[发明专利]一种多目标跟踪数据关联方法及系统

权利要求书

1.一种多目标跟踪数据关联方法，其特征在于，该方法包括如下步骤：

S1、结合目标上一时刻状态及运动属性构建用于预测当前时刻目标位置的强化学习数据关联模型；

S2、在目标当前时刻已知量测点周围模拟随机杂波点并根据设定的波门获得门内候选量测点及门内候选量测点位置分布；

S3、根据所述候选量测点分布在关联模型的经验矩阵中选择权值，根据所述权值对所述候选量测点与目标的状态匹配度的波动影响及所述候选量测点与目标的运动匹配度获得每个候选量测点的关联概率；

S4、根据当前时刻目标一步已知量测点获得当前时刻目标的实际状态一步估计值并进行点迹-航迹关联；

S5、根据关联概率和所述候选量测点获得当前时刻目标的模拟状态一步估计值，以所述模拟状态一步估计值与所述实际状态一步估计值之间的欧式距离为损失对经验矩阵进行训练；

S6、重复上述步骤S2～S5，直到起始时间段所有已知量测点均完成关联和训练，获得训练模型；

S7、将目标进入杂波区后雷达采集数据点作为量测点，根据设定的波门获得门内候选待测量测点及分布，结合所述训练模型及运动匹配获得目标的状态一步估计值，并以此进行关联；计算目标下一时刻的一步状态预测值，以目标的一步状态预测值的一步观测预测值与目标的一步状态估计值的一步观测预测值之间的马氏距离为损失对训练模型的经验矩阵进行优化，重复关联和优化直到完成航迹关联。

2.如权利要求1所述的多目标跟踪数据关联方法，其特征在于，所述步骤S1具体包括：

步骤S11：确定多目标跟踪数据关联的初始条件；

确定起始时间段已知目标量测值Z^t(k|k),k＝1,...,K_train和杂波区量测值Z(k)，确定k时刻目标t的状态转移矩阵F^t(k)、观测矩阵H^t(k)、过程噪声协方差矩阵Q^t(k)和观测噪声协方差矩阵R^t(k)，计算k时刻目标t的一步状态预测值一步观测预测值一步状态协方差预测值和新息协方差矩阵S^t(k)；

所述k时刻目标t的一步状态预测值一步观测预测值一步状态协方差预测值和新息协方差矩阵S^t(k)的计算表达式为：

其中，F^t(k)表示k时刻目标t的状态转移矩阵，H^t(k)表示k时刻目标t的观测矩阵，Q^t(k)表示k时刻目标t的过程噪声协方差矩阵，R^t(k)表示k时刻目标t的观测噪声协方差矩阵，X^t(k-1|k-1)为k-1时刻目标t的模拟状态一步估计值，P^t(k-1|k-1)为k-1时刻目标t的状态协方差一步估计值；

步骤S12：设定强化学习折扣因子λ和学习效率γ，建立强化学习模型的经验矩阵Q-table，状态s为量测的分布，动作a为经验矩阵的权值选择，Q-table初始化为0矩阵。

3.如权利要求2所述的多目标跟踪数据关联方法，其特征在于，所述步骤S2中模拟随机杂波点的步骤包括：

在k时刻目标t已知量测值Z^t(k|k),k＝1,...,K_train周围生成杂波Z_flase,i(k)：

Z_flase,i(k)＝Z^t(k|k)+l-2l·rand_0,1 (1)；

其中，l为椭圆波门等效正方形边长，i＝1,2,...,num_flase为杂波数量，rand_0,1为0到1间的随机数，K_train为训练过程上限，t＝1,2,...,T为目标个数。