多群目标跟踪系统及方法技术方案

本申请提供一种多群目标跟踪系统及方法，系统包括：数据获取单元，用于获取在一时刻时多群目标的状态数据；数据建模单元，电性耦接于数据获取单元，用于将获取的状态数据建立状态模型；数据预测单元，电性耦接于数据建模单元，用于藉由伽马高斯逆威夏特概率假设密度滤波算法预估状态模型，并生成预测数据；数据更新单元，电性耦接于数据预测单元，用于引入预测数据更新状态模型。为解决上述现有技术中的群机动问题和存在模型概率先验固化问题。

【技术实现步骤摘要】
多群目标跟踪系统及方法
本申请涉及目标量测领域，尤其涉及一种多群目标跟踪系统及方法。
技术介绍
在雷达对目标监控、多目标编队跟踪等许多跟踪场景内，跟踪对象通常由一系列具有类似运动方式的空间临近目标组成，此类问题可归纳成群目标跟踪问题。现有技术存在对群运动形式进行建模，无法解决群机动问题以及没有对模型概率进行更新，存在模型概率先验固化问题。
技术实现思路
为解决上述现有技术中的群机动问题和存在模型概率先验固化问题，本申请提供一种多群目标跟踪系统，系统包括：数据获取单元，用于获取在一时刻时多群目标的状态数据；数据建模单元，电性耦接于数据获取单元，用于将获取的状态数据建立状态模型；数据预测单元，电性耦接于数据建模单元，用于藉由伽马高斯逆威夏特概率假设密度滤波算法预估状态模型，并生成预测数据；数据更新单元，电性耦接于数据预测单元，用于引入预测数据更新状态模型。于一实施例中，状态数据包括多目标群的质心位置数据、速度数据以及群拓展状态数据；数据建模单元包括：群状态建模模块，电性耦接于数据获取单元，用于生成多群目标的状态集合以及多群目标的运动模型；群测量建模模块，电性耦接于数据获取单元，用于生成多群目标的量测集合以及生成多群目标的量测模型。于一实施例中，数据预测单元包括：量测比率预测模块，用于生成量测模型的预测有效窗长度；群质心运动状态预测模块，用于生成量测模型的预测概率扩展状态预测模块，用于根据预测概率得到自由度参数，以及逆尺度矩阵的一步预测值；修正一步预测协方差模块，用于藉由渐消因子修正量测集合的一步预测协方差于一实施例中，数据更新单元包括：概率假设密度更新模块，用于更新多群目标的量测合计的假设密度。于一实施例中，数据更新单元还包括：新生目标分量模型概率更新模块，用于生成新生目标分量的量测模型；存在目标分量模型概率更新模块，用于根据所述新生目标分量的量测模型更新目标分量的模型概率。本申请还提供了一种多群目标跟踪方法，应用于上述系统，方法包括：藉由数据获取单元获取在t时刻时多群目标的状态数据；藉由数据建模单元将获取的状态数据建立状态模型；藉由数据预测单元藉由伽马高斯逆威夏特概率假设密度滤波算法预估状态模型，并生成预测数据；藉由数据更新单元引入预测数据更新状态模型。于一实施例中，状态数据包括多目标群的质心位置数据、速度数据以及群拓展状态数据；藉由数据建模单元将获取的状态数据建立状态模型，包括：藉由群状态建模模块生成多群目标的状态集合以及运动模型；藉由群测量建模模块生成多群目标的量测集合以及多群目标的量测模型。于一实施例中，藉由数据预测单元藉由伽马高斯逆威夏特概率假设密度滤波算法预估状态模型，并生成预测数据，包括：藉由量测比率预测模块生成量测模型的预测有效窗长度；藉由群质心运动状态预测模块生成量测模型的预测概率藉由扩展状态预测模块根据预测概率得到自由度参数，以及逆尺度矩阵的一步预测值；藉由修正一步预测协方差模块，以及渐消因子修正量测集合的一步预测协方差于一实施例中，藉由数据更新单元引入预测数据更新状态模型，包括：藉由概率假设密度更新模块更新多群目标的假设密度。于一实施例中，藉由数据更新单元引入预测数据更新状态模型，还包括：藉由新生目标分量模型概率更新模块生成新生目标分量的量测模型；藉由存在目标分量模型概率更新模块根据新生目标分量的量测模型更新目标分量的模型概率。附图说明图1是本申请实施例提供的多群目标跟踪系统的示意图；图2是本申请实施例提供的多群目标跟踪方法的流程图；图3是本申请实施例提供的数据建模单元的示意图；图4是图2所示步骤S200的具体流程图；图5是本申请实施例提供的数据预测单元的示意图；图6是图3所示步骤S300的具体流程图；图7是本申请实施例提供的数据更新单元的示意图；图8是图3所示步骤S400的具体流程图；图9是本申请实施例提供的一种群质心状态OSPA距离仿真图；图10是本申请实施例提供的另一种群质心状态OSPA距离仿真图；图11是本申请实施例提供的一种算法的群扩展状态OSPA距离仿真图；图12是本申请实施例提供的另一种算法群扩展状态OSPA距离仿真图；图13是本申请实施例提供的一种算法的群目标数目估计OSPA距离；图14是本申请实施例提供的另一种算法的群目标数目估计OSPA距离。其中，系统10，数据获取单元100，数据建模单元200、群状态建模模块210、群测量建模模块220，数据预测单元300、量测比率预测模块310、群质心运动状态预测模块320、扩展状态预测模块330、修正一步预测协方差模块340，数据更新单元400、概率假设密度更新模块410、新生目标分量模型概率更新模块420、存在目标分量模型概率更新模块430。具体实施方式下面将结合本专利技术实施例中附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本专利技术一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本专利技术实施例的组件可以以各种不同的配置来布置和设计。因此，以下对在附图中提供的本专利技术的实施例的详细描述并非旨在限制要求保护的本专利技术的范围，而是仅仅表示本专利技术的选定实施例。基于本专利技术的实施例，本领域技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都属于本专利技术保护的范围。应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步定义和解释。同时，在本专利技术的描述中，术语“第一”、“第二”等仅用于区分描述，而不能理解为指示或暗示相对重要性。在本案说明书全文及权利要求中所使用的“耦接”一词可指任何直接或间接的耦接手段。举例而言，若文中描述第一装置耦接于第二装置，则应该被解释成该第一装置可以直接耦接于该第二装置，或者该第一装置可以透过其他装置或某种耦接手段而间接地耦接至该第二装置。另外，在图式及实施方式中使用相同标号的组件/构件/步骤代表相同或类似部分。不同实施例中使用相同标号或使用相同用语的组件/构件/步骤可以相互参照相关说明。图1是本申请实施例提供的多群目标跟踪系统的示意图，系统10包括：数据获取单元100、数据建模单元200、数据预测单元300、数据更新单元400，其中，数据建模单元200电性耦接于数据获取单元100，数据预测单元300电性耦接于数据建模单元200，数据更新单元400电性耦接于数据预测单元300。于一实施例中，数据获取单元100获取目标的状态数据，数据建模单元200根据数据获取单元100获取的目标状态数据进行建模，建模的类型与目标状态数据的类型对应，于一实施例中，利用随机矩阵对群拓展状态进行建模，利用伽马分布对量测比率进行建模。于一实施例中，数据本文档来自技高网...

