[發明專利]基于IMMPDA算法的高機動目標跟蹤方法

在審

• 申請號: 202110700281.1
• 申請日: 2021-06-23
• 公開（公告）號: CN113376626A
• 公開（公告）日: 2021-09-10
• 發明（設計）人: 左磊;張冉;李亞超;李明;祿曉飛;孫浩;高永嬋;胡娟
• 申請（專利權）人: 西安電子科技大學
• 主分類號: G01S13/72
• 分類號: G01S13/72
• 代理公司: 陜西電子工業專利中心 61205
• 代理人: 田文英;王品華

1.一種基于IMMPDA算法的高機動目標跟蹤方法，其特征在于，利用雷達的參數信息和環境先驗信息，計算所有量測值來源于雜波的概率和每個量測值來源于高機動目標回波的概率，利用概率加權計算多個高機動目標的組合新息，通過濾波獲得多個高機動目標的估計狀態，該方法的步驟包括如下：

(1)獲取每個高機動目標的狀態值：

每隔50毫秒從機載雷達接收的回波信號中檢測一次每個高機動目標的量測值；

(2)對每個高機動目標的狀態估計值和協方矩陣進行交互混合：

(2a)利用概率公式，計算模型集中不同種類運動模型之間的轉換概率；

(2b)利用狀態混合公式，計算模型集中每類運動模型的每個高機動目標混合狀態輸入值；

(2c)利用協方差矩陣混合公式，計算模型集中每類運動模型的每個高機動目標混合狀態對應的協方差矩陣；

(3)預測每個高機動目標的狀態值和協方差矩陣：

(3a)利用狀態預測公式，計算基于模型集中每種運動模型的每個高機動目標狀態預測值；

(3b)利用協方差矩陣預測公式，計算基于模型集中每種運動模型的每個高機動目標預測狀態值對應的協方差矩陣；

(4)更新每種運動模型中每個高機動目標的狀態估計值和協方差矩陣：

(4a)按照下式，計算每個高機動目標當前時刻所有量測值來源于雜波的概率：

其中，表示k時刻第p個高機動目標模型集中第i種運動模型的所有量測值來源于雜波的概率，λ表示環境中的雜波密度，π表示圓周率，|·|表示取模操作，S_i(k)表示k時刻模型集中第i種運動模型的新息協方差矩陣，表示k時刻量測系統方程的雅可比矩陣，R(k)表示k時刻根據雷達的測量精度得到的測量方差矩陣，P_D表示雷達檢測到目標的概率，P_G表示每個量測值落入跟蹤波門的概率，c表示雷達獲取的量測值的總數，e^(·)表示以自然常數e為底的指數操作，v_qi(k)表示k時刻基于模型集中第i種運動模型的第q個量測值與量測預測值之間的差值，-1表示求逆操作；

(4b)按照下式，計算當前時刻每個量測值來源于高機動目標回波的概率：

其中，表示k時刻基于模型集中第i種運動模型的第q個量測值來源于第p個高機動目標回波的概率；

(4c)按照下式，利用互聯概率加權計算每個高機動目標的組合新息：

其中，表示k時刻模型集中第i種運動模型的第p個高機動目標的組合新息；

(4d)利用狀態估計值公式，計算模型集中每種運動模型的每個高機動目標狀態估計值；

(4e)利用協方差矩陣公式，計算模型集中每種運動模型的每個高機動目標狀態估計值對應的協方差矩陣；

(5)更新每個高機動目標的狀態估計值和協方差矩陣：

(5a)按照模型概率公式，更新模型集中每種運動模型的概率；

(5b)按照下式，計算當前時刻每個高機動目標的狀態估計值：

其中，表示k時刻第p個高機動目標的狀態估計值；

(5c)按照下式，計算當前時刻每個高機動目標狀態估計值對應的協方差矩陣：

其中，P^p(k)表示k時刻第p個高機動目標的狀態估計值對應的協方差矩陣。

2.根據權利要求1所述的基于IMMPDA算法的高機動目標跟蹤方法，其特征在于，步驟(1a)中所述的量測值包括每個高機動目標與機載雷達之間的距離、每個高機動目標相對于機載雷達的方位角和俯仰角。

3.根據權利要求1所述的基于IMMPDA算法的高機動目標跟蹤方法，其特征在于，步驟(2a)中所述的概率公式如下：

其中，表示第p個高機動目標在k-1時刻模型集中第j種運動模型轉換到第i種運動模型的概率，所述模型集是由至少三種不同類型的運動模型組成，p_ij表示模型集中的第i種運動模型轉移到第j種運動模型的概率，表示k-1時刻根據第p個高機動目標的機動性從模型集中選擇的第m種運動模型的概率，c表示歸一化因子，