[发明专利]一种基于衰减记忆序贯检测器的机动目标跟踪方法

摘要

本发明公开了一种基于衰减记忆序贯检测器的机动目标跟踪方法。针对基于决策的单模型跟踪方法和多模型跟踪方法的优缺点，提出一种基于衰减记忆序贯检测器的机动目标跟踪方法。本发明首先采用KF-UKF联合滤波。对非机动目标，采用基于匀速模型的Kalman滤波，当检测到目标机动时，对CV模型进行扩维，同时采用无味卡尔曼滤波器进行状态估计。其次，提出了一种衰减记忆序贯检测器来检测机动。当检测到机动发生后，对扩维后的状态向量和协方差矩阵进行修正，使修正后的状态更加匹配实际的运动模式。本发明可以实时修正目标状态，并且可以根据不同的运动模式选择相匹配的滤波器，从而提高了跟踪精度。

主权项

一种基于衰减记忆序贯检测器的机动目标跟踪方法，其特征在于该方法包括以下步骤：步骤1、状态协方差置初值及卡尔曼滤波：当目标在匀速直线运动时，运动目标采用二维卡尔曼滤波器，系统模型采用CV模型，按照状态方程和量测方程进行卡尔曼滤波；步骤2、检测器设计：根据定义的似然比函数，设计基于广义似然比的衰减记忆序贯检测器，所述的衰减记忆序贯检测器由衰减记忆序贯检测算法实现；步骤3、输入估计与状态补偿：利用衰减记忆序贯检测器检测出机动发生的时间，之后对机动的幅度进行估计；根据估计出的机动幅度对新息和协方差进行修正；步骤4、扩维与状态实时修正：当在k时刻检测到机动时，对[n,k]时间间隔内的状态进行补偿，然后对状态向量和协方差矩阵进行扩维，并根据估计出的机动幅度的大小对CV模型实时修正；步骤5、退出机动判别：在给定的显著性水平下，如果判别式成立，则认为加速度的产生并非由目标的机动产生，即可认为目标处于非机动状态；步骤6、无味卡尔曼滤波估计：当目标发生机动，采用无味卡尔曼滤波器对目标状态进行滤波，无味卡尔曼滤波过程首先进行无迹变换，然后用变换后的状态变量进行滤波。