[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

说明书

本发明涉及一种分形特征辅助的港口主动声呐弱小目标跟踪方法，是一种面向杂波环境基于分形特征辅助的弱小目标跟踪方法，通过建立目标和杂波在分形特征空间下的概率密度分布模型，对多假设跟踪方法中评估轨迹假设置信度的模式进行重新构建，在原有的轨迹假设运动得分的基础上，建立基于分形特征辅助的数据关联质量评价机制。在该评价体系下进行轨迹假设置信度计算，可以快速确认目标轨迹并保持稳健跟踪，同时有效抑制大量杂波量测并使虚假航迹被提前终止，从而显著提高运算执行效率，为高强度密集杂波背景下的微弱点目标跟踪提供高效的解决方案。

技术领域

本发明属于目标探测跟踪领域技术，涉及一种分形特征辅助的港口主动声呐弱小目标跟踪方法，具体涉及一种面向杂波环境基于分形特征辅助的弱小目标跟踪方法。

背景技术

目标跟踪是对连续帧图像中的目标进行运动信息估计并建立统一标签的过程，它在军事、国防以及众多工程控制领域得到广泛应用。特别是在雷达侦查、水面水下监视等远距离预警探测系统中，为了在足够远的探测距离外实现对疑似目标的提前发现，需要利用目标跟踪技术完成对目标的准确定位和高效跟踪。多目标跟踪技术适合实现复杂场景下的机动目标跟踪，其中，多假设跟踪方法是解决问题的首选方法。

由于实际探测距离远远大于目标的真实尺寸，使得目标回波在返回过程中损失大部分能量，在图像上呈现为微弱的点目标状态。同时，探测场景中存在的非平稳散射体会对图像背景造成严重的杂波干扰，形成大面积、强烈的背景抖动，掩盖真实目标量测点。这些问题会导致跟踪器无法完成对目标的连续跟踪并产生大量错误的航迹关联，不仅影响了监测系统保持目标唯一性判别的能力，而且会降低跟踪器的运算执行效率，难以满足实际中的使用需求。

发明内容

要解决的技术问题

为了避免现有技术的不足之处，本发明提出一种分形特征辅助的港口主动声呐弱小目标跟踪方法，提供了一种高效的基于分形特征辅助的弱小目标跟踪方法，该方法能够在数据关联早期判断出已形成的错误航迹关联，并对其进行提前剪枝处理，从而在高强度、密集杂波背景干扰的情况下实现快速、准确的目标跟踪。

技术方案

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：