本发明专利技术公开一种多机动目标跟踪方法、系统及其广义联合概率数据关联器，该方法包括：根据给定目标的位置观测计算对应的航向角、航向角变化量以及观测残差，并分别计算位置观测和航向角观测对应的不确定性度量；将所述位置观测和航向角观测对应的不确定性度量通过自适应加性融合以计算不同观测的广义联合关联概率；所述广义联合关联概率用于表征根据环境变化调节不同类型观测对关联结果的权重；根据观测残差和航向角变化量动态调节衰减因子；以及对给定目标状态进行模糊递推最小二乘滤波以对多机动目标航迹进行更新。利用本发明专利技术，可以同时处理跟踪过程中不同类型观测，并根据观测环境的变化调整不同类型观测对关联结果的权重，具有更高的跟踪精度。
【技术实现步骤摘要】
【专利摘要】本专利技术公开一种多机动目标跟踪方法、系统及其广义联合概率数据关联器，该方法包括：根据给定目标的位置观测计算对应的航向角、航向角变化量以及观测残差，并分别计算位置观测和航向角观测对应的不确定性度量；将所述位置观测和航向角观测对应的不确定性度量通过自适应加性融合以计算不同观测的广义联合关联概率；所述广义联合关联概率用于表征根据环境变化调节不同类型观测对关联结果的权重；根据观测残差和航向角变化量动态调节衰减因子；以及对给定目标状态进行模糊递推最小二乘滤波以对多机动目标航迹进行更新。利用本专利技术，可以同时处理跟踪过程中不同类型观测，并根据观测环境的变化调整不同类型观测对关联结果的权重，具有更高的跟踪精度。【专利说明】多机动目标跟踪方法、系统及其广义联合概率数据关联器
本专利技术属于目标跟踪系统领域，尤其涉及一种多机动目标跟踪方法、系统及其广 义联合概率数据关联器。
技术介绍
信息融合是研究和处理信息理论问题的方法之一，利用来自不同层次的传感器/ 节点具有不同精度、维度、粒度及不确定性的数据，获取更精确、更完整的估计和决策，其处 理过程主要包括数据关联和状态估计。在杂波环境下，由于跟踪过程的不确定性，使得多机 动目标跟踪成为信息融合的一个技术难点。 -方面，数据关联产生于传感器观测过程以及跟踪环境的不确定性，是为了区分 观测来源于哪个目标或杂波。现有的关联方法主要考虑杂波、噪声以及偏差等相关的问题， 联合概率数据关联（JPDA)利用关联门限剪除不可行假设，同时建立可行假设与目标的关 联概率。然而，JPDA只是将最新观测用于关联，没有充分利用历史观测以及其它与目标运动 相关的信息。另一方面，经过关联处理后，需要利用关联结果对目标状态进行估计。但是， 由于传感器分部广、数目多，每个节点都需要处理大量的数据。并且，现有数据链系统中由 于缺乏跟踪环境的先验知识，来自数据链和平台的航迹一般仅包括目标的状态信息，没有 给出具体的模型参数，给数据关联和状态估计带来很大困难。 现有技术中，为了跟踪多机动目标，在运动模型及噪声方差未知的情况下，递推最 小二乘滤波（RLSF)计算量小，能够较好地跟踪匀速运动目标，但跟踪多机动目标的效果不 理想。
技术实现思路
本专利技术要解决的技术问题是提供一种多机动目标跟踪系统、方法及其广义联合概 率数据关联器，能够在运动模型及噪声方差未知的情况下准确跟踪多机动目标。 本专利技术提供一种多机动目标跟踪方法，所述方法包括：根据给定目标的位置观测 计算对应的航向角、航向角变化量以及观测残差，并分别计算位置观测和航向角观测对应 的不确定性度量；将所述位置观测和航向角观测对应的不确定性度量通过自适应加性融合 以计算不同位置观测的广义联合关联概率；所述广义联合关联概率用于表征根据环境变化 调节不同类型观测对关联结果的权重；根据观测残差和航向角变化量动态调节衰减因子； 以及对给定目标的状态进行模糊递推最小二乘滤波以对多机动目标航迹进行更新。 优选地，所述分别计算位置观测和航向角观测对应的不确定性度量的步骤包括： 建立统计观测的不确定性度量为; 【权利要求】1. 一种多机动目标跟踪方法，其特征在于，所述方法包括： 根据给定目标的位置观测计算对应的航向角、航向角变化量以及观测残差，并分别计 算位置观测和航向角观测对应的不确定性度量； 将所述位置观测和航向角观测对应的不确定性度量通过自适应加性融合以计算不同 位置观测的广义联合关联概率；所述广义联合关联概率用于表征根据环境变化调节不同类 型观测对关联结果的权重； 根据观测残差和航向角变化量动态调节衰减因子；以及对给定目标的状态进行模糊递 推最小二乘滤波以对多机动目标航迹进行更新。