[发明专利]一种基于随机集理论的多雷达异步数据分布式融合方法

权利要求书

1.一种基于随机集理论的多雷达异步数据序贯式融合方法，该方法包括：

步骤1：对高斯混合概率假设密度进行参数化表征；

其中，v_k-1(x)表示在k-1时刻时的多目标后验概率强度，x表示目标状态集合；J_k-1表示在k-1时刻的高斯分量的个数；表示在k-1时刻第i个高斯分量的权重；表示在k-1时刻期望为方差为的第i个高斯分量对应的高斯密度函数，且满足

步骤2：建立模型，得到预测的多模型的高斯混合概率密度假设强度；

2.1对幸存目标进行预测：

其中，v_S,k|k-1(x)表示在k时刻幸存目标S的强度；p_S,k表示k时刻目标S的幸存概率；是幸存目标在k时刻的第i个高斯分量的期望，且满足：是幸存目标在k时刻的第i个高斯分量的方差，且满足：其中F_k-1表示k-1时刻的状态转移矩阵，Q_k-1表示k-1时刻的过程噪声协方差矩阵；

2.2对衍生目标进行预测：

其中，v_β,k|k-1(x)表示在k-1时刻存在的目标在k时刻衍生出状态为x的目标(衍生目标)的强度，J_β,k表示在k时刻衍生目标高斯分量的个数；是k-1时刻第i个高斯分量的权重；是k时刻衍生的第l个高斯分量的权重；是幸存目标在k时刻的第i个高斯分量衍生出的第l个高斯分量的期望，且满足：是幸存目标在k时刻的第i个高斯分量衍生出的第l个高斯分量的方差，且满足：

2.3对新生目标进行预测：

其中，γ_k(x)表示在k时刻时的新生目标后验概率强度；J_γ,k表示新生目标在k时刻的高斯分量的个数；表示在k时刻第i个高斯分量的权重；表示期望为方差为的第i个高斯分量对应的高斯密度函数；

步骤3：对多部雷达接收到的数据根据时间序列采用如下公式进行依次更新：

其中：

其中，分别表示k时刻第N次更新后和预测后的强度函数；和分别表示k时刻第N次预测时的幸存强度函数、衍生强度函数和新生强度函数；N表示雷达总数；p_D,k表示雷达检测概率；表示k时刻第i部雷达的量测集合；J_k|k-1表示k时刻预测状态对应的高斯分量的个数；和分别表示k时刻利用第i部雷达的量测更新后第j个高斯分量的权重、均值和方差；和分别表示k时刻利用第i部雷达的第j个高斯分量的权重、均值和方差；κ_k(z)表示k时刻的杂波密度，H_k表示k时刻的状态转移矩阵，R_k表示k时刻的量测噪声协方差矩阵；

步骤4：高斯分量的剪枝处理；

T是设定的门限；

剪枝循环开始：

l:＝l+1

I:＝I\L

直到时结束剪枝循环处理；

其中，L是满足门限的高斯分量集合；是剪枝前的高斯分量的权重、均值和方差；和是剪枝后的高斯分量的权重、均值和方差；

步骤5：目标个数和状态提取；

剪枝处理后的高斯分量，满足权重值大于0.5的高斯分量即是目标状态。

2.一种基于随机集理论的多雷达异步数据分布式融合方法，该方法包括：

步骤1：对高斯混合概率假设密度进行参数化表征；

其中，v_k-1(x)表示在k-1时刻时的多目标后验概率强度，x表示目标状态集合；J_k-1表示在k-1时刻的高斯分量的个数；表示在k-1时刻第i个高斯分量的权重；表示在k-1时刻期望为方差为的第i个高斯分量对应的高斯密度函数，且满足

步骤2：建立模型，得到预测的多模型的高斯混合概率密度假设强度；

2.1对幸存目标进行预测：

其中，v_S,k|k-1(x)表示在k时刻幸存目标S的强度；p_S,k表示k时刻目标S的幸存概率；是幸存目标在k时刻的第i个高斯分量的期望，且满足：其中F_k-1表示状态转移矩阵；是幸存目标在k时刻的第i个高斯分量的方差，且满足：其中Q_k-1表示过程噪声协方差矩阵；

2.2对衍生目标进行预测：

其中，v_β,k|k-1(x)表示在k-1时刻存在的目标在k时刻衍生出状态为x的目标(衍生目标)的强度，J_β,k表示衍生目标在k时刻高斯分量的个数；是k-1时刻第i个高斯分量的权重；是k时刻衍生的第l个高斯分量的权重；是幸存目标在k时刻的第i个高斯分量衍生出的第l个高斯分量的期望，且满足：是幸存目标在k时刻的第i个高斯分量衍生出的第l个高斯分量的方差，且满足：

2.3对新生目标进行预测：

其中，γ_k(x)表示在k时刻时的新生目标后验概率强度；J_γ,k表示新生目标在k时刻的高斯分量的个数；表示在k时刻第i个高斯分量的权重；表示期望为方差为的第i个高斯分量对应的高斯密度函数；

步骤3：进行目标状态的更新：

对于第i部雷达：

其中，分别表示第i部雷达在第k时刻更新后和预测后的状态；和分别表示k时刻第N次预测时的幸存强度函数、衍生强度函数和新生强度函数；表示时刻第i部雷达的量测集合；p_D,k表示雷达检测概率；J_k|k-1表示k时刻预测状态对应的高斯分量的个数；和分别表示k时刻利用第i部雷达的量测更新后第j个高斯分量的权重、均值和方差；κ_k(z)表示k时刻的杂波密度；表示量测为z时对应的高斯函数的值；

步骤4：得到多部雷达的距离融合节点最近的局部后验密度之后，采用广义协方差交叉算法进行融合处理，得到融合结果：

其中：

其中，s_k(x)表示融合后的强度函数；N_a和N_b分别是雷达a和b的高斯分量在第k个融合节点的个数；ω表示雷达a的权重；和分别表示雷达a和b距第k个融合节点最近的局部后验密度的过程噪声协方差矩阵；F_a,k、和F_b,k、分别表示雷达a和b距第k个融合节点最近的局部后验密度的状态转移矩阵及其转置；和分别表示融合前雷达a和雷达b的均值和协方差；和分别表示雷达a距第k个融合节点最近的局部后验密度预测后的权重、均值和方差；和分别表示雷达b距第k个融合节点最近的局部后验密度预测后的权重、均值和方差；和分别表示雷达a和b在第k个融合节点的融合后的权重、均值和方差；

步骤5：高斯分量的剪枝处理；

T是设定的门限；

剪枝循环开始：

l:＝l+1

I:＝I\L

直到时结束剪枝循环处理；

其中，L是满足门限的高斯分量集合；是剪枝前的高斯分量的权重、均值和方差；和是剪枝后的高斯分量的权重、均值和方差；

步骤6：目标个数和状态提取；

剪枝处理后的高斯分量，满足权重值大于0.5的高斯分量即是目标状态。