CN110376556B - 一种基于锦标赛选择的双层粒子滤波检测前跟踪方法 - Google Patents

Abstract

本发明公开了一种基于锦标赛选择的双层粒子滤波检测前跟踪方法。该发明采用双层粒子滤波结构分别实现目标检测和跟踪，其中在目标检测过程中使用锦标赛选择法对粒子进行采样，能够同时选取多个权重相差较大的粒子，从而在每一轮检测中能够检测到多个信噪比相差较大的目标，节省了循环检测目标的时间，提高了算法的检测概率和精度。

Description

一种基于锦标赛选择的双层粒子滤波检测前跟踪方法

技术领域

本发明属于雷达检测前跟踪技术领域，涉及多目标粒子滤波检测前跟踪技术领域，具体涉及一种基于锦标赛选择的双层粒子滤波检测前跟踪方法。

背景技术

在雷达面对低信噪比多目标的复杂环境中，由于目标信号强度较低或者噪声强度较高，目标信号容易被环境噪声掩盖，因而很难选取合适的门限来区分目标与周围噪声。检测前跟踪技术(TBD)是对目标运动信息数据进行长期能量积累，使用原始或低门限的传感器原始观测数据，可以在检测前使用所有随时间积累完成的信息进行分析，因而，更适合于在复杂环境下弱目标的检测与跟踪处理。常应用于雷达检测跟踪的TBD实现方法有Hough变换、动态规划和粒子滤波等。

其中基于粒子滤波方法的检测前跟踪方法(PF-TBD)是一种常用的TBD技术，它是在于蒙特卡洛实验的基础上实现递归的贝叶斯滤波。理论上该方法可以应用于非线性和非高斯的系统，其精度接近于最优估计，能够实现检测和跟踪目标。

PF-TBD中常用的重采样算法如系统重采样是对某一较大粒子的单一复制。当多个目标的信噪比差距较大时，可能会导致信噪比较低的目标被漏检。针对以上情况，本发明在双层粒子滤波检测前跟踪算法的目标检测环节，引入锦标赛选择粒子过程，每次选取一定个数的优质粒子进入子代粒子群，重复该操作直到子代粒子群重新达到原种群个数，从而尽可能多的选择到更多的优质粒子，提高重采样到的粒子的多样性，保证多个目标的同时检测，进而节省了循环检测目标的时间，提高目标检测概率和跟踪精度。

发明内容

本发明考虑对远距离多个信噪比相差较大目标检测跟踪问题中信噪比较低目标的漏检或虚警问题，提出了一种基于锦标赛选择的双层粒子滤波检测前跟踪方法。

本发明方法的具体步骤是：

步骤1、假设k时刻多个雷达的探测区内的目标个数未知，雷达的扫描周期为T，每部雷达对粒子产生一个量测。

步骤2、获取多个雷达的第k时刻量测

其中，r为雷达数，

表示第r个雷达的第k时刻回波数据的量测单元(y,n,p)中的量测， R为雷达总数目，y、n、p分别表示距离单元、多普勒单元以及方位单元；

步骤3、对k-1时刻的跟踪目标集Taxe＝{f_1,k-1，,f_2,k-1...f_m,k-1}中的每个目标进行跟踪，每个目标f_i,k-1均拥有一个跟踪粒子群P_i,k-1＝{p_1,i,k-1,p_2,i,k-1...p_N,i,k-1}，其中p_N,i,k-1代表第N个k-1时刻目标f_i的粒子，对目标f_i,k-1的跟踪过程如下：

