【技术实现步骤摘要】
本专利技术属于被动声呐水下多目标跟踪领域，具体涉及一种面向邻近目标场景的粒子滤波检测前跟踪方法。
技术介绍
1、近年来，检测前跟踪方法逐渐引起人们的关注。它不在单帧内对信号进行门限判决，而是利用相邻多帧之间目标方位估计的相关性和噪声的非相关性对目标进行跟踪。目前检测前跟踪算法主要基于随机有限集框架或基于递归估计联合多目标后验密度。ronaldmahler提出概率假设密度使用一阶距近似将随机有限集理论应用在多目标跟踪领域。随后基于phd(概率假设密度)理论又衍生出序贯蒙特卡洛、混合高斯等实现phd滤波器的方法，并将其应用于检测前跟踪。基于随机有限集的检测前跟踪方法避免了多目标轨迹的维持，具有优异的计算潜力，但目前的近似方法，如phd和多目标多伯努利近似损失了大量信息，存在瞬时目标数量估计方差大、目标批次和邻近目标的相对位置信息缺失等问题，所以在需要准确目标批次信息的场景中，传统基于轨迹维持的跟踪算法仍然具有一定优势。近年来许多学者围绕提高计算效率、邻近目标状态估计和复杂机动场景下的目标跟踪等方面对基于轨迹维持框架下的tbd算法(检测前跟踪算法)展开研究，kreucher提出了递归估计jmpd的方法，将多目标跟踪问题按照目标估计状态的欧氏距离划分为独立分区粒子滤波和耦合分区粒子滤波，并使用辅助粒子在采样过程中考虑了量测值以降低算法对粒子数量的要求。rutten m.g提出了一种瑞利噪声下似然函数的设计方法。在水下被动声呐doa估计的多目标跟踪领域，northardt t使用被动声呐的历史累积能量作为似然函数。yi w较为完整的整理了
2、1.目标对传感器空间的响应出现交叠，对于纯方位跟踪问题，由于方位邻近目标的存在，导致依靠量测信息无法分辨目标的方位或估计目标的方位出现较大偏差。
3、2.jmpd框架下的多目标跟踪算法面对耦合目标时存在“排列对称”问题，即粒子中各目标分区的顺序与似然函数无关。
4、针对问题1，有学者在被动声呐的纯方位跟踪问题上使用粒子滤波方法估计目标信号强度，并据此构造点扩散函数作为似然函数，在保留独立分区假设条件下使用邻近目标的预测状态计算目标的似然。仿真表明该方法对邻近目标的状态估计有明显改善，但该方法在计算似然函数时只考虑了邻近目标的预测值，当目标机动和运动模型失配，目标方位角和真实方位角出现较大偏差时，其邻近目标的跟踪性能将受较大影响。
5、针对问题2，kreucher针对jmpd的“排列对称”问题使用k均值聚类方法划分目标批次，根据聚类结果对耦合分区进行排序，以保证每个粒子对应分区表示同一批次目标。该方法在两目标对应分区粒子状态之间相距足够远时效果较好，当目标在传感器空间距离较近且粒子分布较为分散时，两目标对应分区粒子状态出现混叠，此时使用k均值聚类方法时往往得不到正确的分区结果。特别地，在轨迹交叉场景中若每一时刻都使用k均值聚类方法，可能会对交叉结果产生误判，在小角度交叉场景中这种处理方法将导致目标批次分类出现错误。
6、综上所述，在邻近目标场景下，现有的目标检测前跟踪方法的跟踪性能仍然比较有限，提出一种新的邻近目标检测前跟踪方法是十分必要的。
技术实现思路
1、本专利技术的目的是为提高邻近目标场景下的目标检测前跟踪方法的跟踪性能，而提出的一种面向邻近目标场景的粒子滤波检测前跟踪方法。
2、本专利技术为解决上述技术问题所采取的技术方案是：
3、一种面向邻近目标场景的粒子滤波检测前跟踪方法，所述方法具体包括以下步骤：
4、步骤一、初始化粒子状态、权值和各目标分区权值；
5、步骤二、初始化时刻k＝1；
6、步骤三、对目标进行分组，得到分组结果；
7、步骤四、初始化目标计数j＝1；
8、步骤五、初始化粒子计数i＝1；
9、步骤六、根据状态转移先验概率采样k时刻第i个粒子第j个目标的分区状态值再根据分区状态值计算k时刻第i个粒子第j个目标的分区权值；
10、步骤七、判断是否满足i＝ng，ng是粒子总数；
11、若满足，则根据分区权值对第j个目标对应的分区状态值进行重采样后，执行步骤八；
12、若不满足，则令i＝i+1，并返回执行步骤六；
13、步骤八、判断是否满足j＝j，j是目标总数；
14、若满足，则执行步骤九；
15、若不满足，则令j＝j+1，并返回执行步骤五；
16、步骤九、分别计算每个联合分布粒子的权值，并根据各联合分布粒子的权值计算有效粒子数；
