一种对点目标和扩展目标进行无缝跟踪的方法技术

本发明专利技术公开了一种对点目标和扩展目标进行无缝跟踪的方法，属于高分辨传感器目标跟踪技术领域。本发明专利技术所述方法用可变维度的高斯过程GP建模目标的可变外形轮廓，目标轮廓占据的各个传感器分辨单元记为量测源；若相对于传感器观测的目标越小，目标轮廓上的量测源个数越少，反之亦然。本发明专利技术利用量测源个数的估计值大小在线调整GP模型的半径数。本发明专利技术能适应ET的外形变化和ET与PT之间的相互转换，无缝地跟踪多个ET和PT，并保持较好的跟踪性能。当目标为ET时，ET‑GP‑PMHT跟踪和输出目标的位置和外形；当目标为PT时，ET‑GP‑PMHT仅跟踪和输出目标的位置。此外，该方法计算复杂度与量测数、半径数和目标数相关。当ET外形变小时，采用的GP模型半径数变少，计算复杂度减小。

A Seamless Tracking Method for Point Target and Extended Target

The invention discloses a seamless tracking method for point target and extended target, which belongs to the technical field of high resolution sensor target tracking. The method of the present invention uses a variable dimension Gauss process GP to model the variable contour of a target, and each sensor resolution unit occupied by the target contour is recorded as a measurement source; if the target is smaller relative to the target observed by the sensor, the number of measurement sources on the target contour is smaller, and vice versa. The radius of the GP model is adjusted online by the estimated value of the number of measurement sources. The invention can adapt to the change of ET shape and the mutual transformation between ET and PT, seamlessly track multiple ET and PT, and maintain good tracking performance. When the target is ET, ET GP PMHT tracks and outputs the location and shape of the target; when the target is PT, ET GP PMHT only tracks and outputs the location of the target. In addition, the computational complexity of the method is related to the number of measurements, radii and targets. When the ET shape becomes smaller, the radius number of GP model used decreases and the computational complexity decreases.

