CN101984560A - 集中式多源联合维特比数据互联跟踪器 - Google Patents

Abstract

本发明公开了一种并行处理结构的集中式多源联合维特比数据互联跟踪器，该技术属于雷达数据处理领域。密集杂波环境下的多目标跟踪技术是目标跟踪领域重要且难以处理的问题，现有的多源多目标跟踪方法在保证对密集杂波下的多目标进行精确跟踪时，计算运算量普遍较大，缺乏实时性。本发明基于维特比算法进行数据互联，拥有维特比算法本身的优点，避免了突然噪声所产生的不良影响且屏蔽了中间噪声的干扰，保证了较高的跟踪精度；而且在每阶段只选择路径最短的两个量测参与互联，减少了算法所需的存储量，保证了较好的实时性。该跟踪器对密集杂波下多目标具有良好的跟踪能力，可以应用于各种集中式结构的多源信息融合系统，具有推广应用价值。

Description

集中式多源联合维特比数据互联跟踪器

一、技术领域

本发明涉及雷达数据处理领域中的集中式多源联合维特比数据互联方法，适用于各种集中式结构的信息融合系统。

二、背景技术

维特比方法在数学上利用向前迭代的方法解决隐马尔科夫模型的解码问题，它是一种同步算法，每一帧计算所得的路径都保存在寄存器中，在下一帧时对每条路径继续扩展，直到最后一帧，其目的是根据给定的观测状态序列找出路径最短的观测序列，即最有可能存在的隐含状态序列。集中式结构下融合中心所接收的量测点就时刻而言具有隐马尔科夫模型的特性，因而在维特比方法的原有框架内融入数据互联的概念可以解决密集杂波环境下的多源多目标跟踪问题。

密集杂波环境下的集中式多源多目标跟踪技术是目标跟踪领域重要且难以处理的问题。为解决该问题，国内外专家提出了多种方法，L.Y.Pao提出的并行处理结构的集中式多传感器联合概率数据互联(Centralized Multi-Sensor Joint Probabilistic Data Association：CMS-JPDA)方法是其中具有代表性的一种方法，但这种方法在实际应用中往往会出现滤波发散的情况，且在其矩阵拆分的过程中存在计算爆炸的危险，难以保证较好的实时性；其他算法存在与CMS-JPDA方法相似的情况，在对密集杂波下的多目标进行精确跟踪时，不能同时具备较高的跟踪精度和较好的实时性，难以满足工程实际应用的要求。

三、发明内容

1.要解决的技术问题

本发明的目的在于提供一种可以在密集杂波下对多目标进行精确跟踪的集中式多源联合维特比数据互联跟踪器。该跟踪器基于维特比方法，拥有维特比方法本身的优点，能够根据融合中心获取的观测状态序列，自始至终的给出最优的理解，会在最终选择前考虑到所有的观测量，从而一方面避免了突然噪声所产生的不良影响，这种情况在真实数据中经常出现，另一方面屏蔽了中间噪声的干扰，使其在密集杂波环境下对多目标保持较高的跟踪精度；而且，该跟踪器在跟踪过程中建立确认波门，减少了需要计算路径长度的量测数量，且每时刻只选择路径最短的两个量测参与互联，减少了算法所需的存储量，保证了较好的实时性，更便于实际工程应用。

2.技术方案

本发明所述的集中式多源联合维特比数据互联跟踪器，包括以下技术措施：首先，在航迹正确起始后，确定并存储每一个扫描时间融合中心所得综合量测集路径最短的两个量测及其路径长度，就当前时刻而言，以上一时刻路径最短的两个量测对应的状态一步预测值为中心建立确认波门，确定当前时刻的有效量测；然后，计算当前时刻各有效量测的路径长度并确定路径最短的两个量测，利用其与上一时刻路径最短的两个量测的互联关系更新互联矩阵，同时利用卡尔曼滤波计算其对应的状态更新值及状态协方差更新值；最后，综合考虑从航迹正确起始时刻到当前时刻的累计量测集，利用互联矩阵建立量测指示矩阵，确定以各目标为起点的状态最短路径，完成当前时刻各目标的状态更新。

