一种双雷达修正序贯高斯混合概率假设密度滤波方法技术

本发明专利技术公开了一种双雷达修正序贯高斯混合概率假设密度滤波方法，传统双雷达序贯GM‑PHD仅适用于测量目标位于两个雷达的公共测量区域的情况，当目标未处于上述区域时，可能会出现目标丢失问题。本发明专利技术基于有限统计学理论，通过对各个雷达测量值对应的高斯成分进行预测、更新、修剪融合、维持融合、目标状态提取，实现多目标跟踪，且不会丢失处于非公共测量区域的目标，拓宽了序贯GM‑PHD的应用范围。与传统方法相比，计算复杂性变化不大。

A dual radar modified sequential Gauss mixing probability hypothesis density filtering method

The invention discloses a dual radar modified sequential Gauss mixture probability hypothesis density filtering method. The traditional dual radar sequential GM PHD is only applicable to the situation that the measuring target is located in the common measuring area of two radars. When the target is not located in the above area, the problem of target loss may occur. Based on the theory of finite statistics, the method realizes multi-target tracking by predicting, updating, pruning and fusing the corresponding Gauss components of each radar measurement value, maintaining the fusion and extracting the target state, without losing the target in the non-public measurement area, and expands the application scope of sequential GM PHD. Compared with traditional methods, the computational complexity is not changed.

【技术实现步骤摘要】
一种双雷达修正序贯高斯混合概率假设密度滤波方法
本专利技术涉及多传感器多目标跟踪
，尤其涉及一种双雷达修正序贯高斯混合概率假设密度滤波方法。
技术介绍
20世纪50年代，随着雷达应用环境的复杂化，要求雷达能够同时跟踪多个目标，多目标跟踪的概念随之提出。经过几十年的研究，多目标跟踪技术理论发展迅速，越来越多的优良算法被提出，并广泛应用于军事和民事的各个领域，如军事情报收集、敌情预警、工业过程监控、空中交通管制等。工程中常用的多目标跟踪算法主要有最近邻法(NearestNeighbor,NN)、联合概率数据互联法(JointProbabilisticDataAssociation，JPDA)以及多假设跟踪算法(MultipleHypothesisTracking,MHT)等。这些算法都需要通过数据关联技术将多目标跟踪问题转化为单目标跟踪问题，实现量测数据与已有航迹的准确关联，但数据关联本身是NP难的，也就是说引入数据关联大大增加了多目标跟踪问题的复杂度。因此，需要寻找一种不需要进行数据关联的多目标跟踪算法。基于有限集统计(FiniteSetStatistics,FISST)理论，一本文档来自技高网...

【技术保护点】
1.一种双雷达修正序贯高斯混合概率假设密度滤波方法，其特征在于，包括如下步骤：步骤1，初始化：雷达1和雷达2组成雷达系统，假设雷达1和雷达2测量时间同步，建立系统方程和测量方程，通过传感器获得目标初始时刻的状态，包含目标的位置和速度信息，得到第0个周期的目标状态强度的高斯成分集合；步骤2，雷达1高斯成分预测：以k‑1表示雷达系统前一扫描周期，以k表示雷达当前扫描周期，记雷达扫描周期为T，利用系统方程将k‑1周期目标状态强度的高斯成分集合进行预测，得到k周期雷达1的预测高斯成分集合，该预测高斯成分集合中包括存活高斯成分预测项、新出生高斯成分项和分裂高斯成分项；步骤3，雷达1高斯成分测量更新；步骤...