【技术实现步骤摘要】
一种对点目标和扩展目标进行无缝跟踪的方法
本专利技术属于高分辨传感器目标跟踪
，具体涉及一种对点目标和扩展目标进行无缝跟踪的方法。
技术介绍
在现有的跟踪算法中，目标被建模成点源。随着雷达分辨率的提高或者目标离传感器较近，目标占多个分辨单元，产生多个量测，点目标(PT)模型不再适用，由此演化出扩展目标(ET)的问题，因此，出现了越来越多研究ET跟踪(ETT)算法的文献。在现有的ETT研究中，ET状态被建模成运动状态和目标外形两部分。近年来，各种ET外形建模方式被提出。随机矩阵(RM)模型采用对称的正定矩阵建模成一个椭圆，其运动状态满足高斯分布，目标外形则满足逆Wishart分布。仅用椭圆去模拟目标的外形不适宜于所有的目标，因此非椭圆模型更加适合于任意形状的ET。一个直观的想法是将目标建模成多个椭圆的结合，另一种方法是采用星凸形状方法，它把未知扩展目标形状建模成有限个未知的半径函数，基于随机超表面模型(RHM)的星凸形状方法在频域内定义半径函数，采用傅里叶级数展开的方法对半径参数化。在RHM框架中可以用最大期望(EM)的方法，EM基于递归高斯RHM方法的优势也被研究验证。基于高斯过程(GP)模型的星凸形状方法能在空间域对目标半径函数建模，即目标外形建模，并保持目标未观测部分的不确定性。它足够灵活，可以用来表示各种形状。在GP框架中，扩展卡尔曼滤波(EKF)和粒子滤波(PF)可以跟踪单个扩展目标，为了跟踪多个目标，标签多伯努利(LMB)滤波和高斯混合概率假设密度(GM-PHD)滤波在异构多传感器场景中被提出。在实际的ETT场景中的多个ET可能有不同的外形，离传感器远或近，目标可能占据一个分辨单元或多个分辨单元表现为PT或ET。同一个目标，离传感器近时可能表现为ET，远时为PT。在某些监测区间中可能同时存在ET和PT，扩展目标相对于传感器的大小会随着目标分裂、合并、偏转和距传感器距离的变化而发生的更改。现在的GP模型ETT算法采用外形半径数固定的GP模型，不再适应于多个变化外形的扩展目标。尽管现有的方法可以处理目标大小的某些较弱的变化，但是没有提出系统有效地处理外形变化，特别是ET与PT之间变化的方法。
技术实现思路
本专利技术的目的在于针对上述问题，提出一种对点目标和扩展目标进行无缝跟踪的方法，以在存在杂波和漏检情况下，跟踪ET的外形变化和同时跟踪PT和ET，解决量测和外形点的数据关联问题。实现本专利技术的技术关键是：用可变维度的GP建模目标的可变外形轮廓，引入泊松率估计量测源个数，量测源个数反映外形点个数，从而可用泊松率动态调整GP模型的半径个数，使模型适应于目标外形的变化。并采用PMHT算法解决数据关联问题，从而完成多个扩展目标在杂波中的跟踪。本专利技术所提出的技术问题是这样解决的：一种对点目标和扩展目标进行无缝跟踪的方法，包括以下步骤：步骤1.初始化ET-GP-PMHT算法参数：步骤1a.初始化状态背景参数和GP模型参数：状态转移矩阵，状态噪声协方差，初始状态协方差，超参数等；步骤1b.初始化观测环境各项参数：观测噪声方差R，杂波密度，采样间隔Δt，监控空间V，传感器位置，检测概率Pd；步骤1c.导入观测信息：包括共有T帧数据，每次滑动窗内有Tb帧数据，滑动窗内1～Tb帧的量测数据集合Z，第t帧量测数据集合Zt，第t帧量测集合数量Mt，1≤t≤Tb；步骤2.初始化滑动窗内的Tb帧数据和量测数据集合Z，令当前迭代次数i为1；步骤2a.