基于強度濾波器的被動多傳感器目標(biāo)跟蹤方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明屬于制導(dǎo)技術(shù)領(lǐng)域，涉及未知新生多目標(biāo)跟蹤，具體是一種被動多傳感器 目標(biāo)跟蹤方法，可用于紅外制導(dǎo)等系統(tǒng)。
【背景技術(shù)】
[0002] 目標(biāo)跟蹤的基本目的是根據(jù)混合著雜波和噪聲的量測集合估計當(dāng)前目標(biāo)的個數(shù) 和狀態(tài)。由于目標(biāo)的出現(xiàn)、消失以及目標(biāo)衍生過程的存在，每一時刻目標(biāo)的個數(shù)都可能發(fā)生 變化。被動多傳感器不能得到目標(biāo)的距離信息，其所獲得的目標(biāo)信息一般是目標(biāo)的方位角 與俯仰角信息，被動多傳感器目標(biāo)跟蹤本質(zhì)上是一個非線性跟蹤問題，如何將非線性濾波 應(yīng)用于被動多傳感器目標(biāo)跟蹤，一直是學(xué)術(shù)界和工程應(yīng)用領(lǐng)域研宄的熱點和難點。
[0003] 基于粒子方法實現(xiàn)的概率假設(shè)密度濾波和強度濾波器在解決非線性多目標(biāo)跟蹤 問題上具有較好的應(yīng)用。概率假設(shè)密度濾波雖然能夠很好的應(yīng)用到被動多傳感器目標(biāo)跟蹤 問題上，但其新生目標(biāo)狀態(tài)是先驗已知的，且無法實時估計量測雜波強度。強度濾波器采 用連續(xù)_離散空間對目標(biāo)建模，通過連續(xù)空間與離散空間的相互轉(zhuǎn)化表示目標(biāo)的新生和消 亡，可以在跟蹤目標(biāo)的同時估計量測雜波強度。強度濾波器雖然可以通過區(qū)域均勻采樣獲 取新生目標(biāo)信息，但是粒子數(shù)會隨著目標(biāo)區(qū)域的擴大而急劇增加，當(dāng)粒子密度較低時漏檢 情況比較嚴(yán)重，當(dāng)粒子密度較高時運算量大，跟蹤效率較低。

【發(fā)明內(nèi)容】

[0004] 本發(fā)明的目的在于針對以上問題，提出一種基于強度濾波器的被動多傳感器目標(biāo) 跟蹤方法，以實現(xiàn)在雜波強度未知和目標(biāo)新生未知情況下準(zhǔn)確地跟蹤目標(biāo)。
[0005] 實現(xiàn)本發(fā)明技術(shù)的關(guān)鍵是：利用基于牛頓迭代的多基最小二乘交叉定位法，將被 動多傳感器得到的方位角轉(zhuǎn)化為坐標(biāo)；根據(jù)目標(biāo)運動的速度范圍設(shè)定距離閾值，將連續(xù)兩 個時刻距離在閾值范圍內(nèi)的坐標(biāo)點視為新生目標(biāo)點。
[0006] 根據(jù)上述思路，本發(fā)明的實施步驟包括如下：
[0007] (1)令初始時刻t=0,根據(jù)目標(biāo)狀態(tài)的初始分布，為傳感器產(chǎn)生Nt|t個初始樣本 構(gòu)成目標(biāo)樣本集：，其中，X;，表示t時刻第i個目標(biāo)樣本，4 +表示t時刻 第i個目標(biāo)樣本的強度；
[0008]設(shè)初始時刻無新生目標(biāo)，即新生目標(biāo)樣本集為空集，其中，表 示t時刻第i個新生目標(biāo)樣本，表示t時刻第i個新生目標(biāo)樣本的強度，Jt表示t時刻 新生目標(biāo)樣本數(shù)；
[0009] (2)合并t時刻的目標(biāo)樣本集丨丨;!1?和新生目標(biāo)樣本集,得到 新的集合：K勾，％心'其中力，和％分別表示合并后的第i個樣本及其強度；
