一种基于毫米波雷达的目标自适应航迹匹配的方法和系统技术方案

本发明专利技术提供了一种基于毫米波雷达的目标自适应航迹匹配的方法和系统，其方法包括：毫米波雷达测量运动场景，采集测量点，读取第

【技术实现步骤摘要】
一种基于毫米波雷达的目标自适应航迹匹配的方法和系统


[0001]本专利技术涉及雷达应用和目标跟踪
，尤其涉及一种基于毫米波雷达的目标自适应航迹匹配的方法和系统
。

技术介绍

[0002]现有的基于毫米波雷达的多目标跟踪技术研究中，主要是利用雷达的多发多收天线采集运动目标的距离
、
速度和角度等信息，然后通过
FFT
和
2DFFT
变换将上述信息转换成点云
。
使用聚类方法将点云簇化成目标特征，例如位置
、
速度和信噪比等特征，帧与帧之间进行目标航迹匹配，以卡尔曼滤波为算法基础，建立目标运动模型，以匹配目标特征作为卡尔曼滤波器的测量输入，逐帧执行卡尔曼滤波预测与更新，实现多目标更新
。
[0003]在机动目标跟踪中，航迹匹配问题是多目标跟踪领域中十分重要的问题，原因是不同场景下的目标运动可能出现加减速和转弯灯等整体机动以及分立和合并等特殊机动，这会造成关联门限内有效测量数目的减少，造成估计误差增大
。
因此，在机动目标跟踪时，需要实时调整关联门限，确保真实两侧落入
。
如果关联门限的范围调整不当，则会引起航迹匹配不正确，这不仅会导致目标跟踪效果变差，甚至会出现虚假目标
。
[0004]然而，在大多传统多目标跟踪过程中，航迹的关联门限是始终保持不变的，由于跟踪过程中目标易受到多径效应和杂波的干扰，导致错误的测量落入关联门限内，特别是在目标密集区域，更容易发生航迹匹配错误的情况，最终造成计算量增大和跟踪效果差的不利后果
。
[0005]因此，需要提供一种基于毫米波雷达的目标自适应航迹匹配的方法和系统，利用目标多维信息和历史量测信息自适应设置航迹匹配门限大小，保证真实量测落入目标匹配门限内，筛选目标最佳匹配的航迹进行航迹迭代，减少数据失误，降低数据计算量，提升目标跟踪效果
。

