基于简化多假设算法的雷达数据关联方法技术

本发明专利技术提出了一种基于简化多假设算法的雷达数据关联方法。针对多目标跟踪系统中传统多假设算法延迟决策机制造成的“组合爆炸”和计算量指数型上升的问题，引入了似然比得分函数和线性分配(LAP)剪枝方法，利用航迹关联对数似然比对假设关联概率计算进行简化，通过LAP算法航迹级剪枝得到当前时刻的M“最优”假设，再通过全局级假设剪枝，快速得到的一个最优假设匹配序列作为有效关联量测点，最终实现降低计算量的目的。具体包括：基于似然比函数的航迹得分计算、基于LAP的航迹级M-最优假设剪枝和基于LAP的全局级最优假设生成三个主要部分。利用本发明专利技术提出的方法，可以在保证关联准确性的基础上，很大程度上降低多假设算法数据关联过程的运算量。

【技术实现步骤摘要】
基于简化多假设算法的雷达数据关联方法
本专利技术属于雷达多目标跟踪数据关联方法
，特别涉及一种基于简化多假设算法的雷达数据关联方法。
技术介绍
雷达密集回波环境下，多目标间相互干扰，易出现量测与真实目标错误关联或目标航迹中断等现象，目标跟踪精度和效率受到严重影响。数据关联算法的作用就是将量测数据与真实目标航迹进行关联匹配，从而实现多目标的准确跟踪和目标航迹的正确更新维持。在雷达多目标跟踪中，数据关联算法主要解决两大类问题：第一，当一个目标的量测同时落入两个目标关联波门内时如何选择正确的目标轨迹进行关联；第二，当一个目标关联波门内同时出现多个量测时如何选择正确的量测进行航迹更新维持。密集回波环境下，被跟踪目标的运动特性较为复杂。在周围噪声和杂波的频繁干扰下，仅使用单帧回波信息作为关联依据会导致真实目标与虚假量测的错误关联或丢失关联等问题。相对于单帧关联方法(如最近邻、概率数据关联、联合概率数据关联等)，以多假设跟踪(MHT)算法为代表的多帧关联方法利用后续的多帧信息进行积累以降低关联的不确定性。其最大的优点在于可以对复杂困难的关联问题延迟决策指导获得更多的信息，并且有机会更改过去的关联决策以提升关联效果，还可以处理目标的分裂和合并。多假设跟踪算法将航迹起始、航迹维持和航迹终结统一在一个框架上处理，是目前公认的一种功能最强大的最优多目标跟踪方法，在当今许多先进的多雷达跟踪系统被广泛采用。MHT相关处理主要包括点迹与群相关、点迹与航迹相关、航迹假设分支、航迹得分计算、假设生成、假设剪枝、聚类的合并与分离、航迹显示等环节，处理流程如图3所示。MHT算法采用延迟决策机制提高了关联准确度，常被用于复杂回波环境下的多目标跟踪系统。但在跟踪目标数量和杂波数量增加的情况下，MHT算法不可避免会面临假设分支数和计算复杂度指数型增加这两大问题。传统MHT算法在已知量测分布概率的基础上，利用贝叶斯公式计算最新量测与可靠航迹的关联概率，并对多帧假设关联后的假设分支关联概率进行筛选，最终得到最优全局假设。此方法的跟踪效果依赖先验知识，对相关参数的初始化具有较高要求，计算复杂度高。虽然使用普通的m-最优假设剪枝方式同样能够得到最优全局假设，但其剪枝过程中需对所有假设分支进行关联概率计算，因此运算量大，实时性受到限制。
技术实现思路
本专利技术的目的在于提出一种基于简化多假设算法的雷达数据关联方法。本专利技术以利用似然比函数作为航迹假设关联的价值函数，并采用线性分配(LAP)算法从航迹级和全局级对多帧假设进行多重剪枝，简化多目标跟踪的数据关联过程。为实现上述技术目的，本专利技术采用如下技术方案予以实现。一种基于简化多假设算法的雷达数据关联方法，包括以下步骤:1)形成以卡尔曼滤波预测值为中心的椭圆形关联波门，对最新量测进行关联判断。若量测位于关联波门内，则进行步骤2)；否则，接收下一时刻量测，并对其重复步骤1)；2)对每一个进入该确认目标关联波门内的量测生成关联假设，利用似然比函数，计算关联假设航迹的得分矩阵；3)根据当前时刻与每个目标形成的关联假设航迹得分，利用LAP算法得到航迹级M-最优假设；4)判断N-Scan方法已处理的量测帧数，若此时已接收处理N帧量测，则利用LAP算法对N帧关联判断后保留的所有假设进行全局级剪枝，进行步骤5)；若当前时刻仍未接收到第N帧量测，则接收下一帧量测，重复步骤1)-4)；5)利用每一个目标的有效关联量测，进行卡尔曼滤波更新。