在量测空间中除去已被关联到现存航迹的量测，在量测空间中将其余量测间欧几里得距离低于距离门限的量测分堆，用前2帧的量测堆中心进行两点差分方法初始化新目标航迹；若存在新的目标航迹，则初始化状态环境各项参数：目标数Nt，第一帧中各分堆所得量测集合中元素个数与检测概率相比的结果初始化目标航迹的GP模型半径个数两点差分得到目标初始状态初始化状态转移矩阵，初始状态协方差，状态噪声协方差，泊松速率和泊松参数；步骤2b.导入个半径对应的外形点的种量测模型；步骤3.构造ET-GP-PMHT第t帧的后验概率计算公式：步骤3a.泊松速率向量：其中，n＝1，...，Nt，泊松速率向量λ是1到Tb帧的泊松速率向量集合，本专利技术假设目标的量测个数和量测区间中的杂波个数满足泊松分布，因此，可以用泊松速率代替原始PMHT中的先验概率，泊松速率也可以反应目标产生量测的平均个数；λ0，t代表杂波个数服从均值为λ0，t的泊松分布，在此专利技术中设置为常量；泊松速率λn，l，t的分布服从以αn，l，t|t和βn，l，t|t为泊松参数的gamma分布λn，l，t＝γ(λn，l，t；αn，l，t|t，βn，l，t|t)，αn，l，t|t为形状参数，βn，l，t|t为尺度参数；步骤3b.似然的计算公式为：假设杂波为空间均匀分布，则似然值：其中，zj，t是t帧的第j(j＝1，...，Mt)个量测，xn，t是t帧n目标的目标状态，表示以为均值、以Rn，l，t为协方差的高斯概率密度函数，hl，t(·)表示t时n目标的第l个外形点所对应的量测模型的量测函数，Rn，l，t为其对应量测模型的协方差矩阵，为第t帧第n个目标第l个外形点在全局坐标轴上的角度(如图1)，不同目标的量测模型相同；步骤3c.后验概率公式：其中，ωj，l，n，t表示时刻t量测zj，t是源于目标xn，t的第l个外形点后验概率；步骤3d.泊松速率公式：αn，l，t-1|t＝exp{-Δt/τ}αn，l，t|tβn，l，t-1|t＝exp{-Δt/τ}βn，l，t|tβn，l，t|t＝βn，l，t|t-1+1其中，exp为指数次幂，αn，l，t|t-1为预测形状参数，βn，l，t|t-1为预测尺度参数，τ是一个时间常量，指估计对进化泊松率变化的响应速度；步骤4.计算综合量测和综合协方差：综合量测和综合协方差的公式分别为：至此，扩展目标场景下量测与目标外形点关联模糊问题已经解决，对于每个目标的一个外形点只有一个综合量测与综合协方差；步骤5.判断t＝Tb是否成立，如果成立，则执行下一步；否则t＝t+1，返回执行步骤3；步骤6.扩展卡尔曼平滑：因为扩展目标的量测函数是非线性的，所以采用扩展卡尔曼平滑算法实现状态的跟新估计。可采用堆叠方法将量测矩阵、综合量测及综合协方差进行堆叠，再运用扩展卡尔曼平滑算法。因为量测函数为非线性函数，需要对量测函数求雅克比矩阵作为量测矩阵：然后，分别对量测矩阵、综合量测及综合协方差进行堆叠得到：其中，diag(·)表示对角化矩阵；最后，对目标xn，t执行的扩展卡尔曼平滑算法，算法步骤与传统扩展卡尔曼平滑算法一致；步骤7.判断是迭代数i是否满足循环迭代收敛条件，如不满足则返回步骤3；收敛则执行8；步骤8.判断航迹终止：定义平均估计速率若ξ小于门限ξTH，该航迹结束，反之该航迹继续；步骤9.自适应动态目标外形，调节目标外形点个数：步骤9a.用目标泊松速率估计量测源个数：估计量测源个数与外形点个数的差：步骤9b.如果var＞0，找出前var个泊松参数大的目标半径，在这些半径的旁边添加泊松参数相同的新半径；如果var＜0，删除泊松参数最小的-var条半径；如果var≠0，更新状态转移矩阵，状态噪声协方差Qn，t，状态协方差Pn，t；如果var＝0，则执行步本文档来自技高网...