2. 如权利要求1所述的多机动目标跟踪方法，其特征在于，所述分别计算位置观测和 航向角观测对应的不确定性度量的步骤包括： 建立统计观测的不确定性度量为< ;即第1类统计观测的熵；<(幻和幻分别表示关联区域内第1类统计观测的中心及其第i个统计观测；/(4(幻是幻的观测概率，以:为统计观测的个数为关联门限； 建立模糊观测的不确定性度量为5丨=#(4)/? ;艮P，所述1类模糊观测的熵4(A)和4(A)分别表示关联区域内第1类模糊观测的中心及其第i个模糊观测；《七沿))是的隶属度，《丨为模糊观测的个数，U关联门限，1、i、k均为 自然数，T为矩阵的转置。3. 如权利要求2所述的多机动目标跟踪方法，其特征在于，将所述位置观测和航向角 观测对应的不确定性度量通过自适应加性融合以计算不同类型观测的广义联合关联概率 的步骤包括： 根据所述统计观测的不确定性度量4 =孖以及模糊观测的不确定性度量 劣=/7(〃〇/巧，利用如下公式进行自适应加性融合，以得到所述广义联合关联概率：根据所述观测残差和航向角变化量计算统计关联概率和模糊关联概率，以及根据所述 统计关联概率、模糊关联概率和所述广义联合关联概率利用如下公式确定归一化广义联合 关联概率：4. 如权利要求1所述的多动机目标跟踪方法，其特征在于，所述根据观测残差和航向 角变化量动态调节衰减因子的步骤具体为： 根据所述观测残差和航向角变化量并利用如下公式动态调节衰减因子：5. 如权利要求1所述的多动机目标跟踪方法，其特征在于，所述对给定目标的状态进 行模糊递推最小二乘滤波以对目标航迹进行更新的步骤包括： 根据所述衰减因子和广义联合关联概率通过如下公式对所述多机动目标跟踪的航迹 进行滤波更新：6. -种多机动目标跟踪系统，其特征在于，包括： 广义联合概率数据关联器，根据不同类型观测建立对应的不确定性度量，并根据所述 不确定性度量进行自适应加性融合以计算广义联合关联概率，所述观测的不确定性度量用 于表征根据环境变化调节不同类型观测对关联结果的权重； 模糊递推最小二乘滤波器，用于根据给定目标的位置观测计算对应的航向角、航向角 变化量以及观测残差，根据所述观测残差和航向角变化量动态调节衰减因子对给定目标的 状态进行模糊递推最小二乘滤波，从而对多机动目标跟踪的航迹进行滤波更新。7. 如权利要求6所述的多机动目标跟踪系统，其特征在于，所述不同类型观测包括统 计观测和模糊观测； 所述广义联合概率数据关联器建立统计观测的不确定性度量为< =丑;况，即第1类模糊观测的熵；和 <(幻分别表示关联区域内第1类模糊观测的中心及其 第i个模糊观测；《以(幻)是4(幻的隶属度，n丨为模糊观测的个数，&为关联门限，1、i、k 均为自然数，T为矩阵的转置。8. 如权利要求7所述的多机动目标跟踪系统，其特征在于，所述广义联合概率数据关 联器根据不同类型观测建立对应的不确定性度量进行自适应加性融合以计算广义联合关 联概率具体为： 所述广义联合概率数据关联器将所述统计观测的不确定性度量^^) = //^：： 以 及模糊观测的不确定性度量采用如下公式进行自适应加性融合，以得 到所述广义联合关联概率：所述广义联合概率数据关联器还根据所述观测残差和航向角变化量计算统计关联概 率和模糊关联概率，以及根据所述统计关联概率、模糊关联概率和所述广义联合关联概率 采用如下公式确定归一化广义联合关联本文档来自技高网...
【技术保护点】
一种多机动目标跟踪方法，其特征在于，所述方法包括：根据给定目标的位置观测计算对应的航向角、航向角变化量以及观测残差，并分别计算位置观测和航向角观测对应的不确定性度量；将所述位置观测和航向角观测对应的不确定性度量通过自适应加性融合以计算不同位置观测的广义联合关联概率；所述广义联合关联概率用于表征根据环境变化调节不同类型观测对关联结果的权重；根据观测残差和航向角变化量动态调节衰减因子；以及对给定目标的状态进行模糊递推最小二乘滤波以对多机动目标航迹进行更新。
【技术特征摘要】
【专利技术属性】
技术研发人员：李鹏飞，谢维信，黄敬雄，范恩，魏冬峰，
申请(专利权)人：深圳大学，中国人民解放军防空兵学院，
类型：发明
国别省市：广东;44
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。