[发明专利]基于IMMPDA算法的高机动目标跟踪方法

权利要求书

1.一种基于IMMPDA算法的高机动目标跟踪方法，其特征在于，利用雷达的参数信息和环境先验信息，计算所有量测值来源于杂波的概率和每个量测值来源于高机动目标回波的概率，利用概率加权计算多个高机动目标的组合新息，通过滤波获得多个高机动目标的估计状态，该方法的步骤包括如下：

(1)获取每个高机动目标的状态值：

每隔50毫秒从机载雷达接收的回波信号中检测一次每个高机动目标的量测值；

(2)对每个高机动目标的状态估计值和协方矩阵进行交互混合：

(2a)利用概率公式，计算模型集中不同种类运动模型之间的转换概率；

(2b)利用状态混合公式，计算模型集中每类运动模型的每个高机动目标混合状态输入值；

(2c)利用协方差矩阵混合公式，计算模型集中每类运动模型的每个高机动目标混合状态对应的协方差矩阵；

(3)预测每个高机动目标的状态值和协方差矩阵：

(3a)利用状态预测公式，计算基于模型集中每种运动模型的每个高机动目标状态预测值；

(3b)利用协方差矩阵预测公式，计算基于模型集中每种运动模型的每个高机动目标预测状态值对应的协方差矩阵；

(4)更新每种运动模型中每个高机动目标的状态估计值和协方差矩阵：

(4a)按照下式，计算每个高机动目标当前时刻所有量测值来源于杂波的概率：

其中，表示k时刻第p个高机动目标模型集中第i种运动模型的所有量测值来源于杂波的概率，λ表示环境中的杂波密度，π表示圆周率，|·|表示取模操作，S_i(k)表示k时刻模型集中第i种运动模型的新息协方差矩阵，表示k时刻量测系统方程的雅可比矩阵，R(k)表示k时刻根据雷达的测量精度得到的测量方差矩阵，P_D表示雷达检测到目标的概率，P_G表示每个量测值落入跟踪波门的概率，c表示雷达获取的量测值的总数，e^(·)表示以自然常数e为底的指数操作，v_qi(k)表示k时刻基于模型集中第i种运动模型的第q个量测值与量测预测值之间的差值，-1表示求逆操作；

(4b)按照下式，计算当前时刻每个量测值来源于高机动目标回波的概率：

其中，表示k时刻基于模型集中第i种运动模型的第q个量测值来源于第p个高机动目标回波的概率；

(4c)按照下式，利用互联概率加权计算每个高机动目标的组合新息：

其中，表示k时刻模型集中第i种运动模型的第p个高机动目标的组合新息；

(4d)利用状态估计值公式，计算模型集中每种运动模型的每个高机动目标状态估计值；

(4e)利用协方差矩阵公式，计算模型集中每种运动模型的每个高机动目标状态估计值对应的协方差矩阵；

(5)更新每个高机动目标的状态估计值和协方差矩阵：

(5a)按照模型概率公式，更新模型集中每种运动模型的概率；

(5b)按照下式，计算当前时刻每个高机动目标的状态估计值：

其中，表示k时刻第p个高机动目标的状态估计值；

(5c)按照下式，计算当前时刻每个高机动目标状态估计值对应的协方差矩阵：

其中，P^p(k)表示k时刻第p个高机动目标的状态估计值对应的协方差矩阵。

2.根据权利要求1所述的基于IMMPDA算法的高机动目标跟踪方法，其特征在于，步骤(1a)中所述的量测值包括每个高机动目标与机载雷达之间的距离、每个高机动目标相对于机载雷达的方位角和俯仰角。

3.根据权利要求1所述的基于IMMPDA算法的高机动目标跟踪方法，其特征在于，步骤(2a)中所述的概率公式如下：

其中，表示第p个高机动目标在k-1时刻模型集中第j种运动模型转换到第i种运动模型的概率，所述模型集是由至少三种不同类型的运动模型组成，p_ij表示模型集中的第i种运动模型转移到第j种运动模型的概率，表示k-1时刻根据第p个高机动目标的机动性从模型集中选择的第m种运动模型的概率，c表示归一化因子，