子椭圆个数可变的非椭圆扩展目标跟踪方法技术

本发明专利技术公开了一种子椭圆个数可变的非椭圆扩展目标跟踪方法，主要解决现有技术不能处理由非椭圆扩展目标姿态机动带来子椭圆个数变化的问题。其实现步骤是：首先，将非椭圆扩展目标扩展状态用多个子椭圆建模；其次，对多个子椭圆目标的状态进行预测，并分解符合分解准则的预测子椭圆目标状态；最后，对分解后的预测子椭圆目标状态进行更新，并合并符合合并准则的更新后的子椭圆目标更新状态，得到合并后的子椭圆目标更新状态。仿真实验表明，本发明专利技术有效解决了子椭圆个数变化的非椭圆扩展目标跟踪问题，提高跟踪的效率，可用于雷达目标跟踪系统。

【技术实现步骤摘要】

本专利技术属于雷达信号处理领域，涉及到一种子椭圆个数变化的非椭圆扩展目标跟踪方法，可用于雷达目标跟踪系统。
技术介绍
随着制造工艺技术的不断发展，现代传感器的分辨率不断提高，由此带来的扩展目标跟踪问题已引起国内外学者的广泛关注。特别地，当传感器接收到量测的空间分布能大致反映目标的形状时，跟踪该目标所用的算法称之为非椭圆扩展目标跟踪算法。该算法不仅在导弹的防空反导、飞机的空中侦察与预警、高分辨战场监视卫星等军事领域，而且在客机飞机空中交通导航与交通管制等民用领域也具有广阔的应用前景。非椭圆扩展目标是指：由于传感器分辨率提高或目标与传感器之间距离足够近，目标占据多个传感器的分辨单元，使得单个目标产生多个传感器回波信号，导致该目标的不同等效散射中心可能同时产生多个量测，并且多个量测的空间分布能反映出目标的几何形状。相比传统的椭圆扩展目标跟踪算法，非椭圆扩展目标由于用多个子椭圆来拟合真实目标形状，具有描述各种复杂、不规则目标形状的能力，但非椭圆扩展目标跟踪算法与椭圆扩展目标跟踪算法相比计算变得相当复杂，特别对于姿态机动情况下的非椭圆扩展目标，跟踪算法实现难度更大。总结目前科研成果，针对机动非椭圆扩展目标跟踪方法主要有：基于交互多模型的机动非椭圆扩展目标跟踪方法和基于统一非线性运动模型的机动非椭圆扩展目标跟踪方法。第一种方法对每一个子椭圆状态单独建模，其中每个子椭圆状态包括运动状态和扩展状态。然后融入交互多模型方法，计算多种可能的运动情况来处理机动非椭圆扩展目标跟踪问题。第二种方法将所有子椭圆状态统一建模在一个状态形式中，其中每个子椭圆状态包括运动状态、扩展状态和量测率状态。然而上述两种机动非椭圆扩展目标跟踪方法都局限在子椭圆个数不可变的跟踪框架内，这极大限制了跟踪算法的使用范围。若子椭圆个数不变，需要传感器与目标之间的相对姿态不变。例如，雷达发射机一直正对着飞机的腹部，或者飞机一直朝着雷达正面飞过来，此时拟合飞机非椭圆扩展状态所需的子椭圆个数保持不变，但这样的跟踪场景过于简单，显然与实际的战场环境不相符。一旦飞机发生机动，导致其相对传感器的姿态发生变化，此时需要合理拟合扩展状态所需的子椭圆个数变化，而现有的非椭圆扩展目标跟踪方法不能解决这种子椭圆个数变化的非椭圆扩展目标跟踪问题。
技术实现思路
