本發(fā)明涉及一種基于群體智能模型的飛鳥群目標跟蹤方法，屬于低空空域安全監(jiān)視技術領域，涉及雷達目標檢測與跟蹤。

背景技術：

探鳥雷達是河口濕地等鳥類自然保護區(qū)鳥情觀測與研究的重要技術手段，能夠對保護區(qū)內的鳥類種群規(guī)模和活動規(guī)律做出精確統(tǒng)計，協(xié)助有關部門開展保護區(qū)鳥類日常監(jiān)測與科研工作，實現(xiàn)全天候鳥情監(jiān)測。

鳥情數(shù)據(jù)處理是探鳥雷達的核心，鳥群目標跟蹤是鳥情數(shù)據(jù)處理的重要內容。傳統(tǒng)的飛鳥群目標跟蹤方法只關注鳥群的整體運動，僅對鳥群目標的中心進行跟蹤，難于準確統(tǒng)計鳥群中飛鳥目標的數(shù)量。

實際上，鳥群在沒有集中控制的情況下仍然能夠很好地協(xié)同飛行，通過個體之間的交互過程保持“線性團隊”或“聚集式團隊”。鳥群中每個個體的飛行遵循以下基本原則：個體速度盡量與其相鄰個體保持一致、全部個體向群中心聚集、每個個體之間避免相互碰撞，體現(xiàn)出一定的“群體智能”。

技術實現(xiàn)要素：

本發(fā)明的目的是為了解決上述問題，提出一種基于群體智能模型的飛鳥群目標跟蹤方法，該方法適用于基于探鳥雷達的飛鳥群目標跟蹤，實現(xiàn)對鳥群目標數(shù)量的準確統(tǒng)計。

一種基于群體智能的飛鳥群目標跟蹤方法，包括如下步驟：

步驟1，個體目標狀態(tài)預估；

步驟2，群目標狀態(tài)估計；

步驟3，個體目標狀態(tài)修正。

本發(fā)明的優(yōu)點在于：

基于群體智能的飛鳥群目標跟蹤方法能夠利用鳥群協(xié)同飛行中所體現(xiàn)的“群體智能”，跟蹤鳥群中每個目標的運動狀態(tài)，準確統(tǒng)計鳥群所包含的目標數(shù)量，給出每個目標的運動軌跡。

附圖說明

圖1是本發(fā)明的基于群體智能模型的飛鳥群目標跟蹤方法的示意圖；

圖2是本發(fā)明實施例的圖像序列中第1幀圖像的量測位置示意圖；

圖3是本發(fā)明實施例的飛鳥群目標跟蹤結果示意圖。

具體實施方式

下面將結合附圖和實施例對本發(fā)明作進一步的詳細說明。

本發(fā)明是一種基于群體智能模型的飛鳥群目標跟蹤方法，如圖1所示，包括如下步驟：

步驟1，個體目標狀態(tài)預估；

設由N個飛鳥目標組成的飛鳥群目標，在k-1時刻所有飛鳥目標所處的位置集合為其中，表示k-1時刻目標i的位置，i∈{1,2,...,N}，所有飛鳥目標的速度集合為其中，表示k-1時刻目標i的速度。首先，計算每個目標i與群中所有其它目標的距離，并挑選出s個與目標i距離最近的目標，記為集合滿足以下條件

式中，表示k-1時刻目標j的位置，表示k-1時刻目標j的速度，θ為距離閾值。

在k時刻，每個目標i的運動速度受到s個鄰近目標的影響，其預估值由下式計算

式中，θ_i為速度預估調節(jié)系數(shù)。

則k時刻目標i所處的預估位置為：

式中，為k時刻目標i的預估位置，Δt表示雷達的數(shù)據(jù)更新周期。

步驟2，群目標狀態(tài)估計；

基于步驟1獲取的k時刻所有飛鳥目標所處的預估位置計算群目標中心的預估位置為

計算群目標整體的運動速度為

同時，k時刻獲取的飛鳥群目標量測信息為其中，表示k時刻目標i的量測位置，計算群目標量測中心的位置為：

步驟3，個體目標狀態(tài)修正；

利用步驟2獲得的群目標狀態(tài)估計結果，對步驟1中的飛鳥個體目標速度預估值進行修正，如下式

式中，為k時刻目標i的修正速度，為速度修正調節(jié)系數(shù)。

則k時刻目標i所處位置修正為

式中，為k時刻目標i的修正位置。

實施例：

下面結合附圖中二維空間中基于雷達數(shù)據(jù)的飛鳥群目標跟蹤結果對本發(fā)明提出的基于群體智能模型的飛鳥群目標跟蹤方法進行圖示和描述。

本發(fā)明是一種基于群體智能模型的飛鳥群目標跟蹤方法，包括如下步驟：

步驟1，個體目標狀態(tài)預估；

如圖2所示，雷達圖像大小為480×480，圖像左下角為坐標原點，X軸水平向右，Y軸垂直向上，一群飛鳥目標沿X軸負方向水平運動。前一掃描周期標記為k-1＝0，當前掃描周期標記為k＝1，雷達的掃描周期Δt＝1。

圖2中，由N＝35個飛鳥目標組成的飛鳥群目標，在k-1＝0時刻所有飛鳥目標所處的位置為所有飛鳥目標的速度為所有目標以“·”標記在極坐標系中。

以圖2中的目標1為例，首先，計算目標i＝1與群中所有其它目標的距離，并挑選出s＝3個與目標i＝1距離最近的目標，記為集合滿足以下條件

式中，θ＝50為距離閾值。目標1的坐標為[252,356]，與其鄰近的3個目標的坐標分別為[239,356]，[241,375]和[260,345]；目標1的速度為[-9,0]，與其鄰近的3個目標的速度分別為[-8,-0.5]，[-9.5,0]和[-10,-1]。

在k＝1時刻，每個目標i＝1的運動速度受到s＝3個鄰近目標的影響，其預估值由下式計算

式中，為k-1＝0時刻目標1的運動速度，為目標1鄰近目標集合中目標j的速度，θ₁為速度預估調節(jié)系數(shù)?；诠?2)，目標1的運動速度受到鄰近3個目標的影響，令θ₁＝1，其預估速度為

則k＝1時刻目標1所處的預估位置為

式中，為k＝1時刻目標1的預估位置，為k-1＝0時刻目標1的位置，Δt＝1代表傳感器的數(shù)據(jù)更新周期。本例中，目標1的預估位置為

步驟2，群目標狀態(tài)估計；

基于步驟1獲取的k＝1時刻所有飛鳥目標所處的預估位置計算群目標中心的預估位置為

計算群目標整體的運動速度為

同時，k＝1時刻獲取的飛鳥群目標量測信息為計算群目標量測中心的位置為

步驟3，個體目標狀態(tài)修正；

利用步驟2獲得的群目標狀態(tài)估計結果，對步驟1中的飛鳥個體目標1的速度預估值進行修正，如下式

式中，為k＝1時刻目標1的修正速度，為速度修正調節(jié)系數(shù)。令則

則k＝1時刻目標1所處位置修正為

式中，為k＝1時刻目標1的修正位置。

圖3中標定了k＝1時刻所有35個目標的狀態(tài)，由“□”代表每個目標的修正位置，由一根短線代表其修正后的運動方向，并將其疊加到衛(wèi)星地圖上。