【技术实现步骤摘要】
本专利技术属于雷达目标跟踪领域，具体涉及一种雷达多目标跟踪双标签多伯努利滤波算法。
技术介绍
1、随机有限集（random finite set, rfs）方法提供了一种基于rfs理论的简洁的贝叶斯多目标滤波框架。本质上，在任意给定时刻，目标状态的集合被视为一个集值多目标状态，相应的传感器量测的集合被视为一个集值多目标量测。之所以采用这种表达方式，其原因在于对估计理论中估计误差问题的考虑。近年来，在mahler和b. n. vo等学者的引领下，rfs理论获得了快速发展，衍生出的许多成果例如概率假设密度（probability hypothesisdensity, phd）滤波器（mahler r. multitarget bayes filtering via first-ordermultitarget moments[j]. ieee transactions on aerospace and electronicsystems, 2004, 39(4): 1152-1178.）、势概率假设密度（cardinalized probabilityhypothesis density, cphd）滤波器（vo b t, vo b n, cantoni a. analyticimplementations of the cardinalized probability hypothesis density filter[j].ieee transactions on signal processing, 2007, 55(7):
2、早期的随机有限集方法如phd、cphd、member等无法直接输出航迹，仅解决了多目标滤波问题，必须通过对量测进行后续处理才能得到航迹信息。相比之下，glmb和lmb滤波器等能够直接输出航迹，从而真正实现了关联-滤波这一完整的多目标跟踪功能。但由于这两种滤波器只为航迹设置了标签，输出的航迹无法与量测一一对应，因而不能采用均方根误差（root mean squarederror, rmse）等精确评估方法对其跟踪结果尤其是量测-航迹关联结果进行评估，也就无法准确衡量多目标跟踪效果的好坏，这在很大程度上制约了随机有限集多目标跟踪技术的发展。目前广泛采用的多目标跟踪效果评估方法是最优子模式分配（optimal sub-pattern assignment, ospa）距离（schuhmacher d, vo b t, vo b n. aconsistent metric for performance evaluation of multi object filters[j]. ieeetransactions on signal processing, 2008, 56(8): 3447-3457.），它仅能在一定程度上反映多目标跟踪误差，无法将多目标跟踪误差解耦为多个单目标跟踪误差分别进行分析，因此，当虚警较多或者量测-航迹关联错误时得到的ospa距离甚至比虚警少或量测-航迹关联正确时还低，这一现象明显是不正常的。并且，现有随机有限集跟踪方法在进行航迹更新时，通常是对航迹内部距离相近的所有高斯项进行加权求和。但在强杂波干扰、目标密集、航迹交叉等场景下，不同目标的量测相距很近，不同量测更新的高斯项也必然相距很近，这时如果继续采取上述航迹更新策略，极易造成量测-航迹关联错误，从而降低航迹跟踪精度。
技术实现思路
1、本专利技术所要解决的技术问题在于针对上述现有技术的不足，提供了一种雷达多目标跟踪双标签多伯努利滤波（double labelled multi-bernoulli, dlmb）算法，本专利技术在航迹标签基础上，给量测添加唯一性标签，通过滤波得到量测-航迹的确定性映射，从而能够对每一条航迹单独进行分析，实现了多目标跟踪性能尤其是关联性能的精确评估；另外，在dlmb滤波器实现过程中，采用新的航迹更新策略，不再按照距离对高斯项进行加权求和，而是将关联了同一个量测的高斯项进行加权求和，从而在很大程度上避免了强杂波干扰、目标密集、航迹交叉等场景下的量测-航迹关联错误问题。
2、为了达到上述专利技术目的，本专利技术采用以下技术方案：
3、本专利技术的雷达多目标跟踪双标签多伯努利滤波算法，其特殊之处在于包括以下步骤：
4、步骤1：雷达数据处理终端给新生目标添加唯一性标签，产生新生目标的高斯项；同时，雷达数据处理终端通过运动模型对上一时刻的航迹进行状态预测，得到存活目标的高斯项；新生目标的高斯项和存活目标的高斯项同时输入dlmb预测环节，得到时刻的多目标预测高斯项。如图1所示。具体步骤如下：
5、假设在时刻，多目标dlmb形式的后验概率密度为
6、 (1)
7、其中，为包含了目标运动状态和添加了唯一性标签的扩展目标状态，且对于新生目标设置；为第个高斯项的权重，为时刻存活的高斯项的总数；表示均值为、协方差为的高斯概率密度；限定性符号的定义为
8、 (2)
9、即，当且仅当时，；
10、经过存活高斯项预测之后，得到存活的多伯努利随机集参数为
11、 (3)
12、 (4)
13、其中，表示预测的时刻的航迹存在概率，为航迹存活概率，为时刻的航迹存在概率。表示预测的时刻的航迹概率密度，表示预测的第本文档来自技高网...
【技术保护点】
1.雷达多目标跟踪双标签多伯努利滤波算法，其特征在于包括以下步骤：
2.按照权利要求1所述的雷达多目标跟踪双标签多伯努利滤波算法，其特征在于所述步骤1）的具体步骤如下：
3.按照权利要求1所述的雷达多目标跟踪双标签多伯努利滤波算法，其特征在于所述步骤2）的具体步骤如下：
4.按照权利要求1所述的雷达多目标跟踪双标签多伯努利滤波算法，其特征在于所述步骤3）的具体步骤如下：
5.按照权利要求1所述的雷达多目标跟踪双标签多伯努利滤波算法，其特征在于所述步骤3）中基于量测-航迹关联关系的高斯项合并策略步骤如下：
【技术特征摘要】
1.雷达多目标跟踪双标签多伯努利滤波算法，其特征在于包括以下步骤：
2.按照权利要求1所述的雷达多目标跟踪双标签多伯努利滤波算法，其特征在于所述步骤1）的具体步骤如下：
3.按照权利要求1所述的雷达多目标跟踪双标签多伯努利滤波算法，其特征在于所述步骤2）...
【专利技术属性】
技术研发人员：柳超，董云龙，黄勇，刘宁波，关键，王月基，王国庆，丁昊，于恒力，曹政，
申请(专利权)人：中国人民解放军海军航空大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。