System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术属于雷达目标跟踪领域,具体涉及一种针对星凸形不规则形状扩展目标的跟踪方法及系统。
技术介绍
1、目标跟踪技术是基于传感器反馈的量测信息对所跟踪目标进行的实时动态估计的过程。在目标跟踪算法研究初期,由于传统传感器分辨率较低,不足以检测出目标的形状与范围,因此,一般将目标建模为点源(点目标)。点目标跟踪可以将其描述为使用传感器量测信息对目标质心位置、速度和加速度等运动学状态进行估计。近些年,随着信息融合技术的快速发展和传感器分辨率的显著提升,现代传感器在一个采样周期内可以解析出多个量测,同时配合信息融合技术能挖掘出更多的目标特征信息,能够对目标运动学状态和扩展状态进行联合估计,将此类跟踪问题称为扩展目标跟踪(extended target tracking,ett)。ett问题自提出以来一直是国内外专家学者的深切关注点和研究方向,并且取得了很多优秀的科研成果。然而,对扩展目标更全面的识别和突出特征的检测,尤其在扩展目标细节的刻画方面目前是远远不够的,研究问题的关键在于更为科学的量测源建模方法。
2、在对扩展目标量测源建模的研究中,可以将其建模为简单的几何形状,如圆,椭圆,矩形等。其中,由koch于2008年提出的随机矩阵模型(random matrix model,rmm)是目前应用最广泛的量测源建模方式,但由于其对目标形状的估计简单,信息的利用率较小,无法对目标的细节特征进行精确地估计。因此,在估计辨识度较高的目标时,椭圆建模的方式估计效果明显不够。而探究不规则形状的目标的细节特征一直以来也是扩展目标跟踪研究
技术实现思路
1、本专利技术旨在解决对扩展目标跟踪现有算法不能准确估计目标轮廓细节的缺点,本专利技术提出了一种针对星凸形不规则形状扩展目标的跟踪方法及系统,能够较好的处理各种线性,非线性星凸形扩展目标跟踪问题。
2、为实现上述目的,本专利技术提供了如下方案:
3、一种针对星凸形不规则形状扩展目标的跟踪方法,包括以下步骤:
4、获得传感器的量测数据;
5、根据所述量测数据进行状态初始化、目标状态初始化,获取量测信息;
6、通过kriging模型学习已知的状态与所述量测信息之间的映射关系,得到基于kriging模型的非线性量测方程;
7、加入非线性卡尔曼滤波器对状态和所述非线性量测方程进行预测和更新,完成目标状态形状的跟踪和估计。
8、优选的,获得传感器的量测数据的方法包括:
9、yk,l=zk,l+vk,l,
10、其中,zk,l表示目标量测源;vk,l表示均值为0,协方差为cv的高斯白噪声,对于cv一般由传感器模型确定。
11、优选的,根据所述量测数据进行状态初始化的方法包括:
12、设定初始时刻扩展目标的状态矩阵其中xstate=[x,y,vx,vy]t,表示扩展目标状态;x,y表示目标质心位置坐标;vx,vy表示平面两个方向的速度;xshape表示扩展目标范围;即为目标运动状态,表示目标范围;过程噪声wk表示加性过程噪声,服从均值为0,协方差为q的高斯分布;量测噪声vk服从均值为0,协方差为cv的高斯白噪声;同时对采样周期和其他相关参数进行设置。
13、优选的,通过kriging模型学习已知的状态与所述量测信息之间的映射关系的方法包括:
14、
15、其中,f为回归矩阵,β为回归系数阵,表示量测噪声,f(·)为径向函数,uk为实验输入。
16、优选的,基于kriging模型的非线性量测方程的表达式为:
17、
18、其中,表示k时刻的目标质心位置;μs为尺度因子s近似服从正态分布的均值;表示非线性映射关系;ψk表示k时刻目标方位角,具体选取与坐标系有关;sk,l为缩放因子,sk,l∈[0,1];ek,l表示均值为0,协方差为r的高斯白噪声。
