多重搜索粒子概率假設密度濾波的多目標跟蹤方法
【技術領域】
[0001] 本發明涉及一種雷達數據處理方法，特別是涉及一種低檢測概率情況下雷達對多 目標的跟蹤方法。
【背景技術】
[0002] 粒子概率假設密度濾波（Particle probability hypothesis density filter，PPHDF)是一種密集雜波環境下對多目標進行跟蹤的有效方法。PPHDF通過將量測 和目標狀態建模為隨機集，可以非常方便的從個數時變的量測中估計出個數時變且未知的 目標狀態，即可同時對目標個數和目標狀態進行估計；同時，PPHDF可以避免目標和量測之 間的關聯問題，極大的降低了多目標跟蹤算法的復雜性和計算量。因此，PPHDF在多目標跟 蹤領域得到了廣泛的關注和研究。該方法主要通過以下步驟實現：
[0003] (1)初始化，得到初始粒子集；
[0004] (2)對已存在的粒子集進行一步預測得到預測粒子集，并生成用于搜索新目標的 搜索粒子集，將預測粒子集和搜索粒子集合成新的預測粒子集；
[0005] (3)利用新量測對預測粒子集粒子權重進行更新；
[0006] (4)對權重更新后的粒子集進行重采樣，并得到目標個數和各目標狀態估計。
[0007] 基于PPHDF的多目標跟蹤方法存在一個明顯的缺陷，即當目標出現漏檢時，重采 樣會造成粒子多樣性的迅速退化，進而造成目標丟失的現象，因此該算法難以適應目標檢 測概率較低時的多目標跟蹤。
【發明內容】
[0008] 本發明的目的是提出一種多重搜索粒子概率假設密度濾波（MS-PPHDF)的多目標 跟蹤方法，解決一般的PPHDF方法在目標檢測概率較低的情況下容易出現目標丟失的問 題。
[0009] 本發明提出的MS-PPHDF方法的技術方案包括以下步驟：
[0010] 步驟1 :變量初始化
[0011] K是雷達關機時刻；
[0012] T是雷達掃描周期；
[0013] L。為代表1個目標的粒子數；
[0014] D。為目標出現的初始分布；
[0015] Jk為搜索新目標的粒子數；
[0016] &表示搜索1個消失目標的粒子數；
[0017] LkS k時刻濾波器采用的粒子總數；
[0018] "為平均目標出現概率；
[0019] PD為目標檢測概率；
[0020] λ k為平均每幀的雜波個數；
[0021] Fk為狀態轉移矩陣；
[0022] GkS過程噪聲分布矩陣；
[0023] Qk為過程噪聲協方差；
[0024] Rk為量測噪聲協方差；
[0025] 步驟2 :令k = 0,初始化粒子集
[0026] 對任意p e {1，2,…，L。}，從初始分布D。中米樣粒子4，.并賦予該粒子權重
_.得到初始粒子集
|其中，
表示粒子代表的目標狀 態，包含了目標的位置(.<，<)和速度(卻,.<)信息；
[0027] 步驟3 :令k = k+Ι，獲得k時刻的雷達量測
[0028] 將雷達接收到的信號進行A/D變換，得到k時刻的雷達量測集
，送雷達數據處理計算機，其中
'表示k時刻雷達得 到的第q個量測，包含了目標的距離量測^?、多普勒速度量測4以及方位量測繆等信息， 而Mk則表示k時刻雷達得到的量測個數；
[0029] 步驟4 :預測
[0030] (1)若k彡2,令Ik= 0,直接轉（4)，否則定義集合
[0032] 其中，表示k-2時刻存在而k-Ι時刻消失的第η個目標的狀態，Ndls, k i表示 消失的目標數；
[0033] (2)若 Xdlsp =0，令 Ik= 0,直接轉（4)，否則令 I k= N dls,k Λ，對任意
，根據狀態轉移方程
[0035] 進行一步預測，其中
[0037] (3)對任意 n
e {1，2,…，Ndis.k和任意 p e {Lk i+Oi-DSk+l，…，Lk i+nSk}，根據
[0039] 采樣粒子，并賦予該粒子權重^，^ = )，其中
[0041] 為過程噪聲分布矩陣，vk為過程噪聲，其噪聲協方差為Qk;