步骤3.1、跟踪粒子群P_i,k-1＝{p_1,i,k-1,p_2,i,k-1...p_N,i,k-1}中的每个粒子进行状态转移，获得每个粒子的状态变量

和存在变量E_i,j,其中x_i,j，y_i,j代表粒子x,y方向的位置，

代表粒子x,y方向的速度；

步骤3.2、计算跟踪粒子群中每个粒子的多雷达权值并进行融合，具体是：

1)计算跟踪粒子群中每个粒子的权重，见公式(1)：

其中

表示第j个粒子对应第r个雷达的权重，

代表k时刻第j个粒子的状态变量；

2)对k时刻第j个粒子的所有权重进行归一化，见公式(2)：

3)计算k时刻第j个粒子融合后的权重，见公式(3)：

步骤3.3、采用系统重采样方法获得k时刻的跟踪粒子群P_i,k＝ {p_1,i,k,p_2,i,k…p_N,i,k}；

步骤3.4、计算目标f_i,k的检测概率pb，判断pb是否小于发现目标阈值Myu，若是则认为该目标为虚假目标，从目标跟踪集Taxe中将目标删除，并删除跟踪粒子群P_i,k，反之则认为该目标存在，获得目标状态估计

即为目标的下一时刻状态；

pb＝m/N式(4)

其中m为存在变量E_i,j＝1的粒子数；

步骤3.5、跟踪目标集为Taxe中的每个目标f_i,k-1更新为f_i,k，最终获得k时刻的跟踪目标集Taxe；

步骤4、对k时刻新目标进行探测，产生探测粒子群

用于探测新目标，探测到的新目标

输入到检测目标集Daxe中获得检测目标集

和检测目标粒子群

其中h为检测目标集中的目标，具体是：

步骤4.1、探测粒子群

中每个粒子进行状态转移，获得每个粒子的状态变量为

和存在变量E_h,j，其中x_h,j,y_h,j为粒子的x,y方向的位置，

为粒子x,y方向的速度；

步骤4.2、计算第j个粒子与检测目标集Daxe和跟踪目标集Taxe中各个目标q之间的距离见公式(5)；若

粒子距离目标阈值Jyu则第j个粒子权重

重置为1，转入步骤4.4，否则进入步骤4.3；

其中其中x_h,j,y_h,j为粒子的x,y方向的位置，x_q,y_q为检测目标集或跟踪目标集中目标q的x,y方向的位置；

步骤4.3、计算探测粒子群中每个粒子的多雷达权值并进行融合，具体是；

1)计算探测粒子群中每个粒子的权重，见公式(6)：

其中

表示第r个粒子的j个权重，其中

为k时刻第j个粒子的状态；

2)对k时刻第j个粒子的所有权重进行归一化，见公式(7)：

3)计算k时刻第j个粒子融合后的权重，见公式(8)：

步骤4.4、采用锦标赛选择方法对探测粒子群进行筛选，具体是：

步骤4.4.1、随机从探测粒子群

中选出Xz个粒子，选出Xz个粒子中粒子权重

最大的进入步骤4.4.2；

步骤4.4.2、判断其粒子权重

是否大于筛选粒子权重阈值Syu，若是则认为该粒子为优质粒子，进入子代种群，否则不计入子代种群，尽可能多的选取到优质粒子；

重复步骤4.4.1～4.4.2，直到子代种群粒子数重新达到N，获得更新的探测粒子群

步骤4.5、根据公式(4)计算探测粒子的检测概率pb，判断pb是否小于发现目标阈值Myu，若是则转到步骤5，若否则认为探测到新目标，计算该目标的状态估计

进入步骤4.6；

步骤4.6、判断k-1时刻的跟踪目标集Taxe是否为空，若是则转到步骤5，若否则继续判断该新目标是否为k-1时刻的跟踪目标集Taxe中已发现的目标，具体是：

步骤4.6.1、计算新目标与目标跟踪集Taxe中的目标f_i,k-1的距离见式(8)，判断

是否小于验证目标阈值Mk，若是则认为不是新目标，跳转到步骤4.1，重新生成探测粒子群对新目标进行探测，否则进入步骤4.6.2；

其中{x_i，y_i}为目标f_i,k-1的x,y方向的位置，{x_h，y_h}分别表示新目标的x,y方向的位置；

步骤4.6.2新目标获得检测粒子群

将新目标

输入到检测目标集

中；

步骤5、将k时刻检测目标集Daxe加入k时刻跟踪目标集Taxe，得到更新后的k时刻跟踪目标集Taxe＝{f_1,k,f_2,k,...f_mk+nk}，检测粒子群

