[发明专利]一种分形特征辅助的港口主动声呐弱小目标跟踪方法

权利要求书

1.一种分形特征辅助的港口主动声呐弱小目标跟踪方法，其特征在于步骤如下：

步骤1：对当前时刻采集的回波图像数据，进行目标的连通区域阈值检测，获得每个潜在目标对应的位置观测信息

步骤2：根据量测的位置信息计算当前量测与某个已形成轨迹之间相互关联的可能性，作为该条轨迹假设的运动得分：

S_m(k)＝S_m(k-1)+ΔS_m(k)

其中，表示在第k-1(前一)时刻的第l个轨迹假设，p(·)表示概率密度函数，P_D为检测概率，λ_φ是杂波的空间密度，λ_υ是新目标的空间密度；

步骤3：对每个量测点进行分形特征提取，计算分形特征值，为每个量测点增加一个分形特征状态向量f_i^k；

步骤4：根据贝叶斯估计理论，建立关于分形特征的航迹关联评价机制，为每一个轨迹假设计算一个分形特征得分，用于反映每个潜在数据关联存在的可能性；

分形特征得分：

其中，H₀,H₁分别表示杂波假设和目标假设；表示利用具有特征值f_i^k的量测与前一时刻轨迹更新的关联假设属于目标轨迹的概率，而表示更新的轨迹关联假设属于杂波的概率即计算杂波轨迹的后验概率；

步骤5：将轨迹假设的运动得分和分形特征得分进行加权求和，得到该条轨迹关联假设的总评分：

S(k)＝ω_mS_m(k)+ω_fS_f(k)

其中ω_m+ω_f＝1，ω_m与ω_f分别是运动得分S_m(k)和分形特征得分S_f(k)的权重系数；

步骤6：重复步骤2-步骤5，对每一个当前时刻可能存在的轨迹假设计算轨迹的运动得分、特征得分，以及总得分；

步骤7：从已形成的全部轨迹假设中计算最优全局假设集合，得到最终轨迹的输出结果，过程为：

创建一个无向图G＝(V,E),V表示顶点集，每个顶点代表一个轨迹假设；E表示边集，当两个轨迹假设有共享相同的量测时，产生一条边；然后，将每个轨迹假设的轨迹总得分作为对应轨迹假设顶点的权重系数S，求解最优全局假设是要获得一组总权值最大且没有公共边的独立顶点集，将其表示为计算：

s.t.x_i+x_j≤1,(i,j)∈E

x_i∈{0,1}

其中，x_i是一个决策变量，x_i＝1表示该轨迹假设被选择成为最佳全局假设的元素之一，而x_i＝0表示将该假设排除在独立集之外；

最后，将x_i＝1的所有轨迹假设最为确认轨迹作为目标跟踪的结果输出；

步骤8：对偏离最佳全局假设的其他轨迹假设进行轨迹剪枝处理；

步骤9：在一个新的时序关联周期，重复1-9过程。

2.根据权利要求1所述分形特征辅助的港口主动声呐弱小目标跟踪方法，其特征在于：所述步骤1获得每个潜在目标对应的位置观测信息的过程：根据当前时刻k采集的回波图像数据，进行目标的连通区域检测，对由相邻的若干个像素点组成的连续区域形成一个团结构，作为一种对象表示；然后对每个连通区域进行阈值检测，筛选出感兴趣的目标对象，并以此作为目标跟踪的量测集合N_k表示k时刻的量测总数；取每个连通区域的中心位置坐标作为目标观测的位置状态信息，每个量测对应的位置状态向量表示为

3.根据权利要求1所述分形特征辅助的港口主动声呐弱小目标跟踪方法，其特征在于：所述步骤2的轨迹运动得分是：基于运动状态滤波，预测每个目标轨迹的关联波门范围，将处于关联门内的量测点与目标轨迹进行数据关联；判断量测处在关联波门内的原则是预测目标与量测的统计距离小于预设的标准距离；根据波门内每个量测的位置信息，计算当前量测与目标轨迹之间相互关联的可能性，以此作为该条轨迹的运动得分S_m(k)。