[发明专利]基于高斯粒子势概率假设密度滤波的目标检测前跟踪方法

权利要求书

1.一种基于高斯粒子势概率假设密度滤波的目标检测前跟踪方法，其特征在于，包括以下步骤：

步骤1，初始化：令k表示k时刻，k的初始值为1，k∈{1,2,…,D}，D表示设定的最大时刻，且D为观察每个目标的运动时间；

分别将0时刻N₀个目标的运动状态记为x₀，将0时刻N₀个目标的运动状态x₀在(i,j)处的强度记为进而计算在0时刻N₀个目标的运动状态x₀在(i,j)处的强度条件下0时刻N₀个目标的运动状态x₀的后验概率密度p(x₀|z₀)，并分别计算0时刻N₀个目标的运动状态x₀的均值μ₀和0时刻N₀个目标的运动状态x₀的协方差P₀；

然后对在0时刻N₀个目标的运动状态x₀在(i,j)处的强度条件下0时刻N₀个目标的运动状态x₀的后验概率密度p(x₀|z₀)进行抽样，得到用于估计0时刻第p个目标的运动状态中的第i_p个采样粒子i_p＝1,2,...,N_p，表示0时刻第p个目标的运动状态中的第i_p个采样粒子，N_p表示0时刻第p个目标的运动状态中包含的采样粒子个数；

步骤2，确定k时刻有N_k个目标，则将k时刻第p个目标的运动状态记为其中,表示k时刻第p个目标的横坐标位置，表示k时刻第p个目标的纵坐标位置，表示k时刻第p个目标的横坐标速度，表示k时刻第p个目标的纵坐标速度，表示k时刻第p个目标的能量强度，则得到k+1时刻第p个目标的运动方程为p＝1,2,…N_k，f_k(·)表示k时刻的状态转移函数，v_k表示k时刻的过程处理噪声；

步骤3，确定k时刻直角坐标系下的雷达观测区域为N_x×N_y，且k时刻直角坐标系下的雷达观测区域N_x×N_y内包含N_k个目标，N_x表示k时刻直角坐标系下的雷达在x轴方向上的分辨单元数，N_y表示k时刻直角坐标系下的雷达在y轴方向上的分辨单元数，k时刻直角坐标系下的雷达观测区域中每个分辨单元(i',j')的大小为△_x×△_y，i'＝1,2,…,N_x,j'＝1,2,…,N_y，△_x表示每个分辨单元在x轴方向上的长度，△_y表示每个分辨单元在y轴方向上的长度；

根据k时刻直角坐标系下的雷达观测区域中包含N_k个目标，进而确定k时刻的红外传感器量测模型，所述k时刻的红外传感器量测模型为k时刻直角坐标系下雷达观测区域中包含的N_k个目标的运动状态x_k在(i,j)处的强度(i,j)∈C，C表示k时刻N_k个目标的扩散影响区域，所述k时刻N_k个目标的扩散影响区域为k时刻直角坐标系下的雷达观测区域N_x×N_y之外的区域；

步骤4，根据k时刻直角坐标系下雷达观测区域中包含的N_k个目标的运动状态x_k在(i,j)处的强度计算得到在k时刻第p个目标的运动状态条件下k时刻直角坐标系下雷达观测区域中包含的N_k个目标的运动状态x_k在(i,j)处的强度对应的似然函数

步骤5，计算在1时刻到k-1时刻所有目标各自的量测值z_1:k-1条件下k时刻直角坐标系下雷达观测区域中包含的N_k个目标的运动状态x_k的后验概率密度p(x_k|z_1:k-1)，然后根据k+1时刻第p个目标的运动方程计算k时刻第p个目标的运动状态中第i_p个采样粒子的状态预测值N_p表示k时刻第p个目标的运动状态中包含的采样粒子个数；

步骤6，依次计算k-1时刻预测k时刻目标数为N_k的概率p_k|k-1(N_k)和k-1时刻预测k时刻第p个目标的运动状态的强度

步骤7，计算在1时刻到k时刻所有目标各自的量测值z_1:k条件下k时刻直角坐标系下雷达观测区域中包含的N_k个目标的运动状态x_k的概率分布辅助函数π(x_k|z_1:k)，然后对所述在1时刻到k时刻所有目标各自的量测值z_1:k条件下k时刻直角坐标系下雷达观测区域中包含的N_k个目标的运动状态x_k的概率分布辅助函数π(x_k|z_1:k)进行采样并获取粒子，得到k时刻第p个目标的运动状态中第i_p个采样粒子的状态估计值进而分别计算k时刻N_k个目标的状态均值估计和k时刻N_k个目标的协方差估计

步骤8，根据k时刻N_k个目标的状态均值估计和k时刻N_k个目标的协方差估计计算得到k时刻第p个的运动状态中第i_p个采样粒子的权值并进行归一化操作，得到k时刻第p个的运动状态中第i_p个采样粒子的归一化权值

步骤9，设置删除门限T，并将k时刻第p个的运动状态中第i_p个采样粒子的归一化权值中小于设置删除门限T的高斯项删除，即删除权重小于删除门限T的高斯项，得到权重大于或等于删除门限T的k时刻第p个的运动状态中第i_p个采样粒子的归一化权值同时设置合并门限U，将所述权重大于或等于删除门限T的k时刻第p个的运动状态中第i_p个采样粒子的归一化权值中距离小于合并门限U的高斯项合并，得到经过删除门限T和合并门限U后k时刻第p个的运动状态中第i_p个采样粒子的归一化权值

步骤10，根据k-1时刻预测k时刻目标数为N_k的概率p_k|k-1(N_k)和经过删除门限T和合并门限U后k时刻第p个的运动状态中第i_p个采样粒子的归一化权值计算得到k时刻目标数为N_k的概率p_k(N_k)；

步骤11，根据k时刻目标数为N_k的概率p_k(N_k)，计算得到k时刻直角坐标系下的雷达观测区域N_x×N_y内包含的目标个数N_k的估计值

步骤12，令k加1，返回步骤2，直到得到D时刻直角坐标系下的雷达观测区域N_x×N_y内包含的目标个数N_D的估计值从而得到1时刻直角坐标系下的雷达观测区域N_x×N_y内包含的目标个数N₁的估计值到D时刻直角坐标系下的雷达观测区域N_x×N_y内包含的目标个数N_D的估计值