[0010] (3)判斷t時刻合并后的樣本集是否為空，若合并后的樣本集為空，則執(zhí)行步驟 (9)，否則，執(zhí)行步驟（4);
[0011] ⑷根據(jù)⑵得到的合并樣本集)丨,〗廣和狀態(tài)方程計算t時刻到t+1時 刻的預(yù)測樣本集丨丨>，其中，€+li，表示t時刻到t+1時刻第i個預(yù)測樣本， 4+1|/ =句+i|,表示第i個預(yù)測樣本的強度，Nt+1|t=Nt|t+Jt表示預(yù)測樣本數(shù)；
[0012] (5)根據(jù)預(yù)測樣本集丨(X;+llf，〇丨巧和t時刻的無目標(biāo)假設(shè)強度ft|t((i))預(yù)測t+1 時刻的無目標(biāo)假設(shè)強度ft+l|t(4>);根據(jù)預(yù)測樣本集丨(X;+1|,，M;+1|,：)丨，和t+ 1時刻的量測集 {Z)+1,…,預(yù)測t+1時刻的量測強度4^4)，其中，<表示t+1時刻第j個量測，Nz，t+1表 示t+1時刻的量測數(shù)；
[0013] (6)由量測強度U4)和量測似然Ku,)計算目標(biāo)存在的概率Wj，當(dāng) T時，認(rèn)為目標(biāo)存在，并估計目標(biāo)狀態(tài)毛，其中，T為目標(biāo)存在的設(shè)定閾值；
[0014] (7)分別更新預(yù)測無目標(biāo)假設(shè)強度ft+l|t((i))和預(yù)測樣本集丨(^一")丨;>，得到 t+i時刻的無目標(biāo)假設(shè)強度ft+llt+1((i))和樣本集彳(<+ll>u)丨;!r;
[0015] (8)根據(jù)步驟（7)的結(jié)果獲取如下參數(shù)：
[0016] 8a)對更新后的樣本集{?+1|,，心||;)!，中的強度求和，得到t+1時刻估計的目標(biāo)數(shù) 期望值nt+1;
[0017] 8b)利用無目標(biāo)假設(shè)強度ft+l|t+1((i))和預(yù)測樣本數(shù)Nt+l|t，計算重采樣樣本數(shù) Nt+llt+1;
[0018] 8c)利用無目標(biāo)假設(shè)強度ft+l|t+1((i))、無目標(biāo)假設(shè)轉(zhuǎn)移概率|小）和預(yù)測樣 本數(shù)N t+l|t計算新生樣本數(shù)J t+1;
[0019] 8d)從樣本集！中重采樣Nt+l|t+1個樣本，得到采樣后的樣本集： {(^U+1，<lk+i)K!r；
[0020] (9)計算新生目標(biāo)坐標(biāo)和新生目標(biāo)速度：
[0021] 9a)利用多基最小二乘交叉定位法，將t時刻和t+1時刻的所有量測轉(zhuǎn)化為坐標(biāo)， 分別表示為丨和丨X。丨&，篩選出所有滿足&n-xyp<、x的坐 標(biāo)，構(gòu)成新生目標(biāo)坐標(biāo)集：KjCaUJG，其中，和X】,+1分別表示t時刻和t+1時刻第j 個量測轉(zhuǎn)化的坐標(biāo)，XL,,和X,U,+1分別表示t時刻和t+1時刻第j個新生目標(biāo)坐標(biāo)，e _和e_分別表示距離下限和距離上限，NZS所有滿足條件的坐標(biāo)個數(shù)；
[0022] 9b)根據(jù)新生目標(biāo)的坐標(biāo)計算新生目標(biāo)的速度：<(+1 = (<",,+1Ar，其中， AT表示時間間隔；