【技术保护点】
1.一种多群目标跟踪系统，其特征在于，包括：/n数据获取单元，用于获取在一时刻时所述多群目标的状态数据；/n数据建模单元，电性耦接于所述数据获取单元，用于将获取的所述状态数据建立状态模型；/n数据预测单元，电性耦接于所述数据建模单元，用于藉由伽马高斯逆威夏特概率假设密度滤波算法预估所述状态模型，并生成预测数据；/n数据更新单元，电性耦接于所述数据预测单元，用于引入预测数据更新所述状态模型。/n

【技术特征摘要】
1.一种多群目标跟踪系统，其特征在于，包括：
数据获取单元，用于获取在一时刻时所述多群目标的状态数据；
数据建模单元，电性耦接于所述数据获取单元，用于将获取的所述状态数据建立状态模型；
数据预测单元，电性耦接于所述数据建模单元，用于藉由伽马高斯逆威夏特概率假设密度滤波算法预估所述状态模型，并生成预测数据；
数据更新单元，电性耦接于所述数据预测单元，用于引入预测数据更新所述状态模型。


2.根据权利要求1所述的系统，其特征在于，所述状态数据包括所述多目标群的质心位置数据、速度数据以及群拓展状态数据；
所述数据建模单元包括：
群状态建模模块，电性耦接于数据获取单元，用于生成所述多群目标的状态集合以及所述多群目标的运动模型；
群测量建模模块，电性耦接于数据获取单元，用于生成所述多群目标的量测集合以及所述多群目标的量测模型。


3.根据权利要求2所述的系统，其特征在于，所述数据预测单元包括：
量测比率预测模块，用于生成所述量测模型的预测有效窗长度；
群质心运动状态预测模块，用于生成所述量测模型的预测概率；
扩展状态预测模块，用于根据预测概率得到自由度参数，以及逆尺度矩阵的一步预测值；
修正一步预测协方差模块，用于藉由渐消因子修正所述量测集合的一步预测协方差。


4.根据权利要求3所述的系统，其特征在于，所述数据更新单元包括：
概率假设密度更新模块，用于更新所述多群目标的量测集合的假设密度。


5.根据权利要求3所述的系统，其特征在于，所述数据更新单元还包括：
新生目标分量模型概率更新模块，用于生成新生目标分量的量测模型；
存在目标分量模型概率更新模块，用于根据所述新生目标分量的量测模型更新所述新生目标分量的模型概率。


6.一种多群目标跟踪方...

【专利技术属性】
技术研发人员：郭艺夺，宫健，胡晓伟，冯为可，李志汇，
申请(专利权)人：中国人民解放军空军工程大学，
类型：发明
国别省市：陕西;61