基于强度滤波器的多扩展目标跟踪方法技术

本发明专利技术提出了一种基于强度滤波器的多扩展目标跟踪方法，以解决现有技术不能在杂波强度未知和新生目标状态未知情况下进行准确跟踪多扩展目标的问题，实现步骤包括：建立增广空间模型，实现杂波和目标相互转化；初始化目标粒子集和杂波强度；预测存活目标粒子集，初始化新生目标粒子集，预测杂波强度，预测量测强度；对扩展目标量测集进行量测划分；更新目标粒子集和杂波强度；重采样更新后的目标粒子集；采用k‑means聚类方法获得目标状态。本发明专利技术的应用领域更广，不仅能够捕获到未知新生目标的位置状态信息，而且能在准确估计目标状态的同时，实时地更新未知杂波的强度，可用于雷达信号处理等领域。

【技术实现步骤摘要】

本专利技术属于信息处理
，涉及一种未知杂波环境下新生目标未知的多扩展目标跟踪，具体涉及一种基于强度滤波器的多扩展目标跟踪方法，可用于雷达信号处理等领域。
技术介绍
在传统多目标跟踪领域，通常将目标看成点目标，即每个观测时刻每个目标最多产生一个量测。随着现代传感器技术的不断发展，当目标距离传感器较近或目标较大等情况时，每个观测时刻每个目标可能产生多个量测，这种目标称为扩展目标。研究目标数未知且变化的多扩展目标连续跟踪问题是目标跟踪领域的重点，多扩展目标跟踪是指利用传感器所获得的量测数据对扩展目标的状态进行持续的预测和更新，在多扩展目标的跟踪过程中，可能伴随目标的新生和消亡，同时还会有虚警和漏警等情况的发生。由于扩展目标理论在某些情况下更贴近实际，因此得到了各国学者重视，成为该领域的热门研究方向。该技术的研究有益于我国面对日益复杂的战场环境、探测和跟踪难度的增加、当前复杂多变的周边形势以及军事技术引进困难的现状。2003年，Mahler将随机有限集理论应用于多点目标跟踪问题，提出了概率假设密度(PHD)滤波。2005年，Gilholm和Salmond提出一种空间分布服从泊松分布的扩展目标模型。2009年，Mahler推导出了多扩展目标PHD滤波，即用每一时刻的量测随机集对目标随机集进行预测、更新，继而可以准确提取目标的运动状态和估计目标的数目。2010年，等给出了多扩展目标PHD的高斯混合实现形式。2011年，Orguner等又提出了带势分布的多扩展目标PHD(ET-CPHD)滤波，很好的解决了ET-PHD估计目标数目时的缺陷。为了解决非线性非高斯条件下扩展目标跟踪的问题，Yunxiang Li于2013年提出了多扩展目标粒子PHD(ET-P-PHD)及其实现。然而在一般的基于随机有限集的滤波器中，通常假设杂波密度服从均匀分布，杂波个数服从泊松分布并先验已知，但实际应用中通常难以得知杂波的确切信息。而当真实的杂波与假设的模型不匹配时，会出现跟踪性能下降甚至滤波发散的问题。而且在传统的基于随机有限集的多扩展目标跟踪中，新生目标的状态是已知的，在某些情况下并不适用。为了解决杂波未知和新生目标未知的问题，多目标跟踪中引入强度滤波器的方法。强度滤波器采用连续-离散空间对目标建模，通过连续空间与离散空间的相互转化表示目标的新生和消亡，可以在跟踪目标的同时估计量测杂波强度。2008年，Roy L.Streit在贝叶斯框架下首次提出了基于泊松点过程的强度滤波器iFilter，并于2011年给出了其粒子的实现方法。该滤波器利用增广状态空间对目标运动进行建模，能够实时的估计杂波的个数，捕获新生目标，从而实现杂波数未知环境下对多目标的跟踪。2013年，Roy L.Streit,Marek Schikora,Wolfgang Koch和Daniel Cremers等人又在《Bayesian Multiple Tracking》一书中对其粒子实现方式进行了改进，使得其跟踪性能有了进一步的提高。但是目前强度滤波器iFilter算法只能处理点目标跟踪的问题，不能处理多扩展目标跟踪的问题，将强度滤波器引入到多扩展目标跟踪中在某些情况下更贴近实际。
技术实现思路