[0042] (4)對任意p e {Lk i+Ik+l，…，Lk片以以，根據初始分布D。采樣"新生"粒子4-,， 并賦予該粒子權重
[0043] (5)對任意 p e {1，2,…，Lk J，根據
[0045] 采樣粒子·^4，并賦予該粒子權重
[0046] 步驟5 :更新
[0047] 對任意p e {1，2,…，Lk flk+JJ，利用量測集Zk對粒子權重進行更新
[0049] 其中
[0052] gk (z | X)為量測似然函數；
[0053] 步驟6 :重采樣
[0054] (1)計算所有粒子的權重和
[0056] (2)對粒子集
進行重采樣，得到新的粒子集
為k時刻估計的目標數， Round (X)表示 取與X最接近的整數；步驟7 :目標狀態估計
[0057] 若/^ = 0，:直接轉步驟8,否則采用K-均值聚類分析的方法將粒子集{<1·^劃分 為&個類
，Lkin表示第η個類包含的粒子數，滿 足
：.，.則估計的目標狀態為
[0059] 步驟8 :重復步驟3~步驟8,直至雷達關機。
[0060] 和【背景技術】相比，本發明的有益效果說明：
[0061 ] 本發明提出的MS-PPHDF多目標跟蹤方法，可以解決一般的PPHDF方法在目標檢測 概率較低的情況下容易出現目標丟失的問題，提高了 PPHDF算法的適應范圍。
【附圖說明】
[0062] 附圖1是本發明提出的MS-PPHDF多目標跟蹤方法的整體流程圖；
[0063] 附圖2是本發明實施例中MS-PPHDF方法跟蹤多目標的效果展示，附圖中星號 表示目標的真實位置，圓圈" Ο "表示估計的目標狀態；
[0064] 附圖3是本發明實施例中一般的PPHDF方法跟蹤多目標的效果展示，附圖中星號 " "表示目標的真實位置，圓圈" 〇 "表示估計的目標狀態。
【具體實施方式】
[0065] 下面結合附圖對本發明提出的MS-PPHDF方法進行詳細描述。
[0066] 不失一般性，設置一個二維的仿真場景，監測區域S =
[_60km，60km] X [_60km，60km]，總仿真時間K = 50s。假設目標可在監測區域內隨機出現 和消失，平均目標出現概率γ k= 〇. 2,目標出現的初始分布D。服從均值為X。和協方差為Q b的正態分布，這里取x〇= [30km 0.2km/s 0.5km/s lkm 0. 5km/s])，x方向和y方向過程噪聲的標準差均為0. 01km，目標持續存在的概率為ek|k i = 0. 95且與目標狀態無關。雷達位于點（0km，-10km)，檢測概率為PD= 0. 75,平均每幀的雜 波個數為Ak= 4,且在整個監測區域內均勻分布，距離量測誤差標準差、多普勒速度量測誤 差標準差和方位角量測誤差標準差分別為0. 2km、0. 04km/s和0. 0087rad，雷達采樣間隔T =Is ;代表1個目標的粒子數LQ= 3000,搜索新目標的粒子數J k= 4000,搜索1個消失目 標的粒子數sk= 1000。
[0067] 其步驟如附圖1所示。
[0068] (1)根據以上仿真條件進行變量初始化
[0069] 由以上仿真條件可知
[0071] 雷達量測方程為
[0073] 其中Wk為相互獨立的零均值高斯白噪聲，其協方差為
[0075] (2)按
【發明內容】
部分步驟2所述的方法進行粒子集初始化，得到初始粒子集；
[0076] (3)按
【發明內容】
部分步驟3所述的方法獲得當前時刻雷達量測；
[0077] (4)按
【發明內容】
部分步驟4所述的方法對粒子集進行一步預測，得到預測的粒子 集；
[0078] (5)按
【發明內容】
部分步驟5所述的方法對預測的粒子集的權重進行更新；
[0079] (6)按
【發明內容】
部分步驟6所述的方法對權重更新后的粒子集進行重采樣；
[0080] (7)按
【發明內容】
部分步驟7所述的方法得到目標的狀態估計；
