[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

本發明公開了一種信噪比未知條件下的AI?PHD濾波器多目標跟蹤方法，屬于雷達數據處理領域。基于PHD濾波的多目標跟蹤方法存在沒有充分利用目標量測信息，不能對目標RCS進行估計，以及難以適應密集雜波環境等問題。本發明提出的信噪比未知條件下的AI?PHD濾波器立足于解決此類問題。本發明通過在PHD濾波的基礎上結合目標的幅度信息，利用粒子濾波易于擴展的特點，在目標狀態向量中引入和目標RSC有關的信噪比變量，在目標個數和目標狀態估計的同時對目標RCS進行估計，其計算量隨量測個數的增加線性增長，尤其適應于密集雜波環境下的多目標跟蹤，克服了一般的PHD濾波器的局限性，因此具有較強的工程應用價值和推廣前景。

技術領域

本發明涉及一種雷達數據處理方法，特別是涉及一種多目標跟蹤濾波方法，適應于回波起伏模型下雷達對多目標的跟蹤。

背景技術

多目標跟蹤是當前雷達目標跟蹤領域的難點問題之一。在密集雜波的情況下，一方面，由于目標的出現和消失具有隨機性，目標的個數往往是時變且未知的；另一方面，受雜波和噪聲的干擾，數據關聯和檢測具有不確定性，量測的個數也具有隨機性。在這種情況下利用雷達對多目標進行跟蹤，需要從個數時變的量測中估計出目標個數不確定的各目標狀態，因此密集雜波環境下的多目標跟蹤尤為困難。如何充分利用各種量測信息，實現密集雜波環境下雷達對多目標的有效跟蹤，對提高雷達的探測跟蹤性能具有重要意義。目前的多目標跟蹤算法主要有聯合概率數據互聯(JPDA)濾波、多假設跟蹤(MHT)濾波以及概率假設密度(PHD)濾波等，其中基于PHD的多目標跟蹤方法由于算法復雜度低，計算量隨量測個數線性增長，能夠同時對目標個數和目標狀態進行估計等優點，在多目標跟蹤領域受到廣泛關注。該方法主要通過以下步驟實現：

(1)濾波器初始化；

(2)粒子集預測；

(3)粒子集更新；

(4)目標個數和目標狀態估計。

基于PHD濾波的多目標跟蹤具有兩個缺陷：(1)沒有利用目標的幅值信息，造成有用量測信息的丟失，難以適應密集雜波環境；(2)不能對目標的RCS進行估計。

發明內容

本發明的目的是提出一種信噪比未知條件下的AI-PHD濾波器多目標跟蹤方法，解決一般的PHD濾波沒有充分利用目標量測信息，不能對目標RCS進行估計，以及難以適應密集雜波環境等問題。

本發明提出的信噪比未知條件下的AI-PHD濾波器多目標跟蹤方法的技術方案包括以下步驟：

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；