17、若有效粒子数小于门限，则对粒子进行重采样后，再执行步骤十，否则有效粒子数大于等于门限，则直接执行步骤十；
18、步骤十、基于目标相对位置对联合分布粒子的权值进行调整，得到调整后的粒子权值；
19、步骤十一、根据调整后的粒子权值计算k时刻每个目标的状态，再令k＝k+1，返回执行步骤三。
20、进一步地，所述步骤三中是根据设置的邻近门限对目标进行分组，分组结果满足：
21、1)每个分组内至少有一个目标；
22、2)每个目标只能属于一个分组；
23、3)若某个分组内仅有一个目标s0，则目标s0的预测方位角与其它分组内任意目标的预测方位角之间的距离均大于邻近门限；
24、若某个分组内包含至少两个目标，将该组内包含的目标分别记为s1、s2、…、sn，对于该组内的任意一个目标sn，分别计算该组内目标sn的预测方位角与该组内其它目标的预测方位角之间的距离，并将计算出的距离分别与邻近门限进行比较，则在该组内的其它目标中，至少有一个目标的预测方位角与目标sn的预测方位角之间的距离小于等于邻近门限。
25、进一步地，所述根据分区状态值计算k时刻第i个粒子第j个目标的分区权值；具体为：
26、
27、
28、其中，表示k时刻第i个粒子第j个目标的分区权值，表示k-1时刻第i个粒子第j个目标的分区归一化权值，表示k时刻第i个粒子第j个目标的分区归一化权值，ng是粒子总个数，表示k时刻第i个粒子第j个目标的边缘似然函数。
29、进一步地，所述k时刻第i个粒子第j个目标的边缘似然函数近似为：
30、
31、其中，是k时刻第j个目标的邻近目标联合先验概率的近似值，为k时刻第j个目标的邻近目标状态，s为邻近目标状态所有取值的集合，是分组g内目标的联合似然函数；
32、
33、其中，表示k时刻第j个目标方位估计值，表示对本文档来自技高网...
【技术保护点】
1.一种面向邻近目标场景的粒子滤波检测前跟踪方法，其特征在于，所述方法具体包括以下步骤：
2.根据权利要求1所述的一种面向邻近目标场景的粒子滤波检测前跟踪方法，其特征在于，所述步骤三中是根据设置的邻近门限对目标进行分组，分组结果满足：
3.根据权利要求2所述的一种面向邻近目标场景的粒子滤波检测前跟踪方法，其特征在于，所述根据分区状态值计算k时刻第i个粒子第j个目标的分区权值；具体为：
4.根据权利要求3所述的一种面向邻近目标场景的粒子滤波检测前跟踪方法，其特征在于，所述k时刻第i个粒子第j个目标的边缘似然函数近似为：
5.根据权利要求4所述的一种面向邻近目标场景的粒子滤波检测前跟踪方法，其特征在于，所述方位谱图上第i′个观测单元的似然函数为：
6.根据权利要求5所述的一种面向邻近目标场景的粒子滤波检测前跟踪方法，其特征在于，所述的设计方法为：
7.根据权利要求6所述的一种面向邻近目标场景的粒子滤波检测前跟踪方法，其特征在于，所述步骤九中，分别计算每个联合分布粒子的权值的具体过程为：
8.根据权利要
9.根据权利要求8所述的一种面向邻近目标场景的粒子滤波检测前跟踪方法，其特征在于，所述步骤11的具体过程为：
10.根据权利要求9所述的一种面向邻近目标场景的粒子滤波检测前跟踪方法，其特征在于，所述步骤十一中，根据调整后的粒子权值计算k时刻每个目标的状态的具体过程为：
...【技术特征摘要】
1.一种面向邻近目标场景的粒子滤波检测前跟踪方法，其特征在于，所述方法具体包括以下步骤：
2.根据权利要求1所述的一种面向邻近目标场景的粒子滤波检测前跟踪方法，其特征在于，所述步骤三中是根据设置的邻近门限对目标进行分组，分组结果满足：
3.根据权利要求2所述的一种面向邻近目标场景的粒子滤波检测前跟踪方法，其特征在于，所述根据分区状态值计算k时刻第i个粒子第j个目标的分区权值；具体为：
4.根据权利要求3所述的一种面向邻近目标场景的粒子滤波检测前跟踪方法，其特征在于，所述k时刻第i个粒子第j个目标的边缘似然函数近似为：
5.根据权利要求4所述的一种面向邻近目标场景的粒子滤波检测前跟踪方法，其特征在于，所述方位谱图上第i′个观测单元的似然...
【专利技术属性】
技术研发人员：齐滨，朱力，王逸林，邹男，郝宇，王晋晋，张志刚，
申请(专利权)人：哈尔滨工程大学，
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。