本专利技术的目的在于克服上述现有技术存在的缺陷，提出了一种基于强度滤波器的多扩展目标跟踪方法(ET-iFilter)，用于解决现有多扩展目标跟踪方法，在杂波强度未知和新生目标状态未知的情况下不能准确跟踪多扩展目标的技术问题。实现本专利技术技术的关键是：将增广状态空间应用到扩展目标随机集滤波中来表征扩展目标的杂波之间的运动和相互转化，通过量测空间得到杂波模型估计、目标个数估计和多目标的状态估计；使用距离划分方式解决强度滤波器算法中扩展目标跟踪的量测划分问题。为实现上述目的，本专利技术采取的技术方案，包括如下步骤：(1)利用转移函数建立增广空间模型S+＝S∪Sφ，其中S+表示增广空间，S表示目标状态空间，Sφ表示杂波空间，φ表示杂波；(2)令初始时刻t＝0，对目标和杂波强度进行初始化，得到初始化目标粒子集和初始化杂波强度f0|0(φ)，其中N0表示初始时刻在状态空间中均匀产生的目标粒子数，和分别表示初始时刻第i个目标粒子状态及其强度；(3)对t-1时刻重采样后的目标粒子集进行预测，得到t时刻存活目标的预测粒子集其中Nt-1是t-1时刻重采样后的样本粒子数，和分别表示t-1时刻重采样后第i个目标粒子状态及其强度，Nt|t-1表示t时刻存活目标预测粒子集中的粒子数，和分别表示t时刻预测后第i个存活目标粒子状态及其强度；(4)对t时刻新生目标进行初始化，得到新生目标初始化粒子集其中Nnew,t表示t时刻新增加的粒子数目，和分别表示t时刻第i个新生目标粒子的状态和强度；(5)将得到的t时刻存活目标的预测粒子集和新生目标初始化粒子集进行合并，得到目标预测粒子集合其中和分别表示合并后t时刻第i个预测目标粒子状态及其强度；(6)根据得到的t时刻的目标预测粒子集合和t-1时刻的杂波强度ft-1|t-1(φ)，对t时刻的杂波强度进行预测，得到t时刻预测杂波强度ft|t-1(φ)；(7)根据得到的t时刻的目标预测粒子集合和t时刻扩展目标量测集对t时刻的量测强度进行预测，得到t时刻预测量测强度其中，j∈[1,Nz,t]，Nz,t表示t时刻的量测数,表示t时刻第j个量测；(8)对t时刻扩展目标量测集进行量测划分，得到P种划分方式，每一种划分方式对应一种划分单元集合W；(9)利用t时刻得到的每一种划分方式下对应的划分单元集合W的量测强度和目标似然函数分别对t时刻的目标预测粒子集合进行更新，得到t时刻更新目标粒子集其中和分别表示更新后第i个目标粒子状态及其强度，Nt|t表示更新目标粒子集中粒子数；(10)利用得到t时刻预测量测强度和杂波强度量测似然函数对得到的t时刻预测杂波强度ft|t-1(φ)进行更新，得到t时刻更新杂波强度ft|t(φ)；(11)求取t时刻更新目标粒子集中粒子的强度和，得到t时刻估计的目标数目ηt；(12)从得到的t时刻更新目标粒子集中重采样Nt个样本粒子，得到重采样后的目标粒子集其中和分别表示t时刻重采样后第i个目标粒子状态及其强度，Nt是t时刻重采样的样本粒子数；(13)采用k-means聚类方法对得到的重采样后的目标粒子集进行聚类，得到t时刻多扩展目标的状态，根据提取的目标状态，输出目标的位置信息；(14)令t＝t+1，执行步骤(3)。本专利技术与现有技术相比，具有以下优点：(1)本专利技术由于在多扩展目标跟踪中应用了强度滤波器算法，使得目标和杂波的运动与转化可以显式的表示出来，从而将杂波视为一种“伪目标”同真实目标一起来进行滤波操作，与现有多扩展目标跟踪中采用的PHD滤波方法相比，能够实时地估计杂波的强度，从而实现杂波强度未知环境下对多扩展目标的跟踪。(2)本专利技术由于在每一时刻的量测周围按特定分布采样粒子，能捕获到新生目标的位置状态信息。与现有的PHD多扩展目标跟踪方法只能解决新生目标的状态已知的情况相比，本专利技术可以解决目标新生未知的问题，应用的范围更广。附图说明图1是本专利技术的实现流程框图；图2是本专利技术中目标真实的运动轨迹和量测图；图3是本专利技术在单次实验条件下的跟踪结果图；图4是本专利技术方本文档来自技高网...

