CN111289965B - 一种多目标雷达快速跟踪方法及系统 - Google Patents

Abstract

本发明公开了一种多目标雷达快速跟踪方法及系统，所述方法包括获取暂态航迹，并根据所述暂态航迹中最新的设定个数点迹，计算滤波器初始化参数；基于所述初始化参数对滤波器进行初始化；利用滤波器对暂态航迹中最新1个点迹进行滤波，并将滤波后的值作为跟踪航迹的第一个点迹；基于所述滤波后的值做一次预测，得到下一跟踪时刻的目标位置；将所述下一跟踪时刻的目标位置打包为调度指令，并将其发送到雷达实时控制软件，由所述雷达实时控制软件根据调度指令调度雷达，由雷达不断观测目标新的点迹，并对所述新的点迹进行滤波和预测，最终实现对目标的稳定跟踪。本发明能够降低跟踪复杂度，提高雷达资源利用率，同时能够适应运动状态相对复杂的目标跟踪。

Description

一种多目标雷达快速跟踪方法及系统

技术领域

本发明属于雷达数据处理技术领域，具体涉及一种多目标雷达快速跟踪方法及系统。

背景技术

雷达跟踪算法为雷达数据处理的核心，按照功能可细分为两个个部分：航迹滤波、航迹跟踪，这两个部分实际采用的算法决定了雷达跟踪效果的优劣。

航迹起始后，需要对匹配航迹进行滤波，关于滤波参数初始化，当前常见算法并未对滤波参数进行深入研究，这会导致滤波模型在初期会与目标真实运动情况不匹配，进而导致滤波器收敛慢，目标前几次滤波误差较大，目标位置预测不准确，最终使得航迹跟踪失败。

航迹滤波算法，在工程应用领域中，多目标跟踪本身具有较高的复杂性，为了保证实时性要求，卡尔曼滤波、α-β-γ滤波和交互多模型滤波以其相对精简的计算而被广泛应用，但是这三种算法均存在一定的问题。

对卡尔曼滤波而言，其计算相对复杂，对目标每个时刻的状态和观测协方差均作了预测，存在大量的矩阵运算，并且对于机动目标运动响应速度较慢，在跟踪大机动目标的战情下容易出现目标丢失。

对于α-β-γ滤波而言，其目标滤波和迭代预测的效果取决于滤波增益矩阵K的选择，该参数一般由工程经验获得，具有极大的不确定性。通常情况下，对于不同的航迹，在设置匹配参数的过程中，需要一定的先验新息，通过记录观测目标的航迹并做参数估计，来获取增益矩阵参数，在实际过程中，尤其是非合作目标的情况下，存在诸多限制，很容易导致滤波发散，目标丢失。

对于交互多模型算法而言，其算法结构相对严谨，但其计算复杂度相对较大，大致相当于卡尔曼滤波的三倍，但从跟踪效果来看，该算法可以同时适应机动和非机动目标，在非合作单目标跟踪战情下跟踪效果较好，对于多目标跟踪战情下则耗时严重，对硬件计算资源要求较高。

发明内容

针对上述问题，本发明提出一种多目标雷达快速跟踪方法及系统，能够降低跟踪复杂度，提高雷达资源利用率，同时能够适应运动状态相对复杂的目标跟踪。

为了实现上述技术目的，达到上述技术效果，本发明通过以下技术方案实现：

第一方面，本发明提供了一种多目标雷达快速跟踪方法，包括：

获取暂态航迹，并根据所述暂态航迹中最新设定个数点迹，计算滤波器初始化参数；

基于所述初始化参数对滤波器进行初始化；

利用滤波器对暂态航迹中最新1个点迹进行滤波，并将滤波后的值作为跟踪航迹的第一个点迹；

基于所述滤波后的值做一次预测，得到下一跟踪时刻的目标位置；

将所述下一跟踪时刻的目标位置打包为调度指令，并将其发送到雷达实时控制软件，由所述雷达实时控制软件根据调度指令调度雷达，由雷达不断观测目标新的点迹，并对所述新的点迹进行滤波和预测，最终实现对目标的稳定跟踪。

