一种基于幅度信息的改进全局最近邻数据关联算法制造技术

本发明专利技术公开了一种基于幅度信息的改进全局最近邻数据关联算法，步骤如下：步骤一：毫米波雷达对多目标运动进行观测，获取各目标位置、速度及幅度信息；步骤二：根据目标Δ时刻内的幅度值进行信噪比估计；步骤三：根据量测空间信息与目标状态更新向量计算新息似然函数；步骤四：根据步骤二获得的信噪比估计值计算目标幅度似然并计算杂波幅度似然；步骤五：计算改进的似然函数并进行全局数据关联；步骤六：根据数据关联结果，使用卡尔曼滤波进行目标状态更新。本发明专利技术采用上述步骤的一种基于幅度信息的改进全局最近邻数据关联算法，计算复杂度较小，易于实现，并且在复杂环境下可以有较好的多目标跟踪性能。的多目标跟踪性能。的多目标跟踪性能。

【技术实现步骤摘要】
signal
‑
to
‑
noise ratio and dynamic states in cluttered environment”(IET Radar,Sonar&Navigation 11.3(2017):539
‑
549)中提出将幅度信息用于线性多目标综合概率数据关联(LMIPDA)滤波器，上述文章均对信噪比估计方式做出讨论，保证了在目标信噪比未知的情况下可以获得较好的跟踪效果。但这些数据关联滤波器在多目标跟踪背景下或是计算困难或是计算复杂度大，响应速度较慢，不利于实际场景中的实时处理。

