[發明專利]基于GP-VSMM-JPDA的擴展目標跟蹤方法

有效

• 申請號: 201910016323.2
• 申請日: 2019-01-08
• 公開（公告）號: CN109633590B
• 公開（公告）日: 2020-09-29
• 發明（設計）人: 郭云飛;任昕;李勇;薛安克;郭寶峰
• 申請（專利權）人: 杭州電子科技大學
• 主分類號: G01S7/41
• 分類號: G01S7/41
• 代理公司: 杭州君度專利代理事務所(特殊普通合伙) 33240
• 代理人: 朱亞冠

本發明提出基于GP?VSMM?JPDA的擴展目標跟蹤方法。該發明首先采用期望模型擴展方法構建自適應模型集，并基于模型對擴展目標狀態初始化。其次基于高斯過程建立擴展目標聯合跟蹤門以選擇有效測量。然后將高斯過程與聯合數據關聯濾波器相結合，形成新的濾波器，用于更新各個擴展目標于不同模型下的狀態和協方差。最后基于變結構交互式多模型方法，將各個擴展目標的狀態和協方差進行融合，得到最終的狀態估計。相比基于隨機矩陣的交互式多模型(IMM?RM)機動擴展目標跟蹤方法，GP?VSMM?JPDA方法不僅能夠在雜波環境中同時跟蹤多個機動的非橢圓模型，并且能夠準確估計目標形狀，提供更多目標信息。

技術領域

本發明屬于目標檢測跟蹤領域，涉及一種基于GP-VSMM-JPDA(高斯過程變結構多模型聯合概率數據關聯，即Gaussian Process Variable Structure Multiple ModelJoint Probability Data Association)的擴展目標跟蹤方法。

背景技術

擴展目標跟蹤(Extended Target Tracking，ETT)技術是指隨著雷達傳感器分辨率的不斷提高，可對運動目標上多個觀測點提供多個測量，目標在雷達距離和方位上占據多個分辨單元，其尺寸大小不可忽略。通過高分辨率傳感器接收的多個測量，可對擴展目標的形狀和運動狀態同時進行跟蹤估計。因此，擴展目標跟蹤技術引起了國內外學者的高度關注。傳統的擴展目標跟蹤算法通常假設目標做近似直線運動，然而，在實際情況中，目標(如戰斗機)常常以強機動的方式飛行，使得傳統的擴展目標跟蹤方法的跟蹤性能下降。

基于隨機矩陣的交互式多模型(Interacting Multiple-Model Random Matric，IMM-RM)機動擴展目標跟蹤方法可以用多個不同運動模型匹配機動目標的不同運動模式，但是該方法僅能描述橢圓形的目標，難以完全刻畫具有豐富形狀的實際運動體，如飛機、艦船等，對擴展目標的輪廓估計精度不高。為了解決雜波背景下多個強機動擴展目標跟蹤問題，本發明提出了一種基于高斯過程的變結構多模型聯合概率數據關聯(GaussianProcess Variable Structure Multiple Model Joint Probability Data Association，GP-VSMM-JPDA)方法。該方法利用高斯過程在線學習未知函數的能力，將高斯過程與聯合概率數據關聯濾波器相結合，解決了多個擴展目標的數據關聯問題，能夠在雜波環境下同時對多個擴展目標的運動狀態和輪廓狀態進行聯合估計，提高了擴展目標輪廓估計精度。此外，為了有效跟蹤機動的擴展目標，引入了變結構多模型方法，通過期望模型擴展方法，實時更新模型集，提高了跟蹤精度。

發明內容

本發明的目的是針對現有技術的不足，提出一種基于高斯過程的變結構多模型聯合概率數據關聯方法，包括以下步驟：

步驟(1)、采用期望模型擴展方法構建自適應模型集，并基于模型對擴展目標狀態初始化。

步驟(2)、基于高斯過程建立擴展目標聯合跟蹤門以選擇有效量測。

步驟(3)、將高斯過程與聯合概率數據關聯濾波器相結合，更新各個擴展目標于不同模型下的狀態和協方差。

步驟(4)、基于變結構交互式多模型方法，將各個擴展目標的狀態和協方差進行融合，得到最終的狀態估計。

通過上述步驟可以遞推出每一時刻擴展目標的運動狀態和輪廓狀態信息，從而得到目標的跟蹤航跡和具體輪廓，且GP-VSMM-JPDA方法通過仿真進行了驗證。

相比基于隨機矩陣的交互式多模型(IMM-RM)機動擴展目標跟蹤方法，GP-VSMM-JPDA方法不僅能夠在雜波環境中同時跟蹤多個機動的非橢圓模型，并且能夠準確估計目標形狀，提供更多目標信息。

附圖說明

圖1為本發明的流程圖。