[发明专利]一种基于交互多模型的低空机动目标跟踪方法

说明书

本发明公开一种基于交互多模型的低空机动目标跟踪方法，应用于目标跟踪领域，针对现有交互多模型方法在杂波背景以及复杂机动情况下跟踪精度较低、易发散的问题。本发明通过交互多模型中相邻时间转移概率的差异对转移概率矩阵进行实时调整，并将自适应当前统计模型纳入模型集中以提高跟踪的准确度与适应性，考虑到不同模型的独特性，“因地制宜”地使用不同的滤波器，以更加符合实际低空目标跟踪的需求。还设计了一种自适应扩大跟踪门，用调整门限常数的方法调整跟踪门的大小。本发明可实现对低空机动目标进行更精确、更及时的跟踪，具有较好的适应性和估计精度，对复杂机动的目标跟踪具有实际意义。

技术领域

本发明属于目标跟踪领域，特别涉及一种对低空机动目标进行有效跟踪的技术。

背景技术

现代战争中飞机和导弹常常利用低空、超低空飞行实施突防。进行高精度低空机动目标跟踪的主要难点在于：1)多杂波，低空环境下具有较多的地物干扰和杂波，目标回波总是被淹没在强烈的地杂波、海杂波中，造成信噪比低。2)多径传播，大大降低回波信号功率，甚至使其淹没于嘈杂的背景当中。3)强机动，运动模型难以满足多样化的运动状态，极其容易造成滤波发散。4)飞行高度低，使得传感器接收的量测数据包含了大量虚警，波浪和风将严重影响目标的机动。

现代战场环境越发复杂，无人机应用日益泛滥、目标机动性不断变强、隐身能力逐渐增强和各种干扰技术日趋完善给低空目标跟踪问题带来了严峻挑战。在强杂波的环境中跟踪未知目标是很困难的，尤其是当目标正在机动并且具有未知轨迹时。由于低空环境中具有较强的海杂波、地物杂波，受其影响，最终获得的量测数据中包含较高虚警，导致难以区分哪些是正确量测，哪些是错误量测。解决方法是利用数据关联技术来消除量测的不确定性，找到来自目标的量测。数据关联技术主要包括最近邻算法、概率数据关联、联合概率数据关联、多假设跟踪方法。强杂波环境下，对于单目标跟踪系统选择概率数据关联是有效的算法。概率数据关联中需要解决的一个重要问题是如何设计一种有效的跟踪门，以较低的计算代价找到目标。近年来，自适应调整跟踪门成为解决这一问题的主流方法。

而伴随低空飞行目标机动性能以及执行任务的复杂性的日益提高，目标在运动过程中随时会出现俯冲、盘旋、转弯、爬升以及其他的特殊运动，换句话说，在通常情况下，目标会在未知时间内进行强机动或弱机动运动。机动目标跟踪问题是现代雷达数据处理系统中的难点，原因在于目标运动方式的不确定性。然而单一的概率数据关联算法在处理此类问题时，性能将会受到限制。对于机动目标跟踪问题，为了更精确描述目标的机动行为，普遍考虑基于多模型的算法。交互多模型算法是最有效的次优多模型算法，并已被成功应用于机动目标跟踪。它通过不同的模型来描述目标的运动方式，然后并行滤波，综合加权得到目标的状态估计。模型集的构成是决定IMM(interacting multiple model，交互式多模型)算法目标跟踪性能的关键因素。通常，IMM算法的优化主要有三种方式，一是改变模型集的大小，增加模型数量以便可以纳入更多模型应对目标的多种运动状态，实现稳健性能。二是优化模型集种类，力求以较少的模型数来解决目标复杂的机动。三是改进各子模型使用的滤波器。此外，马尔可夫转移概率矩阵决定了模型之间的交互和切换，因此它强烈影响了交互多模型方法的跟踪性能。在标准的交互多模型方法中，马尔可夫转移概率矩阵被预先设值并且是恒定的。考虑到马尔可夫转移概率矩阵指定的不合理性，一些学者提出如果它能够自适应地变化，即可以根据目标运动状态的不同特征进行动态调整，将实现更优化的处理，进一步提高目标跟踪性能

因此低空多杂波环境下的机动目标跟踪问题既需要考虑目标的机动性，又需要进行数据的互联。首先是门控，在杂波环境下跟踪机动目标时，设计合适的跟踪门很重要。由于需要进行数据关联，首要任务就是来使用跟踪门对量测进行确认，在保障漏检概率小的情况下同时使落入波门内的杂波点最少，以减少计算量。二是针对现有交互多模型方法存在的不足，对其进一步改进。

发明内容

为解决上述技术问题，本发明提出一种基于多交互模型的低空机动目标跟踪方法，利用交互多模型方法中相邻时间转移概率的差异对转移概率矩阵进行实时调整。