可选地，所述获取暂态航迹，并根据所述暂态航迹中最新的设定个数点迹，计算滤波器初始化参数，包括以下步骤：

获取暂态航迹，并根据所述暂态航迹中最新的设定个数点迹，结合当前滤波器的模型参数，选择滤波维数，确定出状态转移矩阵、量测矩阵、噪声转移矩阵、量测误差协方差矩阵和状态误差协方差矩阵，所述状态转移矩阵、量测矩阵、噪声转移矩阵和量测误差协方差矩阵在迭代滤波中保持不变；所述状态误差协方差矩阵在迭代的过程中不断更新；

根据暂态航迹中最新的设定个数点迹的位置信息，计算出初始滤波状态矩阵；初始化增益矩阵为全0。

可选地，所述基于所述滤波后的值做一次预测，得到下一跟踪时刻的目标位置，包括：

根据前一时刻的滤波状态矩阵和状态转移矩阵，对前一时刻的滤波状态矩阵进行一步预测，预测结果为当前时刻的滤波状态矩阵的预测值；

根据前一时刻的状态误差协方差矩阵和状态转移矩阵，对前一时刻状态误差协方差矩阵进行一步预测，预测结果为当前时刻的状态误差协方差矩阵的预测值；

根据预测到的状态误差协方差矩阵和状态转移矩阵，以及量测误差协方差矩阵，计算出新息误差协方差矩阵；

根据当前时刻的量测点迹，计算量测状态矩阵，并根据量测状态矩阵和当前时刻滤波状态矩阵的预测值，计算新息；

根据所述新息和新息误差协方差矩阵，计算新息归一化参数，如果满足卡方分布条件，则增益矩阵保持不变，利用当前时刻滤波状态矩阵的预测值、新息和增益矩阵，计算当前时刻滤波后的状态矩阵，并且，当前时刻的状态误差协方差矩阵和增益矩阵与前一时刻保持不变；

取当前时刻状态转移矩阵和当前时刻的滤波状态矩阵，计算下一时刻目标状态矩阵的预测状态矩阵，得到下一跟踪时刻的目标位置。

可选地，如果不满足卡方分布条件，则根据量测误差协方差矩阵、新息误差协方差矩阵和量测矩阵，计算当前时刻增益矩阵；利用当前时刻滤波状态矩阵的预测值、新息和当前时刻增益矩阵，计算当前时刻滤波后的状态矩阵；根据量测矩阵、状态转移矩阵、当前时刻状态误差协方差矩阵的预测值，计算当前时刻的状态误差协方差矩阵。

取当前时刻状态转移矩阵和当前时刻的滤波状态矩阵，计算下一时刻目标状态矩阵的预测状态矩阵，得到下一跟踪时刻的目标位置。

可选地，所述将所述下一跟踪时刻的目标位置打包为调度指令，并将其发送到雷达实时控制软件，具体为：

所述预测状态矩阵，计算雷达下一个时刻的调度信息，将其打包为调度指令，并将其发送到雷达实时控制软件。

第二方面，本发明提供了一种多目标雷达快速跟踪系统，包括：

计算模块，用于获取暂态航迹，并根据所述暂态航迹中最新的设定个数点迹，计算滤波器初始化参数；

初始化模块，用于基于所述初始化参数对滤波器进行初始化；

滤波模块，用于利用滤波器对暂态航迹中最新1个点迹进行滤波，并将滤波后的值作为跟踪航迹的第一个点迹；

预测模块，用于基于所述滤波后的值做一次预测，得到下一跟踪时刻的目标位置；

控制模块，用于将所述下一跟踪时刻的目标位置打包为调度指令，并将其发送到雷达实时控制软件，由所述雷达实时控制软件根据调度指令调度雷达，由雷达不断观测目标新的点迹，并对所述新的点迹进行滤波和预测，最终实现对目标的稳定跟踪。

可选地，所述获取暂态航迹，并根据所述暂态航迹中最新的设定个数点迹，计算滤波器初始化参数，包括以下步骤：

获取暂态航迹，并根据所述暂态航迹中最新的设定个数点迹，结合当前滤波器的模型参数，选择滤波维数，确定出状态转移矩阵、量测矩阵、噪声转移矩阵、量测误差协方差矩阵和状态误差协方差矩阵，所述状态转移矩阵、量测矩阵、噪声转移矩阵和量测误差协方差矩阵在迭代滤波中保持不变；所述状态误差协方差矩阵在迭代的过程中不断更新；

