一种基于权重融合选择的粒子滤波检测前跟踪方法技术

本发明专利技术公开了一种基于权重融合选择的粒子滤波检测前跟踪方法，在跟踪环节中的粒子权重融合部分对粒子权重加上幂值，计算每个雷达位置与跟踪粒子群位置均值的距离，对其距离按从小到大进行排序，依据此排序对雷达粒子权重加上不同的幂值。在雷达粒子权重融合后，对跟踪粒子群进行筛选，按粒子权重值大小对跟踪粒子群从大到小进行排序，选取排序后的前m个粒子并计算其平均状态。分别计算得到这m个粒子与其粒子平均位置的距离并与一给定阈值Dis进行比较，若其值大于Dis，则令对应的粒子状态等于排序后的前m个粒子平均状态且令粒子权重等于前m个粒子权重均值，群高了跟踪粒子群的粒子权重准确度，提高了跟踪精度。

【技术实现步骤摘要】
一种基于权重融合选择的粒子滤波检测前跟踪方法
本专利技术属于雷达检测前跟踪
，涉及多雷达多目标粒子滤波检测前跟踪
，具体涉及一种基于权重融合选择的粒子滤波检测前跟踪方法。
技术介绍
多雷达多目标粒子滤波检测前跟踪算法是一种利用多雷达对多个弱目标实现检测跟踪的方法，常采用双层粒子滤波结构，即目标跟踪层和目标检测层。在目标跟踪层对已发现目标进行跟踪滤波时，如果目标距离较近，在抛洒目标跟踪粒子群时，可能会抛在邻近的目标区域。此外，如果雷达距离这些目标较远，则根据其雷达量测计算得到的粒子权重，不能准确反映不同目标性位置。若在进行多雷达粒子权重融合时，仅仅是简单的粒子权重相乘，可能会导致某个目标跟踪粒子群中，相对于群中心的粒子，位于群边缘位置且靠近邻近目标的粒子权重偏大，在重采样时粒子群发生偏移，导致目标航迹逐渐偏移到邻近目标航迹上的现象。
技术实现思路
本专利技术考虑对多个距离较近目标跟踪问题中的目标航迹偏移问题，提出了基于权重融合选择的粒子滤波检测前跟踪方法。本专利技术方法的具体步骤是：步骤1、初始化参数：雷达扫描周期T、观测总帧数K、粒子群中粒子个数N、雷达个数R、雷达粒子权重融合幂值数组L＝[L1,L2…LR]，距离、多普勒以及方位空间单元距离分别为Dr,Dd,Db；步骤2、读取多个雷达的第k帧量测其中，表示第r个雷达的第k帧回波数据的量测单元(m,n,p)中的量测，m、n、p分别表示距离单元、多普勒单元以及方位单元；步骤3、对k-1时刻的跟踪目标集Taxe＝{f1,k-1，,f2,k-1…fm,k-1}中的m个目标进行跟踪，Tm为跟踪集中目标个数，每个目标fi,k-1均拥有一个跟踪粒子群Pi,k-1＝{pi,1,k-1,pi,2,k-1…pi,N,k-1}，其中pi,j,k-1表示第i个目标的第j个粒子。步骤3.1、令i＝1，r＝1，j＝1；步骤3.2、对第i个目标的跟踪粒子群Pi,k-1＝{pi,1,k-1,pi,2,k-1…pi,N,k-1}中的每个粒子进行状态转移，从而得到目标的跟踪粒子群Pi,k＝{pi,1,k,pi,2,k…pi,N,k}，每个粒子的状态变量为和存在变量Ei,j；步骤3.3、计算跟踪粒子群中每个粒子的多雷达权值，具体步骤为：步骤3.3.1、比较目标第j个粒子的Ei,j是否大于0，如果是，进入步骤3.3.2，否则，计算粒子基于第r个雷达的权值为1，并转到步骤3.3.4。步骤3.3.2、计算第j个粒子对应第r个雷达下的距离多普勒以及方位值xr,yr代表第r个雷达位置。步骤3.3.3、计算单个雷达下的粒子权重其中表示第j个粒子基于第r个雷达量测的权重，(m,n,p,k)为k时刻，粒子的值在此雷达量测空间中的单元位置；σn代表标准差，Lr表示与距离有关的衰减常数，Ld表示与多普勒有关的衰减常数，Lb表示与方位有关的衰减常数，R(m)表示目标处于第r个雷达量测单元对应的距离，D(n)表示目标处于第r个雷达量测单元对应的多普勒，B(p)表示目标处于第r个雷达量测单元对应的方位值，Ar,k为第r个传感器对应单元复幅度。