[发明专利]基于加权负一阶RD和的多目标伯努利分布式融合方法

摘要

该发明公开了一种基于加权负一阶RD(Renyi Divergence)和的多目标伯努利分布式融合方法，属于雷达信号处理领域。通过将多个传感器的同一帧后验多目标伯努利参数传输到融合中心，在融合中心对各传感器的后验多目标伯努利参数进行融合，融合的方法是将多目标伯努利参数分解为多个伯努利分量，通过构建基于加权负1阶RD和的代价函数，找到不同传感器伯努利参数的最优匹配方案，再利用CI融合准则，并行融合多个匹配的伯努利分量，近似实现不同传感器多目标伯努利参数的融合，然后融合结果中选择出最有可能的多个目标并将融合后的结果返回给各个传感器，从而具有跟踪精度高、虚警率低、鲁棒性强、可靠性高、通信代价小、抗干扰能力强的效果。

主权项

一种基于加权负一阶RD和的多目标伯努利分布式融合方法，该方法包括：步骤1：初始化系统参数包括：传感器监视范围，雷达分辨率Δr，雷达扫描周期T，扫描总帧数K，传感器个数S；步骤2：接收传感器扫描数据前，初始化传感器1～S的出生多目标伯努利参数；步骤3：各雷达接收到第1帧扫描数据后，使用初始化的多目标伯努利参数将该帧数据通过多目标伯努利滤波器进行滤波，计算出每个传感器的后验多目标伯努利参数；步骤4：将各传感器对第1帧数据的后验多目标伯努利参数传入融合中心；步骤5：将传感器1与传感器2的后验多目标伯努利参数进行融合，将融合的值再与传感器3融合，以此方法将S个传感器的后验多目标伯努利参数融合完毕；步骤5.1：传感器1中目标个数为k＝1，F＝1，传感器2中目标个数为k＝1，l＝2，不失一般性假设则传感器1与传感器2的伯努利分布量存在种可能的配对方案；步骤5.2：将配对方案中对应目标的RD熵取倒数后加权求和，得到各配对方案的加权值；步骤5.3：比较各配对方案的加权值，加权值最大的配对方案为对应目标最匹配的配对方案；步骤5.4：将选择出的最匹配的配对方案中对应目标的伯努利参数进行融合；步骤5.5：将融合后的值按照步骤5.1～步骤5.4的方法与传感器3的数据进行融合，然后按照此方法依次融合其它传感器数据，最终得到S个传感器的第1帧数据融合后的后验多目标伯努利参数；步骤6：融合中心记录融合后的后验多目标伯努利参数，通过最大后验概率准则计算出目标个数再寻找出存在概率最大的个目标，然后将融合后的后验多目标伯努利参数返回给各传感器；步骤7：各雷达接收到第2帧扫描数据后，使用第1帧融合后的后验多目标伯努利参数将第2帧数据通过多目标伯努利滤波器进行滤波，计算出第2帧中每个传感器的后验多目标伯努利参数，采用与步骤4～步骤6相同的方法处理第2帧各传感器数据；步骤8：采用与步骤4～步骤7相同的方法处理接下来的各帧传感器数据。