筛除可靠目标关联假设聚类中不相关量测信息，N-Scan已处理帧数减1，并更新可靠航迹档案信息。返回步骤1)，对下一帧量测进行关联判断处理。本专利技术针对雷达多目标跟踪中数据关联效率问题，着力于假设生成、概率计算和假设剪枝三个环节，对多假设算法进行简化。本专利技术亦可应用于复杂回波环境下，实现多个目标的准确跟踪，具有计算复杂度低、速度快，跟踪误差小的优势。应当理解，前述构思以及在下面更加详细地描述的额外构思的所有组合只要在这样的构思不相互矛盾的情况下都可以被视为本公开的专利技术主题的一部分。另外，所要求保护的主题的所有组合都被视为本公开的专利技术主题的一部分。结合附图从下面的描述中可以更加全面地理解本专利技术教导的前述和其他方面、实施例和特征。本专利技术的其他附加方面例如示例性实施方式的特征和/或有益效果将在下面的描述中显见，或通过根据本专利技术教导的具体实施方式的实践中得知。附图说明附图不意在按比例绘制。在附图中，在各个图中示出的每个相同或近似相同的组成部分可以用相同的标号表示。为了清晰起见，在每个图中，并非每个组成部分均被标记。现在，将通过例子并参考附图来描述本专利技术的各个方面的实施例，其中：图1是基于简化多假设算法的雷达数据关联方法的流程图。图2是基于LAP的航迹级和全局级航迹剪枝效果图(3“最优”，3Scan)。图3是交叉轨迹目标跟踪效果图。图4是圆形轨迹跟踪误差图。图5是圆形轨迹目标数据关联过程假设数量变化图。具体实施方式为了更了解本专利技术的
技术实现思路
，特举具体实施例并配合所附图式说明如下：在本公开中参照附图来描述本专利技术的各方面，附图中示出了许多说明的实施例。本公开的实施例不必定意在包括本专利技术的所有方面。应当理解，上面介绍的多种构思和实施例，以及下面更加详细地描述的那些构思和实施方式可以以很多方式中任意一种来实施，这是因为本专利技术所公开的构思和实施例并不限于任何实施方式。另外，本专利技术公开的一些方面可以单独使用，或者与本专利技术公开的其他方面的任何适当组合来使用。本专利技术所提出的基于简化多假设算法的雷达数据关联方法，主要包括基于似然比函数的航迹得分计算、基于LAP的航迹级M-最优假设剪枝和基于LAP的全局级最优假设生成三个主要部分。下面结合附图，对本专利技术的一些示范性实施例加以说明。根据本专利技术的实施例，提出一种基于简化多假设算法的雷达数据关联方法，以克服复杂回波环境下现有多假设算法易出现“组合爆炸”且关联过程计算量过大的问题。结合图1流程图所示，该方法的实现大致包括以下5个步骤：1)利用其速度范围形成以卡尔曼滤波预测值为中心的椭圆形关联波门，对最新量测进行关联判断。若量测位于关联波门内，则进行步骤2)；否则，接收下一时刻量测，并对其重复步骤1)；2)对每一个进入该确认目标关联波门内的量测生成关联假设，利用似然比函数，计算关联假设航迹的得分矩阵；3)根据当前时刻与每个目标形成的关联假设航迹得分，利用LAP算法得到航迹级M-最优假设；4)判断N-Scan方法已处理的量测帧数，若此时已接收处理N帧量测，则利用LAP算法对N帧关联判断后保留的所有假设进行全局级剪枝，进行步骤5)；若当前时刻仍未接收到第N帧量测，则接收下一帧量测，重复步骤1)-4)；5)利用每一个目标的有效关联量测，进行卡尔曼滤波更新。筛除可靠目标关联假设聚类中不相关量测信息，N-Scan已处理帧数减1，并更新可靠航迹档案信息。返回步骤1)，对下一帧量测进行关联判断处理。上述方法中，所述步骤1)具体为：11)接收k时刻雷达采样数据，采用“当前”统计模型对目标k时刻状态进行估计；12)以k时刻状态估计为中心，根据公式(1)形成椭圆关联波门；d2＝v(k)S-1(k)vT(k)≤γ(1)其中d2为服从m自由度分布的新息协方差，参数γ可通过查本文档来自技高网...