根据暂态航迹中最新的设定个数点迹的位置信息，计算出初始滤波状态矩阵；初始化增益矩阵为全0。

可选地，所述基于所述滤波后的值做一次预测，得到下一跟踪时刻的目标位置，包括：

根据前一时刻的滤波状态矩阵和状态转移矩阵，对前一时刻的滤波状态矩阵进行一步预测，预测结果为当前时刻的滤波状态矩阵的预测值；

根据前一时刻的状态误差协方差矩阵和状态转移矩阵，对前一时刻状态误差协方差矩阵进行一步预测，预测结果为当前时刻的状态误差协方差矩阵的预测值；

根据预测到的状态误差协方差矩阵和状态转移矩阵，以及量测误差协方差矩阵，计算出新息误差协方差矩阵；

根据当前时刻的量测点迹，计算量测状态矩阵，并根据量测状态矩阵和当前时刻滤波状态矩阵的预测值，计算新息；

根据所述新息和新息误差协方差矩阵，计算新息归一化参数，如果满足卡方分布条件，则增益矩阵保持不变，利用当前时刻滤波状态矩阵的预测值、新息和增益矩阵，计算当前时刻滤波后的状态矩阵，并且，当前时刻的状态误差协方差矩阵和增益矩阵与前一时刻保持不变；

取当前时刻状态转移矩阵和当前时刻的滤波状态矩阵，计算下一时刻目标状态矩阵的预测状态矩阵，得到下一跟踪时刻的目标位置。

可选地，如果不满足卡方分布条件，则根据量测误差协方差矩阵、新息误差协方差矩阵和量测矩阵，计算当前时刻增益矩阵；利用当前时刻滤波状态矩阵的预测值、新息和当前时刻增益矩阵，计算当前时刻滤波后的状态矩阵；根据量测矩阵、状态转移矩阵、当前时刻状态误差协方差矩阵的预测值，计算当前时刻的状态误差协方差矩阵。

取当前时刻状态转移矩阵和当前时刻的滤波状态矩阵，计算下一时刻目标状态矩阵的预测状态矩阵，得到下一跟踪时刻的目标位置。

可选地，所述将所述下一跟踪时刻的目标位置打包为调度指令，并将其发送到雷达实时控制软件，具体为：

所述预测状态矩阵，计算雷达下一个时刻的调度信息，将其打包为调度指令，并将其发送到雷达实时控制软件。

与现有技术相比，本发明的有益效果：

相较于传统算法，在计算过程中，本发明利用统计规律，在不影响跟踪效果的前提下，可以省去大量的计算步骤。在非复杂机动下，计算量与α-β-γ滤波相当，消耗资源极少；如果遇到目标机动，计算量与卡尔曼滤波相当，跟踪效果相同。本发明结合了两种算法的优点，且避免了两种算法的缺点，在杂波较多的情况下依然能够保持较好的跟踪性能，同时每一帧的处理时间也得到了极大的缩减。

附图说明

为了使本发明的内容更容易被清楚地理解，下面根据具体实施例并结合附图，对本发明作进一步详细的说明，其中：

图1(a)为本发明一种实施例的航迹跟踪算法流程示意图；

图1(b)为本发明一种实施例的滤波参数初始化流程示意图；

图1(c)为本发明一种实施例的滤波流程示意图；

图1(d)为本发明一种实施例的航迹预测流程示意图；

图1(e)为本发明一种实施例的计算调度流程示意图；

图2为本发明一种实施例的原始航迹和测量航迹及局部放大示意图；

图3为本发明一种实施例的航迹起始前四个点迹结果示意图；

图4为本发明一种实施例的航迹量测、匹配与滤波结果及其局部放大示意图；

图5为本发明一种实施例的目标三维跟踪效果图。

具体实施方式

为了使本发明的目的、技术方案及优点更加清楚明白，以下结合实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明的保护范围。

下面结合附图对本发明的应用原理作详细的描述。

实施例1

本发明实施例中提供了一种多目标雷达快速跟踪方法，如图1(a)-1(e)所示，具体包括以下步骤：

(1)获取暂态航迹，并根据所述暂态航迹中最新的设定个数点迹，计算滤波器初始化参数；

(2)基于所述初始化参数对滤波器进行初始化，即图1(a)中的滤波参数初始化；

(3)利用滤波器对暂态航迹中最新1个点迹进行滤波，并将滤波后的值作为跟踪航迹的第一个点迹。对后续每一时刻的量测值进行迭代滤波，即图1(a)中的航迹滤波；

(4)基于所述每一时刻滤波后的值做一次预测，得到下一跟踪时刻的目标位置，即图1(a)中的航迹预测；

(5)将所述下一跟踪时刻的目标位置打包为调度指令，并将其发送到雷达实时控制软件，由所述雷达实时控制软件根据调度指令调度雷达，由雷达不断观测目标新的点迹，并对所述新的点迹进行滤波和预测，最终实现对目标的稳定跟踪，即图1(a)中的计算调度和调度发送。

