[发明专利]基于箱粒子滤波的扩展目标CBMeMBer跟踪方法

摘要

本发明公开了一种基于箱粒子滤波的扩展目标CBMeMBer跟踪方法，属于雷达信号处理领域，主要解决粒子滤波实现扩展目标CBMeMBer跟踪时间长，量测划分易交叉的问题。本方法的步骤包括扩展目标量测产生、扩展目标量测划分、将目标状态转化为区间形式、基于箱粒子的CBMeMBer预测、更新和目标数估计。根据同一目标产生量测相距更近的原理，将量测间马氏距离低于距离门限的量测划入同一划分单元，完成扩展目标量测划分。然后，用基于箱粒子滤波的CBMeMBer方法进行预测和更新，完成目标的跟踪和状态估计。本发明具有滤波性能好、运算时间短的特点，可用于雷达信号处理等领域。

主权项

一种基于箱粒子滤波的扩展目标CBMeMBer跟踪方法，包括扩展目标量测产生，扩展目标量测划分，将目标状态转化为区间形式，基于箱粒子的CBMeMBer预测、更新和目标数估计步骤：(1)目标状态初始化：设定初始时刻n0个扩展目标的目标状态矩阵目标状态区间长度RI、信号噪声矩阵ν0、量测噪声矩阵w0，目标数n0、存活概率r0和概率分布函数p0，初始目标数大于真实目标数，当没有目标数和目标状态的先验知识时，令r0＝1/2，p0为均匀分布；(2)扩展目标量测产生：(2a)按照如下块矩阵求得扩展目标状态矩阵：其中，为第i个目标k时刻的目标状态矩阵，为第i个扩展目标k时刻的扩展目标状态矩阵，为扩展目标产生的量测数目，ωk为符合高斯分布、泊松分布或均匀分布的k时刻的噪声矩阵；(2b)将扩展目标状态矩阵和量测噪声矩阵w0代入量测模型zk＝g(xk)+wk，求得扩展目标量测，其中，zk为k时刻的量测值，g(.)为一个线性或非线性函数，wk为k时刻独立同分布的噪声值；(3)扩展目标量测划分：对产生的扩展目标量测zk，根据同一目标产生的量测相距近，不同目标产生的量测相距远的原则，计算所有量测之间的距离；将相互距离小于距离门限的量测划分到同一个划分单元，同一个划分单元中的量测是由同一个扩展目标产生的；(4)将扩展目标状态转化为区间形式：为了将扩展目标状态矩阵转 化为扩展目标状态区间取作为区间下限，作为区间上限，形成扩展目标状态区间，从而，采用箱粒子滤波方法对目标进行滤波；(5)基于箱粒子的CBMeMBer预测：(5a)按照信号模型[xk+1]＝[f](xk)+[vk]，代入扩展目标状态区间求得预测箱粒子值其中，[xk+1]为k+1时刻的状态箱粒子值，[f](.)为一个线性或非线性函数的包含函数，[vk]为k时刻独立同分布的噪声的箱粒子；(5b)设k时刻多目标多伯努利概率分布为其中分别指k时刻目标i的存活概率、概率分布，Mk为存活目标数，则多目标多伯努利概率分布预测为其中下标P指存活箱粒子，下标Γ指新生箱粒子，Mk和MΓ,k+1指存活目标数和新生目标数，分别为存活箱粒子、新生箱粒子的预测状态的存活概率，分别为存活箱粒子、新生箱粒子的预测状态的概率分布函数，多目标多伯努利分布参数按照CBMeMBer预测方法求得；(6)基于箱粒子的CBMeMBer更新：将k+1时刻多目标概率密度的预测值表示为其中，M′k+1|k＝Mk+MΓ,k+1为预测的箱粒子数目，包含存活箱粒子的预测状态的存活概率和新生箱粒子的预测状态的存活概率包含存活箱粒子的预测状态的概率分布函数和新生箱粒子的预测状态的概率分布函数则基于箱粒子实现的CBMeMBer更新的多目标概率密度为下标L表示该值和量测无关，U表示该值是由量测更新的，Zk指k时刻与量测有关的箱粒子的集合，z为属于Zk的任一箱粒子，多目标多伯努利分布参数按照CBMeMBer更新方法求得；(7)目标数估计：目标数由目标存活概率求和得到，即其中n为目标数的估计值，ri为目标的存活概率，M为目标数。