更新为跟踪粒子群P_i,k。

本发明给出了一种基于锦标赛选择的双层粒子滤波检测前跟踪方法，该方法在检测环节引入一种锦标赛选择粒子过程，每次选取一定个数的优质粒子进入子代粒子群，重复该操作直到子代粒子群重新达到原种群个数，从而尽可能多的选择到更多的优质粒子，提高重采样后的粒子多样性，保证多个目标的同时检测，进而节省了循环检测目标的时间，提高目标检测概率和跟踪精度。

附图说明

图1为本发明的流程图。

具体实施方式

下面结合附图对本发明做进一步的分析。

本发明主要采用计算机仿真的方法进行验证，所有步骤都在matlab-2016a 上验证正确。图1为本发明的流程图。具体实施步骤如下：

(1)初始化系统参数：雷达扫描周期T＝2，初始化粒子数目N＝3000，目标阈值Myu＝0.7，粒子距离目标阈值Jyu＝35，选取粒子数Xz＝2，验证目标Mk＝50， Syu＝0.01。

(2)获取多个雷达的第k时刻量测

其中，R为传感器总数目,y、n、p分别表示距离单元、多普勒单元以及方位单元。

(3)对k-1时刻的跟踪目标集中Taxe＝{f_1,k-1，,f_2,k-1...f_m,k-1}中的目标f_i,k-1进行跟踪，每个目标均拥有一个跟踪粒子群P_i,k-1＝{p_1,i,k-1,p_2,i,k-1...p_N,i,k-1}，对目标f_i,k-1的跟踪过程如下：

(a)计算跟踪目标集Taxe的列数，将列数赋值给变量Tm，Tm表示跟踪目标的个数；

(b)粒子群进行状态转移，获得每个粒子的状态

和存在变量量E_i,j，其中x_i,j,y_i,j代表粒子x,y方向的位置，

代表粒子x,y方向的速度；

(c)j＝1，r＝1；

(d)计算第j个粒子对应传感器r的权重

其中

为第j个粒子的状态

(e)比较r和R大小，若r＝R，转入(f)，否则r＝r+1转入(d)

(f)对第j个粒子的R个雷达权重进行归一化：

(g)计算粒子融合后的权重：

(h)比较j和N大小，若j＝N，进入步骤(i)，否则，j＝j+1，转入(d)；

(i)采用系统重采样的方法获得k时刻的跟踪粒子群 P_i,k＝{P_i,k＝p_1,i,k,p_{2,i, k}...p_N,i,k}；

(j)计算目标f_i,k-1的检测概率pb＝m/N，m为存在变量E_i,j＝1的粒子数，若pb小于发现目标阈值Myu，则认为该目标为虚假目标从目标跟踪集Taxe中将目标删除，并删除跟踪粒子群P_i,k，若大于阈值Myu目标存在，获得目标状态估计

