自适应目标新生强度的PHD平滑器的多目标跟踪方法技术

本发明专利技术公开了一种自适应目标新生强度的PHD平滑器的多目标跟踪方法，主要解决在杂波环境下，自适应目标新生强度的PHD滤波器在目标新生时刻存在目标确认的滞后现象，并给出其线性高斯条件下的实现形式。通过前向滤波和后向平滑，能够准确估计目标数目和状态，减小目标新生时确认滞后对航迹形成带来的影响。其步骤包括目标新生率估计、前向滤波和后向平滑，即首先根据先验杂波数均值来估计k时刻的新生率；其次，采用k时刻的量测对目标进行预测和更新来完成前向滤波；然后，用滞后的L时刻量测对滤波结果进行后向平滑；最后，通过修剪合并和状态提取完成跟踪结果的输出。

【技术实现步骤摘要】
自适应目标新生强度的PHD平滑器的多目标跟踪方法
本专利技术属于雷达信号处理
，涉及多目标跟踪。具体地说是一种自适应目标新生强度的概率假设密度平滑器(λ-ATBI-PHDSmoother)的多目标跟踪方法，可用于杂波环境下的火控、航管等探测系统中。
技术介绍
无论现代的防御探测还是空中交通管制ATC(AirTrafficControl)系统中，多目标跟踪MTT(MutipleTargetTracking)都是其中的关键技术，也是历来受到最多关注的方向之一。多目标环境下的跟踪问题，存在以下难点：(1)每一时刻都可能存在目标的出现、衍生以及消失，使得目标数目处在一个不断变化的过程中；(2)量测信息不确定，若对漏检、虚警等问题处理不当，将会极大地影响跟踪效果；(3)进行跟踪滤波的同时，还需要完成数据关联。因此，在复杂环境下，存在的虚警、漏警等量测信息的不确定性和目标生灭带来的数目变化给多目标的稳定跟踪造成很大困难，一直是该领域的研究热点和难点。传统的多目标跟踪需要进行数据关联，在目标和量测数目较多时计算量会急剧增大。近年来，Mahler等学者提出基于随机有限集(RandomFiniteSet,RFS)理论的多目标跟踪方法，并推导了PHD(ProbabilityHypothesisDensity，概率假设密度)、CPHD(CardinalisedProbabilityHypothesisDensity，势概率假设密度)、多伯努利等实现形式。该理论框架下，多目标的量测和状态分别被视为一个随机有限集，避免了复杂的数据关联，因此受到广泛的关注。PHD滤波是通过递推目标状态的后验概率密度的一阶矩，可从中来估计多目标的状态和个数。PHD的实现方式有两种：高斯混合(GaussianMixture,GM)和粒子。在线性高斯条件下，高斯混合PHD(GM-PHD)利用加权的高斯混合分布来拟合目标的后验概率密度函数，状态提取不再需要进行聚类，可以用较小的计算量完成滤波估计。在传统的PHD和CPHD滤波中，认为新生目标多出现在感兴趣的特定位置(例如：机场，视场的边界处等)，新生目标的初始强度是作为先验已知量。而实际应用中，新生目标的初始强度是很难获得的，这给工程应用造成了困难。B.Ristic等人于2012年提出了基于量测驱动的自适应目标新生强度概率假设密度滤波器(AdaptiveTargetBirthIntensityProbabilityHypothesisDensityFilter，ATBI-PHDFilter)，即ATBI-PHD滤波器，能够从量测中估计目标新生强度并同时对新生目标和存活目标进行递推滤波，摆脱对新生强度先验的依赖，并将ATBI方法和多个固定点检测新生的方法进行了对比。LiangMa等人于2014年针对杂波环境下新生目标的快速生成，提出对PHD滤波器的目标新生率的估计方法，得到λ-ATBI-PHDFilter，即λ-ATBI-PHD滤波器。但该方法在杂波环境下，自适应目标新生强度的PHD滤波器在目标新生时刻存在目标确认的滞后现象，即对新生目标出现时刻的估计存在延迟，对后续完整的目标航迹形成和关联造成影响。
技术实现思路