【技术保护点】
一种基于简化多假设算法的雷达数据关联方法，其特征在于，包括以下步骤：1)形成以卡尔曼滤波预测值为中心的椭圆形关联波门，对最新量测进行关联判断：若量测位于关联波门内，则进行步骤2)；否则，接收下一时刻的量测，并重复步骤1)的判断过程；2)对每一个进入该确认目标关联波门内的量测生成关联假设，利用似然比函数，计算关联假设航迹的得分矩阵；3)根据当前时刻与每个目标形成的关联假设航迹得分，利用LAP算法得到航迹级M‑最优假设；4)判断N‑Scan方法已处理的量测帧数，若此时已接收处理N帧量测，则利用LAP算法对N帧关联判断后保留的所有假设进行全局级剪枝，进行步骤5)；若当前时刻仍未接收到第N帧量测，则接收下一帧量测，重复步骤1)‑4)；5)利用每一个目标的有效关联量测，进行卡尔曼滤波更新：筛除可靠目标关联假设聚类中不相关量测信息，N‑Scan已处理帧数减1，并更新可靠航迹档案信息。返回步骤1)，对下一帧量测进行关联判断处理。

【技术特征摘要】
1.一种基于简化多假设算法的雷达数据关联方法，其特征在于，包括以下步骤：1)形成以卡尔曼滤波预测值为中心的椭圆形关联波门，对最新量测进行关联判断：若量测位于关联波门内，则进行步骤2)；否则，接收下一时刻的量测，并重复步骤1)的判断过程；2)对每一个进入该确认目标关联波门内的量测生成关联假设，利用似然比函数，计算关联假设航迹的得分矩阵；3)根据当前时刻与每个目标形成的关联假设航迹得分，利用LAP算法得到航迹级M-最优假设；4)判断N-Scan方法已处理的量测帧数，若此时已接收处理N帧量测，则利用LAP算法对N帧关联判断后保留的所有假设进行全局级剪枝，进行步骤5)；若当前时刻仍未接收到第N帧量测，则接收下一帧量测，重复步骤1)-4)；5)利用每一个目标的有效关联量测，进行卡尔曼滤波更新：筛除可靠目标关联假设聚类中不相关量测信息，N-Scan已处理帧数减1，并更新可靠航迹档案信息。返回步骤1)，对下一帧量测进行关联判断处理。2.权利要求1所述的基于简化多假设算法的雷达数据关联方法，其特征在于，所述步骤2)的似然比得分矩阵计算步骤包括：21)计算每条航迹假设分支的对数似然比值，作为每个假设的得分；22)将所有假设分支的得分汇总，转化为航迹关联得分矩阵。3.权利要求1所述的基于简化多假设算法的雷达数据关联方法，其特征在于，所述步骤3)利用LAP算法得到航迹级M-最优假设的具体子步骤为：31)将步骤2)中得到的假设航迹的似然比航迹关联得分矩阵替代LAP法中所使用的关联概率，作为假设的属性值；32)利用步骤31)中的航迹关联得分矩阵P_value，对其进行取负数的转化，进而得到LAP决策矩阵；33)根据先验权重向量确定权矩阵；34)根据LAP线性规划方法得到M-最优排序矩阵P；35)根据M-最优排序矩阵P，得到当前帧的M-最优假设。4.权利要求3所述的基于简化多假设算法的雷达数据关联方法，其特征在于，所述步骤32)中LAP决策矩阵的计算步骤包括：321)对航迹关联得分矩阵P_value进行取负数的转化：322)得到航迹关联代价矩阵P_costk；323)根据关联代价矩阵求出决策矩阵Dm×n，m代表量测个数，n代表前一时刻的航迹假设分支...

【专利技术属性】
技术研发人员：郭剑辉，张敏怡，赵春霞，顾雁囡，
申请(专利权)人：南京理工大学，
类型：发明
国别省市：江苏,32