，计算对数似然函数的负值
，W负对数似然函数值N L L (pathnew)为键值，W路径pathnew和当前目标状态为内容，将{AXZ(path。。,.)，(/W从。。,户巧加 入到有序图Map中，其中有序图的键值按照升序排列，转步骤5);
[0011]步骤5):从有序图Map中取出键值最小的节点Nodemin，若该节点的的当前路径 pathmin的总观测数量为Tmin = T，则保存该目标的最可能观测路径pathshortest化）=pathmin， 转步骤7);否则转步骤6);
[001 2]步骤6):在t = Tmin时刻，对j e {1，…，nt}，循环执行对第k个目标，假设该目标在t 时刻的观测值为兴，更新其路径pathnew=[pathmin j]，计算对数似然函数的负值
负对数似然函 数值N L L ( P a t h η e W )为键值，W路径P a t h η e W和当前目标状态为内容，将
加入到有序图Map中，其中有序图的键值按照升序排列，转步骤 5);
[OOU] 步骤7):令k = k+l，若k卽，转步骤4)，否则转步骤7);
[0014] 步骤8):对所有得到的K个目标的最短路径pathshortest化），ke {1，···，Κ}，计算不同 最短路径之间的共用观测值，并按照路径间是否具有共用观测值分簇(如果两条路径具有 共用观测值，则此两条路径属于同一个簇，否则两条路径属于两个簇），得到L个簇Ci = { pathshortest ( kl ) , · · · , pathshortest 化ιιι)},?Ε{?,···,υ,其中m为束 1簇中所包含的巧短路径 数，转步骤9);
[001 引步骤9 ):令1 = 1，cnt = 0，Yshortest = Φ，Pf inal = Φ，其中 Φ 为空集，转步骤 10 );
[0016] 步骤10):考察第1簇Cl，若Cl仅包含单条最短路径，则所得最短路径pathshortest化） 则为第k个目标的最可能观测序列，将该路径存储到第k个目标的最可能观测序列pathfinal (k) =pathshortest(k)，将在其中出现过的观测值加入到Yshortest中，将pathfinal(k)加入到 Pfinal中，转步骤11);若包含多条路径，转步骤10);
[0017] 步骤 11) :cnt = cnt+l，Rcnt = Ci，转步骤 12);
[001引步骤12):令1 = 1+1，若1<L，转步骤10);否则转步骤13);
[0019] 步骤 13) :num = cnt，转步骤 14);
[0020] 步骤14):令1 = 1，转步骤15);
[0021] 步骤15):清空有序图Map,对未找到pathfinal化)的第一个目标，假设为簇Cl中第h =1个目标，在原K个目标中的编号为A二A;,，对托{1，。'瓜}，循环执行:假设该目标在* = 1 时刻的观测值为於，其中该观测值未在已经得到的pathfinal(k)的观测序列中出现过即 ·>，/ g ，更新其路径P a t h η e W = [ j ]，计算对数似然函数的负值
I W负对数似然函数值N L L (pathnew )为键值，W路径pathnew和当前目标状态Xf为内容，卷
] 入到有序图Map中，转步骤16);
[0022] 步骤16):从有序图Map中取出键值最小的节点Nodemin，若该节点的的当前路径 patWn的总观测数量为Tmin =化T，其中化为第k个目标所属的簇Cl中的目标个数，则保存该 最可能观测路径pathshortest (Cl) = pathmin，转步骤19 );否则转步骤17 );
[0023] 步骤17):若Tmin=ηΤ，η<化，令? = 1，A =砖，对j e {1，…，nt}，循环执行:假设簇Cl中 第h = n目标在t = l时刻的观测值为乂'，其中该观测值未在已经得到的pathfinal化)的观测 序列中出现过_y/ g ，且未在P曰thmin中出现过，更新其路径pathnew= [ j ]，计算对数似然 函数的负值
，W负 对数似然函数值化L ( pathnew)为键值，W路径pathnew和当前目标状态苗为内容，将
加入到有序图Map中，转步骤16);若Tmin不是T的整数倍，转步骤 18);
