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