[发明专利]一种基于熵权值法点迹质量评估的目标跟踪方法

说明书

技术领域

本发明属于雷达目标跟踪技术领域，特别涉及一种基于熵权值的多评估指标信息融合的目标跟踪方法。

技术背景

目前，由于雷达监视场景中的山地、城市、海洋等形成的强杂波、强噪声背景的干扰，目标本身的机动、隐身的影响，雷达目标跟踪技术面临着巨大的挑战。在复杂背景下，有些杂波无论在时域还是频域上都与目标相似，恒虚警检测技术难以有效区分杂波与目标，大量的虚假点迹给后端目标跟踪、数据关联带来巨大挑战。

目标跟踪问题的核心部分是数据关联。常见的数据关联方法主要有最近邻方法(NN)和概率数据关联方法(PDA)等，它们均是利用传感器获取与目标状态向量计算直接相关的信息，如文献“Tracking in clutter with nearest neighbor filters:Analysis and performance.IEEE Trans.Aerospace Electron.Syst.32:995-1010”提出了一种最近邻的数据关联算法，用离预测值统计距离最近的点更新航迹，该算法具有计算量小和对杂波分布变化鲁棒性好的特点，但在杂波密度较高的环境中，仅考虑位置信息作硬判决，很可能造成误跟或丢失目标的情况。事实上，传感器并不只是获取点迹的位置信息，还可以获得更多的有关目标的其它特征数据。在无源多目标跟踪过程中,通常可以直接用于计算目标状态的量测数据包括信号到达方向(DOA)、信号到达时间(TOA)以及多普勒频率、幅度等。无源定位系统可获得的辐射源特征数据包括：极化相位、工作频率、脉宽、脉幅、脉冲重复周期等。文献“王杰贵,罗景青.基于多目标多特征信息融合数据关联的无源跟踪方法[J].电子学报,2004,32(6):1013-1016.2004(06)”中，在跟踪时利用了目标的频率、脉宽、脉冲重复周期三种知识辅助特征，并分别看作不同的证据源，利用Dempste-Shafer证据理论进行多特征信息融合，得到各个有效观测与真实目标的关联度，但该方法并未充分考虑特征之间的相互关系，在信息合成权值分配时“视具体情况而定”，即采用经验权值，这样导致在实际应用中带有一定主观性，即使是同一操作者，在不同的时间和环境对同一对象也往往会得出不一致的主观判断。这必然使信息合成过程带有很大程度的主观臆断性，从而使信息合成结果的可信度下降，难以保证跟踪性能，缺乏通用性。

发明内容

本发明的目的是针对背景技术的不足之处改进设计一种基于熵权值法点迹质量评估的目标跟踪方法，该方法在最近邻域基础上，首先建立评估模型，利用运筹学中的熵权值法对波门内点的多种指标进行综合评估，用质量评估最优点来更新航迹，从而提高传感器信息利用率，提高在复杂环境下微弱目标跟踪性能。

本发明一种基于熵权值法点迹质量评估的目标跟踪方法，该方法包括：

步骤1、初始化目标状态X(k)及目标协方差矩阵P(k)，k＝0；

目标的状态转移方程为：

X(k+1)＝FX(k)+ω(k)

其中，F为状态转移矩阵，ω(k)为零均值的高斯过程噪声，其协方差矩阵为Q，量测模型为：

Z(k)＝HX(k)+v(k)

Z(k)是目标量测，H为观测矩阵，v(k)为零均值的高斯观测噪声，其协方差矩阵为R；

步骤2、根据k-1时刻目标t的状态X(k-1)及其协方差矩阵P(k-1)，得到k时刻目标t的状态预测值：

X(k|k-1)＝FX(k-1)

量测预测值：

Z(k|k-1)＝HX(k|k-1)

协方差一步预测值P(k|k-1)：

P(k|k-1)＝FP(k-1)F^T+Q；

步骤3、从雷达接收机中读取第k帧位置量测集合z_i(k)为k时刻的第i个量测，同时，并获取第k帧量测幅度集合多普勒集合工作频率集合且每个位置量测值对应三个知识辅助量测指标a(k)、d(k)、f(k)，

计算量测值z(k)是否满足下式，若满足则作为候选回波，并统计满足要求的回波个数，

[z(k)-Z(k|k-1)]^TS^-1(k)×[z(k)-Z(k|k-1)]≤γ

其中S(k)为k时刻的新息协方差S(k)＝HP(k|k-1)H^T+R，γ为预先设定的波门大小；

步骤4、根据步骤3统计得到落入波门内的候选目标个数，来更新目标航迹，