[0081] (8)循環執行
【發明內容】
部分步驟3~步驟8,直至雷達關機。
[0082] 實施例條件中，在目標檢測概率PD= 0. 75的情況下，本發明提出的MS-PPHDF方法 仍能實現雜波環境下對多目標的有效跟蹤（見附圖2)，而一般的PPHDF方法在目標出現漏 檢時出現了目標的丟失的情況（見附圖3)，因此本發明方法可以有效的改善一般PPHDF方 法在目標檢測概率較低情況下的多目標跟蹤性能（附圖2和附圖3對比）。
【主權項】
1.多重搜索粒子概率假設密度濾波的多目標跟蹤方法，其特征包括以下步驟： 步驟1 :變量初始化 K是雷達關機時刻； T是雷達掃描周期； L。為代表1個目標的粒子數； D。為目標出現的初始分布； Jk為搜索新目標的粒子數； &表示搜索1個消失目標的粒子數； LkS k時刻濾波器采用的粒子總數； YkS平均目標出現概率； Pd為目標檢測概率； Xk為平均每幀的雜波個數； Fk為狀態轉移矩陣； GkS過程噪聲分布矩陣； Qk為過程噪聲協方差； Rk為量測噪聲協方差； 步驟2 :令k = 0,初始化粒子集 對任意P e {1，2,…，L。}，從初始分布D。中米樣粒子碟，并賦予該粒子權重得到初始粒子集其中表示粒子代表的目標狀 態，包含了目標的位置(<，<)和速度(冗，咒）信息； 步驟3 :令k = k+Ι，獲得k時刻的雷達量測 將雷達接收到的信號進行A/D變換，得到k時刻的雷達量測_送雷達數據處理計算機，其中表示k時刻雷達得到的第q個量測，包含了目 標的距離量測<、多普勒速度量測爾以及方位量測頌等信息，而Mk則表示k時刻雷達得到 的量測個數； 步驟4 :預測 (1)若k < 2,令Ik= 0,直接轉（4)，否則定義集合其中，：表示k-2時刻存在而k-Ι時刻消失的第η個目標的狀態，N dlsik i表示消失 的目標數； ⑵若直接轉（4)，否則令I k= Ndls,k ^，對任意根據狀態轉移方程進行一步預測，其中(3) 對任意 n e {1，2, · · ·，Ndis,k J 和任意 p e {Lk !+(n-DSk+l，···，Lk i+nSk}，根據采樣粒子，并賦予該粒子權重其中為過程噪聲分布矩陣，vk為過程噪聲，其噪聲協方差為Q k; (4) 對任意根據初始分布D。采樣"新生"粒子并 賦予該粒子權重(5) 對任意p e {1，2,…，Lk J，根據采樣粒子并賦予該粒子權重步驟5 :更新 對任意P e {1，2,…，Lk Mk+Jj，利用量測集Zk對粒子權重進行更新gk (z I X)為量測似然函數； 步驟6 :重采樣 (1) 計算所有粒子的權重和(2) 對粒子集：:進行重采樣，得到新的粒子集其 中為k時刻估計的目標數，表示取與X最接近的整 數；步驟7:目標狀態估計 若< =O，直接轉步驟8,否則采用K-均值聚類分析的方法將粒子集劃分為& 個類表示第η個類包含的粒子數，滿足則估計的目標狀態為步驟8 :重復步驟3~步驟8,直至雷達關機。
【專利摘要】本發明公開了一種多重搜索粒子概率假設密度濾波的多目標跟蹤方法，屬于雷達數據處理領域。基于粒子概率假設密度濾波的多目標跟蹤方法存在一個明顯的缺陷，即當目標出現漏檢時，重采樣會造成粒子多樣性的迅速退化，進而造成目標丟失的現象，因此該算法難以適應目標檢測概率較低時的多目標跟蹤。本發明提出的多重搜索粒子概率假設密度濾波即立足于解決此類問題。本發明具有結構簡單，計算快速，易于硬件實現，同時克服了基于一般的粒子概率假設密度濾波方法應用的局限性，對非線性非高斯系統具有較強的適應性，因此具有較強的工程應用價值和推廣前景。
【IPC分類】G01S13/66, G01S7/02, G01S13/56
【公開號】CN105353353
【申請號】CN201510791334
【發明人】譚順成, 王國宏, 吳巍, 于洪波
【申請人】中國人民解放軍海軍航空工程學院
【公開日】2016年2月24日
【申請日】2015年11月17日