【技术保护点】
一种基于强度滤波器的多扩展目标跟踪方法，包括如下步骤:(1)利用转移函数建立增广空间模型S+＝S∪Sφ，其中S+表示增广空间，S表示目标状态空间，Sφ表示杂波空间，φ表示杂波；(2)令初始时刻t＝0，对目标和杂波强度进行初始化，得到初始化目标粒子集和初始化杂波强度f0|0(φ)，其中N0表示初始时刻在状态空间中均匀产生的目标粒子数，和分别表示初始时刻第i个目标粒子状态及其强度；(3)对t‑1时刻重采样后的目标粒子集进行预测，得到t时刻存活目标的预测粒子集其中Nt‑1是t‑1时刻重采样后的样本粒子数，和分别表示t‑1时刻重采样后第i个目标粒子状态及其强度，Nt|t‑1表示t时刻存活目标预测粒子集中的粒子数，和分别表示t时刻预测后第i个存活目标粒子状态及其强度；(4)对t时刻新生目标进行初始化，得到新生目标初始化粒子集其中Nnew,t表示t时刻新增加的粒子数目，和分别表示t时刻第i个新生目标粒子的状态和强度；(5)将得到的t时刻存活目标的预测粒子集和新生目标初始化粒子集进行合并，得到目标预测粒子集合其中和分别表示合并后t时刻第i个预测目标粒子状态及其强度；(6)根据得到的t时刻的目标预测粒子集合和t‑1时刻的杂波强度ft‑1|t‑1(φ)，对t时刻的杂波强度进行预测，得到t时刻预测杂波强度ft|t‑1(φ)；(7)根据得到的t时刻的目标预测粒子集合和t时刻扩展目标量测集对t时刻的量测强度进行预测，得到t时刻预测量测强度其中，j∈[1,Nz,t]，Nz,t表示t时刻的量测数,表示t时刻第j个量测；(8)对t时刻扩展目标量测集进行量测划分，得到P种划分方式，每一种划分方式对应一种划分单元集合W；(9)利用t时刻得到的每一种划分方式下对应的划分单元集合W的量测强度和目标似然函数分别对t时刻的目标预测粒子集合进行更新，得到t时刻更新目标粒子集其中和分别表示更新后第i个目标粒子状态及其强度，Nt|t表示更新目标粒子集中粒子数；(10)利用得到的t时刻预测量测强度和杂波强度量测似然函数对得到的t时刻预测杂波强度ft|t‑1(φ)进行更新，得到t时刻更新杂波强度ft|t(φ)；(11)求取t时刻更新目标粒子集中粒子的强度和，得到t时刻估计的目标数目ηt；(12)从得到的t时刻更新目标粒子集中重采样Nt个样本粒子，得到重采样后的目标粒子集其中和分别表示t时刻重采样后第i个目标粒子状态及其强度，Nt是t时刻重采样的样本粒子数；(13)采用k‑means聚类方法对得到的重采样后的目标粒子集进行聚类，得到t时刻多扩展目标的状态，根据提取的目标状态，输出目标的位置信息；(14)令t＝t+1，执行步骤(3)。...

