一种基于识别信息的低慢小目标跟踪方法技术

本发明专利技术涉及一种基于识别信息的低慢小目标跟踪方法，通过利用航迹特征和目标识别准则得到每个航迹的目标类型，进一步基于每个航迹的目标类型建立高度约束条件，根据当前时刻的目标状态估计值和空间约束条件更新目标状态估计值，能有效提高低慢小目标的跟踪性能，因此，本申请实现了一种能提高低慢小目标跟踪性能的目标跟踪方法。能的目标跟踪方法。能的目标跟踪方法。

【技术实现步骤摘要】
一种基于识别信息的低慢小目标跟踪方法


[0001]本专利技术涉及雷达技术
，尤其涉及一种用于提高低慢小目标跟踪性能的基于识别信息的低慢小目标跟踪方法。

技术介绍

[0002]低慢小目标是指飞行高度低、飞行速度慢、雷达反射面积小的航空飞行器。低慢小飞行器成本低、便于携带和操作，并且起飞要求低、升空突然性强，对城市安防、重大活动产生的威胁日益突出，对现代安保防御体系提出了更高的挑战。
[0003]雷达作为空中目标探测的主动传感器，具备全天候、全天时探测的优势，且探测距离远，已逐渐成为无人机探测的重要手段。雷达在低空区域监视过程中，尤其是复杂城市环境下，容易受到楼房、铁塔等建筑物的影响，形成多径现象，影响低空目标的测高性能，因此对于低慢小目标的探测将存在高度精度较差的问题。
[0004]现有的目标跟踪方法，并未考虑到低慢小目标在高度维度的先验知识，直接将精度较差的目标观测点迹送入目标跟踪模块，因此输出的目标航迹与真实目标运动轨迹将存在较大的偏差，较差的跟踪精度将无法引导低慢小目标处置模块进行拦截处置。