步骤3.3.4、若j<N，则j＝j+1并进入步骤3.3.1，否则进入步骤3.3.5。步骤3.3.5、若r<R，则j＝1，r＝r+1并进入步骤3.3.1，否则，进入步骤3.4。步骤3.4、计算多雷达融合粒子权值步骤3.4.1，计算k-1时刻目标分别与R个雷达的距离：其中dr,i,k表示k时刻第i个目标预测值与第r个雷达距离，代表第r个雷达x,y方向的位置，代表由第i个目标k-1时刻状态信息进行转移得到目标k时刻在x,y方向的预测位置。步骤3.4.2、得到距离集合为di,k＝{di,1,k,di,2,k…di,R,k}，将di,k从小到大进行排序，得到其排序标号I＝{I1,…Ir…,IR}＝{1,2…R}，Ir表示第r个雷达距离在集合中排第Ir位。步骤3.4.3、依据雷达排序标号值依次为每个雷达分配其在雷达粒子权重融合幂值数组L＝[L1,L2…LR]中所对应位置的幂值，L1＝L2＝…＝LR/2＝2，LR/2+1＝…＝LR＝1。步骤3.4.4、令r＝1。步骤3.4.5、将第r个雷达对应的粒子权值归一化：步骤3.4.6、若r<R，则r＝r+1并进入步骤3.4.5，否则进入步骤3.4.7。步骤3.4.7、计算融合后雷达粒子权重：为第r个雷达的粒子权重融合幂值，表示第j个粒子基于第r个雷达量测的权重。步骤3.4.8、对融合后的粒子群权重进行归一化：步骤3.5、对跟踪粒子群进行管理；步骤3.5.1、按照粒子权重值对第i个目标的跟踪粒子群按从大到小进行排序，得到前H个粒子计算得到这H个粒子的状态均值步骤3.5.2、依次计算这H个粒子与粒子均值之间的距离：其中为粒子群的位置均值，分别表示粒子群中第j个粒子的位置；步骤3.5.3、设定一个阈值常数Dis，若大于Dis，则将其在跟踪粒子群Pi,j,k中所对应的粒子状态变为粒子状态均值步骤3.6、采用系统重采样，对跟踪粒子群Pi,k＝{pi,1,k,pi,2,k…pi,N,k}进行更新；步骤3.7、计算目标fi,k的检测概率pb，判断pb是否小于发现目标阈值Myu，若是，则认为该目标为虚假目标，从目标跟踪集Taxe中将目标删除，并删除跟踪粒子群Pi,k，反之则认为该目标存在，获得目标状态估计即为目标的下一时刻状态，目标存在概率为：pb＝M/N式(10)其中M为存在变量Ei,j＝1的粒子数；步骤3.8、若i<Tm，则i＝i+1并进入步骤3.2，否则进入步骤3.9；步骤3.9、跟踪目标集为Taxe中的每个目标fi,k-1更新为fi,k，最终获得k时刻的跟踪目标集Taxe，跟踪目标数目为Tm；步骤4、对k时刻新目标进行探测，产生探测粒子群用于探测新目标，探测到的新目标输入到检测目标集Daxe中获得检测目标集和检测目标粒子群其中h为检测目标集中的第h个目标，具体是：步骤4.1、令Dm＝0；Dm为检测目标集中的目标个数；步骤4.2、探测粒子群中每个粒子进行状态转移，获得每个粒子的状态变量为和存在变量Eh,j，其中xh,j,yh,j为粒子的x,y方向的位置，为粒子x,y方向的速度；步骤4.3、计算探测粒子群中各雷达下粒子权重步骤4.3.1、令j＝1，r＝1，i＝1；步骤4.3.2、计算第j个粒子与检测目标集Daxe和跟踪目标集Taxe合并集中目标i之间的距离见公式(11)；若则第j个粒子权重置为1，转入步骤4.3.6，否则进入步骤4.3.3。xh,j,yh,j为探测粒子的x,y方向的位置，xi,k,yi,k为检测目标集本文档来自技高网...