技术实现思路

[0011]本专利技术的目的是提供一种基于幅度信息的改进全局最近邻数据关联算法，旨在解决实际交通场景中复杂杂波环境下多目标跟踪过程中关联不正确导致的目标丢失、产生虚假航迹等问题，保证较小的计算复杂度，满足实际应用中的实时处理需求。
[0012]为实现上述目的，本专利技术提供了一种基于幅度信息的改进全局最近邻数据关联算法，步骤如下：
[0013]步骤一：毫米波雷达对多目标运动进行观测，获取各目标位置、速度及幅度信息；
[0014]步骤二：根据目标Δ时刻内的幅度值进行信噪比估计；
[0015]步骤三：根据量测空间信息与目标状态更新向量计算新息似然函数；
[0016]步骤四：根据步骤二获得的信噪比估计值计算目标幅度似然并计算杂波幅度似然；
[0017]步骤五：计算改进的似然函数并进行全局数据关联；
[0018]步骤六：根据数据关联结果，使用卡尔曼滤波进行目标状态更新。
[0019]优选的，步骤二中根据目标Δ时刻的幅度进行信噪比估计，求解最优化问题，
[0020][0021]式中p(a
τ
|d)表示目标的幅度似然，p(d)表示在目标运动过程中信噪比变化分布函数，此处假设目标信噪比服从均值非0的正态分布。
[0022]优选的，步骤三中使用量测的空间信息与目标状态更新向量计算新息似然函数，
[0023][0024]优选的，步骤四中目标与杂波的幅度似然函数如下：
[0025][0026][0027]优选的，步骤五中改进的似然函数定义为：
[0028][0029]式中表示新息似然函数，为幅度似然比，设置阈值为各目标筛选量测，选取似然函数值大于阈值的量测作为候选量测，构建拥有候选量测的目标与候选量测之间的关联矩阵，矩阵中每个单元为改进的似然函数值，此时目标与量测之间的关联问题转化为二分图最大权匹配问题，采用KM(Kuhn
‑
Munkres)算法获得整体似然函数值最大的匹配方案。
[0030]与现有技术相比，本方面具有以下优点：
[0031]第一，由于本专利技术利用幅度信息对量测数据做进一步区分，可以提高航迹与真实目标量测的关联概率，保证目标跟踪的良好性能；并且由于将目标量测与杂波量测区分，可以有效减少各航迹目标对应的候选量测数量，使得改进算法并不会增加过多的计算复杂度，满足多目标跟踪系统实时处理需求。
[0032]第二，相比于其他数据关联滤波器，基于全局最近邻数据关联算法，计算复杂度较小，易于实现，并且在复杂环境下可以有较好的多目标跟踪性能。
[0033]下面通过附图和实施例，对本专利技术的技术方案做进一步的详细描述。
附图说明
[0034]图1为本专利技术一种基于幅度信息的改进全局最近邻数据关联算法实施例的流程图；
[0035]图2为本专利技术实施例的不同信噪比下的幅度似然曲线。
具体实施方式
[0036]以下通过附图和实施例对本专利技术的技术方案作进一步说明。
[0037]实施例
[0038]如图1所示，一种基于幅度信息的改进全局最近邻数据关联算法的步骤如下：
[0039]步骤一：毫米波雷达对多目标运动进行观测，获取各目标位置、速度及幅度信息；
[0040]步骤二：根据目标Δ时刻内的幅度值进行信噪比估计；
[0041]步骤三：根据量测空间信息与目标状态更新向量计算新息似然函数；
[0042]步骤四：根据步骤二获得的信噪比估计值计算目标幅度似然并计算杂波幅度似然；
[0043]步骤五：计算改进的似然函数并进行全局数据关联；
[0044]步骤六：根据数据关联结果，使用卡尔曼滤波进行目标状态更新。
[0045]下面对每个步骤进行详细说明。
[0046]一，量测数据初始化，本专利技术从毫米波雷达获取每个量测点的距离、角度与幅度值，将极坐标系下的量测位置转换到直角坐标系下，并用z
j,k
表示k时刻量测j的位置坐标，用a
j,k
表示k时刻量测j的幅度，同时由极坐标系下的传感器测量误差的统计特性获得相应的直角坐标系下的测量误差的统计特性。
[0047]二，估计目标信噪比，本专利技术采用目标前Δ时刻的幅度值进行目标信噪比估计，因此当时刻k＜Δ时，采用传统的全局最近邻数据关联算法，但为每个目标记录关联量测的幅度值。当k＞Δ时，求解最优化问题，
[0048][0049]式中p(a
τ
|d)表示目标的幅度似然，详细解释见步骤四，p(d)表示在目标运动过程中信噪比分布函数，此处假设目标信噪比服从均值非0的正态分布。均值为前一时刻目标的信噪比，根据经验设置初始信噪比与方差。
[0050]三，根据k时刻量测的空间信息与k
‑
1目标的状态估计值计算目标与量测间的新息似然函数。
[0051]记为k时刻目标τ的状态向量预测值，为k时刻目标τ的状态向量协方差矩阵的预测值，设为k时刻量测j与目标τ的新息，为新息协方差矩阵，
[0052][0053]新息似然函数为
[0054][0055]四，根据步骤二中获得的目标信噪比估计值计算目标幅度似然函数，并计算杂波幅度似然。
[0056]假设振幅是带通匹配滤波器的输出，该滤波器带有包络检波器。在此情况下，幅度a的概率密度服从瑞利分布，可以表示为
[0057][0058]在归一化背景噪声的情况下，杂波包络概率密度为
[0059][0060]设目标信噪比为d，从目标返回的信号可以表示为传输信号与窄带噪声之和，则目标的幅度密度函数随方差1+d服从瑞利分布，即
[0061][0062]考虑幅度a超过检测阈值DT的情况，此时目标幅度密度函数变为
[0063][0064]虚警的幅度密度可以表示为
[0065][0066]式中P
D
和P
FA
分别为目标和杂波的检测概率。当目标信噪比d确定时，目标和杂波的幅度似然函数分别为
[0067][0068][0069]将量测点对应的幅度代入幅度似然比进行计算。
[0070]五，计算改进的似然函数，并进行全局数据关联。根据步骤三与步骤四结果计算改进的似然函数，
[0071][0072]式中表示新息似然函数，为本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于幅度信息的改进全局最近邻数据关联算法，其特征在于：步骤如下：步骤一：毫米波雷达对多目标运动进行观测，获取各目标位置、速度及幅度信息；步骤二：根据目标Δ时刻内的幅度值进行信噪比估计；步骤三：根据量测空间信息与目标状态更新向量计算新息似然函数；步骤四：根据步骤二获得的信噪比估计值计算目标幅度似然并计算杂波幅度似然；步骤五：计算改进的似然函数并进行全局数据关联；步骤六：根据数据关联结果，使用卡尔曼滤波进行目标状态更新。2.根据权利要求1所述的一种基于幅度信息的改进全局最近邻数据关联算法，其特征在于：步骤二中根据目标Δ时刻的幅度进行信噪比估计，求解最优化问题，式中p(a
τ
|d)表示目标的幅度似然，p(d)表示在目标运动过程中信噪比变化分布函数，此处假设目标信噪比服从均值非0的正态分布。3.根据权利要求1所述...

【专利技术属性】
技术研发人员：罗丰，段佳豪，张彤，孙玉辉，韩光烨，李梦婷，廖桂生，张林让，尹应增，
申请(专利权)人：西安电子科技大学杭州研究院，
类型：发明
国别省市：