[0024] 步骤18):在t = Tmin时刻，对j e {1，…，nt}，循环执行：假设当前目标在t时刻的观 测J值为乂，其中.打€ 切未在pathmin中出现过，更新其路径pathnew= [pathmin j ]，计算 对数似然函数的负值
和 xf =货?I)，WNLL(Pathnew)为键值，W路径pathnew和当前目标状态皆为内容，将
旧入到有序图Map中，其中有序图的键值按照升序排列，转步骤 16);
[002引步骤19):将pathshortest(Cl)中的观测序列等分为Nl个长度为T的序列 仰的，…，戸成,，并保存到最终路径中
，并添加 到Pfinal中，转步骤20);
[0026] 步骤20):令1 = 1+1，若1含1^，转步骤15)，否则结束。
[0027] 与现有技术相比，本发明基于改进K最短路径的多假设目标跟踪方法具有W下优 点:本发明通过将假设目标的观测值为某个测量进而求取联合概率分布的方法将多目标跟 踪问题转化为图论中的"K最短路径问题"，利用多目标跟踪问题中大部分路径无公共节点 的特点，得到了首先求解K条最短路径，然后根据路径间是否存在公共节点进行K最短路径 计算，得到了 K个目标的最可能观测序列和利用该观测序列所计算出的目标状态，从而具有 抗杂波能力强、跟踪精度高，计算速度快的效果。
【附图说明】
[0028] 图1是本发明基于改进K最短路径的多假设目标跟踪方法的流程框图；
[0029] 图2是本发明基于改进Κ最短路径的多假设目标跟踪方法的仿真场景图；
[0030] 图3是本发明基于改进Κ最短路径的多假设目标跟踪方法的仿真结果图。
【具体实施方式】
[0031 ]下面结合附图和【具体实施方式】对本发明基于改进Κ最短路径的多假设目标跟踪方 法作进一步说明：如图所示，本实施例中含有W下步骤:包括W下步骤：
[0032] 步骤1):给定多个时间点Γ全…J,,,}的传感器观测序列
I其中 兰枯，义2，.为ti时刻传感器的所有m个观测，包括杂波和目标响应，义'臣吸Wy，dy为 观测的维数；Λ·/ €吸"'，表示当前节点所对应的的目标状态，dx为目标状态的维数； >，,, =巧大,） 为ti时刻传感器观测方程，.V, , =^机)为目标从ti时刻至心1时刻的状态方程;设当前需要 跟踪的第k个目标的初始状态为4，其中ke {1，…，Κ}，转步骤2);
[0033] 步骤2):初始化，构造图中节点node,每个节点包括：当前目标所对应的假设观测 序列（下称路径)path(初始为空）、当前目标最新状态X，当前目标的观测序列为path时的负 对数似然函数值，转步骤3);
[0034] 步骤3):令k = l，转步骤4);
[00对步骤4):清空有序图Map,对je{l，…，nt}，循环执行对第k个目标，假设该目标在t =1时刻的观测值为把，更新其路径pathnew=[ j]，计算对数似然函数的负值
W负对数似然函数值NLL (patWw)为键值，W路径pathnew和当前目标状态尤f为内容，将{WZ(pa化(於化作加 入到有序图Map中，其中有序图的键值按照升序排列，转步骤5);
[0036] 步骤5):从有序图Map中取出键值最小的节点Nodemin，若该节点的的当前路径 pathmin的总观测数量为Tmin = T，则保存该目标的最可能观测路径pathshortest化）=pathmin， 转步骤7);否则转步骤6);
[0037] 步骤6):在t = Tmin时刻，对je{l，…，nt}，循环执行对第k个目标，假设该目标在t 时刻的观测值为_v/，更新其路径pathnew=[pathmin j]，计算对数似然函数的负值
'W负对数似然函 数值NLL(pathnew)为键值，W路径pathnew和当前目标状态兩4为内容，将
加入到有序图Map中，其中有序图的键值按照升序排列，转步骤 5);
[003引步骤7):令k = k+l，若k卽，转步骤4)，否则转步骤7);
[0039] 步骤8):对所有得到的K个目标的最短路径pathshnrtest化），ke {1，···，Κ}，计算不同 最短路径之间的共用观测值，并按照路径间是否具有共用观测值分簇(如果两条路径具有 共用观测值，则此两条路径属于同一个簇，否则两条路径属于两个簇），得到L个簇Ci = { pathshort