【技术保护点】
1.一种基于权重融合选择的粒子滤波检测前跟踪方法，其特征在于，该方法具体包括以下步骤：/n步骤1、初始化参数：雷达扫描周期T、观测总帧数K、粒子群中粒子个数N、雷达个数R、雷达粒子权重融合幂值数组L＝[L

【技术特征摘要】
1.一种基于权重融合选择的粒子滤波检测前跟踪方法，其特征在于，该方法具体包括以下步骤：
步骤1、初始化参数：雷达扫描周期T、观测总帧数K、粒子群中粒子个数N、雷达个数R、雷达粒子权重融合幂值数组L＝[L1,L2…LR]，距离、多普勒以及方位空间单元距离分别为Dr,Dd,Db；
步骤2、读取多个雷达的第k帧量测其中，表示第r个雷达的第k帧回波数据的量测单元(m,n,p)中的量测，m、n、p分别表示距离单元、多普勒单元以及方位单元；
步骤3、对k-1时刻的跟踪目标集Taxe＝{f1,k-1，,f2,k-1…fm,k-1}中的m个目标进行跟踪，Tm＝m，每个目标fi,k-1均拥有一个跟踪粒子群Pi,k-1＝{pi,1,k-1,pi,2,k-1…pi,N,k-1}，其中pi,j,k-1表示第i个目标的第j个粒子；
步骤3.1、令i＝1，r＝1，j＝1；
步骤3.2、对第i个目标的跟踪粒子群Pi,k-1＝{pi,1,k-1,pi,2,k-1…pi,N,k-1}中的每个粒子进行状态转移，从而得到目标的跟踪粒子群Pi,k＝{pi,1,k,pi,2,k…pi,N,k}，每个粒子的状态变量为和存在变量Ei,j；
步骤3.3、计算跟踪粒子群中每个粒子的多雷达权值，具体步骤为：
步骤3.3.1、比较目标第j个粒子的Ei,j是否大于0，如果是，进入步骤3.3.2，否则，计算粒子基于第r个雷达的权值为1，并转到步骤3.3.4；
步骤3.3.2、计算第j个粒子对应第r个雷达下的距离多普勒以及方位值









xr,yr代表第r个雷达位置；
步骤3.3.3、计算单个雷达下的粒子权重






其中表示第j个粒子基于第r个雷达量测的权重，(m,n,p,k)为k时刻，粒子的值在此雷达量测空间中的单元位置；σn代表标准差，Lr表示与距离有关的衰减常数，Ld表示与多普勒有关的衰减常数，Lb表示与方位有关的衰减常数，R(m)表示目标处于第r个雷达量测单元对应的距离，D(n)表示目标处于第r个雷达量测单元对应的多普勒，B(p)表示目标处于第r个雷达量测单元对应的方位值；
步骤3.3.4、若j<N，则j＝j+1并进入步骤3.3.1，否则进入步骤3.3.5；
步骤3.3.5、若r<R，则j＝1，r＝r+1并进入步骤3.3.1，否则，进入步骤3.4；
步骤3.4、计算多雷达融合粒子权值j＝1,…,N；
步骤3.4.1，计算k-1时刻目标分别与R个雷达的距离：



其中dr,i,k表示k时刻第i个目标预测值与第r个雷达距离，代表第r个雷达x,y方向的位置，代表由第i个目标k-1时刻状态信息进行转移得到目标k时刻在x,y方向的预测位置；
步骤3.4.2、得到距离集合为di,k＝{di,1,k,di,2,k…di,R,k}，将di,k从小到大进行排序，得到其排序标号I＝{I1,…Ir…,IR}＝{1,2…R}，Ir表示第r个雷达距离在集合中排第Ir位；
步骤3.4.3、依据雷达排序标号值依次为每个雷达分配其在雷达粒子权重融合幂值数组L＝[L1,L2…LR]中所对应位置的幂值，L1＝L2＝…＝LR/2＝2，LR/2+1＝…＝LR＝1；
步骤3.4.4、令r＝1；
步骤3.4.5、将第r个雷达对应的粒子权值归一化：



步骤3.4.6、若r<R，则r＝r+1并进入步骤3.4.5，否则进入步骤3.4.7；
步骤3.4.7、计算融合后雷达粒子权重：




为第r个雷达的粒子权重融合幂值，表示第j个粒子基于第r个雷达量测的权重；
步骤3.4.8、对粒子群权重进行归一化：



步骤3.5、对跟踪粒子群进行管理；
步骤3.5.1、按照粒子权重值对第i个目标的跟踪粒子群按从大到小进行排序，得到前H个粒子计算得到这H个粒子的状态均值
步骤3.5.2、依次计算这H个粒子与粒子均值之间的距离：



其中为粒子群的位置均值，分别表示粒子群中第j个粒子的位置；
步骤3.5.3、设定一个阈值常数Dis，若大于Dis，则将其在跟踪粒子群Pi,j,k中所对应的粒子状态变为粒子状态均值
步骤...

【专利技术属性】
技术研发人员：石义芳，潘凯，陈霄，
申请(专利权)人：杭州电子科技大学，
类型：发明
国别省市：浙江;33