[发明专利]一种雷达目标跟踪方法

说明书

一种雷达目标跟踪方法，其特征在于，所述方法包括如下步骤：建立雷达目标跟踪模型库；初始化S1中的目标跟踪模型，并初始化模型的组合策略，得到初始化了的组合目标跟踪模型；k时刻获取雷达检测到的目标信息；根据获取的雷达检测到的k时刻的目标信息、外部控制信息、k时刻的组合目标跟踪模型，得到k+1时刻跟踪目标信息预测值和k+1时刻的组合目标跟踪预测模型；根据获取的雷达检测到的k时刻的目标信息、k时刻的组合目标跟踪模型，计算联合跟踪门。本专利提出的一种雷达目标跟踪方法可以根据目标机动特性的变化对模型的参数进行调整，实现了实时自适应的目标跟踪更新，实现了高精度目标跟踪，提高雷达识别精度。

技术领域

本发明涉及目标跟踪领域，具体为一种雷达目标跟踪方法。

背景技术

对于机动目标跟踪，由于目标机动性的不确定，使用单个模型很难描述目标的整个运动情况，所以多模型算法已经成为解决机动目标跟踪的联合决策和估计问题的一种常用的方法。

目前大多数多模型算法是固定结构的，它们的性能在很大程度上依赖于所使用的模型集。固定模型的交互式多模型存在一个问题：为了提高估计精度而需要增加模型个数，但使用太多模型不仅会增加计算量，而且会降低估计器的性能。

发明内容

为了解决上述问题，本发明提出了一种能够提高对机动目标跟踪精度的雷达目标跟踪方法，其特征在于，所述方法包括如下步骤：

S1：建立雷达目标跟踪模型库，所述模型库中含有至少一种目标跟踪模型；

S2：初始化S1中的目标跟踪模型，并初始化模型的组合策略，得到初始化了的组合目标跟踪模型；

S3：k(k＝1,2……)时刻获取雷达检测到的目标信息，所述目标信息包括目标的运动速度、目标距雷达的距离、目标的运动加速度中的一个或多个；

S4：根据S3中获取的雷达检测到的k(k＝2,3……)时刻的目标信息、外部控制信息、k时刻的组合目标跟踪模型，估计k+1时刻跟踪目标信息，得到k+1时刻跟踪目标信息预测值和k+1时刻的组合目标跟踪预测模型；

S5：根据S3中获取的雷达检测到的k(k＝2,3……)时刻的目标信息、k时刻的组合目标跟踪模型，计算联合跟踪门；

S6：判断S4中k+1时刻跟踪目标信息预测值是否落入S5中的联合跟踪门中，若有跟踪目标信息预测值落入联合跟踪门中，则对落入联合跟踪门中的目标信息进行滤波，并根据滤波结果优化k+1时刻跟踪目标信息预测值、k+1时刻的组合目标跟踪预测模型，得到k+1时刻跟踪目标信息优化值和k+1时刻的组合目标跟踪优化模型；若无跟踪目标信息落入波门中，则返回步骤S3重新获取雷达检测到的目标信息。

进一步的，所述目标跟踪模型主要由状态转移矩阵、过程噪声分布矩阵、输入控制项矩阵组成。

进一步的，所述步骤S4具体为：

S41：由k时刻所述组合目标跟踪模型中各个跟踪模型的状态估计状态协方差阵Pⁱ(kk)、模型i转移到模型j的模型的转移概率计算得到k时刻各模型的交互估计值及k时刻各模型的交互估计值的协方差P^oj(k|k),i,j＝1,2,…,N；

根据k时刻各模型的交互估计值k时刻各模型的交互估计值的协方差P^oj(k|k)计算得到k+1时刻各个目标跟踪模型的状态预测值、状态预测误差协方差量测残差和协方差阵，从而得到k+1时刻的组合目标跟踪预测模型：

S42：更新目标跟踪模型；

S43：计算k+1时刻跟踪目标信息预测值，所述跟踪目标信息预测值表现为综合预测值。

进一步的，在步骤S42后还包括：

更新过程噪声协方差矩阵。