br>[0089] 附圖3是給出了本發(fā)明實(shí)施例中雷達(dá)得到的各時(shí)刻模糊量測(cè)示意圖，包含了雜波 和雷達(dá)對(duì)目標(biāo)的模糊量測(cè)；
[0090] 附圖4是本發(fā)明實(shí)施例中解距離測(cè)量模糊的頂PM-PPHDF方法跟蹤機(jī)動(dòng)多目標(biāo)的效 果展示，附圖中星號(hào)表示目標(biāo)的真實(shí)位置，圓圈表示估計(jì)的目標(biāo)航跡；
【具體實(shí)施方式】
[0091 ]下面結(jié)合附圖對(duì)本發(fā)明提出的解距離測(cè)量模糊的頂PM-PPHDF方法進(jìn)行詳細(xì)描述。 [0092] 不失一般性，設(shè)置一個(gè)二維的仿真場(chǎng)景，監(jiān)測(cè)區(qū)域S= [_60km，60km] X [_60km, 60km]，目標(biāo)可在監(jiān)測(cè)區(qū)域內(nèi)隨機(jī)出現(xiàn)和消失，平均目標(biāo)出現(xiàn)概率yk = 0.2,目標(biāo)出現(xiàn)的初 始分布Do服從均值為XQ和協(xié)方差為Qb的正態(tài)分布，其中
[0094]目標(biāo)PIN初始分布U 〇為均勻分布，初始PIN增量模型概率科的，％，％}，其中 奶=灼=約=丨/3，PIN增量模型概率轉(zhuǎn)移矩陣
[0096] 目標(biāo)在X方向和y方向過程噪聲的標(biāo)準(zhǔn)差均為0.01km，轉(zhuǎn)彎率的過程噪聲標(biāo)準(zhǔn)差 0.35rad/s，目標(biāo)持續(xù)存在的概率為e k|k-1 = 0.95且與目標(biāo)狀態(tài)無關(guān)。雷達(dá)掃描周期T= Is，可 交替采用2個(gè)不同的脈沖重復(fù)頻率交替工作，各脈沖重復(fù)周期分別為TiiSiys和T2 = 48ys， 對(duì)應(yīng)的最大不模糊距離分別為Ri = 5.55km和R2 = 7.20km，雷達(dá)位于點(diǎn)（0km,-10km)，檢測(cè)概 率為PD = 0.75,平均每幀的雜波個(gè)數(shù)*Ak = 4,且在整個(gè)監(jiān)測(cè)區(qū)域內(nèi)均勻分布，距離量測(cè)誤差 標(biāo)準(zhǔn)差、多普勒速度量測(cè)誤差標(biāo)準(zhǔn)差和方位角量測(cè)誤差標(biāo)準(zhǔn)差分別為0.2km、0.04km/s和 0.0087rad/s;代表1個(gè)目標(biāo)的粒子數(shù)L〇 = 3000,搜索新目標(biāo)的粒子數(shù)Jk = 4000,搜索1個(gè)消失 目標(biāo)的粒子數(shù)Sk = 1000。
[0097] 其步驟如附圖1所示。
[0098] (1)根據(jù)以上仿真條件進(jìn)行變量初始化
[0099] (2)按
【發(fā)明內(nèi)容】
部分步驟2所述的方法進(jìn)行粒子集初始化；
[0100] (3)按
【發(fā)明內(nèi)容】
部分步驟3所述的方法獲得當(dāng)前時(shí)刻雷達(dá)模糊量測(cè)集；
[0101] (4)按
【發(fā)明內(nèi)容】
部分步驟4所述的方法對(duì)已存在粒子集進(jìn)行一步預(yù)測(cè)；
[0102] (5)按
【發(fā)明內(nèi)容】
部分步驟5所述的方法生成搜索新目標(biāo)的粒子集；
[0103] (6)按
【發(fā)明內(nèi)容】
部分步驟6所述的方法生成消失目標(biāo)預(yù)測(cè)粒子集；
[0104] (7)按
【發(fā)明內(nèi)容】
部分步驟7所述的方法對(duì)預(yù)測(cè)粒子集進(jìn)行權(quán)重更新；
