特征辅助时间匹配PHD的雷达非线性多目标跟踪方法技术

本发明专利技术公开了一种特征辅助时间匹配PHD的雷达非线性多目标跟踪方法，针对雷达应用中目标采样时间多样性引起的量测与预测时间不匹配问题、密集杂波环境下实时性能差以及非线性动态的问题，本发明专利技术根据雷达天线的波束宽带，将量测区域划分为若干个相互独立的扇区，并利用并行滤波实现PHD滤波器上的时间匹配，从而消除目标采样时间多样性带来的估计误差，再利用雷达回波中的特征信息辅助多目标跟踪，从而解决因时间匹配和杂波带来的时间成本消耗问题，从而同时解决了因采样时间多样性引起的估计误差、密集杂波带来的时间成本消耗以及多目标非线性运动的问题，能适应实际雷达多目标应用场景，可广泛应用于雷达多目标跟踪领域。可广泛应用于雷达多目标跟踪领域。可广泛应用于雷达多目标跟踪领域。

【技术实现步骤摘要】
特征辅助时间匹配PHD的雷达非线性多目标跟踪方法


[0001]本专利技术涉及雷达目标跟踪
，特别是涉及一种特征辅助时间匹配PHD的雷达非线性多目标跟踪方法。

技术介绍

[0002]雷达多目标跟踪是雷达系统中重要的功能之一，是从雷达测量数据中实时估计多目标状态，传统的基于数据关联的雷达多目标跟踪算法，例如联合概率数据关联(JPDA)、多假设跟踪(MHT)和概率多假设跟踪(PMHT)，将多目标跟踪问题转化为单目标跟踪问题。
[0003]当杂波密度很高以及测量数量很大时，计算量会呈指数增长，而概率假设密度(PHD)滤波器不需要明确的数据关联，因此在多目标跟踪(MTT)中被广泛应用，然而，现有的PHD滤波器在雷达应用中还面临着一些挑战，如预测与测量数据不匹配、杂波、检测概率低以及非线性动态等。
[0004]在雷达应用中，由于天线波束宽度有限，在扫描过程中通常会在不同的时间检测到位于不同空间位置的目标，现有的PHD滤波器中所有目标使用相同的采样时间，这会导致预测数据与测量数据不匹配，从而影响多目标跟踪的精度，且采样时间多样性也会引起本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种特征辅助时间匹配PHD的雷达非线性多目标跟踪方法，其特征在于：包括以下步骤S1、根据雷达天线的波束宽带，将监视区域划分为N
S
个相互独立的扇区，同一扇区内的目标状态具有相同的采样时间，多目标状态和多目标量测表示为：目标状态具有相同的采样时间，多目标状态和多目标量测表示为：其中，X
k
表示k时刻多目标状态，Z
k
表示k时刻多目标量测，为k时刻在量测空间上的投影落在扇区i的多目标状态，表示单目标状态空间中投影落在扇区i的状态子空间，表示扇区i的采样时间，表示扇区i中目标的采样时间取值空间，是k时刻来自扇区i的量测集合，表示单目标量测空间Z中投影落在扇区i的量测子空间，表示扇区i中单目标状态空间中包含的所有有限子集的集合,表示扇区i中单目标量测空间中包含的所有有限子集的集合；根据多目标状态和多目标量测的状态模型，在具有采样时间多样性的场景下，概率假设密度表示为：其中，表示扇区i在时刻的概率假设密度；S2、假设第k
‑
1次扫描周期的后验概率假设密度为D
k
‑
1|k
‑1(x)，则第k次扫描周期的预测概率假设密度为：其中，表示扇区i内新生目标的概率假设密度，表示从扇区j中外推而来的目标概率假设密度，表示对应的伪马尔可夫密度；S3、第k次扫描周期的后验概率假设密度表示为：其中，表示第i个扇区对应的伪似然函数。2.根据权利要求1所述的特征辅助时间匹配PHD的雷达非线性多目标跟踪方法，其特征在于：所述步骤S1中，根据多目标状态和多目标量测的状态模型，概率假设密度表示为如下形式：
利用扇区间目标的独立性，将上式进一步改写为不同扇区概率假设密度之和，得到基于扇区划分的概率假设密度表现形式：其中，表示扇区i中包含目标所对应的概率假设密度；对于任意的集合X和Y，1
Y
(X)具有如下定义：...

【专利技术属性】
技术研发人员：陶进，蒋德富，杨佳林，韩艳，王松，蒋康辉，
申请(专利权)人：河海大学，
类型：发明
国别省市：