【技术特征摘要】
1.一种双雷达修正序贯高斯混合概率假设密度滤波方法，其特征在于，包括如下步骤：步骤1，初始化：雷达1和雷达2组成雷达系统，假设雷达1和雷达2测量时间同步，建立系统方程和测量方程，通过传感器获得目标初始时刻的状态，包含目标的位置和速度信息，得到第0个周期的目标状态强度的高斯成分集合；步骤2，雷达1高斯成分预测：以k-1表示雷达系统前一扫描周期，以k表示雷达当前扫描周期，记雷达扫描周期为T，利用系统方程将k-1周期目标状态强度的高斯成分集合进行预测，得到k周期雷达1的预测高斯成分集合，该预测高斯成分集合中包括存活高斯成分预测项、新出生高斯成分项和分裂高斯成分项；步骤3，雷达1高斯成分测量更新；步骤4，雷达1高斯成分融合修剪：删除测量更新后的高斯成分集合中权重充分小的高斯项，将距离充分小的高斯成分合并成一个；步骤5，雷达2高斯成分测量更新；步骤6，雷达2高斯成分融合修剪：删除测量更新后的高斯成分集合中权重充分小的高斯项，将距离充分小的高斯成分合并成一个；步骤7，高斯成分维持融合：对于步骤4得到的雷达1的修剪融合后的高斯成分集合中的每一个元素，从步骤6得到的雷达2修剪融合后的高斯成分集合中找出与其距离最近的元素，进行维持融合，得到维持融合后的高斯成分集合；步骤8，目标状态提取，将步骤7得到的高斯成分集合中权重大于0.5的高斯成份均值提取出来作为当前时刻的目标状态估计值。2.根据权利要求1所述的方法，其特征在于，步骤1包括如下步骤：步骤1-1，建立如下系统方程：Xk＝Fk*Xk-1+wk-1(公式一)其中，表示k时刻目标状态向量，xk为x方向的位置，yk为y方向的位置，为x方向的速度，为y方向的速度，Fk为k时刻状态转移矩阵，wk为k时刻系统噪声，wk服从均值为0，协方差为Qk的正态分布，Qk为k时刻正态分布的协方差；步骤1-2，为生成雷达1和雷达2的测量数据，建立如下两个测量方程：其中，为雷达1的测量值，为雷达2的测量值，两个雷达的测量矩阵满足雷达1和雷达2的测量噪声分别为具有协方差的零均值、白色高斯测量噪声和具有协方差的零均值、白色高斯测量噪声分别表示为N表示正态分布，分别为雷达1的测量噪声的标准差和雷达2的测量噪声的标准差，I2为2阶单位矩阵；步骤1-3，通过雷达1获得目标初始时刻的状态，包含目标的位置和速度信息，得到第0个周期的目标状态强度的高斯成分集合为其中，为0时刻第i个高斯成分的权重，为0时刻第i个高斯成分的状态向量，为0时刻第i个高斯成分的方差阵，J0为0时刻高斯成分的数量。3.根据权利要求2所述的方法，其特征在于，步骤1-1中，状态转移矩阵Fk和噪声方差阵Qk分别如下：其中，T为测量周期，为系统噪声的标准差，F、Q为中间变量。4.根据权利要求3所述的方法，其特征在于，步骤2中，得到k时刻雷达1的预测高斯成分集合为其中，为k时刻第i个预测高斯成分的权重，为k时刻第i个预测高斯成分的状态向量，为k时刻第i个预测高斯成分的方差阵，Jk|k-1为k时刻预测高斯成分的数量。5.根据权利要求4所述的方法，其特征在于，步骤3包括如下步骤：步骤3-1，根据雷达1的预测高斯成分集合计算预测测量值预测测量误差协方差阵增益矩阵和估计误差协方差阵公式如下：其中，I为单位矩阵；步骤3-2，对k时刻雷达1的每一个测量值对预测高斯成分进行测量更新得到多目标状态集合矩表示为：其中，表示将第i个预测高斯成分作为以x为变量、以为均值、以为方差阵的高斯分布，为高斯分布的权...

【专利技术属性】
技术研发人员：樊小龙，许建，黄放明，黄志良，孙裔申，卜卿，沈海平，王汉斌，
申请(专利权)人：中国电子科技集团公司第二十八研究所，
类型：发明
国别省市：江苏,32