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 ...
【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
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。