[發明專利]信噪比未知條件下的AI-PHD濾波器多目標跟蹤方法

有效

• 申請號: 201611047447.X
• 申請日: 2016-11-23
• 公開（公告）號: CN106772357B
• 公開（公告）日: 2019-01-29
• 發明（設計）人: 譚順成;王國宏;賈舒宜;王娜
• 申請（專利權）人: 譚順成
• 主分類號: G01S13/72
• 分類號: G01S13/72;G01S7/41
• 代理公司: 煙臺上禾知識產權代理事務所(普通合伙) 37234
• 代理人: 劉志毅

1.信噪比未知條件下的AI-PHD濾波器多目標跟蹤方法，其特征包括以下步驟：

步驟1：變量初始化

(1)K為總仿真時間，T為雷達采樣間隔；

(2)γ₀為目標出現初始數，L₀為代表一個目標所需要的粒子數，J₀為搜索新目標時賦予每一個量測的粒子數；

(3)SNR_min為目標可能的最小信噪比，SNR_max為目標可能的最大信噪比，為虛警概率，τ為虛警概率對應的檢測門限；

(4)γ₀(x)為目標出現初始分布，κ_k(z)為雜波分布；

(5)為擴展過程噪聲協方差，為擴展量測噪聲協方差；

(6)C₀為群聚類的約束值；

步驟2：令k＝0，進行濾波器的初始化，得到初始粒子集具體為對任意i∈{1,2,…,L₀}

(1)根據目標出現初始分布γ₀(x)生成粒子其中包含目標的位置信息和速度信息符號T表示轉置；

(2)在區間[SNR_min,SNR_max]上按照均勻分布隨機生成目標信噪比并根據

計算得到目標的信噪比信息

(3)令對進行擴維，得到新粒子并賦予該粒子權重

步驟3：令k＝k+1，獲得k時刻的雷達量測

將雷達接收到的信號進行A/D變換，獲得當前時刻的擴展量測集送數據處理系統，其中為k時刻雷達獲得的第j個擴展量測，包含目標的距離信息和方位信息為目標的幅度信息，N_k為k時刻的量測個數；

步驟4：生成預測粒子集

對任意i∈{1,2,…,L_k-1}，根據狀態轉移方程對粒子進行預測，得到預測的粒子

并賦予該粒子權重得到預測粒子集其中為零均值的高斯白噪聲，其協方差為

步驟5：生成搜索新目標粒子集

(1)對任意j∈{1,2,…,N_k}，根據量測和量測誤差協方差R_k采樣粒子然后在區間[SNR_min,SNR_max]上按照均勻分布隨機生成目標信噪比并計算得到目標信噪比信息最后令并賦予該粒子權重

其中i＝1,2,…,J₀，得到量測的搜索粒子集

(2)將當前時刻所有量測對應的搜索粒子集合并成一個搜索新目標粒子集其中J_k＝J₀×N_k為搜索新目標的粒子總數；

步驟6：粒子集權重更新

(1)將預測粒子集和搜索新目標粒子集合并得到新的粒子集

(2)對任意i∈{1,2,…,L_k-1+J_k}和任意j∈{1,2,…,N_k}，計算粒子和量測之間的統計距離

其中

為預測量測，(x_s,y_s)為雷達的坐標，若令粒子和量測之間的似然度否則

其中

(3)對任意j∈{1,2,…,N_k}，計算量測和粒子集的似然度

(4)對任意i∈{1,2,…,L_k-1+J_k}，計算粒子權重

其中

以及

步驟7：目標個數估計和粒子集重采樣

(1)計算所有粒子的權重和

并取與最接近的整數得到目標個數估計

(2)計算當前時刻所需的粒子總數

(3)在區間[0,1]按照均勻分布生成L_k個隨機數

(4)對粒子集的權重進行歸一化處理，得到歸一化的粒子權重

(5)計算粒子權重積累和

(6)對任意j∈{1,2,…,L_k}，若存在i∈{1,2,...,L_k-1+J_k}，使得

則令粒子

并賦予該粒子權重得到新的粒子集

步驟8：粒子集分群

(1)對任意令粒子群個數和

得到個群中心

(2)對任意i∈{1,2,...,L_k}，計算粒子和群中心的距離

然后令

將粒子分入第j個群；

(3)對任意令

得到個新的群中心然后計算新、舊群中心的距離和

令若D_k大于約束值C₀轉(2)，否則轉步驟9；

步驟9：多目標狀態和信噪比估計

對任意取群中心的第1維到第4維得到第j個目標的狀態估計取群中心的第5維得到第j個目標的信噪比估計并根據RCS的信噪比的關系式推算目標的RCS_k,j；

步驟10：重復步驟3～步驟9，直至雷達關機。