3.有益效果

本发明相比背景技术具有如下的优点：

(1)该跟踪器可避免突然噪声和中间噪声所带来的不良影响；

(2)该跟踪器每个扫描时刻只选择路径最短的两个量测参与互联；

(3)该跟踪器对密集杂波环境下的多目标具有良好的跟踪能力；

(4)该跟踪器具有良好的实时性。

四、附图说明

说明书附图是本发明目标状态更新的单次循环流程图。

五、具体实施方式

以下结合说明书附图对本发明作进一步详细描述。参照说明书附图，本发明目标状态更新的单次循环方式分以下几个步骤：

(1)计算装置1接收k时刻融合中心所得综合量测集Z(k)，并利用存储装置2中k-1时刻路径最短的两个量测z′_i(k-1)，i＝1，2建立确认波门，分别确定各传感器的有效量测，记z_j ^l(k)，j＝1，2，…，m′_l(k)，l＝1，2，…N_s为来自于传感器l的第j个有效量测，m′_l(k)为k时刻来自传感器l的有效量测的个数，N_s为传感器的个数。

(2)计算装置3接收来自计算装置1的输出结果，并利用存储装置2中k-1时刻路径最短的两个量测的路径长度d_i(k-1)，i＝1，2计算各有效量测z_j ^l(k)的路径长度。

(3)计算装置4接收来计算装置3的输出数据，确定各传感器路径最短的两个量测值i＝1，2；l＝1，2，…N_s，并在存储装置5中开辟存储空间暂存

的路径长度及其与上一时刻路径最短的两个量测的互联关系

i＝1，2。

(4)计算装置6接收计算装置4与存储装置5的输出结果，利用

i＝1，2对

进行加权平均，得出多源融合之后最短的两个量测值z′_i(k)，i＝1，2，其按如下公式计算

$z_i^{\′}\left(k\right)=\underset{l=1}{\overset{N_s}{\mathrm{\Σ}}}{\mathrm{\β}}_i^l\left(k\right)z_i^{l^{*}}\left(k\right)$ i＝1，2

其中，β_i ^l(k)为量测

的权值，其按如下公式计算

${\mathrm{\β}}_i^l\left(k\right)=\frac{1}{C\left(k\right)d_i^{l^{*}}\left(k\right)}$

其中，C(k)为归一化常数，且

定义d_i(k)，i＝1，2为z′_i(k)，i＝1，2对应的路径长度，其按如下公式计算

$d_i\left(k\right)=\underset{l=1}{\overset{N_s}{\mathrm{\Σ}}}{\mathrm{\β}}_i^l\left(k\right)d_i^{l^{*}}\left(k\right)$ i＝1，2

(5)存储装置2接收计算装置6的输出结果，并输入计算装置1和计算装置3用以下一时刻的目标状态更新过程。

(6)计算装置7接收来计算装置6的输出结果，确定z′_i(k)，i＝1，2与上一时刻路径最短的两个量测值z′_i(k-1)，i＝1，2的互联关系ω_ik，更新互联矩阵Ω_t，其按如下公式计算

${\mathrm{\&omega;}}_{\mathrm{ik}}=\left\{\begin{array}{cc}1& D>0\\ 2& D<0\end{array}\right.$

其中，变量D由量测

的权值β_i ^l(k)及

确定，其按如下公式计算

$D=\underset{l=1}{\overset{N_s}{\mathrm{\&Sigma;}}}{\mathrm{\&beta;}}_i^l\left(k\right)u\left({\mathrm{\&omega;}}_{\mathrm{ik}}^{l^{*}}\right)-\underset{l=1}{\overset{N_s}{\mathrm{\&Sigma;}}}{\mathrm{\&beta;}}_i^l\left(k\right)(1-u\left({\mathrm{\&omega;}}_{\mathrm{ik}}^{l^{*}}\right))$

$=\underset{l=1}{\overset{N_s}{\mathrm{\&Sigma;}}}{\mathrm{\&beta;}}_i^l\left(k\right)(2u\left({\mathrm{\&omega;}}_{\mathrm{ik}}^{l^{*}}\right)-1)$

其中，变量为一个二值函数，当

时，

而当

时，

(7)存储装置8存储计算装置7输出的已更新完毕的互联矩阵Ω_t；计算装置9接受计算装置7的输出结果，对各传感器路径最短的两个量测加权平均，利用卡尔曼滤波技术获得目标t当前时刻与z′_i(k-1)，i＝1，2对应的状态更新值及状态协方差更新值，并在存储装置10中开辟相应的存储空间存储该状态更新值及状态协方差更新值。