【技术特征摘要】
1.一种基于强度滤波器的多扩展目标跟踪方法，包括如下步骤:(1)利用转移函数建立增广空间模型S+＝S∪Sφ，其中S+表示增广空间，S表示目标状态空间，Sφ表示杂波空间，φ表示杂波；(2)令初始时刻t＝0，对目标和杂波强度进行初始化，得到初始化目标粒子集和初始化杂波强度f0|0(φ)，其中N0表示初始时刻在状态空间中均匀产生的目标粒子数，和分别表示初始时刻第i个目标粒子状态及其强度；(3)对t-1时刻重采样后的目标粒子集进行预测，得到t时刻存活目标的预测粒子集其中Nt-1是t-1时刻重采样后的样本粒子数，和分别表示t-1时刻重采样后第i个目标粒子状态及其强度，Nt|t-1表示t时刻存活目标预测粒子集中的粒子数，和分别表示t时刻预测后第i个存活目标粒子状态及其强度；(4)对t时刻新生目标进行初始化，得到新生目标初始化粒子集其中Nnew,t表示t时刻新增加的粒子数目，和分别表示t时刻第i个新生目标粒子的状态和强度；(5)将得到的t时刻存活目标的预测粒子集和新生目标初始化粒子集进行合并，得到目标预测粒子集合其中和分别表示合并后t时刻第i个预测目标粒子状态及其强度；(6)根据得到的t时刻的目标预测粒子集合和t-1时刻的杂波强度ft-1|t-1(φ)，对t时刻的杂波强度进行预测，得到t时刻预测杂波强度ft|t-1(φ)；(7)根据得到的t时刻的目标预测粒子集合和t时刻扩展目标量测集对t时刻的量测强度进行预测，得到t时刻预测量测强度其中，j∈[1,Nz,t]，Nz,t表示t时刻的量测数,表示t时刻第j个量测；(8)对t时刻扩展目标量测集进行量测划分，得到P种划分方式，每一种划分方式对应一种划分单元集合W；(9)利用t时刻得到的每一种划分方式下对应的划分单元集合W的量测强度和目标似然函数分别对t时刻的目标预测粒子集合进行更新，得到t时刻更新目标粒子集其中和分别表示更新后第i个目标粒子状态及其强度，Nt|t表示更新目标粒子集中粒子数；(10)利用得到的t时刻预测量测强度和杂波强度量测似然函数对得到的t时刻预测杂波强度ft|t-1(φ)进行更新，得到t时刻更新杂波强度ft|t(φ)；(11)求取t时刻更新目标粒子集中粒子的强度和，得到t时刻估计的目标数目ηt；(12)从得到的t时刻更新目标粒子集中重采样Nt个样本粒子，得到重采样后的目标粒子集其中和分别表示t时刻重采样后第i个目标粒子状态及其强度，Nt是t时刻重采样的样本粒子数；(13)采用k-means聚类方法对得到的重采样后的目标粒子集进行聚类，得到t时刻多扩展目标的状态，根据提取的目标状态，输出目标的位置信息；(14)令t＝t+1，执行步骤(3)。2.根据权利要求1所述的基于强度滤波器的多扩展目标跟踪方法，其特征在于：步骤(1)中所述的建立增广空间模型S+＝S∪Sφ，是采用在状态空间中加入状态转移函数的方式实现的，该状态转移函数中的ψt(φ|x)表示目标消失的概率，ψt(x|φ)表示目标新生概率，ψt(φ|φ)表示杂波转移概率，ψt(y|x)表示目标转移概率，其中x,y属于目标状态空间，φ属于杂波空间。3.根据权利要求1所述的基于强度滤波器的多扩展目标跟踪方法，其特征在于，步骤(4)中所述的对t时刻新生目标进行初始化，按如下步骤实现：(4a)对t-1时刻量测集中的每个量测周围按高斯分布方式分配新的粒子，得到新生目标粒子的状态新增加粒子数目为其中Nt-1表示在t-1时刻粒子数目，ft-1|t-1(φ)表示t-1时刻杂波强度，ψt(φ|φ)表示t时刻杂波转移概率，ηt-1表示t-1时刻估计的目标数目；(4b)计算得到的新生目标粒子集中的新生粒子强度，计算公式为：i＝1,…,Nnew,t，其中，ψt(x|φ)表示t时刻目标新生概率。4.根据权利要求1所述的基于强度滤波器的多扩展目标跟踪方法,其特征在于，步骤(9)中所述的对t时刻的目标预测粒子集合进行更新，按如下步骤实现：(9a)求取每个目标的有效检测概率，计算公式为其中pD(x)表示传感器的检测概率，表示泊松分布参数；(9b)求取每个目标样本粒子的更新强度，计算公式为 w ^ t | t ( i ) = 1 - ( 1 - e - γ ( X ~ t i ) ) p D ( x ) + e - γ ( X ~ t i ) p D ( x ) Σ p ∠ Z t w p × Σ W ∈ p γ ( X ~ t i ) | W | ...

【专利技术属性】
技术研发人员：李翠芸，桂阳，姬红兵，
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