本专利技术的目的在于提出一种子椭圆个数可变的非椭圆扩展目标跟踪方法，以解决现有非椭圆扩展目标跟踪方法不能应用于真实目标跟踪场景的问题，通过实时地估计非椭圆扩展目标复杂的扩展状态和子椭圆个数，提高非椭圆扩展目标跟踪精度。本专利技术的技术方案是：通过将非椭圆扩展目标扩展状态用多个子椭圆表示，建立非椭圆扩展目标跟踪框架；通过对多个子椭圆状态进行预测，得到的子椭圆预测状态，若子椭圆预测状态符合分解准则，表明子椭圆个数过少，则对子椭圆预测状态进行分解，增加椭圆子椭圆个数；根据分解后子椭圆预测状态和当前时刻的量测对子椭圆状态进行更新，得到的子椭圆更新状态，若子椭圆更新状态之间符合合并准则，表明椭圆子椭圆个数过多，则对符合条件的子椭圆更新状态进行合并，减少椭圆子椭圆个数。其实现步骤包括如下：(1)初始化初始化k-1时刻子椭圆状态其中，是第i个子椭圆的量测率状态，是第i个子椭圆的运动状态，是第i个子椭圆的扩展状态，i＝1,...,Nk-1，Nk-1表示k-1时刻子椭圆的总个数，k为时刻，初始化值为1；根据跟踪场景，初始化分解阈值μ，角度合并阈值ρ和面积比合并阈值ξ；(2)在k≥1时，将nk个k时刻收集到的量测划分为组，并将每一组看为一个整体，其中，(3)输入子椭圆目标状态并对其进行预测，得到k时刻子椭圆目标预测状态其中，是k时刻第i个子椭圆的预测量测率状态，是k时刻第i个子椭圆的预测运动状态，是k时刻第i个子椭圆的预测扩展状态；(4)计算子椭圆扩展状态所表示的面积s与该子椭圆量测率状态值的比值σ，判断k时刻子椭圆目标预测状态之间是否满足子椭圆的分解准则：若σ大于分解阈值μ，则满足分解准则，并对所有满足分解准则的子椭圆进行分解，得到k时刻分解后的子椭圆目标预测状态反之，不满足分解准则，则直接将k时刻子椭圆目标预测状态当作k时刻分解后的子椭圆目标预测状态且令Nk|k-1＝Nk-1，其中，Nk|k-1是k时刻子椭圆分解后的预测总个数，是k时刻分解后第i个子椭圆的预测量测率状态，是k时刻分解后第i个子椭圆的预测运动状态，是k时刻分解后第i个子椭圆的预测扩展状态；(5)根据(2)中组划分量测结果和k时刻分解后的子椭圆目标预测状态得到划分量测与子椭圆目标之间全部的关联事件，且关联事件总数为：利用第l个关联事件分别对分解后的子椭圆的目标状态进行滤波，得到k时刻第l个关联事件滤波的子椭圆的目标更新状态和对应关联事件的概率p(l)，其中，是k时刻第l个关联事件第i个子椭圆的更新量测率状态，是k时刻第l个关联事件第i个子椭圆的更新运动状态，是k时刻第l个关联事件第i个子椭圆的更新扩展状态；(6)提取每个子椭圆的目标更新状态：根据k时刻第l个关联事件下子椭圆的目标更新状态和对应的关联事件概率p(l)，，计算得到k时刻子椭圆目标更新状态其中：是k时刻第i个子椭圆的更新量测率状态：是k时刻第i个子椭圆的更新运动状态：是k时刻第i个子椭圆的更新扩展状态：(7)对k时刻子椭圆目标更新状态中的子椭圆进行合并，得到k时刻合并后的子椭圆目标更新状态并输出，其中，Nk|k是k时刻子椭圆合并后的更新总个数，是k时刻合并后第i个子椭圆的更新量测率状态，是k时刻合并后第i个子椭圆的更新运动状态，是k时刻合并后第i个子椭圆的更新扩展状态；(8)判断是否有下一时刻量测输入，若有量测输入，则令k＝k+1，并将(7)中得到的合并后的子椭圆目标更新状态作为步骤(3)的输入，返回步骤(2)，对下一时刻的子椭圆目标状态进行估计；若没有，则目标跟踪过程结束。