(8)计算装置11利用存储装置8中的互联矩阵Ω_t建立指示矩阵Ψ_t，并结合存储装置10中的存储结果完成目标t在k时刻的状态更新及状态协方差更新。

Claims (3)

1.集中式多源联合维特比数据互联跟踪器，其特征在于包括以下技术措施：

(1)基于两点量测对多源联合维特比数据互联跟踪器进行建模；

(2)在维特比的算法框架内计算各量测的路径长度并建立多源状态下的量测互联矩阵；

(3)运用量测互联矩阵形成密集杂波下具有良好跟踪能力的多源跟踪器。

2.根据权利要求1所述的基于两点量测的多源联合维特比数据互联跟踪器建模，其特征在于具有如下技术特征：根据维特比算法的原理，在杂波环境下跟踪多目标需要计算并存储各时刻所有量测值的路径长度及相邻时刻所有量测的互联关系，在密集杂波环境下，算法的计算量很大，对系统的存储能力要求很高；为了降低计算量，对目标t(t＝1，2，…，T)在航迹起始时刻建立确认波门，只对落入确认波门中的有效量测计算路径长度，然后找出路径最短的两个量测，存储这两个量测及其路径长度并利用它们建立确认波门，进行状态更新，依次递推，直到最后时刻。采用上述算法，在跟踪目标t(t＝1，2，…，T)时只需在各时刻存储两个量测的路径长度及相邻时刻两个量测的互联关系，大大降低了算法的计算量。

3.根据权利要求1所述的在维特比的算法框架内计算各量测的路径长度并建立多源状态下的量测互联矩阵，其特征在于采用如下的技术措施步骤：设z′_i(k-1)，i＝1，2为k-1时刻路径最短的两个量测，其路径长度分别为d_i(k-1)，i＝1，2，分别以其一步预测值为中心建立确认波门并确定有效量测；设z_j ^l(k)，j＝1，2，…，m′_l(k)为k时刻来自传感器l的第j个有效量测，计算其路径长度为d_j ^l(k)；确定k时刻各传感器路径最短的两个量测并利用其与k-1时刻路径最短的两个量测的互联关系更新互联矩阵Ω_t。计算路径长度d_j ^l(k)的公式为

$d_j^1\left(k\right)=\underset{i}{\min }\{d_i(k-1)+a_{\mathrm{ij}}^l\left(k\right)\},i=\mathrm{1,2},j=\mathrm{1,2},...,m_l^{\&prime;}\left(k\right)$

其中，a_ij ^l(k)为连接z′_i(k-1)和z_j ^l(k)的线段长度；定义θ_ij ^l(k)为z_j ^l(k)与z′_i(k-1)正确互联的事件，则a_ij ^l(k)的计算公式为

$a_{\mathrm{ij}}^l\left(k\right)=1/P\left\{{\mathrm{\&theta;}}_{\mathrm{ij}}^l\left(k\right)\right|Z^k\}$

$=\frac{\mathrm{\&lambda;}{\left|2\mathrm{\&pi;}{S}_{\mathrm{ij}}^l\left(k\right)\right|}^{\frac{1}{2}}(1-P_D^l{P}_G^l)/P_D^l+\underset{j=1}{\overset{m_l^{\&prime;}\left(k\right)}{\mathrm{\&Sigma;}}}\exp \{-\frac{1}{2}{v}_{\mathrm{ij}}^{\&prime;l}\left(k\right)S_{\mathrm{ij}}^{l-1}\left(k\right)v_{\mathrm{ij}}^l\left(k\right)\}}{\exp \{-\frac{1}{2}{v}_{\mathrm{ij}}^{\&prime;l}\left(k\right)S_{\mathrm{ij}}^{l-1}\left(k\right)v_{\mathrm{ij}}^l\left(k\right)\}}$

其中，λ为虚假量测的空间密度；P_D ^l为传感器l的目标探测概率；P_G ^l为传感器l的门概率；

v_ij ^l(k)为量测z_j ^l(k)相对状态一步预测值的新息，S_ij ^l(k)为其协方差。

Images