具有形状信息的多个群目标跟踪方法技术

本发明专利技术公开了一种具有形状信息的多个群目标跟踪方法，包括以下步骤：建立模型步骤，对群目标建立运动模型和雷达的量测模型；分群处理步骤，将雷达初始时刻所获得的量测划分到不同的群目标并给各群目标确定起始航迹；航迹关联步骤，将当前时刻的各量测分别与前一时刻的群目标航迹进行关联；分别对各群目标进行滤波跟踪步骤，对各个群目标的运动状态信息和形状进行预测更新。本发明专利技术的具有形状信息的多个群目标跟踪方法，通过在群状态中增加随机矩阵描述群目标形状，不仅节省了雷达跟踪资源并且通过实时估计群形状为驾驶员提供更多参考信息，更具有实际应用价值。

【技术实现步骤摘要】
具有形状信息的多个群目标跟踪方法
本专利技术涉及相控阵雷达系统
，特别是雷达目标跟踪

技术介绍
群目标可以看做是一组彼此相距很近，短时间内速度、运动方向基本一致的目标。群目标跟踪在地面或海面目标监控，多目标编队运动、人群或兽群跟踪等领域有重要的应用价值。群目标跟踪可以解决密集目标跟踪困难的问题，在大多数情况下，群目标不仅有相似的运动特性，又由于群内的个体目标较为密集，在很长时间内处于相互临近的状态。同时受雷达分辨率限制，逐个跟踪群内每个目标精度很低，此时可以对群整体进行跟踪。同时，群的形状是群的一个重要特征，反映了群目标的近期行为和意图，对战场态势评估和军事决策具有非常重要的意义。目前较多采用的群目标跟踪的方法是将单个群目标的跟踪方法与传统数据关联方法相结合实现多个群目标的跟踪，但这种方法没有估计群的形状信息；现有的群形状估计算法只适用于无杂波漏检环境下，单个群目标的跟踪。例如KOCH等人提出了一种群目标Bayesian递推算法，跟踪群目标的质心状态的同时可以对群目标的形状进行估计。但是它目前仅用于跟踪无杂波条件下的单个群目标；Feldmann对群目标跟踪Bayesian算法进行了改进，考虑了量测不确定性对目标形状估计的影响。但它也仅用于跟踪单个群目标。
技术实现思路
本专利技术为了解决现有算法中无法对多个群目标进行跟踪的技术问题，提出了一种具有形状信息的多个群目标跟踪方法，可以解决上述问题。为了解决上述技术问题，本专利技术采用以下技术方案予以实现：一种具有形状信息的多个群目标跟踪方法，包括以下步骤：建立模型步骤，对群目标建立运动模型和雷达的量测模型；分群处理步骤，将雷达初始时刻所获得的量测划分到不同的群目标并给各群目标确定起始航迹；群航迹关联步骤，将当前时刻的各量测分别与前一时刻的群目标航迹进行关联；分别对各群目标进行滤波跟踪步骤，对各个群目标的运动状态信息和形状进行预测更新。进一步的，建立模型步骤中，所建立的运动模型为：xk＝Fkxk-1+wk雷达的量测模型为：zk＝Hkxk+vk其中，xk为k时刻群目标的运动状态向量，Fk为状态转移矩阵，wk为过程噪声，为零均值的高斯白噪声，即wk～N(0,Qk)，Qk为过程噪声协方差，Hk为量测矩阵，vk为量测噪声，是零均值的高斯白噪声，即vk～N(0,λXk+Rk)。进一步的，分群处理步骤中包括以下子步骤：(11)、选取中心量测，并以中心量测作为中心，以预先设定的分群阈值作为阈值，在此中心量测上建立分群波门；(12)、以落入分群波门内的量测分别作为中心，以所述分群阈值作为阈值重新建立分群波门，寻找新的落入分群波门内的量测，直至查找完所有落入分群波门内的量测，将所有落入分群波门内的量测划为一个群目标；(14)、对于未被划分至群目标的其他量测，重复步骤(11)和步骤(12)，直至所有的量测均具有群目标的归属。进一步的，群航迹关联步骤中包括以下子步骤：(21)、分别以各个群目标在当前时刻的预测作为中心，建立跟踪波门；(22)、查找落入各跟踪波门内的当前时刻的量测，更新群目标中的量测。进一步的，步骤(22)之后，还包括：(23)、判断当前时刻的所有量测是否与相应群航迹关联上，若存在量测未被关联上，则从该未被关联上的量测中选取一个或者多个作为中心量测，执行分群处理步骤。进一步的，分别对各群目标进行滤波跟踪包括对群目标的运动状态跟踪和形状跟踪，对群目标进行跟踪包括以下子步骤：(31)、对群目标的下一时刻的形状进行预测，假设在两个采样时刻形状没有发生变化，即k时刻随机矩阵的预测值与k-1时刻随机矩阵的更新值相等，即Xk|k-1＝Xk-1|k-1(1)其中Xk|k-1为k时刻随机矩阵的预测值，Xk-1|k-1为k-1时刻随机矩阵的更新值；(32)、对群目标的下一时刻的运动状态进行预测：xk|k-1＝Fkxk-1|k-1一步预测协方差Pk|k-1为其中Qk为过程噪声协方差阵；在k时刻形状矩阵的更新值Xk|k通过下式得出：其中，αk|k，αk|k-1为标量，随滤波算法进行预测与更新，其初始值根据经验值设定，αk|k的值为αk|k-1与群所关联上的量测个数之和，和为中间变量。进一步的，中间变量αk|k-1的预测值为αk|k-1＝2+exp(-T/τ)(αk-1|k-1-2)其中T为采样间隔，τ为衰减因子常量，需要在实际跟踪中进行设定。进一步的，对群目标进行跟踪还包括：对群目标的当前时刻的形状进行更新和对群目标的当前状态进行更新。与现有技术相比，本专利技术的优点和积极效果是：本专利技术的具有形状信息的多个群目标跟踪方法，通过在群状态中增加随机矩阵描述群目标形状，不仅节省了雷达跟踪资源并且通过实时估计群形状为驾驶员提供更多参考信息，更具有实际应用价值。结合附图阅读本专利技术实施方式的详细描述后，本专利技术的其他特点和优点将变得更加清楚。附图说明为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。图1是本专利技术所提出的具有形状信息的多个群目标跟踪方法的一种实施例流程图；图2是本专利技术所提出的具有形状信息的多个群目标跟踪方法的一种实施例极坐标下跟踪与测量信息图；图3a是本专利技术所提出的具有形状信息的多个群目标跟踪方法的一种实施例目标状态跟踪误差曲线；图3b是本专利技术所提出的具有形状信息的多个群目标跟踪方法的一种实施例目标形状估计误差曲线。具体实施方式下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。实施例一，本实施例提出了一种具有形状信息的多个群目标跟踪方法，包括以下步骤：建立模型步骤，对群目标建立运动模型和雷达的量测模型；分群处理步骤，将雷达初始时刻所获得的量测划分到不同的群目标并给各群目标确定起始航迹；群航迹关联步骤，将当前时刻的各量测分别与前一时刻的群目标航迹进行关联；分别对各群目标进行滤波跟踪步骤，对各个群目标的运动状态信息和形状进行预测更新。当前时刻可标记为k时刻，其中，k为正整数，为初始时刻之后的任一时刻。本实施例的具有形状信息的多个群目标跟踪方法，通过在群状态中增加随机矩阵描述群目标形状，不仅节省了雷达跟踪资源并且通过实时估计群形状为驾驶员提供更多参考信息，更具有实际应用价值。作为一个优选的实施例，建立模型步骤中，根据传统单目标跟踪的经典卡尔曼滤波理论，对群目标建立目标的运动模型和雷达的量测模型。将目标形状近似为椭圆并由对称正定矩阵表示，在群状态中增加随机矩阵描述群目标形状。所建立的运动模型为：xk＝Fkxk-1+wk雷达的量测模型为：zk＝Hkxk+vk其中，xk为k时刻群目标的运动状态向量，包括了位置、速度、加速度等空间维数。Fk为状态转移矩阵，wk为过程噪声，为零均值的高斯白噪声，即wk～N(0,Qk)，Qk为过程噪声协方差，Hk为量测矩阵，vk为量测噪声，是零均值的高斯本文档来自技高网...