【技术保护点】
1.一种对点目标和扩展目标进行无缝跟踪的方法，其特征在于，包括以下步骤：步骤1.初始化ET‑GP‑PMHT算法参数：步骤1a.初始化状态背景参数和GP模型参数：状态转移矩阵，状态噪声协方差，初始状态协方差，超参数等；步骤1b.初始化观测环境各项参数：观测噪声方差R，杂波密度，采样间隔Δt，监控空间V，传感器位置，检测概率Pd；步骤1c.导入观测信息：包括共有T帧数据，每次滑动窗内有Tb帧数据，滑动窗内1～Tb帧的量测数据集合Z，第t帧量测数据集合Zt，第t帧量测集合数量Mt，1≤t≤Tb；步骤2.初始化滑动窗内的Tb帧数据和量测数据集合Z，令当前迭代次数i为1；步骤2a.在量测空间中除去已被关联到现存航迹的量测，在量测空间中将其余量测间欧几里得距离低于距离门限的量测分堆，用前2帧的量测堆中心进行两点差分方法初始化新目标航迹；若存在新的目标航迹，则初始化状态环境各项参数：目标数Nt，第一帧中各分堆所得量测集合中元素个数与检测概率相比的结果初始化目标航迹的GP模型半径个数

【技术特征摘要】
1.一种对点目标和扩展目标进行无缝跟踪的方法，其特征在于，包括以下步骤：步骤1.初始化ET-GP-PMHT算法参数：步骤1a.初始化状态背景参数和GP模型参数：状态转移矩阵，状态噪声协方差，初始状态协方差，超参数等；步骤1b.初始化观测环境各项参数：观测噪声方差R，杂波密度，采样间隔Δt，监控空间V，传感器位置，检测概率Pd；步骤1c.导入观测信息：包括共有T帧数据，每次滑动窗内有Tb帧数据，滑动窗内1～Tb帧的量测数据集合Z，第t帧量测数据集合Zt，第t帧量测集合数量Mt，1≤t≤Tb；步骤2.初始化滑动窗内的Tb帧数据和量测数据集合Z，令当前迭代次数i为1；步骤2a.在量测空间中除去已被关联到现存航迹的量测，在量测空间中将其余量测间欧几里得距离低于距离门限的量测分堆，用前2帧的量测堆中心进行两点差分方法初始化新目标航迹；若存在新的目标航迹，则初始化状态环境各项参数：目标数Nt，第一帧中各分堆所得量测集合中元素个数与检测概率相比的结果初始化目标航迹的GP模型半径个数两点差分得到目标初始状态初始化状态转移矩阵，初始状态协方差，状态噪声协方差，泊松速率和泊松参数；步骤2b.导入个半径对应的外形点的种量测模型；步骤3.构造ET-GP-PMHT第t帧的后验概率计算公式：步骤3a.泊松速率向量：其中，n＝1，...，Nt，泊松速率向量λ是1到Tb帧的泊松速率向量集合，用泊松速率代替原始PMHT中的先验概率，泊松速率反应目标产生量测的个数；λ0，t代表杂波个数服从均值为λ0，t的泊松分布；泊松速率λn，l，t的分布服从以αn，l，t|t和βn，l，t|t为泊松参数的gamma分布λn，l，t＝γ(λn，l，t；αn，l，t|t，βn，l，t|t)，αn，l，t|t为形状参数，βn，l，t|t为尺度参数；步骤3b.似然的计算公式为：假设杂波为空间均匀分布，则似然值：其中，zj，t是t帧的第j个量测，j＝1，...，Mt，xn，t是t帧n目标的目标状态，表示以为均值、以Rn，l，t为协方差的高斯概率密度函数，hl，t(·)表示t时n目标的第l个外形点所对应的量测模型的量测函数，Rn，l，t为对应量测模型的协方差矩阵，为第t帧第n个目标第l个外形点在全局坐标轴上的角度，不同目标的量测模型相同；步骤3c.后验概率公式：其中，ωj，l，n，t表示时刻t量测zj，t是源于目标xn，t的第l个外形点后验概率；步骤3d.泊松速率公式：αn，l，t-1|t＝exp{-Δt/τ}αn，l，t|tβn，l，t-1|t＝exp{-Δt/τ}βn，l，t|t其中，exp为指数次幂，αn，l，t|t-1为预测形状参数，βn，l，t|t-1为预测尺度参数，τ为时间常量；步骤4.计算综合量测和综合协方差：综合量测和综合协方差的公式分别为：步骤5.判断t＝Tb是否成立，如果成立，则执行下一步；否则令t＝t+1，返回执行步骤3；步骤6.扩展卡尔曼平滑：对量测函数求雅克比矩阵作为量测矩阵：分别对量测矩阵、综合量测及综合协方差进行堆叠得到：其中，diag(·)表示对角化矩阵；最后，对目标xn，t执行的扩展卡尔曼平滑算法；步骤7.判断是迭代数i是否满足循环迭代收敛条件，如不满足则返回步骤3；收敛则执行8；步骤8.判...

【专利技术属性】
技术研发人员：唐续，李明晏，王代维，董平，
申请(专利权)人：电子科技大学，
类型：发明
国别省市：四川,51