雷达多目标跟踪双标签多伯努利滤波算法制造技术

本发明专利技术涉及一种雷达多目标跟踪双标签多伯努利滤波算法。包括以下步骤：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；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k时刻的多目标预测高斯项；2）通过为每个量测添加唯一性标签并对k时刻所有量测进行筛选，将筛选出来的能够与目标进行关联的量测对每一个高斯项进行状态更新，得到k时刻更新的高斯项；3）雷达数据处理终端通过步骤2）获得更新后的高斯项之后，设计一种基于量测‑航迹关联关系的高斯项合并策略，将统一航迹中关联到相同量测的高斯项进行合并。

【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 probabilityhypo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：