[0105] (8)按
【發(fā)明內(nèi)容】
部分步驟8所述的方法得到初步的目標(biāo)個(gè)數(shù)和目標(biāo)狀態(tài)；
[0106] (9)按
【發(fā)明內(nèi)容】
部分步驟9所述的方法進(jìn)行"航跡-估計(jì)值"關(guān)聯(lián)，對(duì)估計(jì)的目標(biāo)個(gè) 數(shù)和目標(biāo)狀態(tài)進(jìn)行修正，并估計(jì)目標(biāo)PIN和提供目標(biāo)航跡；
[0107] (10)循環(huán)執(zhí)行
【發(fā)明內(nèi)容】
部分步驟3~步驟9,直至雷達(dá)關(guān)機(jī)。
[0108]實(shí)施例條件中，雷達(dá)得到的目標(biāo)距離量測(cè)是模糊的（見附圖3)，本發(fā)明提出的解距 離測(cè)量模糊的頂PM-PPHDF方法仍能實(shí)現(xiàn)雜波環(huán)境下對(duì)機(jī)動(dòng)多目標(biāo)的有效跟蹤，且直接給出 了各目標(biāo)的航跡信息(見附圖4)，因此本發(fā)明方法克服了一般的PPHDF方法無法直接利用模 糊量測(cè)數(shù)據(jù)對(duì)目標(biāo)進(jìn)行跟蹤的問題和不能直接提供目標(biāo)航跡信息的問題。
【主權(quán)項(xiàng)】
1.同時(shí)解距離模糊的IPPHDF機(jī)動(dòng)多目標(biāo)跟蹤方法，其特征包括w下步驟： 步驟1:變量初始化 (1) Τ為雷達(dá)掃描周期，Τι，Τ2,. . .，Tm為脈沖重復(fù)周期，Ri，R2, . . .，Rm為各PRF對(duì)應(yīng)的最大 不模糊距離； (2) L〇為代表1個(gè)目標(biāo)的粒子數(shù)，Jk為捜索新目標(biāo)的粒子數(shù)，Sk為捜索1個(gè)消失目標(biāo)的粒 子數(shù)，Lk為k時(shí)刻濾波器采用的粒子總數(shù)； (3) 化為PIN初始分布，Do為目標(biāo)出現(xiàn)的初始分布，丫 k為平均目標(biāo)出現(xiàn)概率，時(shí)為目標(biāo)檢 測(cè)概率，挪=的，為初始PIN增量模型概率； (4) Ak為平均每帖的雜波個(gè)數(shù)，7?為k時(shí)刻估計(jì)的目標(biāo)個(gè)數(shù)； (5) Gk為過程噪聲分布矩陣，Qk為過程噪聲協(xié)方差，化為量測(cè)噪聲協(xié)方差，Dm為PIN增量 模型概率轉(zhuǎn)移矩陣； 步驟2:初始化粒子集，令k = 0和方。=0 :，對(duì)任意Pe {1，2，…，L〇} (1) 從初始PIN增量模型概率腳=堿，鳴，如采樣PIN增量模郵< ; (2) 從PIN初始分布Uo中采樣PIN初始變量PIN復(fù)； (3) 從初始分布Do中采樣粒子誠(chéng)，其中 <=[為'，.詩，姑，說，巧ff表示粒子代表的目標(biāo)狀 態(tài)，包含了目標(biāo)的位置(磚，說）、速度銳誠(chéng)及轉(zhuǎn)彎率城信息； (4) 賦予粒子磚極重 < =朽_/與； 步驟3:令k = k+1，獲得k時(shí)刻的雷達(dá)模糊量測(cè) (1)設(shè)置雷達(dá)的工作狀態(tài)，使雷達(dá)依次交替采用某個(gè)PRF工作，令 c=mod(k,M)+l 表示雷達(dá)在k時(shí)刻采用的PRF的索引號(hào)，mod (X，y)表示x/y的余數(shù)； (2 )將雷達(dá)接收到的信號(hào)進(jìn)行A / D變換，得到k時(shí)刻的雷達(dá)模糊量測(cè)集 ZamW = {瑞《- IW二I，2,…，W山送雷達(dá)數(shù)據(jù)處理計(jì)算機(jī)，其中瑞W =陸"，成，巧]了表示k時(shí) 刻雷達(dá)得到的第q個(gè)量測(cè)，包含了目標(biāo)的模糊距離量測(cè)瑞W、多普勒速度量測(cè)礙劫及方位 量測(cè)巧等信息，而Mk則表示k時(shí)刻雷達(dá)得到的量測(cè)個(gè)數(shù)； 步驟4:已存在粒子集預(yù)測(cè)，若南4_,二0,直接轉(zhuǎn)步驟5，否則對(duì)任意Pe {1，2，…，Lk-i} (1) 根據(jù)PIN增量模型和PIN增量模型概率轉(zhuǎn)移矩陣Dm預(yù)測(cè)得到^品-_,; (2) 根據(jù)選擇相應(yīng)的PIN增量(3) 根據(jù)β裝1計(jì)算目標(biāo)狀態(tài)狀態(tài)轉(zhuǎn)移矩陣(4) 利用粒子妓 1,腳狀態(tài)進(jìn)行一步預(yù)測(cè)得到粒于儀__1，其中為過程噪聲分布矩陣，vk為過程噪聲，其噪聲協(xié)方差為Qk; (5) 賦予粒子端_1權(quán)重堿-1 =<1; 步驟5:生成捜索新目標(biāo)的粒子集，對(duì)任意Pe {Lk-1+Ik+l，…，Lk-1+Ik+Jk} (1) 從初始PIN增量模型概率狗={巧，采樣PIN增量模型"喘-1; (2) 從PIN初始分布Uo中采樣PIN初始變量; (3) 根據(jù)初始分布Do采樣"新生"粒子端一; (4) 賦予粒子x/ii--1權(quán)重、命_1 =:汽../從+與.）'； 步驟6:生成消失目標(biāo)預(yù)測(cè)粒子集 (1) 若k含2，令I(lǐng)k = 0，直接轉(zhuǎn)步驟7，否則定義集合其中端表示k-2時(shí)刻存在而k-1時(shí)刻消失的第η個(gè)目標(biāo)，為該目標(biāo)對(duì)應(yīng)的 PIN，Ndis,k-i表示消失的目標(biāo)數(shù)； (2) 若式。,,:-2 =0 '令I(lǐng)k = 〇,直接轉(zhuǎn)步驟7,否則令I(lǐng)k = Ndis,k-iSk，對(duì)任意端J--2 根據(jù)估計(jì)的目標(biāo)轉(zhuǎn)彎率^錢_2,?和相應(yīng)的狀態(tài)轉(zhuǎn)移方程進(jìn)行一步預(yù)測(cè)(3) 對(duì)任意nE {1 , 2, ·.· ,Ndis,k-i}和任意 pE 化 k-i+(n-l)Sii+l , ·.· ,Lk-i+nSk}，令 PIN{;__, = P的A。和堿_:1:二爲(wèi)_:2:,?，從初始PIN增量模型概率妍={巧，也知采樣PIN增量模型 ，:然后利用堿，進(jìn)行一步預(yù)測(cè)得到粒子·誠(chéng)_,，并賦予該粒子權(quán)重+4); 步驟7:粒子權(quán)重更新 (1) 對(duì)任意pE {1,2,··· ,Lk-i+Ik+Jk}，根據(jù)模糊量測(cè)方程得到模糊預(yù)測(cè)量測(cè)j結(jié)*#_1，其中Rc表示k時(shí)刻雷達(dá)所采用PRF對(duì)應(yīng)的最大不模糊距離， (xs，ys)為雷達(dá)的位置； (2) 對(duì)任意pe {1,2,··· ,Lk-i+Ik+Jk}和任意me {1,2,··· ,Mk}，計(jì)算新息其中化為量測(cè)噪聲協(xié)方差； (3) 對(duì)任意 111￡{1，2，-'，11^，計(jì)算(4) 對(duì)任意Pe {1，2，…，Lk-1+Ik+Jk}，計(jì)算粒子權(quán)重步驟8:目標(biāo)個(gè)數(shù)和目標(biāo)狀態(tài)初步估計(jì) (1) 計(jì)算所有粒子的權(quán)重和(2) 對(duì)粒子集:{端-_1，</辦綠褲A進(jìn)行重采樣，得到新的粒子集K，郵也，其 中娘=民抓nd(成，4 =々冷，Round(x)表示取與X最接近的整數(shù)； (3)若7? = ο，直接轉(zhuǎn)步驟9，否則根據(jù)粒子包含的目標(biāo)位置信息，采用聚類分析的方法 將粒子集·!