【技术实现步骤摘要】
一种预测引导的多扩展目标量测集划分方法
本专利技术涉及多扩展目标跟踪
，具体的说是一种预测引导的多扩展目标量测集划分方法。
技术介绍
多目标跟踪技术是根据雷达等传感器得到的量测数据对监测区域内的多个动态目标进行个数和状态估计。传统方法将目标简单地建模为点目标，即单个目标在每一时刻最多只能产生一个量测数据。近年来，高分辨率传感器快速发展，单个目标能占据多个分辨率单元并且产生多个量测数据，使点目标假设不再适用于这类目标的跟踪，此类目标被称为扩展目标。随着现代战争环境的复杂化，多扩展目标跟踪技术更贴近实际跟踪场景，已成为多目标跟踪领域的一个重要研究方向。多扩展目标跟踪中，目标与量测之间的关联通常未知，即无法确定目标与目标产生的多个量测数据之间的一一对应关系，而且目标个数未知(可能出现新生目标、新目标从已有目标中衍生或者已有目标消亡)，这为准确估计多扩展目标的个数和状态增加了难度。传统多目标跟踪算法采用数据关联的方法建立起目标与量测之间的关系，但是无法有效处理目标个数时变和杂波环境下的多扩展目标跟踪，并且对于多扩展目标...
【技术保护点】
1.一种预测引导的多扩展目标量测集划分方法，其特征在于，包括如下步骤：/nS1、利用前一时刻估计得到的目标后验强度函数，作为当前时刻的目标状态初始化，计算得到当前时刻的目标预测强度函数；/nS2、利用目标预测强度函数中的高斯混合项，选取距离预测均值最近的量测作为初始聚类中心点，得到初始聚类中心点集合
【技术特征摘要】
1.一种预测引导的多扩展目标量测集划分方法，其特征在于，包括如下步骤：
S1、利用前一时刻估计得到的目标后验强度函数，作为当前时刻的目标状态初始化，计算得到当前时刻的目标预测强度函数；
S2、利用目标预测强度函数中的高斯混合项，选取距离预测均值最近的量测作为初始聚类中心点，得到初始聚类中心点集合其中，Jk-1表示前一时刻的目标个数，k表示当前时刻，k-1表示前一时刻，new用来标记新得到的初始聚类中心点集合；
S3、获取多扩展目标的UWB(超宽屏雷达)量测数据，判断是否存在目标个数低估问题，若目标个数被低估，利用初始聚类中心点对UWB量测数据进行初次聚类划分；
S4、根据步骤S3初次聚类划分的结果判断是否需要调整初始聚类中心点，若初次聚类划分得到的子集中对应的扩展目标数量不为1，则利用多边形顶点公式对相应的初始聚类中心点进行调整，找到对应初始聚类中心点的所有替代点并取代中相应的初始聚类中心点，得到最终的初始聚类中心点集合
S5、根据当前时刻新生目标和衍生目标的个数变化，计算目标个数K的所有可能变化范围和量测集划分数KP的范围，并利用得到的初始聚类中心点集合对UWB量测数据进行聚类，遍历所有目标个数区间内的K值，得到量测集划分结果；
S6、利用步骤S5得到的量测集划分结果对目标预测强度函数中的高斯混合项进行更新，得到目标后验强度函数，并且返回S1。
2.如权利要求1所述的一种预测引导的多扩展目标量测集划分方法，其特征在于，步骤S1中，前一时刻目标后验强度函数由高斯混合项组成，高斯混合项包含均值mk-1|k-1和协方差Pk-1|k-1，利用目标后验强度函数得到预测强度函数即预测高斯混合项的方法为：
其中Dk|k-1(x)为预测强度函数，Jk|k-1为预测强度函数的高斯项个数，为第j个预测高斯项的权重，N表示高斯分布的代号，和分别是第j个高斯项的均值和协方差，Fk是k时刻的状态转移矩阵，T是采样时间，Qk为过程噪声的协方差矩阵，是过程噪声的标准差，Ι2是2×2维单位矩阵。
3.如权利要求2所述的一种预测引导的多扩展目标量测集划分方法，其特征在于，步骤S2中选择初始聚类中心点的具体方法为：
S2.1、计算每个量测到的距离，选择距离最小的量测作为该预测高斯项对应的初始聚类中心点；
S2.2、重复步骤S2.1直至完成预测高斯项对应所有初始聚类中心点的选择，得到初始聚类中心点集合
4.如权利要求1所述的一种预测引导的多扩展目标量测集划分方法，其特征在于，步骤S3中检测和判断目标个数是否被低估的方法为：
S3.11、利用计算当前量测对应的目标个数，其中Nz,k为量测数据集中量测的个数，下标z表示量测、k表示当前时刻，λ为单个扩展目标产生的期望量测个数并且为常值；
S3.12、根据前一时刻的目标估计个数Jk-1，若大于等于1，则目标个数低估。
5.如权利要求1所述的一种预测引导的多扩展目标量测集划分方法，其特征在于，步骤S4中检测和判断...
【专利技术属性】
技术研发人员：孙力帆，俞皓芳，彭勃，杨哲，常家顺，陶发展，付主木，普杰信，王旭栋，
申请(专利权)人：河南科技大学，
类型：发明
国别省市：河南;41
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。