(k)跟踪目标集为Taxe中的每个目标f_i,k-1更新为f_i,k，最终获得k时刻的跟踪目标集Taxe；

(l)更新目标跟踪集Taxe中的列数，并更新目标跟踪集中的目标个数Tm；

(4)使用探测粒子群对新目标进行探测

(a)计算出检测目标集Daxe的列数，将列数赋值给变量Dm，其中Dm表示检测目标集中的目标个数，h＝0；

(b)对探测粒子群进行状态转移，获得每个粒子的状态为

和存在变量E_h,其中x_h,j,y_h,j为粒子的x,y方向的位置，

为粒子的x,y方向的速度；

(c)令j＝1；

(d)令r＝1，q＝1，目标标志allexit＝0

(e)计算第j个粒子与检测目标集Daxe和跟踪目标集Taxe中各目标q之间的距离：

(f)若

则allexit＝1，第j个粒子权重

置1，转入(n)，否则 allexit＝0进入(g)；

(g)比较q与(Dm+Tm)的大小，若q＝(Dm+Tm)转入(h)计算粒子的权重，否则q＝q+1转入(e)；

(h)令r＝1；

(i)计算第j个粒子对应第r个雷达的权重

其中

为第j个粒子的状态；

(j)比较r和R大小，若r＝R，转入步骤(k)，否则r＝r+1转入(i)；

(k)对第j个粒子的R个雷达权重进行归一化：

(l)获得第j个粒子的融合后权重：

(m)比较j和N，若j＝N，进入步骤(n)，否则，j＝j+1，转入步骤(d)；

(n)采用锦标赛选择方法对探测粒子群进行筛选；

(o)随机从探测粒子群

中选出的Xz个粒子，比较选出Xz个粒子中粒子权重

最大的进入步骤(p)；

(p)判断其粒子权重

是否大于筛选粒子权重阈值Syu，若是则认为该粒子为优质粒子，进入子代种群，否则不计入子代种群

(q)重复(o)～(p)，直到子代种群粒子数重新为N，获得更新的探测粒子群

(r)计算探测粒子的检测概率pb，pb＝m/N，m为存在变量E_h＝1的粒子数；

(s)如果pb小于阈值，转到(5)，否则探测到新目标，计算目标的状态估计

进入(t)；

(t)若Tm等于0，转到(5)，否则进入(u)判断新检出的目标是否为已发现目标；

(u)令i＝1，新目标标志flag＝0；

(v)计算新检出目标与目标跟踪集Taxe中的目标f_i,k-1的距离：

其中{x_i，y_i}目标f_i,k-1的x,y方向的位置，{x_h，y_h}为新检出目标的x,y方向的位置；

(w)如果

则不是新目标，flag＝1，跳转到(b)，重新生成探测粒子群对新目标进行探测，否则，进入(x)

(x)如果i＜Tm,则i＝i+1,转入步骤(v)，否则，进入步骤(y)；

(y)如果flag＝0，则为新目标，h＝h+1，目标h获得检测粒子群

将新目标

输入到检测目标集

中；

(5)将本周期的检测目标集Daxe加入跟踪目标集Taxe，得到更新后的跟踪目标集Taxe＝{f_1,k,f_2,k,...f_mk+nk}，检测粒子群

更新为跟踪粒子群P_i,k；

仿真场景：

共有5部雷达，均位于原点，在目标个数为3个的情况下，目标信噪比分别为3dB，9dB和15dB，目标信噪比差别较大的情况下，由于锦标赛重采样能检测到更多的优质粒子，节省了循环检测目标的时间，因此采用锦标赛采样检测到3 个目标的时间较系统重采样更快。

Claims (2)

1.一种基于锦标赛选择的双层粒子滤波检测前跟踪方法，其特征在于包括以下步骤：

步骤1、假设k时刻多个雷达的探测区内的目标个数未知，雷达的扫描周期为T，每部雷达对粒子产生一个量测；

步骤2、获取多个雷达的第k时刻量测

其中r为雷达数，

表示第r个雷达的第k时刻回波数据的量测单元(y,n,p)中的量测，R为雷达总数目，y、n、p分别表示距离单元、多普勒单元以及方位单元；

步骤3、对k-1时刻的跟踪目标集Taxe＝{f_1,k-1,f_2,k-1…f_m,k-1}中的每个目标进行跟踪，每个目标f_i,k-1均拥有一个跟踪粒子群P_i,k-1＝{p_1,i,k-1,p_2,i,k-1…p_N,i,k-1}，其中p_N,i,k-1代表第N个k-1时刻目标f_i的粒子，对目标f_i,k-1的跟踪过程如下：