皆樓，劃分為爲(wèi);個(gè)類，得到估計(jì)的目標(biāo)狀態(tài)集義;=城,。|? = 1，2，...，々;！，其中 聲。=格,,，4,,，Α,。，氏,,，4,,]τ表示第η個(gè)類的中屯、，包含了目標(biāo)的位置估計(jì)悼,,,，知,，）、速度 估計(jì)沒,》，iU和轉(zhuǎn)彎率命》; 步驟9:"航跡-狀態(tài)"關(guān)聯(lián)，PIN估計(jì) (1 )若= 0 _且上一時(shí)刻沒有形成任何航跡，直接轉(zhuǎn)步驟10; (2) 若馬> 0且Trk-1 = 0,對(duì)任意起,。e與',起始一條新航跡； (3) 若々;=0且化k-i〉0,終結(jié)所有暫時(shí)航跡，對(duì)確認(rèn)航跡進(jìn)行一步預(yù)測(cè)后將其定義為暫 時(shí)航跡； (4) 若方；>〇且化k-i〉〇,計(jì)算任意航跡和任意估計(jì)值之間的統(tǒng)計(jì)距離，利用離某一航跡 最近的估計(jì)值對(duì)該航跡進(jìn)行更新，形成確認(rèn)航跡； (5) 對(duì)沒有與任何估計(jì)值關(guān)聯(lián)上的航跡進(jìn)行一步預(yù)測(cè)，并將該航跡定義為暫時(shí)航跡； (6) 將沒有與航跡關(guān)聯(lián)上的估計(jì)值作為新的航跡頭，進(jìn)行航跡起始； (7) 若在上述步驟中有航跡被更新，利用更新后的航跡對(duì)估計(jì)的目標(biāo)數(shù)和目標(biāo)狀態(tài)進(jìn) 行修正，得到修正的目標(biāo)個(gè)數(shù)估計(jì)和目標(biāo)狀態(tài)估計(jì)氣=戰(zhàn)h (8) 估計(jì)目標(biāo)的PIN其中Floor (X)表示取小于或等于X最大整數(shù)； 步驟10:重復(fù)步驟3~步驟9，直至雷達(dá)關(guān)機(jī)。
【專利摘要】本發(fā)明公開了一種解距離測(cè)量模糊的IMPM-PPHDF方法，適用于距離測(cè)量模糊情況下雷達(dá)對(duì)機(jī)動(dòng)多目標(biāo)的跟蹤。針對(duì)基于PPHDF的多目標(biāo)跟蹤方法存在目標(biāo)漏檢時(shí)容易丟失目標(biāo)，不能直接給出目標(biāo)的航跡信息以及無法直接利用模糊的量測(cè)數(shù)據(jù)對(duì)目標(biāo)進(jìn)行跟蹤的問題，本發(fā)明提出了解距離測(cè)量模糊的IMPM-PPHDF機(jī)動(dòng)多目標(biāo)跟蹤方法。實(shí)施例的實(shí)驗(yàn)仿真結(jié)果表明本發(fā)明可以直接利用模糊量測(cè)數(shù)據(jù)對(duì)機(jī)動(dòng)多目標(biāo)進(jìn)行跟蹤，在跟蹤的同時(shí)解決距離量測(cè)模糊的問題并直接提供目標(biāo)的航跡信息，有效的擴(kuò)大了PPHDF算法的適應(yīng)范圍。因此本發(fā)明公開的解距離測(cè)量模糊的IMPM-PPHDF機(jī)動(dòng)多目標(biāo)跟蹤方法具有較強(qiáng)的工程應(yīng)用價(jià)值和推廣前景。
【IPC分類】G01S13/66
【公開號(hào)】CN105549004
【申請(qǐng)?zhí)枴緾N201510897347
【發(fā)明人】譚順成, 王國(guó)宏, 于洪波, 賈舒宜, 吳巍
【申請(qǐng)人】中國(guó)人民解放軍海軍航空工程學(xué)院
【公開日】2016年5月4日
【申請(qǐng)日】2015年12月7日