一种基于高斯混合概率假设密度滤波的多机动目标多普勒雷达跟踪方法.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN111736145A(43)申请公布日2020.10.02(21)申请号202010596491.6(22)申请日2020.06.28(71)申请人电子科技大学地址611731四川省成都市高新区（西区）西源大道2006号(72)发明人程婷侯子林李立夫檀倩倩李茜付小川(51)Int.Cl.G01S13/72(2006.01)G01S7/41(2006.01)权利要求书8页说明书18页附图5页(54)发明名称计得到最终的状态估计。一种基于高斯混合概率假设密度滤波的多机动目标多普勒雷达跟踪方法(57)摘要本方法属于雷达目标跟踪领域，特别是涉及基于高斯混合概率密度假设的多机动目标多普勒雷达跟踪方法。本文首先引入伪量测替代多普勒雷达获得的目标径向速度量测，然后引入基于预测值信息的量测转换方法处理位置量测、伪量测，同时对伪量测与位置量测去相关。然后采用高斯混合概率假设密度滤波方法，借助多模型架构，针对高斯分量与模型的相关性，分别对幸存、新生、衍生目标的高斯分量做不同的处理。针对与模型无关的高斯分量，即新生、衍生高斯分量直接对状态进行估计；针对与模型有关的高斯分量，即幸存高斯分量，首先获得各个模型滤波器的模型概率及更新分量的模型条件分布，再将模型与更新分量的条件分布融合得到状态估计。其中，在对高斯分量的权重、均值、协方差等滤波时，引入序贯滤波，先根据位置量测获得位置估CN111736145A计；然后使用伪量测对位置估计序贯处理位置估CN111736145A权利要求书1/8页1.一种基于高斯混合概率假设密度滤波的多机动目标多普勒雷达跟踪方法，具体步骤如下：假设多普勒雷达在杂波环境下对多机动目标进行跟踪的场景中，机动目标的模型集合中存在M个模型。假设在k-1时刻，后验高斯分量为分别为高斯分量的权重、均值、协方差，模型后验概率为k时刻的量测集合为zk∈{z1,z2,...,zl,...,zL}，其中第l个量测可表示为：其中，分别为第l个量测的径向距离量测、角度量测、径向速度量测，与对应目标的真实坐标xk,l、yk,l及真实速度有关；vk,l为多维度量测噪声，该噪声服从零均值高斯分布。算法的步骤为：步骤1：新生及衍生目标的预测。新生目标强度函数为其中，Jγ,k为新生高斯分量的预测数目，分别为第i个预测新生高斯分量的权重、均值、协方差。衍生目标在k时刻的预测强度为其中，Jβ,k-1为k-1时刻某个高斯分量衍生高斯分量的预测数目，为k-1时刻第j个高斯分量衍生出的第l个高斯分量的权重、均值、协方差；为第l个高斯分量的衍生转移矩阵、衍生偏差，为偏差对应的协方差矩阵。步骤2：幸存目标的预测。在第r(r＝1,2,,3,...,M)个模型下对第j(j＝1,2,3,...,Jk-1)个高斯分量进行预测，2CN111736145A权利要求书2/8页得到高斯分量的权重、均值、协方差。其中，pS,k为目标的幸存概率，通过预设得到。经过预测过程，共获得Jk|k-1个预测高斯分量，其中，与模型相关的高斯分量有Jk-1个，与模型无关的高斯分量有Jk|k-1-Jk-1个。步骤3：目标漏检更新。对于与模型无关的Jk|k-1-Jk-1个高斯分量，即新生或衍生高斯分量，第j个高斯分量的漏检更新为对于第二类与模型相关的Jk-1个幸存高斯分量，第j个高斯分量的漏检更新为其中，为模型r的先验概率。步骤4：基于预测信息的量测转换。对k时刻量测集Zk中的每一个有效的量测使用基于预测信息的量测转换，计算量测转换误差协方差矩阵、伪量测与位置量测的互协方差。经过量测转换后第l个量测值为其中，σr，σr，σα，ρ分别为雷达的径向距离量测误差标准差、径向速度量测误差标准差、3CN111736145A权利要求书3/8页角度量测误差标准差、径向距离与径向速度量测误差相关系数。计算预测高斯分量的转换误差协方差为其中，各元素的计算方法为，其中，4CN111736145A权利要求书4/8页其中，5CN111736145A权利要求书5/8页步骤5：伪量测与位置量测去相关去相关后的伪量测为其中其误差协方差为步骤6：序贯滤波状态估计。首先，使用目标的位置量测值分别对模型相关的预测高斯分量和模型无关的高斯分量进行更新，获得位置估计。使用第l个位置量测对前Ik|k-1-Jk-1个模型无关的分量更新，第j个高斯分量的更新过程为其中，对剩余Jk1和模型相关的分量进行更新，其中，第j个分量的更新过程为6CN111736145A权利要求书6/8页其中，然后，使用去相关后的伪量测对位置估计的结果进行补充。使用第l个伪量测对与模型无关的高斯分量进行更新的过程为其中，其中，表示矩阵中第m行第n列的元素。与模型有关的高斯分量的序贯滤波过程为7CN1117361