一种杂波环境下目标跟踪的概率假设密度方法技术

本发明专利技术公开了一种杂波环境下目标跟踪的概率假设密度方法，属于雷达技术领域。首先，根据监测区域的先验杂波图信息，利用先验杂波密度的不同将整个监测区域分成多个杂波子区域；每一跟踪周期，对每个杂波子区域根据杂波率的不同设置不同参数分别进行处理；对每个子区域，采用基于回波幅度辅助的GM‑PHD进行滤波跟踪；并采用改进的高斯分量剪枝方案提高新生目标的检测率。

【技术实现步骤摘要】
一种杂波环境下目标跟踪的概率假设密度方法
本专利技术属于雷达
，具体涉及一种杂波环境下目标跟踪的概率假设密度方法。
技术介绍
近年来，基于随机有限集的目标跟踪技术得到了广泛关注。基于随机有限集的目标跟踪理论将所有状态集合和每次观测所获得的观测值分别建模为集值状态和集值观测，避免了复杂的数据关联过程，直接利用最优贝叶斯技术实现杂波背景下、关联和检测不确定的目标跟踪。该理论有多种可用于工程实现的原理性近似滤波器，本文采用的高斯概率密度假设(GM-PHD)算法就是其中之一。但是标准的GM-PHD算法依然存在一些不足之处。在实际情况中，由于地形等环境的复杂性，会导致监测区域背景在空间上的不均匀，从而导致监测区域下杂波密度的不均匀，而GM-PHD算法假设杂波在整个监测区域内均匀分布并进行跟踪，必然会造成跟踪性能的不稳定。对于固定监测区域的雷达而言，在假设杂波密度只在空间上变化，在时间上基本不变或变化比较缓慢的前提下，获取监测区域的杂波分布情况并形成先验杂波图，进而利用杂波图先验信息辅助目标跟踪是可行的。由于来自目标的回波幅度和来自杂波的回波幅度具有不同的概率密度分布，利用回波幅度辅助目标本文档来自技高网...

【技术保护点】
1.一种杂波环境下目标跟踪的概率假设密度方法，其特征在于，包括以下步骤：A.建立先验杂波图将监测区域的杂波图建模为杂波密度不同的多个区域的组合，假设每个杂波区域内杂波密度服从均匀分布，构建监测区域的杂波先验信息；B.知识辅助跟踪，对每一仿真时刻根据GM‑PHD算法，由k‑1时刻的状态后验强度函数vk‑1(x)计算k时刻状态预测强度函数vk|k‑1(x)；由k时刻状态预测强度函数vk|k‑1(x)计算k时刻状态后验强度函数vk(x)；在标准GM‑PHD算法计算结果的基础上，根据回波幅度和杂波分布信息修改vk(x)中各高斯分量的权重值；步骤C：高斯剪枝和状态提取，对状态后验强度函数vk(x)采用剪...

【技术特征摘要】
2017.11.27 CN 20171120167711.一种杂波环境下目标跟踪的概率假设密度方法，其特征在于，包括以下步骤：A.建立先验杂波图将监测区域的杂波图建模为杂波密度不同的多个区域的组合，假设每个杂波区域内杂波密度服从均匀分布，构建监测区域的杂波先验信息；B.知识辅助跟踪，对每一仿真时刻根据GM-PHD算法，由k-1时刻的状态后验强度函数vk-1(x)计算k时刻状态预测强度函数vk|k-1(x)；由k时刻状态预测强度函数vk|k-1(x)计算k时刻状态后验强度函数vk(x)；在标准GM-PHD算法计算结果的基础上，根据回波幅度和杂波分布信息修改vk(x)中各高斯分量的权重值；步骤C：高斯剪枝和状态提取，对状态后验强度函数vk(x)采用剪枝策略：删除权重值小于规定阈值的全部高斯分量，但若某个测量值衍生出的所有高斯分量权重均小于规定阈值，则保留该测量值衍生出的权重最大的一个分量，并将其权重修改为规定阈值；将采用剪枝策略后的高斯分量权重进行归一化，计算各高斯分量的合并距离，进行高斯分量合并，作为目标状态的最终估计结果。2.根据权利要求1所述的杂波环境下目标跟踪的概率假设密度方法，其特征在于，步骤A的具体过程为：将监测区域的杂波图建模为杂波密度不同的多个区域的组合，假设每个杂波区域内杂波密度服从均匀分布，不同杂波区域具有不同的杂波密度，即V＝V1∪V2∪...∪VM，其中，V表示整个检测区域，V1～VM表示由杂波密度不同划分的不同杂波区域，M为杂波区域总数；记录每个杂波区域的杂波先验信息，包括每个杂波区域的平均虚警数和虚警位置分布密度3.根据权利要求2所述的杂波环境下目标跟踪的概率假设密度方法，其特征在于，步骤B的具体过程为：步骤B-1.预测：假设k-1时刻目标状态向量x的后验强度函数为以下混合高斯形式：其中，Jk-1为k-1时刻高斯分量的个数，j＝1，2，...，Jk-1，和分别为k-1时刻第j个高斯分量的权重、均值和协方差矩阵，表示均值为协方差矩阵为的高斯分布；k时刻状态预测强度函数为：其中，ps为目标存活概率，和分别为k时刻由计算的第j个预测强度高斯分量的均值和协方差...

【专利技术属性】
技术研发人员：解梅，苏星霖，薛铮，
申请(专利权)人：电子科技大学，
类型：发明
国别省市：四川,51