一种结合UKF和随机矩阵的毫米波雷达目标跟踪方法技术

本发明专利技术公开了一种结合UKF和随机矩阵的毫米波雷达目标跟踪方法，包括以下步骤：步骤S1：航迹状态定义，所述航迹状态分包括运动学状态和扩展状态，分别对运动学状态和扩展状态进行建模；步骤S2：航迹状态预测，所述航迹状态预测包括预测k时刻航迹状态和状态协方差矩阵，采用无迹卡尔曼(UKF)对运动学状态进行滤波；步骤S3：量测点云匹配关联；步骤S4：航迹运动学状态更新；步骤S5：航迹扩展状态更新。本发明专利技术基于随机矩阵提出一种新的航迹与量测似然计算方法，提高了多个航迹距离较近情况下的关联准确率，并采用无迹卡尔曼对航迹状态进行预测和更新，进一步提高多目标跟踪的估计精度，尤其适用于高机动目标跟踪场景。用于高机动目标跟踪场景。用于高机动目标跟踪场景。

【技术实现步骤摘要】
一种结合UKF和随机矩阵的毫米波雷达目标跟踪方法


[0001]本专利技术属于目标检测跟踪
，具体地说，本专利技术涉及一种结合UKF和随机矩阵的毫米波雷达目标跟踪方法。

技术介绍

[0002]目标跟踪技术是指根据传感器接收到的量测对目标个数、状态(如位置、速度等)进行估计的过程，该技术已广泛应用在战场监视、防空反导、自动驾驶等领域，传统的毫米波雷达目标跟踪通常假设一个目标一个时刻至多产生一个传感器量测，被称之为点目标跟踪；然而，随着毫米波雷达距离分辨率的提高，可以分辨出目标的个体轮廓特征，目标占据多个距离分辨单元，此时每个目标会产生多个量测，传统的点目标跟踪不再适用，因此提出扩展目标跟踪；传统的点目标跟踪方法仅能估计目标位置与速度等运动状态，而扩展目标跟踪方法充分利用量测包含的目标信息，通过多个量测的空间分布估计出目标的大小、方位、结构等复杂的形状信息；基于随机矩阵的扩展目标跟踪算法是一种经典算法，它建立了一套完整的贝叶斯理论框架，能够同时估计目标的运动状态和扩展状态；其中，扩展状态建模为一个椭圆(包含大小、方向)并用随机矩阵变量描述，且该变量服从逆威沙特分布。
[0003]现有多传感器融合定位初始化时间中的方式普遍存在的问题：
[0004]一方面基于随机矩阵的扩展目标跟踪算法在量测关联时仅考虑量测位置信息与目标扩展状态的似然，忽略了毫米波雷达特有的多普勒信息，因此在多个目标距离相距较近的情况下会产生错误关联，从而降低跟踪性能；
[0005]另一方面，随着道路环境日渐复杂，道路交通参与者种类繁多，传统的卡尔曼滤波假设目标处于线性运动状态并对其进行跟踪滤波，而实际道路中存在大量非线性运动目标，因此，传统卡尔曼滤波在处理此类目标时性能较差。