本专利技术具有以下优点：1)本专利技术由于用多个椭圆描述非椭圆扩展目标状态，能很好拟合非椭圆扩展目标复杂的扩展状态，减少了量测空间分布信息的丢失。2)本专利技术由于是用子椭圆个数可变的非椭圆扩展目标跟踪，不仅能很好地应对非椭圆扩展目标的姿态机动情况，而且能根据非椭圆扩展目标变化的扩展状态实时地增加或减少描述状态的子椭圆个数，更符合实际场景跟踪情况；3)本专利技术由于在描述状态的子椭圆个数减少时，减少了的量测与子椭圆的关联事件数，提高了运算的效率。附图说明图1是本专利技术的实现流程图；图2是简化的非椭圆目标扩展状态示意图；图3是本专利技术仿真中使用的目标运动轨迹图及局部位置标识；图4是图3中局部位置跟踪结果的放大图；图5是用本专利技术与非椭圆扩展目标跟踪算法对目标运动轨迹仿真的子椭圆个数对比图；图6是用本专利技术与非椭圆扩展目标跟踪算法对目标运动轨迹仿真的运算时间对比图。具体实施方式参照图1，本专利技术的具体实施包括以下步骤：步骤1.初始化。将非椭圆扩展目标状态用多个子椭圆表示，并初始化k-1时刻的子椭圆状态为其中，是第i个子椭圆的量测率状态，是第i个子椭圆的运动状态，是第i个子椭圆的扩展状态，i＝1,...,Nk-1，Nk-1表示k-1时刻子椭圆的总个数，k为时刻，初始化值为1；根据跟踪场景，初始化分解阈值μ，角度合并阈值ρ和面积比合并阈值ξ。步骤2.对收集的量测数据进行划分本文档来自技高网...

【技术保护点】
一种子椭圆个数可变的非椭圆扩展目标跟踪方法，包括：(1)初始化将非椭圆扩展目标状态用多个子椭圆表示，并初始化k‑1时刻的子椭圆状态为其中，是第i个子椭圆的量测率状态，是第i个子椭圆的运动状态，是第i个子椭圆的扩展状态，i＝1,...,Nk‑1，Nk‑1表示k‑1时刻子椭圆的总个数，k为时刻，初始化值为1；根据跟踪场景，初始化分解阈值μ，角度合并阈值ρ和面积比合并阈值ξ；(2)在k≥1时，将nk个k时刻通过雷达收集的量测数据划分为组，并将每一组看为一个整体，其中，(3)输入子椭圆目标状态并对其进行预测，得到k时刻子椭圆目标预测状态其中，是k时刻第i个子椭圆的预测量测率状态，是k时刻第i个子椭圆的预测运动状态，是k时刻第i个子椭圆的预测扩展状态；(4)计算子椭圆扩展状态所表示的面积s与该子椭圆量测率状态值的比值σ，判断k时刻子椭圆目标预测状态之间是否满足子椭圆的分解准则：若σ大于分解阈值μ，则满足分解准则，并对所有满足分解准则的子椭圆进行分解，得到k时刻分解后的子椭圆目标预测状态反之，不满足分解准则，则直接将k时刻子椭圆目标预测状态当作k时刻分解后的子椭圆目标预测状态且令Nk|k‑1＝Nk‑1，其中，Nk|k‑1是k时刻子椭圆分解后的预测总个数，是k时刻分解后第i个子椭圆的预测量测率状态，是k时刻分解后第i个子椭圆的预测运动状态，是k时刻分解后第i个子椭圆的预测扩展状态；(5)根据(2)中划分的组量测结果和k时刻分解后的子椭圆目标预测状态得到划分量测与子椭圆目标之间的关联事件，该关联事件定义为划分的组量测结果与Nk|k‑1个子椭圆目标之间所有可能的排列组合情况，因此，关联事件总数为：利用第l个关联事件分别对分解后的子椭圆的目标状态进行滤波，得到k时刻第l个关联事件滤波的子椭圆的目