【技术保护点】
1.一种具有形状信息的多个群目标跟踪方法，其特征在于，包括以下步骤：建立模型步骤，对群目标建立运动模型和雷达的量测模型；分群处理步骤，将雷达初始时刻所获得的量测划分到不同的群目标并给各群目标确定起始航迹；群航迹关联步骤，将当前时刻的各量测分别与前一时刻的群目标航迹进行关联；分别对各群目标进行滤波跟踪步骤，对各个群目标的运动状态信息和形状进行预测更新。

【技术特征摘要】
1.一种具有形状信息的多个群目标跟踪方法，其特征在于，包括以下步骤：建立模型步骤，对群目标建立运动模型和雷达的量测模型；分群处理步骤，将雷达初始时刻所获得的量测划分到不同的群目标并给各群目标确定起始航迹；群航迹关联步骤，将当前时刻的各量测分别与前一时刻的群目标航迹进行关联；分别对各群目标进行滤波跟踪步骤，对各个群目标的运动状态信息和形状进行预测更新。2.根据权利要求1所述的具有形状信息的多个群目标跟踪方法，其特征在于，建立模型步骤中，所建立的运动模型为：xk＝Fkxk-1+wk雷达的量测模型为：zk＝Hkxk+vk其中，xk为k时刻群目标的运动状态向量，Fk为状态转移矩阵，wk为过程噪声，为零均值的高斯白噪声，即wk～N(0,Qk)，Qk为过程噪声协方差，Hk为量测矩阵，vk为量测噪声，是零均值的高斯白噪声，即vk～N(0,λXk+Rk)。3.根据权利要求1所述的具有形状信息的多个群目标跟踪方法，其特征在于，分群处理步骤中包括以下子步骤：(11)、选取中心量测，并以中心量测作为中心，以预先设定的分群阈值作为阈值，在此中心量测上建立分群波门；(12)、以落入分群波门内的量测分别作为中心，以所述分群阈值作为阈值重新建立分群波门，寻找新的落入分群波门内的量测，直至查找完所有落入分群波门内的量测，将所有落入分群波门内的量测划为一个群目标；(14)、对于未被划分至群目标的其他量测，重复步骤(11)和步骤(12)，直至所有的量测均具有群目标的归属。4.根据权利要求1所述的具有形状信息的多个群目标跟踪方法，其特征在于，群航迹关联步骤中包括以下子步骤：(21)、分别以各个群目标在当前时刻的预测作为中心，建立跟踪波门；(22)、查找落入各跟...

【专利技术属性】
技术研发人员：戚甫峰，王婷婷，夏栋，郭维波，李大龙，彭志刚，杨玲芳，
申请(专利权)人：中国人民解放军海军航空大学青岛校区，
类型：发明
国别省市：山东,37