[0023] (10)根據(jù)新生目標(biāo)坐標(biāo)集以和速度集彳（+1巧構(gòu)成新生目標(biāo)集 mA，判斷新生目標(biāo)集是否為空，若為空，則在目標(biāo)出現(xiàn)區(qū)域[ax，bx]*[ay，by]內(nèi)均勻采 樣Jt+1個目標(biāo)樣本；否則，根據(jù)新生目標(biāo)的狀態(tài)分布為每個新生目標(biāo)產(chǎn)生|個目標(biāo)樣本， TZ 構(gòu)成新生目標(biāo)樣本集，其中，表示新生目標(biāo)強度；
[0024] (11)令t=t+1，返回步驟（2)，繼續(xù)跟蹤目標(biāo)。
[0025] 本發(fā)明具有以下優(yōu)點：
[0026] 1)本發(fā)明由于采用多基最小二乘交叉定位法，將純角度量測轉(zhuǎn)化為坐標(biāo)，利用坐 標(biāo)信息，判定所有滿足閾值范圍內(nèi)的坐標(biāo)點為新生目標(biāo)點，并對新生目標(biāo)速度進行估計，因 而可以在新生目標(biāo)未知的情況下，跟蹤區(qū)域內(nèi)任意位置的新生目標(biāo)。
[0027] 2)本發(fā)明由于采用對新生目標(biāo)坐標(biāo)的估計，減少了目標(biāo)跟蹤過程中所用的樣本 數(shù)，降低了運算量，提高了運行效率。
【附圖說明】
[0028] 圖1是本發(fā)明的實現(xiàn)總流程圖；
[0029] 圖2是本發(fā)明中基于牛頓迭代的最小二乘交叉定位子流程圖；
[0030] 圖3是本發(fā)明仿真的場景圖；
[0031] 圖4(a)是用本發(fā)明跟蹤目標(biāo)的軌跡圖；
[0032] 圖4(b)是用本發(fā)明估計的目標(biāo)個數(shù)圖；
[0033] 圖5 (a)是用本發(fā)明估計的目標(biāo)狀態(tài)0SPA誤差圖；
[0034] 圖5 (b)是用本發(fā)明估計的目標(biāo)速度0SPA誤差圖；
[0035] 圖6(a)是用本發(fā)明跟蹤目標(biāo)過程中所用的目標(biāo)樣本個數(shù)圖；
[0036] 圖6 (b)是本發(fā)明的運行時間圖。
【具體實施方式】
[0037] 一、基礎(chǔ)理論介紹
[0038] 1?系統(tǒng)方程
[0039] 在笛卡爾坐標(biāo)系下，系統(tǒng)狀態(tài)取x，y方向的位置和速度，可建立如下的非線性動 態(tài)系統(tǒng)模型：
[0040] xt+1=Fxt+Get 1)
[0041] zt= h(xt) +wt 2)
[0042] 其中，xt=[xt,vx，t,yt,vy，t]T，T表示轉(zhuǎn)置，xt, 別表示目標(biāo)在x方向和y方向 上的坐標(biāo)，vx，t,vy，^別表示目標(biāo)在x方向和y方向上的速度，下標(biāo)tG[1,N]表示時間，狀 態(tài)噪聲et服從方差為0 = 的零均值高斯分布，diag[@]表示對角化其中的元 素，〇!￡和〇y表示位置標(biāo)準(zhǔn)差，F(xiàn)，G分別為狀態(tài)轉(zhuǎn)移矩陣和輸入矩陣，h為非線性函數(shù)，量測 噪聲wt服從方差為R的零均值高斯分布，e,與wt相互獨立，zt為傳感器的量測值。
[0043] 本發(fā)明中假設(shè)被動傳感器只能觀測目標(biāo)的方位角信息，因此非線性函數(shù)h定義如 下：
[0044]
【主權(quán)項】
1. 一種基于強度濾波器的被動多傳感器目標(biāo)跟蹤方法，包括如下步驟： (1) 令初始時刻t = 0,根據(jù)目標(biāo)狀態(tài)的初始分布，為傳感器產(chǎn)生Nt