在本发明实施例的一种具体实施方式中，所述获取暂态航迹，并根据所述暂态航迹中最新的设定个数点迹，计算滤波器初始化参数，包括以下步骤：

获取暂态航迹，并根据所述暂态航迹中最新的设定个数点迹，以及当前滤波器的模型参数，选择滤波维数，确定出状态转移矩阵、量测矩阵、噪声转移矩阵、量测误差协方差矩阵和状态误差协方差矩阵，所述状态转移矩阵、量测矩阵、噪声转移矩阵和量测误差协方差矩阵在迭代滤波中保持不变；所述状态误差协方差矩阵在迭代的过程中不断更新；

根据暂态航迹中最新的设定个数点迹的位置信息，计算出初始滤波状态矩阵；初始化增益矩阵为全0。

作为本发明的进一步改进，所述基于所述滤波后的值做一次预测，得到下一跟踪时刻的目标位置，包括：

根据前一时刻的滤波状态矩阵和状态转移矩阵，对前一时刻的滤波状态矩阵进行一步预测，预测结果为当前时刻的滤波状态矩阵的预测值；

根据前一时刻的状态误差协方差矩阵和状态转移矩阵，对前一时刻状态误差协方差矩阵进行一步预测，预测结果为当前时刻的状态误差协方差矩阵的预测值。

根据预测到的状态误差协方差矩阵和状态转移矩阵，以及量测误差协方差矩阵，计算出新息误差协方差矩阵；

根据当前时刻的量测点迹，计算量测状态矩阵，并根据量测状态矩阵和当前时刻滤波状态矩阵的预测值，计算新息；

根据所述新息和新息误差协方差矩阵，计算新息归一化参数，如果满足卡方分布条件，则增益矩阵保持不变，利用当前时刻滤波状态矩阵的预测值、新息和增益矩阵，计算当前时刻滤波后的状态矩阵，并且，当前时刻的状态误差协方差矩阵和增益矩阵与前一时刻保持不变；

取当前时刻状态转移矩阵和当前时刻的滤波状态矩阵，计算下一时刻目标状态矩阵的预测状态矩阵，得到下一跟踪时刻的目标位置。

在本发明实施例的一种具体实施方式中，如果不满足卡方分布条件，则根据量测误差协方差矩阵、新息误差协方差矩阵和量测矩阵，计算当前时刻增益矩阵；利用当前时刻滤波状态矩阵的预测值、新息和当前时刻增益矩阵，计算当前时刻滤波后的状态矩阵；根据量测矩阵、状态转移矩阵、当前时刻状态误差协方差矩阵的预测值，计算当前时刻的状态误差协方差矩阵。

在本发明实施例的一种具体实施方式中，所述将所述下一跟踪时刻的目标位置打包为调度指令，并将其发送到雷达实时控制软件，具体为：

所述预测状态矩阵，计算雷达下一个时刻的调度信息，将其打包为调度指令，并将其发送到雷达实时控制软件。

实施例2

基于与实施例1相同的发明构思，本发明实施例中提供了一种多目标雷达快速跟踪系统，包括：

计算模块，用于获取暂态航迹，并根据所述暂态航迹中最新的设定个数点迹，计算滤波器初始化参数；

初始化模块，用于基于所述初始化参数对滤波器进行初始化；

滤波模块，用于利用滤波器对暂态航迹中最新1个点迹进行滤波，并将滤波后的值作为跟踪航迹的第一个点迹；

预测模块，用于基于所述滤波后的值做一次预测，得到下一跟踪时刻的目标位置；

控制模块，用于将所述下一跟踪时刻的目标位置打包为调度指令，并将其发送到雷达实时控制软件，由所述雷达实时控制软件根据调度指令调度雷达，由雷达不断观测目标新的点迹，并对所述新的点迹进行滤波和预测，最终实现对目标的稳定跟踪。