步骤3.1、跟踪粒子群P_i,k-1＝{p_1,i,k-1,p_2,i,k-1…p_N,i,k-1}中的每个粒子进行状态转移，获得每个粒子的状态变量

和存在变量E_i,j，其中x_i,j,y_i,j代表粒子x,y方向的位置，

代表粒子x,y方向的速度；

步骤3.2、计算跟踪粒子群中每个粒子的多雷达权值并进行融合；具体是：

1)计算跟踪粒子群中每个粒子的权重，见公式(1)：

其中

表示第j个粒子对应第r个雷达的权重，

代表k时刻第j个粒子的状态变量；

2)对k时刻第j个粒子的所有权重进行归一化，见公式(2)：

3)计算k时刻第j个粒子融合后的权重，见公式(3)：

步骤3.3、采用系统重采样方法获得k时刻的跟踪粒子群P_i,k＝{p_1,i,k,p_2,i,k...p_N,i,k}；

步骤3.4、计算目标f_i,k的检测概率pb，判断pb是否小于发现目标阈值Myu，若是则认为该目标为虚假目标，从目标跟踪集Taxe中将目标删除，并删除跟踪粒子群P_i,k，反之则认为该目标存在，获得目标状态估计

即为目标的下一时刻状态；

pb＝m/N 式(4)

其中m为存在变量E_i,j＝1的粒子数；

步骤3.5、跟踪目标集为Taxe中的每个目标f_i,k-1更新为f_i,k，最终获得k时刻的跟踪目标集Taxe；

步骤4、对k时刻新目标进行探测，产生探测粒子群

用于探测新目标，探测到的新目标

输入到检测目标集Daxe中获得检测目标集

和检测目标粒子群

其中h为检测目标集中的目标，具体是：

步骤4.1、探测粒子群

中每个粒子进行状态转移，获得每个粒子的状态变量为

和存在变量E_h,j，其中x_h,j,y_h,j为粒子的x,y方向的位置，

为粒子x,y方向的速度；

步骤4.2、计算第j个粒子与检测目标集Daxe和跟踪目标集Taxe中各个目标q之间的距离见公式(5)；若

＜粒子距离目标阈值Jyu则第j个粒子权重

重置为1，转入步骤4.4，否则进入步骤4.3；

其中x_h,j,y_h,j为第j个粒子的x,y方向的位置，x_q,y_q为检测目标集或跟踪目标集中目标q的x,y方向的位置；

步骤4.3、计算探测粒子群中每个粒子的多雷达权值并进行融合，同步骤3.2；

步骤4.4、采用锦标赛选择方法对探测粒子群进行筛选，具体是：

步骤4.4.1、随机从探测粒子群

中选出Xz个粒子，选出Xz个粒子中粒子权重

最大的进入步骤4.4.2；

步骤4.4.2、判断其粒子权重

是否大于筛选粒子权重阈值Syu，若是则认为该粒子为优质粒子，进入子代种群，否则不计入子代种群，尽可能多的选取到优质粒子；

重复步骤4.4.1～4.4.2，直到子代种群粒子数重新达到N，获得更新的探测粒子群

步骤4.5、根据公式(4)计算探测粒子的检测概率pb，判断pb是否小于发现目标阈值Myu，若是则转到步骤5，若否则认为探测到新目标，计算该目标的状态估计

进入步骤4.6；

步骤4.6、判断k-1时刻的跟踪目标集Taxe是否为空，若是则转到步骤5，若否则继续判断该新目标是否为k-1时刻的跟踪目标集Taxe中已发现的目标；

步骤5、将k时刻检测目标集Daxe加入k时刻跟踪目标集Taxe，得到更新后的k时刻跟踪目标集Taxe＝{f_1,k,f_2,k,...f_mk+nk}，检测粒子群

更新为跟踪粒子群P_i,k。

2.如权利要求1所述的一种基于锦标赛选择的双层粒子滤波检测前跟踪方法，其特征在于步骤4.6具体是：

步骤4.6.1、计算新目标与目标跟踪集Taxe中的目标f_i,k-1的距离见式(8)，判断

是否小于验证目标阈值Mk，若是则认为不是新目标，跳转到步骤4.1，重新生成探测粒子群对新目标进行探测，否则进入步骤4.6.3；

其中{x_i，y_i}为目标f_i,k-1的x,y方向的位置，{x_h，y_h}分别表示新目标的x,y方向的位置；

步骤4.6.2新目标获得检测粒子群

将新目标

输入到检测目标集

中。

Images