技术实现思路

[0006]本专利技术提供一种结合UKF和随机矩阵的毫米波雷达目标跟踪方法，以解决上述
技术介绍
中存在的技术问题。
[0007]为了实现上述目的，本专利技术采取的技术方案为：一种结合UKF和随机矩阵的毫米波雷达目标跟踪方法，具体包括。
[0008]采用以上技术方案的有益效果是：
[0009]1、基于随机矩阵提出一种新的航迹与量测似然计算方法，提高了多个航迹距离较近情况下的关联准确率，并采用无迹卡尔曼对航迹状态进行预测和更新，进一步提高多目标跟踪的估计精度，尤其适用于高机动目标跟踪场景；
[0010]2、本专利技术在航迹管理阶段引入量测似然值计算航迹存活概率，能够有效减少虚假目标产生，提升跟踪整体效果。
附图说明
[0011]图1为本专利技术结合UKF和随机矩阵的毫米波雷达目标跟踪方法的逻辑框图；
具体实施方式
[0012]本专利技术提供一种结合UKF和随机矩阵的毫米波雷达目标跟踪方法，解决了上述
技术介绍
中所提出的问题。
[0013]为了实现上述目的，本专利技术采取的技术方案为：包括以下步骤：
[0014]步骤S1：航迹状态定义，航迹状态分为两个部分：运动学状态和扩展状态，分别对运动学状态和扩展状态进行建模；
[0015]步骤S2：航迹状态预测，预测k时刻航迹状态和状态协方差矩阵，采用无迹卡尔曼(UKF)对运动学状态进行滤波；
[0016]步骤S3：量测点云匹配关联；
[0017]步骤S4：航迹运动学状态更新；
[0018]步骤S5：航迹扩展状态更新；
[0019]步骤S6：航迹维持与删除。
[0020]步骤S1，航迹状态定义，具体步骤为：
[0021]步骤S1.1：首先将航迹运动学状态建模为CTRV模型，包含航迹的位置信息、速度信息、偏航角和角速度信息，其定义如下：
[0022][0023]式中，p
x
表示x方向上的位置，p
y
表示y方向上的位置，v表示航迹速度大小，φ示偏航角，表示角速度；
[0024]步骤S1.2：其次将扩展状态信息X建模为逆威沙特分布模型，其定义如下：
[0025]IW(X；v,V)
[0026]其中，v为自由度估计值，V为参数矩阵，X为扩展状态矩阵，其均值估计为：
[0027][0028]步骤S1.3：在本方法中，基于逆威沙特模型的航迹扩展状态具备如下其物理特征：
[0029]X＝AΛA
T
[0030][0031][0032]式中，l1表示椭圆的长轴，l2表示短轴长度，θ为椭圆的朝向角，其范围是[
‑
π,+π]。
[0033]步骤S2，航迹状态预测，具体步骤为：
[0034]步骤S2.1：首先计算散布粒子：
[0035]x
k|k
‑
1,0
＝x
k
‑
1|k
‑1[0036][0037][0038]其中，λ＝α2(L+κ)
‑
L是尺度参数，α与κ为两个定常数因子，L是状态维度个数；表示矩阵平方根的第i列元素，x
k
‑
1|k
‑1为k
‑
1时刻状态后验估计，P
k
‑
1|k
‑1为k
‑
1时刻状态协方差矩阵的后验估计；
[0039]步骤S2.2：对上述所有散布粒子进行一步预测，并计算得到先验估计均值X
k|k
‑1和先验协方差矩阵P
k|k
‑1:
[0040][0041]χ
i
＝f(x
k|k
‑
1,i
),i＝0,1,..,2L
[0042][0043]式中，f为状态转移方程，Q为过程噪声矩阵，w为权重因子：
[0044][0045][0046][0047]其中，λ、α和L的定义和前文一致，β同样为定常数因子；
[0048]步骤S2.3：通过状态预测值进一步计算量测预测值y
k|k
‑1:
[0049][0050]y
i
＝Hχ
i
[0051]H为状态观测矩阵；
[0052]步骤S2.4：在完成运动学状态预测后，继续预测K时刻航迹扩展状态V
k|k
‑1：
[0053][0054][0055][0056]式中，X
k|k
‑1为k时刻扩展状态矩阵，V
k|k
‑1为k时刻参数矩阵预测，V
