[發(fā)明專利]基于加權(quán)負(fù)一階RD和的多目標(biāo)伯努利分布式融合方法

有效

• 申請(qǐng)?zhí)枺?/td>: 201410306260.1
• 申請(qǐng)日: 2014-06-30
• 公開(kāi)（公告）號(hào): CN104133983B
• 公開(kāi)（公告）日: 2017-05-10
• 發(fā)明（設(shè)計(jì)）人: 易偉;李溯琪;劉睿;茍清松;崔國(guó)龍;孔令講;楊曉波
• 申請(qǐng)（專利權(quán)）人: 電子科技大學(xué)
• 主分類號(hào): G06F19/00
• 分類號(hào): G06F19/00
• 代理公司: 電子科技大學(xué)專利中心51203
• 代理人: 張楊

技術(shù)領(lǐng)域

本發(fā)明屬于雷達(dá)信號(hào)處理領(lǐng)域，特別涉及多目標(biāo)跟蹤技術(shù)以及基于負(fù)一階加權(quán)RD和的多目標(biāo)伯努利分布式融合技術(shù)。

背景技術(shù)

由于現(xiàn)代目標(biāo)的隱身設(shè)計(jì)特性(或電磁干擾環(huán)境)，使得單節(jié)點(diǎn)雷達(dá)系統(tǒng)的單視角觀測(cè)不能滿足對(duì)目標(biāo)有效探測(cè)的需求，促使國(guó)內(nèi)外工程師和研究員采用多節(jié)點(diǎn)雷達(dá)組網(wǎng)系統(tǒng)來(lái)解決隱身目標(biāo)探測(cè)難問(wèn)題。多節(jié)點(diǎn)(傳感器)雷達(dá)系統(tǒng)通過(guò)多視角觀測(cè)在不同節(jié)點(diǎn)位置都獲得目標(biāo)的量測(cè)信息，為了有效的利用各傳感器提供的信息對(duì)目標(biāo)進(jìn)行跟蹤，需要設(shè)計(jì)可靠性高、計(jì)算量小、易于實(shí)現(xiàn)的多傳感器數(shù)據(jù)融合方法。在多傳感器信息融合系統(tǒng)中，通常采用集中式和分布式兩種結(jié)構(gòu)。在集中式數(shù)據(jù)融合結(jié)構(gòu)中，傳感器信息被直接送至數(shù)據(jù)融合中心進(jìn)行處理，具有信息損失小的優(yōu)點(diǎn)，但數(shù)據(jù)互聯(lián)復(fù)雜、可靠性差、計(jì)算和通信資源要求也高。而在分布式融合結(jié)構(gòu)中，每個(gè)傳感器都可獨(dú)立地處理其自身信息，之后將各決策結(jié)果送至數(shù)據(jù)融合中心，再進(jìn)行融合，因此分布式融合方式更具有實(shí)用價(jià)值。在分布融合技術(shù)中，有兩個(gè)需要克服的技術(shù)難題：多目標(biāo)跟蹤和分布式信息融合。

近年來(lái)，基于隨機(jī)集統(tǒng)計(jì)理論的多目標(biāo)跟蹤技術(shù)得到了廣泛的關(guān)注，這類方法避免傳統(tǒng)多目標(biāo)跟蹤的數(shù)據(jù)關(guān)聯(lián)，并且能夠處理目標(biāo)個(gè)數(shù)未知且時(shí)變的情況。參見(jiàn)文獻(xiàn)(R.Mahler,Statistical Multisource-Multitarget Information Fusion,Norwood,MA:Artech House,2007.)。隨機(jī)集理論將多目標(biāo)狀態(tài)建模為隨機(jī)集合的形式，并且提出了最優(yōu)多目標(biāo)貝葉斯濾波器，然而多目標(biāo)貝葉斯濾波器涉及集合積分，通常情況下難以實(shí)現(xiàn)。隨后，在相關(guān)分布都為多目標(biāo)-伯努利分布的假設(shè)下，多目標(biāo)貝葉斯濾波器求出了閉合解，稱之為多目標(biāo)-伯努利濾波器，參見(jiàn)文獻(xiàn)(B.T.Vo,B.N.Vo,N.T.Pham and D.Suter,“Joint Detection and Estimation of Multiple Objects From Image Observation,”IEEE Trans.on Signal Process.,Vol.58,No.10,pp.5129-5141,Oct.2010.)。多目標(biāo)伯努利濾波器僅僅需要遞歸一組伯努利參數(shù)，避免了集合積分，大大減少了計(jì)算量，具有很強(qiáng)的實(shí)用價(jià)值。當(dāng)僅含有一個(gè)伯努利分量時(shí)，多目標(biāo)伯努利分布退化成了伯努利分布，伯努利濾波器僅能實(shí)現(xiàn)單目標(biāo)跟蹤。

為了解決隨機(jī)集框架下的分布式融合問(wèn)題，Mahler提出了基于混合指數(shù)密度函數(shù)的CI(Covariance Intersection，協(xié)方差交集)融合準(zhǔn)則，參見(jiàn)文獻(xiàn)(R.Mahler，“Optimal/robust distributed data fusion:a unified approach”，Proc.SPIE4052,Signal Processing,Sensor Fusion,and Target Recognition IX，4August，2000)。2013年，文獻(xiàn)(M.Uney,D.E.Clark,and S.j.Julier,“Distributed Fusion of PHD Filters Via Exponential Mixture Densities”,IEEE J.Sel.Top.Signal Process.,Vol.7,No.3,pp.553-564,Jun.2013.)中指出兩個(gè)伯努利分布融合后的混合指數(shù)密度仍然為伯努利分布，并給出融合后伯努利參數(shù)的解析表示式。然而，經(jīng)過(guò)推導(dǎo)，我們發(fā)現(xiàn)兩個(gè)多目標(biāo)伯努利分布融合后的混合指數(shù)密度不服從多目標(biāo)伯努利分布，因此直接利用CI融合準(zhǔn)則實(shí)現(xiàn)多目標(biāo)伯努利濾波器的分布式融合無(wú)法實(shí)現(xiàn)。

發(fā)明內(nèi)容

本發(fā)明的目的是針對(duì)背景技術(shù)中的不足之處，設(shè)計(jì)一種基于加權(quán)負(fù)一階RD(Renyi Divergence)和的多目標(biāo)伯努利分布式融合方法，從而達(dá)跟蹤精度高、虛警率低、魯棒性強(qiáng)、可靠性高、通信代價(jià)小、抗干擾能力強(qiáng)的目的。

本發(fā)明的技術(shù)方案是一種基于加權(quán)負(fù)一階RD和的多目標(biāo)伯努利分布式融合方法，該方法包括：

步驟1：初始化系統(tǒng)參數(shù)包括：傳感器監(jiān)視范圍，雷達(dá)分辨率△r，雷達(dá)掃描周期T，掃描總幀數(shù)K，傳感器個(gè)數(shù)S；

步驟2：接收傳感器掃描數(shù)據(jù)前(k＝0)，初始化傳感器1～S的出生多目標(biāo)伯努利參數(shù)；

步驟3：各雷達(dá)接收到第1幀掃描數(shù)據(jù)后，使用初始化的多目標(biāo)伯努利參數(shù)將該幀數(shù)據(jù)通過(guò)多目標(biāo)伯努利濾波器進(jìn)行濾波，計(jì)算出每個(gè)傳感器的后驗(yàn)多目標(biāo)伯努利參數(shù)；

步驟4：將各傳感器對(duì)第1幀數(shù)據(jù)的后驗(yàn)多目標(biāo)伯努利參數(shù)傳入融合中心；