[发明专利]一种基于时空关联的多扩展目标跟踪方法

说明书

本发明涉及一种基于时空关联的多扩展目标跟踪方法。当目标占据传感器的多个分变率单元时，单个目标便会产生多个量测值，即为扩展目标。在这种背景下，当扩展目标产生交叉，一般的基于距离的划分方法会将不同目标的量测值划入同一量测集合中，造成滤波器的精度下降，势估计出现错误。本发明基于ET‑GM‑PHD算法，采用时空关联思想，利用扩展目标在相邻时刻量测值的关联性，并在一种有向图SNN划分基础上，对多扩展目标进行跟踪。本发明方法大大降低了扩展目标在交叉处的跟踪误差，对目标的个数和目标的位置实现了精确估计。同时将扩展目标与点目标的跟踪过程分离，大大降低了计算的计算量。

技术领域

本发明属于信息融合领域，涉及一种基于时空关联的多扩展目标跟踪方法。

背景技术

随着现代传感器技术的发展，传感器的分辨率越来越高，单个目标会占据传感器的多个分辨率单元，同时得到多个关于目标的量测信息，该目标类型变为扩展目标。ET-GM-PHD (Extended Target Gaussian Mixture PHD)是在随机有限集的理论下对多扩展目标进行跟踪的滤波算法，该方法使用高斯混合形式表示多目标的强度函数，并以此来近似多目标的后验分布。基于随机有限集的多扩展目标的方法避免了数据关联，并降低了计算的复杂度，其中不可或缺的部分是对当前时刻量测集进行合理的划分，进而找到正确的量测集划分。目前广泛使用的划分方法是距离划分，该方法利用属于同一目标的量测值在空间上相隔较近的特性，对于满足距离门限的量测值都划分到同一个划分单元中，实现对量测集合的划分。但当目标距离较近的时候，不同目标的量测值会落入同一个量测集合中，造成滤波错误。

发明内容

本发明目的在于克服现有方法的不足，提出一种基于时空关联的多扩展目标跟踪方法，解决多扩展目标距离较近和航迹交叉下目标状态和目标数估计问题，具有良好的性能，同时该方法也不受量测密度的影响。本发明主要是应用在杂波环境中单个传感器实现对多扩展目标跟踪的场景下。

本发明的技术方案为：

一种基于时空的多扩展目标跟踪方法，考虑了扩展目标相邻时刻量测值之间的关联性，具体包括：

通过单传感器完成对扩展目标的探测，令k时刻传感器获得的量测集合为 z_i为表示二维空间的单个量测值，n_k为量测值数目；k时刻传感器检测区域中扩展目标状态集合为其中M_k表示扩展目标的数目，表示单个扩展目标的运动状态，x_i，y_i表示目标信息，表示目标运动信息。

建立扩展目标的运动方程为：

X_k＝FX_k-1+v_k

其中，为状态转移矩阵，I为单位矩阵，T_s为采样间隔。v_k表示协方差为的过程噪声，σ_v为过程标准差。

扩展目标的量测方程为：

Z_k＝HX_k+w_k

其中，为观测方程，w_k表示协方差为的量测噪声，σ_ε为量测噪声标准差。

基于时空关联的多扩展目标跟踪方法，如图1所示，主要包括以下步骤：

S1、当时刻k＝0时，初始化系统中的高斯分量为其中w₀为高斯分量的权重，m₀为高斯分量均值，表示为运动状态，P₀为对应的协方差矩阵，J₀为初始高斯项数目；

S2、当k≥1时，遍历高斯分量集合，按照状态转移矩阵作一步预测，并添加新生目标的高斯分量，表示为：