[發(fā)明專利]信息平方根分解的多目標(biāo)跟蹤方法

有效

• 申請(qǐng)?zhí)枺?/td>: 201210044943.5
• 申請(qǐng)日: 2012-02-27
• 公開(kāi)（公告）號(hào): CN102707277A
• 公開(kāi)（公告）日: 2012-10-03
• 發(fā)明（設(shè)計(jì)）人: 史忠科
• 申請(qǐng)（專利權(quán)）人: 西北工業(yè)大學(xué)
• 主分類號(hào): G01S13/66
• 分類號(hào): G01S13/66
• 代理公司: 西北工業(yè)大學(xué)專利中心 61204
• 代理人: 王鮮凱

技術(shù)領(lǐng)域

本發(fā)明涉及一種雷達(dá)多目標(biāo)跟蹤方法，特別涉及一種信息平方根分解的多目標(biāo)跟蹤方法，屬于信息技術(shù)領(lǐng)域。

背景技術(shù)

多目標(biāo)跟蹤技術(shù)在軍用及民用領(lǐng)域均有廣泛的應(yīng)用，可用于空中目標(biāo)檢測(cè)、跟蹤與攻擊，空中導(dǎo)彈防御，空中交通管制，港口和海洋監(jiān)視等。近年來(lái)，隨著戰(zhàn)場(chǎng)環(huán)境的改變，對(duì)抗和反對(duì)抗技術(shù)的發(fā)展，產(chǎn)生了背景強(qiáng)雜波、低信噪比、低檢測(cè)概率和高虛警率等一系列問(wèn)題，對(duì)多目標(biāo)跟蹤方法的精度和準(zhǔn)確性提出了更高的要求。

多目標(biāo)跟蹤的目的是將探測(cè)器所接收到的量測(cè)對(duì)應(yīng)不同的信息源，形成不同觀測(cè)集合或軌跡，根據(jù)軌跡估計(jì)被跟蹤目標(biāo)的數(shù)目以及每一目標(biāo)的運(yùn)動(dòng)參數(shù)，實(shí)現(xiàn)對(duì)多個(gè)目標(biāo)的跟蹤。用于多目標(biāo)狀態(tài)估計(jì)的基本濾波方法有α-β濾波、α-β-γ濾波、卡爾曼濾波、擴(kuò)展卡爾曼濾波、高斯和近似、最優(yōu)非線性濾波、粒子濾波和自適應(yīng)濾波等。α-β和α-β-γ濾波器由于結(jié)構(gòu)簡(jiǎn)單，計(jì)算量小，在早期計(jì)算機(jī)資源短缺時(shí)應(yīng)用很廣。卡爾曼濾波是多目標(biāo)跟蹤的一種基本方法，但是需要知道系統(tǒng)的精確數(shù)學(xué)模型，并且只適用于線性系統(tǒng)，限制了算法的應(yīng)用。擴(kuò)展卡爾曼濾波將卡爾曼濾波理論擴(kuò)展到非線性領(lǐng)域，用一個(gè)高斯分布來(lái)近似狀態(tài)的條件概率分布；而當(dāng)近似條件不滿足時(shí)，高斯和濾波器則用一個(gè)高斯分布的加權(quán)和來(lái)近似狀態(tài)的條件概率分布。最優(yōu)非線性濾波使用Makov轉(zhuǎn)移概率來(lái)描述目標(biāo)的動(dòng)力學(xué)過(guò)程，具有很好的特性，但是計(jì)算量較大，因此一直沒(méi)有得到廣泛應(yīng)用。粒子濾波采用隨機(jī)采樣，由于計(jì)算量太大和粒子退化問(wèn)題，不適合實(shí)際應(yīng)用。為了改進(jìn)粒子濾波，無(wú)跡卡爾曼濾波采用確定性采樣，使得采樣的粒子點(diǎn)個(gè)數(shù)減少，避免了粒子濾波中的粒子點(diǎn)退化問(wèn)題，因此其應(yīng)用領(lǐng)域很廣。自適應(yīng)濾波方法通過(guò)對(duì)目標(biāo)機(jī)動(dòng)的檢測(cè)，實(shí)時(shí)調(diào)整濾波器參數(shù)或增加濾波器的狀態(tài)，使濾波器實(shí)時(shí)適應(yīng)目標(biāo)運(yùn)動(dòng)，特別適合對(duì)機(jī)動(dòng)目標(biāo)的跟蹤；目前，在實(shí)際雷達(dá)跟蹤系統(tǒng)最常用的仍然為JPDA(Joint?Probabilistic?Data?Association，聯(lián)合概率數(shù)據(jù)關(guān)聯(lián))方法(JamesA.Roecker，A?Class?of?Near?Optimal?JPDA?Algorithms，IEEE?TRANSACTIONS?ON?AEROSPACE?AND?ELECTRONIC?SYSTEMS，1994，VOL.30(2)：504-51O)，其它方法大多數(shù)是對(duì)JPDA方法的簡(jiǎn)化等。然而，JPDA等方法誤差估計(jì)的方差陣中有兩個(gè)半正定矩陣相減，在有限字長(zhǎng)的處理系統(tǒng)中會(huì)產(chǎn)生含有正負(fù)特征值的對(duì)稱矩陣，導(dǎo)致雷達(dá)跟蹤過(guò)程目標(biāo)失跟和整個(gè)雷達(dá)系統(tǒng)性錯(cuò)誤。

發(fā)明內(nèi)容

為了解決現(xiàn)有目標(biāo)跟蹤方法數(shù)值結(jié)構(gòu)不穩(wěn)定導(dǎo)致雷達(dá)跟蹤過(guò)程目標(biāo)失跟的技術(shù)缺陷，本發(fā)明提供一種信息平方根分解的多目標(biāo)跟蹤方法，該方法在多目標(biāo)跟蹤的時(shí)間和測(cè)量更新中，通過(guò)對(duì)估計(jì)誤差的方差陣進(jìn)行信息平方根分解，建立數(shù)值穩(wěn)定結(jié)構(gòu)模型，沒(méi)有誤差估計(jì)的方差陣中有兩個(gè)半正定矩陣相減，在有限字長(zhǎng)的處理系統(tǒng)中能夠保證不會(huì)產(chǎn)生含有負(fù)特征值的對(duì)稱矩陣，可以避免雷達(dá)跟蹤過(guò)程目標(biāo)失跟和整個(gè)雷達(dá)系統(tǒng)性錯(cuò)誤。

本發(fā)明解決其技術(shù)問(wèn)題采用的技術(shù)方案是，一種信息平方根分解的多目標(biāo)跟蹤方法，其特征包括以下步驟：

1、定義N個(gè)目標(biāo)跟蹤中第i個(gè)目標(biāo)的離散化模型為

x_i(k+1)＝Φ(k+1，k)x_i(k)+Λω_i(k)，