19、优选的,加入非线性卡尔曼滤波器对状态和所述非线性量测方程进行预测和更新的方法包括:
20、结合容积卡尔曼滤波器,得到状态空间模型;
21、基于所述状态空间模型,对状态和所述非线性量测方程进行相应均值和协方差的预测和更新;
22、其中,状态空间模型为:
23、xk=fxk-1+wk,
24、
25、其中,f表示状态转移矩阵;表示非线性映射关系。
26、优选的,完成目标状态形状的跟踪和估计的方法包括:
27、利用所述状态空间模型进行递归回归,并基于设置的采样时长,跟踪目标的估计轮廓和质心完整的描绘,并与目标真实轮廓和质心进行对比验证。
28、本专利技术还提供了一种针对星凸形不规则形状扩展目标的跟踪系统,包括:量测模块、初始化模块、映射模块和跟踪模块;
29、所述量测模块用于获得传感器的量测数据;
30、所述初始化模块用于根据所述量测数据进行状态初始化、目标状态初始化,获取量测信息;
31、所述映射模块用于通过kriging模型学习已知的状态与所述量测信息之间的映射关系,得到基于kriging模型的非线性量测方程;
32、所述跟踪模块用于加入非线性卡尔曼滤波器对状态和所述非线性量测方程进行预测和更新,完成目标状态形状的跟踪和估计。
33、与现有技术相比,本专利技术的有益效果为:
34、本专利技术公开了一种针对星凸形不规则形状扩展目标跟踪的方法及系统,通过kriging模型学习扩展目标径向函数,推导得到非线性量测方程,结合卡尔曼滤波器对扩展目标进行状态和形状的跟踪估计,与传统跟踪方法相比无论是目标质心位置还是目标形状范围的估计都更加精确,且对扩展目标局部细节特征的刻画更加准确,跟踪速度更加迅速。
本文档来自技高网...【技术保护点】
1.一种针对星凸形不规则形状扩展目标的跟踪方法,其特征在于,包括以下步骤:
2.根据权利要求1所述的针对星凸形不规则形状扩展目标的跟踪方法,其特征在于,获得传感器的量测数据的方法包括:
3.根据权利要求1所述的针对星凸形不规则形状扩展目标的跟踪方法,其特征在于,根据所述量测数据进行状态初始化的方法包括:
4.根据权利要求1所述的针对星凸形不规则形状扩展目标的跟踪方法,其特征在于,通过Kriging模型学习已知的状态与所述量测信息之间的映射关系的方法包括:
5.根据权利要求1所述的针对星凸形不规则形状扩展目标的跟踪方法,其特征在于,基于Kriging模型的非线性量测方程的表达式为:
6.根据权利要求1所述的针对星凸形不规则形状扩展目标的跟踪方法,其特征在于,加入非线性卡尔曼滤波器对状态和所述非线性量测方程进行预测和更新的方法包括:
7.根据权利要求6所述的针对星凸形不规则形状扩展目标的跟踪方法,其特征在于,完成目标状态形状的跟踪和估计的方法包括:
8.一种针对星凸形不规则形状扩展目标的跟踪系统,其特
...【技术特征摘要】
1.一种针对星凸形不规则形状扩展目标的跟踪方法,其特征在于,包括以下步骤:
2.根据权利要求1所述的针对星凸形不规则形状扩展目标的跟踪方法,其特征在于,获得传感器的量测数据的方法包括:
3.根据权利要求1所述的针对星凸形不规则形状扩展目标的跟踪方法,其特征在于,根据所述量测数据进行状态初始化的方法包括:
4.根据权利要求1所述的针对星凸形不规则形状扩展目标的跟踪方法,其特征在于,通过kriging模型学习已知的状态与所述量测信息之间的映射关系的方法包括:
5.根据权利要求1...
【专利技术属性】
技术研发人员:陈辉,庞虎,张永祺,姜越,张欣雨,杜双燕,王莉,张文旭,梁建虎,赵永红,
申请(专利权)人:兰州理工大学,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。