本专利技术为解决上述现有方法的问题，提出一种自适应目标新生强度的PHD平滑器的多目标跟踪方法，即λ-ATBI-PHD平滑器的多目标跟踪方法。本专利技术的主要方法：首先，根据先验杂波数均值来估计目标的新生率，能够在得到特定杂波数均值的情况下，尽快检测到新生目标；其次，通过后向平滑能够更加准确的估计目标出现时刻，减小目标新生时刻的确认滞后情况对后续航迹关联的影响，使得目标数目的估计更加准确。本专利技术实现上述目的的技术方法包括如下步骤：1)对k-1时刻跟踪滤波器中存活目标PHD的高斯混合形式进行初始化，设定第i个高斯项均值ms,k-1(i)，高斯项滤波协方差Ps,k-1/k-1(i)和高斯项权值ws,k-1(i)的初始值，其中i为高斯项的标号，Dk-1/k-1(y,β)表示全体目标PHD，Dk-1/k-1(y,0)表示存活目标PHD，Dk-1/k-1(y,1)表示新生目标PHD，y为目标状态，N(ms,k-1(i)；Ps,k-1/k-1(i))表示均值为ms,k-1(i)，方差为Ps,k-1/k-1(i)的高斯项；2)根据先验杂波信息对新生目标强度估计：2a)根据k时刻传感器的测量方差Σk/k-1、杂波检测概率pD(c)、目标检测概率pD(t)、目标存活概率pS(t)、先验杂波数均值N(c)、目标新生权值门限Te和监控区域体积VS信息来估计k时刻的目标新生率λb,k；2b)根据估计的目标新生率λb,k和量测数据zk，把新生目标的PHD中的高斯项加入到k-1时刻跟踪结果的全体目标的高斯项中，完成对监测区域内新生目标强度的检测，式中wb,k(i)＝λb,k，wb,k(i)，mb,k(i)，Pb,k(i)分别对应新生目标高斯项的权值，均值，方差；3)前向滤波，包括PHD预测和PHD更新：3a)PHD预测：对k-1时刻的全体目标PHD向k时刻进行预测，其中全体目标包括存活目标和新生目标；3b)PHD更新：利用k时刻的量测数据zk，对预测PHD中的新生目标Dk/k-1(y,1)和存活目标Dk/k-1(y,0)分别进行更新，得到前向滤波结果其中wf,k，mf,k，Pf,k分别对应前向滤波后的高斯项权值、均值、方差；4)后向平滑：利用滞后的L时刻的量测信息zL来平滑前向滤波后的高斯项，得到后向平滑结果其中wk/L，mk/L，Pk/L分别对应后向平滑后的高斯项权值，均值，方差，当L＝k+1时为一步后向平滑；5)删剪合并高斯项：对平滑后权值小于经验门限Tprun的高斯项进行删剪，对均值mk(i)之间的距离小于门限Umerg的高斯项进行合并，得到删剪合并后的状态估计结果其中wk(i)，mk(i)，Pk(i)分别对应删剪合并后的高斯项权值，均值，方差；6)估计全体目标数目：对修剪合并后的PHD进行权值求和得到全体目标数目估计7)输出最终的状态估计和目标数估计结果得到多目标跟踪的结果。本专利技术与现有技术相比具有以下优点：1.针对目标新生强度未知条件下，ATBI-PHD滤波器和λ-ATBI-PHD滤波器在目标新生时刻，对目标数的估计和目标确认存在滞后的这一问题提出了一种自适应目标新生强度的PHD平滑器，即λ-ATBI-PHD平滑器，分别对新生目标和存活目标进行前向滤波和后向平滑，给出了高斯混合条件下的实现形式。对于杂波环境下的多目标跟踪问题，由于PHD平滑器能够利用更多的滞后时间测量，因此相比于PHD滤波器，它在杂波密度较大以及传感器检测概率较低时可以有效提高多目标的个数和状态估计精度。2.引入目标新生率估计方法，根据先验杂波强度来估计目标新生率，能够在得到特定杂波数均值的情况下，尽快检测到新生目标。仿真结果表明，相较于ATBI-PHD滤波器、λ-ATBI-PHD滤波器，本专利技术的λ-ATBI-PHD平滑器能够更好的估计目标状态，更加准确的估计目标出现时刻，可以减小目标新生时确认的滞后对航迹生成的影响并准确估计目标数目。火控和航管等探测系统中常常需要获得准确的航迹信息，本专利技术的λ-ATBI-PHD平滑器在杂波环境下对于保证多目本文档来自技高网...