k
‑1为k
‑
1时刻参数矩阵估计，ν
k|k
‑1为k时刻扩展状态自由度预测，ν
k
‑1是k
‑
1时刻扩展状态自由度估计，T为毫米波雷达工作周期，τ表示时间常数变量。
[0057]步骤S3，量测点云匹配关联，具体步骤为：
[0058]步骤S3.1：首先遍历所有量测，计算每个量测与航迹位置似然值L1
j
，其定义如下：
[0059][0060]式中，e本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种结合UKF和随机矩阵的毫米波雷达目标跟踪方法，其特征在于：包括以下步骤：步骤S1：航迹状态定义，所述航迹状态分包括运动学状态和扩展状态，分别对运动学状态和扩展状态进行建模；步骤S2：航迹状态预测，所述航迹状态预测包括预测k时刻航迹状态和状态协方差矩阵，采用无迹卡尔曼(UKF)对运动学状态进行滤波；步骤S3：量测点云匹配关联；步骤S4：航迹运动学状态更新；步骤S5：航迹扩展状态更新；步骤S6：航迹维持与删除。2.根据权利要求1所述的一种结合UKF和随机矩阵的毫米波雷达目标跟踪方法，其特征在于：所述步骤S1，航迹状态定义，具体步骤为：步骤S1.1：首先将航迹运动学状态建模为CTRV模型，包含航迹的位置信息、速度信息、偏航角和角速度信息，其定义如下：式中，p
x
表示x方向上的位置，p
y
表示y方向上的位置，v表示航迹速度大小，φ示偏航角，表示角速度；步骤S1.2：其次将扩展状态信息X建模为逆威沙特分布模型，其定义如下：IW(X；v,V)其中，v为自由度估计值，V为参数矩阵，X为扩展状态矩阵，其均值估计为：步骤S1.3：在本方法中，基于逆威沙特模型的航迹扩展状态具备如下其物理特征：X＝AΛA
TT
式中，l1表示椭圆的长轴，l2表示短轴长度，θ为椭圆的朝向角，其范围是[
‑
π,+π]。3.根据权利要求1所述的一种结合UKF和随机矩阵的毫米波雷达目标跟踪方法，其特征在于：步骤S2，航迹状态预测，具体步骤为：步骤S2.1：首先计算散布粒子：x
k|k
‑
1,0
＝x
k
‑
1|k
‑
11
其中，λ＝α2(L+κ)
‑
L是尺度参数，α与κ为两个定常数因子，L是状态维度个数；
表示矩阵平方根的第i列元素，x
k
‑
1|k
‑1为k
‑
1时刻状态后验估计，P
k
‑
1|k
‑1为k
‑
1时刻状态协方差矩阵的后验估计；步骤S2.2：对上述所有散布粒子进行一步预测，并计算得到先验估计均值X
k|k
‑1和先验协方差矩阵P
k|k
‑1:χ
i
＝f(x
k|k
‑
1,i
),i＝0,1,..,2L式中，f为状态转移方程，Q为过程噪声矩阵，w为权重因子：式中，f为状态转移方程，Q为过程噪声矩阵，w为权重因子：式中，f为状态转移方程，Q为过程噪声矩阵，w为权重因子：其中，λ＝α2(L+κ)
‑
L是尺度参数，α与κ为两个定常数因子，L是状态维度个数，β同样为定常数因子；步骤S2.3：通过状态预测值进一步计算量测预测值y
k|k
‑1:y
i
＝Hχ
i
H为状态观测矩阵；步骤S2.4：在完成运动学状态预测后，继续预测K时刻航迹扩展状态V
k|k
‑1：：：式中，X
k|k
‑1为k时刻扩展状态矩阵，V
k|k
‑1为k时刻参数矩阵预测，V
k
‑1为k
‑
1时刻参数矩阵估计，ν
k|k
‑1为k时刻扩展状态自由度预测，ν
k
‑1是k
‑
1时刻扩展状态自由度估计，T为毫米波雷达工作周期，τ表示时间常数变量。4.根据权利要求1所述的一种结合UKF和随机矩阵的毫米波雷达目标跟踪方法，其特征在于：步骤S3，量测点云匹配关联，具体步骤为：步骤S3.1：首先遍历所有量测，计算每个量测与航迹位置似然值L1
j
，其定义如下：
式中，e
j
为航迹与量测j的位置残差信息，其定义如下：e
j
＝(z

【专利技术属性】
技术研发人员：程豪，丁永超，闫照东，
申请(专利权)人：山东五征集团有限公司，
类型：发明
国别省市：