标更新状态和对应关联事件的概率p(l)，其中，是k时刻第l个关联事件第i个子椭圆的更新量测率状态，是k时刻第l个关联事件第i个子椭圆的更新运动状态，是k时刻第l个关联事件第i个子椭圆的更新扩展状态；(6)提取每个子椭圆的目标更新状态：根据k时刻第l个关联事件下子椭圆的目标更新状态和对应的关联事件概率p(l)，计算得到k时刻子椭圆目标更新状态其中：是k时刻第i个子椭圆的更新量测率状态：是k时刻第i个子椭圆的更新运动状态：是k时刻第i个子椭圆的更新扩展状态：(7)对k时刻子椭圆目标更新状态中的子椭圆进行合并，得到k时刻合并后的子椭圆目标更新状态并输出，其中，Nk|k是k时刻子椭圆合并后的更新总个数，是k时刻合并后第i个子椭圆的更新量测率状态，是k时刻合并后第i个子椭圆的更新运动状态，是k时刻合并后第i个子椭圆的更新扩展状态；(8)判断是否有下一时刻量测输入，若有量测输入，则令k＝k+1，并将(7)中得到的合并后的子椭圆目标更新状态作为步骤(3)的输入，返回步骤(2)，对下一时刻的子椭圆目标状态进行估计；若没有，则目标跟踪过程结束。...

【技术特征摘要】
1.一种子椭圆个数可变的非椭圆扩展目标跟踪方法，包括：(1)初始化将非椭圆扩展目标状态用多个子椭圆表示，并初始化k-1时刻的子椭圆状态为其中，是第i个子椭圆的量测率状态，是第i个子椭圆的运动状态，是第i个子椭圆的扩展状态，i＝1,...,Nk-1，Nk-1表示k-1时刻子椭圆的总个数，k为时刻，初始化值为1；根据跟踪场景，初始化分解阈值μ，角度合并阈值ρ和面积比合并阈值ξ；(2)在k≥1时，将nk个k时刻通过雷达收集的量测数据划分为组，并将每一组看为一个整体，其中，(3)输入子椭圆目标状态并对其进行预测，得到k时刻子椭圆目标预测状态其中，是k时刻第i个子椭圆的预测量测率状态，是k时刻第i个子椭圆的预测运动状态，是k时刻第i个子椭圆的预测扩展状态；(4)计算子椭圆扩展状态所表示的面积s与该子椭圆量测率状态值的比值σ，判断k时刻子椭圆目标预测状态之间是否满足子椭圆的分解准则：若σ大于分解阈值μ，则满足分解准则，并对所有满足分解准则的子椭圆进行分解，得到k时刻分解后的子椭圆目标预测状态反之，不满足分解准则，则直接将k时刻子椭圆目标预测状态当作k时刻分解后的子椭圆目标预测状态且令Nk|k-1＝Nk-1，其中，Nk|k-1是k时刻子椭圆分解后的预测总个数，是k时刻分解后第i个子椭圆的预测量测率状态，是k时刻分解后第i个子椭圆的预测运动状态，是k时刻分解后第i个子椭圆的预测扩展状态；(5)根据(2)中划分的组量测结果和k时刻分解后的子椭圆目标预测状态得到划分量测与子椭圆目标之间的关联事件，该关联事件定义为划分的组量测结果与Nk|k-1个子椭圆目标之间所有可能的排列组合情况，因此，关联事件总数为：利用第l个关联事件分别对分解后的子椭圆的目标状态进行滤波，得到k时刻第l个关联事件滤波的子椭圆的目标更新状态和对应关联事件的概率p(l)，其中，是k时刻第l个关联事件第i个子椭圆的更新量测率状态，是k时刻...

【专利技术属性】
技术研发人员：姬红兵，胡琪，张永权，张文博，刘龙，
申请(专利权)人：西安电子科技大学，
类型：发明
国别省市：陕西;61