技术实现思路

[0005]本专利技术所要解决的技术问题是针对现有技术的不足，提供了一种基于识别信息的低慢小目标跟踪方法。
[0006]本专利技术的一种基于识别信息的低慢小目标跟踪方法的技术方案如下：
[0007]S1、根据第i个航迹前k
‑
1时刻的运动特征信息F
k
‑
1,i
，按照目标识别准则得到所述第i个航迹第kr/>‑
1时刻的目标类型c
k
‑
1,i
，并根据第i个航迹第k
‑
1时刻的目标状态估计值建立第k时刻的关联波门G
k,i
，其中，k为大于1的正整数，i为正整数；
[0008]S2、获取落入所述第k时刻的关联波门G
k,i
内的自由点迹集合Z
k
，按照数据关联方法，从所述第k时刻的自由点迹集合Z
k
中选取所述第i个航迹第k时刻的关联点迹z
k,i
；
[0009]S3、根据所述第i个航迹第k时刻的关联点迹z
k,i
，按照目标跟踪方法，更新第i个航迹第k时刻的目标状态估计值以及第i个航迹第k时刻的估计协方差矩阵P
k,i
；
[0010]S4、若第k
‑
1时刻目标类型为低慢小目标，则建立高度约束条件；
[0011]S5、根据所述第i个航迹第k时刻的目标状态估计值所述第i个航迹第k时刻的估计协方差矩阵P
k,i
，以及高度约束条件，建立最大后验概率优化模型，获取高度约束条件下的第i个航迹第k时刻的最优目标状态估计值以及第i个航迹第k时刻的估计协方差矩阵更新值并令
[0012]S6、对第k
‑
1时刻的每个航迹执行S1至S5；
[0013]S7、令k＝k+1，执行S1至S6。
[0014]本专利技术的一种基于识别信息的低慢小目标跟踪方法的有益效果如下：
[0015]通过每个航迹的识别信息获取目标类型，进一步针对低慢小目标类型建立高度约束条件，在传统目标跟踪算法的基础上，设计了基于高度约束的最大后验概率优化模型，获得了最优目标状态估计，可有效提高低慢小目标的跟踪性能，因此，本申请实现了一种可用于提高低慢小目标跟踪性能的基于识别信息的低慢小目标跟踪方法。
附图说明
[0016]图1为本专利技术实施例的一种基于识别信息的低慢小目标跟踪方法的流程示意图；
[0017]图2为本专利技术实施例与传统方法的x轴跟踪精度对比图；
[0018]图3为本专利技术实施例与传统方法的y轴跟踪精度对比图；
[0019]图4为本专利技术实施例与传统方法的z轴跟踪精度对比图。
具体实施方式
[0020]如图1所示，本专利技术实施例的一种基于识别信息的低慢小目标跟踪方法，包括如下步骤：
[0021]S1、根据第i个航迹前k
‑
1时刻的运动特征信息F
k
‑
1,i
，按照目标识别准则得到所述第i个航迹第k
‑
1时刻的目标类型c
k
‑
1,i
，其中，k为大于1的正整数，i为正整数；
[0022]所述目标识别准则包括但不限于支持向量机准则、决策树准则、神经网络准则等，本实施例中选用决策树准则。
[0023]根据目标识别准则输出的目标类型至少包含低慢小目标，其它目标类型可根据雷达任务需求制定，本实施例中目标类型包含低慢小目标和高空飞机目标两类。
[0024]S2、根据第i个航迹第k
‑
1时刻的目标状态估计值建立第k时刻的关联波门G
k,i
，具体步骤如下：
[0025]S20、根据第i个航迹第k
‑
1时刻的目标状态估计值通过下式获取第i个航迹第k时刻的目标状态预测值
[0026][0027]其中，表示状态转移矩阵，本实施例中的表达式为，
[0028][0029]其中，T
s
表示雷达搜索周期，本实施例中取为1秒。
[0030]本实施例中，目标状态维数为6，第i个航迹第k
‑
1时刻的目标状态估计值在本实施例中的形式为其中和分别表示第i个航迹第k
‑
1时刻的x轴目标位置估计值和x轴目标速度估计值，和分别表示第i个
航迹第k
‑
1时刻的y轴目标位置估计值和y轴目标速度估计值，和分别表示第i个航迹第k
‑
1时刻的z轴目标位置估计值和z轴目标速度估计值。
[0031]S21、根据第i个航迹第k时刻的目标状态预测值按照下式，获取第i个航迹第k时刻的位置预测值其中，表示第i个航迹第k时刻的距离预测值，表示第i个航迹第k时刻的方位预测值，表示第i个航迹第k时刻的俯仰预测值，
[0032][0033]其中，h
k
(
·
)表示第k时刻雷达观测函数，arctan(
·
)表示反正切函数，函数值的单位为度；arcsin(
·
)表示反正弦函数，函数值的单位为度。
[0034]S22、以所述第i个航迹第k时刻的位置预测值作为所述第k时刻关联波门G
k,i
的中心，按照下式，建立所述第k时刻关联波门G
k,i
，
[0035][0036]其中，y
k
表示第k时刻与第i个航迹关联的自由点迹出现的范围，R
k
表示y
k
中的距离测量值，A
k
表示y
k
中的方位测量值，E
k
表示y
k
中的俯仰测量值，ΔR表示距离关联波门尺寸，ΔA表示方位关联本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于识别信息的低慢小目标跟踪方法，其特征在于，包括：S1、根据第i个航迹前k
‑
1时刻的运动特征信息F
k
‑
1,i
，按照目标识别准则得到所述第i个航迹第k
‑
1时刻的目标类型c
k
‑
1,i
，并根据第i个航迹第k
‑
1时刻的目标状态估计值建立第k时刻的关联波门G
k,i
，其中，k为大于1的正整数，i为正整数；S2、获取落入所述第k时刻的关联波门G
k,i
内的自由点迹集合Z
k
，按照数据关联方法，从所述第k时刻的自由点迹集合Z
k
中选取所述第i个航迹第k时刻的关联点迹z
k,i
；S3、根据所述第i个航迹第k时刻的关联点迹z
k,i
，按照目标跟踪方法，更新第i个航迹第k时刻的目标状态估计值以及第i个航迹第k时刻的估计协方差矩阵P
k,i
；S4、若第k
‑
1时刻目标类型为低慢小目标，则建立高度约束条件；S5、根据所述第i个航迹第k时刻的目标状态估计值所述第i个航迹第k时刻的估计协方差矩阵P
k,i
，以及高度约束条件，建立最大后验概率优化模型，获取高度约束条件下的第i个航迹第k时刻的最优目标状态估计值以及第i个航迹第k时刻的估计协方差矩阵更新值并令S6、对第k
‑
1时刻的每个航迹执行S1至S5；S7、令k＝k+1，执行S1至S6。2.根据权利要求1所述的一种基于识别信息的低慢小目标跟踪方法，其特征在于，所述根据第i个航迹第k
‑
1时刻的目标状态估计值建立第k时刻关联波门G
k,i
，包括：S10、根据第i个航迹第k
‑
1时刻的目标状态估计值获取第i个航迹第k时刻的目标状态预测值S11、根据第i个航迹第k时刻的目标状态预测值获取所述第i个航迹第k时刻的位置预测值，所述第k时刻的位置预测值包括：第...

【专利技术属性】
技术研发人员：刘红亮，赵志强，叶春茂，王佳斌，黄昆伟，
申请(专利权)人：北京无线电测量研究所，
类型：发明
国别省市：