【技术保护点】
一种自适应目标新生强度的PHD平滑器的多目标跟踪方法，包括如下步骤：(1)对k‑1时刻跟踪滤波器中存活目标的PHD的高斯混合形式Dk-1/k-1(y,0)=Σiws,k-1(i)N(ms,k-1(i);Ps,k-1/k-1(i))]]>进行初始化，设定第i个高斯项均值ms,k‑1(i)，高斯项滤波协方差Ps,k‑1/k‑1(i)和高斯项权值ws,k‑1(i)的初始值，其中i为高斯项的标号，Dk‑1/k‑1(y,β)表示全体目标的PHD，β为区分新生目标和存活目标的标志，Dk‑1/k‑1(y,0)表示存活目标的PHD，Dk‑1/k‑1(y,1)表示新生目标的PHD，y为目标的可观测状态，N(ms,k‑1(i)；Ps,k‑1/k‑1(i))表示均值为ms,k‑1(i)，方差为Ps,k‑1/k‑1(i)的高斯项；(2)根据先验杂波信息对新生目标强度估计：2a)根据k时刻传感器的测量方差Σk/k‑1、杂波检测概率pD(c)、目标检测概率pD(t)、目标存活概率pS(t)、先验杂波数均值N(c)、目标新生权值门限Te和监控区域体积VS信息来估计k时刻的目标新生率λb,k；2b)根据估计的目标新生率λb,k和量测数据zk，把新生目标的PHD中的高斯项加入到k‑1时刻跟踪结果的全体目标的高斯项中，完成对监测区域内新生目标强度的检测，式中wb,k(i)＝λb,k，wb,k，mb,k，Pb,k分别对应新生目标高斯项的权值，均值，方差；(3)前向滤波，包括PHD预测和PHD更新：3a)PHD预测：对k‑1时刻的全体目标PHD向k时刻进行预测，其中全体目标包括存活目标和新生目标；3b)PHD更新：利用k时刻的量测数据zk，对预测PHD中的新生目标Dk/k‑1(y,1)和存活目标Dk/k‑1(y,0)分别进行更新，得到前向滤波结果其中wf,k，mf,k，Pf,k分别对应前向滤波后的高斯项权值，均值，方差；(4)后向平滑：利用滞后的L时刻的量测信息zL来平滑前向滤波后的高斯项，得到后向平滑结果其中wk/L，mk/L，Pk/L分别对应后向平滑后的高斯项的权值，均值，方差；当L＝k+1时为一步后向平滑；(5)删剪合并高斯项：对平滑后权值小于经验门限Tprun的高斯项进行删剪，对均值mk(i)之间的距离小于门限Umerg的高斯项进行合并，得到删剪合并后的状态估计结果其中wk(i)，mk(i)，Pk(i)分别对应删剪合并后的高斯项权值，均值，方差；(6)估计全体目标数目：对修剪合并后的PHD进行权值求和得到全体目标数目估计Nk‾=Σiwk(i);]]>(7)输出最终的状态估计和目标数估计结果得到多目标跟踪的结果。...

【技术特征摘要】
1.一种自适应目标新生强度的PHD平滑器的多目标跟踪方法，包括如下步骤：(1)对k-1时刻跟踪滤波器中存活目标的PHD的高斯混合形式进行初始化，设定第i个高斯项均值ms,k-1(i)，高斯项滤波协方差Ps,k-1/k-1(i)和高斯项权值ws,k-1(i)的初始值，其中i为高斯项的标号，Dk-1/k-1(y,β)表示全体目标的PHD，β为区分新生目标和存活目标的标志，Dk-1/k-1(y,0)表示存活目标的PHD，Dk-1/k-1(y,1)表示新生目标的PHD，y为目标的可观测状态，N(ms,k-1(i)；Ps,k-1/k-1(i))表示均值为ms,k-1(i)，方差为Ps,k-1/k-1(i)的高斯项；(2)根据先验杂波信息对新生目标强度估计：2a)根据k时刻传感器的测量方差杂波检测概率pD(c)、目标检测概率pD(t)、目标存活概率pS(t)、先验杂波数均值N(c)、目标新生权值门限Te和监控区域体积VS信息来估计k时刻的目标新生率λb,k；2b)根据估计的目标新生率λb,k和量测数据zk，把新生目标的PHD中的高斯项加入到k-1时刻跟踪结果的全体目标的高斯项中，完成对监测区域内新生目标强度的检测，式中wb,k(i)＝λb,k，wb,k，mb,k，Pb,k分别对应新生目标高斯项的权值，均值，方差；(3)前向滤波，包括PHD预测和PHD更新：3a)PHD预测：对k-1时刻的全体目标PHD向k时刻进行预测，其中全体目标包括存活目标和新生目标；3b)PHD更新：利用k时刻的量测数据zk，对预测PHD中的新生目标Dk/k-1(y,1)和存活目标Dk/k-1(y,0)分别进行更新，得到前向滤波结果其中wf,k，mf,k，Pf,k分别对应前向滤波后的高斯项权值，均值，方差；(4)后向平滑：利用滞后的L时刻的量测信息zL来平滑前向滤波后的高斯项，得到后向平滑结果其中wk/L，mk/L，Pk/L分别对应后向平滑后的高斯项的权值，均值，方差...

【专利技术属性】
技术研发人员：宋骊平，王宇飞，姬红兵，程慧，
申请(专利权)人：西安电子科技大学，
类型：发明
国别省市：陕西;61