技术实现思路

[0006]本专利技术的目的是提供一种基于毫米波雷达的目标自适应航迹匹配的方法和系统，利用目标多维信息和历史量测信息自适应设置航迹匹配门限大小，保证真实量测落入目标匹配门限内，筛选目标最佳匹配的航迹进行航迹迭代，减少数据失误，降低数据计算量，提升目标跟踪效果
。
[0007]为了达到上述目的，本专利技术提供了一种基于毫米波雷达的目标自适应航迹匹配的方法，包括：
[0008]毫米波雷达测量运动场景，采集测量点，读取第
a
帧的点云数据和目标列表，所述点云数据为多维度运动状态信息，包括：方位
、
俯仰
、
径向距离
、
径向速度和信噪比；
[0009]预处理所述点云数据；将预处理后的点云数据执行聚类，形成簇；
[0010]对所述目标列表中的目标进行运动模型预测，获取目标的预测航迹，并计算目标的目标位置分布范围；根据目标的历史关联信息对所述目标位置分布范围进行调整，计算
所述目标的自适应航迹匹配门限，计算公式为：所述目标的自适应航迹匹配门限，计算公式为：其中
w
i
为运动状态向量不同维度的权重，
w
i
＝
f(snr
i
)
是关于信噪比的函数，
E
为自适应航迹匹配门限；
k
为目标索引；
S
apr
(k)
为运动状态向量的先验估计；
P
apr
(k)
为运动状态向量的先验估计协方差矩阵；
γ
为自适应航迹匹配门限扩展系数；为运动状态向量的先验估计协方差逆矩阵；
P
apri,i
为运动状态向量的先验估计协方差矩阵的对角线；
[0011]将在所述自适应航迹匹配门限内的簇与所述目标的预测航迹进行匹配，计算匹配评分；当在所述航迹匹配门限内的簇的数量为1个时，若匹配评分高于阈值，则所述簇与所述目标匹配成功；当所述航迹匹配门限内的簇的数量为多个时，则匹配评分最高的簇与所述目标匹配成功
。
[0012]可选的，所述匹配评分的计算方式为：可选的，所述匹配评分的计算方式为：
u(k)
为与目标匹配的簇的运动状态向量；
n
为向量维度索引；
m
为向量维度索引总量；
w
n
为运动状态向量不同维度的权重，是关于信噪比的函数：
w
n
＝
f(snr
n
)。
[0013]可选的，还包括：在航迹匹配门限内的簇与所述目标匹配成功后，将所述目标的预测航迹和与所述簇的运动状态信息作为卡尔曼滤波的测量输入，执行卡尔曼滤波更新，更新所述目标的航迹信息
。
[0014]可选的，还包括：当所述航迹匹配门限内的簇的数量为0时，将所述目标的预测航迹作为所述目标的航迹更新信息，并累计所述目标无关联簇的次数
。
[0015]可选的，根据所述目标无关联簇的次数，对所述目标执行航迹管理
。
[0016]可选的，所述航迹管理为建立航迹
、
保持航迹或撤销航迹
。
[0017]可选的，所述目标列表中的目标数量为一个或多个
。
[0018]可选的，所述预处理所述点云数据包括：坐标转换和剔除无效点云数据；所述毫米波雷达以球坐标系采集所述点云数据，所述坐标转换为将球坐标系转换为笛卡尔坐标系
。
[0019]可选的，没有关联目标的簇，若满足起批条件，则被初始化为新的潜在目标，并根据所述新的潜在目标的速度生成关联范围
。
[0020]本专利技术还提供了一种基于毫米波雷达的目标自适应航迹匹配的系统，包括：
[0021]雷达数据采集处理模块，用于通过毫米波雷达测量运动场景，采集测量点，读取点云数据和目标列表，并预处理所述点云数据；
[0022]点云数据聚类簇化模块，用于对所述点云数据执行聚类并簇化，形成簇；
[0023]目标自适应模块，用于计算所述目标列表中目标的预测航迹，并结合所述目标的历史关联信息，一一计算所述目标的自适应航迹匹配门限范围；
[0024]航迹匹配模块，用于将所述目标的预测航迹与落入所述目标的自适应航迹匹配门限范围的簇进行航迹匹配，获取匹配结果；根据所述匹配结果更新目标的航迹信息或执行航迹管理
。
[0025]本专利技术的基于毫米波雷达的目标自适应匹配航迹的方法，通过在获取目标位置分布范围时，根据目标的历史关联信息对目标位置分布范围进行调整，获取自适应航迹匹配门限范围
。
这种调整航迹匹配门限的方式能够根据目标的运动进行实时调整，解决目标在
出现特殊机动后航迹匹配门限中的有效测量点减少而导致航迹匹配误差大的问题，保证真实量测落入航迹匹配门限内，有效提升航迹匹配的准确本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种基于毫米波雷达的目标自适应航迹匹配的方法，其特征在于，包括：毫米波雷达测量运动场景，采集测量点，读取第
a
帧的点云数据和目标列表，所述点云数据为多维度运动状态信息，包括：方位
、
俯仰
、
径向距离
、
径向速度和信噪比；预处理所述点云数据；将预处理后的点云数据执行聚类，形成簇；对所述目标列表中的目标进行运动模型预测，获取目标的预测航迹，并计算目标的目标位置分布范围；根据目标的历史关联信息对所述目标位置分布范围进行调整，计算所述目标的自适应航迹匹配门限，计算公式为：目标的自适应航迹匹配门限，计算公式为：其中
w
i
为运动状态向量不同维度的权重，
w
i
＝
f(snr
i
)
是关于信噪比的函数，
E
为自适应航迹匹配门限；
k
为目标索引；
S
apr
(k)
为运动状态向量的先验估计；
P
apr
(k)
为运动状态向量的先验估计协方差矩阵；
γ
为自适应航迹匹配门限扩展系数；为运动状态向量的先验估计协方差逆矩阵；
P
apri,i
为运动状态向量的先验估计协方差矩阵的对角线；将在所述自适应航迹匹配门限内的簇与所述目标的预测航迹进行匹配，计算匹配评分；当在所述航迹匹配门限内的簇的数量为1个时，若匹配评分高于阈值，则所述簇与所述目标匹配成功；当所述航迹匹配门限内的簇的数量为多个时，则匹配评分最高的簇与所述目标匹配成功
。2.
根据权利要求1所述的基于毫米波雷达的目标自适应航迹匹配的方法，其特征在于，所述匹配评分的计算方式为：所述匹配评分的计算方式为：
u(k)
为与目标匹配的簇的运动状态向量；
n
为向量维度索引；
m
为向量维度索引总量；
w
n
为运动状态向量不同维度的权重，是关于信噪比的函数：
w
n
＝
...

【专利技术属性】
技术研发人员：李海龙，邹毅，张义军，龙勇军，姚衡，
申请(专利权)人：深圳市华杰智通科技有限公司，
类型：发明
国别省市：