在本发明实施例的一种具体实施方式中，所述获取暂态航迹，并根据所述暂态航迹中最新的设定个数点迹，计算滤波器初始化参数，包括以下步骤：

获取暂态航迹，并根据所述暂态航迹中最新的设定个数点迹，以及当前滤波器的模型参数，选择滤波维数，确定出状态转移矩阵、量测矩阵、噪声转移矩阵、量测误差协方差矩阵和状态误差协方差矩阵，所述状态转移矩阵、量测矩阵、噪声转移矩阵和量测误差协方差矩阵在迭代滤波中保持不变；所述状态误差协方差矩阵在迭代的过程中不断更新；

根据暂态航迹中最新的设定个数点迹的位置信息，计算出初始滤波状态矩阵；初始化增益矩阵为全0。

作为本发明的进一步改进，所述基于所述滤波后的值做一次预测，得到下一跟踪时刻的目标位置，包括：

根据前一时刻的滤波状态矩阵和状态转移矩阵，对前一时刻的滤波状态矩阵进行一步预测，预测结果为当前时刻的滤波状态矩阵的预测值；

根据前一时刻的状态误差协方差矩阵和状态转移矩阵，对前一时刻状态误差协方差矩阵进行一步预测，预测结果为当前时刻的状态误差协方差矩阵的预测值。

根据预测到的状态误差协方差矩阵和状态转移矩阵，以及量测误差协方差矩阵，计算出新息误差协方差矩阵；

根据当前时刻的量测点迹，计算量测状态矩阵，并根据量测状态矩阵和当前时刻滤波状态矩阵的预测值，计算新息；

根据所述新息和新息误差协方差矩阵，计算新息归一化参数，如果满足卡方分布条件，则增益矩阵保持不变，利用当前时刻滤波状态矩阵的预测值、新息和增益矩阵，计算当前时刻滤波后的状态矩阵，并且，当前时刻的状态误差协方差矩阵和增益矩阵与前一时刻保持不变；

取当前时刻状态转移矩阵和当前时刻的滤波状态矩阵，计算下一时刻目标状态矩阵的预测状态矩阵，得到下一跟踪时刻的目标位置。

在本发明实施例的一种具体实施方式中，如果不满足卡方分布条件，则根据量测误差协方差矩阵、新息误差协方差矩阵和量测矩阵，计算当前时刻增益矩阵；利用当前时刻滤波状态矩阵的预测值、新息和当前时刻增益矩阵，计算当前时刻滤波后的状态矩阵；根据量测矩阵、状态转移矩阵、当前时刻状态误差协方差矩阵的预测值，计算当前时刻的状态误差协方差矩阵。

在本发明实施例的一种具体实施方式中，所述将所述下一跟踪时刻的目标位置打包为调度指令，并将其发送到雷达实时控制软件，具体为：

所述预测状态矩阵，计算雷达下一个时刻的调度信息，将其打包为调度指令，并将其发送到雷达实时控制软件。

实施例3

本发明实施例中选取两种不同战情对本发明提出的方法进行验证：交叉航迹跟踪和复杂运动战情下的目标跟踪，并给出了详细的数据计算方法。

一、交叉航迹跟踪情况

交叉航迹战情以二维航迹数据为例，设置两条在某一位置、某一时刻出现航迹交叉的情况，来验证本发明方法在存在杂波环境下，对于交错目标的跟踪效果。各步骤实现方法、关键原理及最终仿真效果如下所示。

1、产生数据

表1.1航迹产生参数表

在无杂波环境下，仿真航迹如图2所示。

2.航迹起始采用修正逻辑法

修正逻辑法原理如下：

step1.假定第k次量测数据集合为

Z(k)＝Z{Z₁(k),Z₂(k),...,Z_m(k)}

step2.以Z(k)为基础，每个Z(k+1)与Z(k)的量测点迹形成独立航迹，并将所有可能存在的航迹存到暂态航迹队列中；

step3.Z(k+2)的量测点迹与航迹队列中存在的暂态航迹一一匹配，如果满足速度条件

(Z(k+2)-Z(k+1))＜η*(Z(k+1)-Z(k))，η为经验参数，通常取0.8～1.2；以及角度条件acos((Z(k+2)-Z(k+1)),(Z(k+1)-Z(k)))＜Δθ，Δθ为经验参数，通常取30°～50°，则保留航迹；

step4.Z(k+3)的量测点迹与航迹队列中存在的暂态航迹一一匹配，如果同样满足速度条件和角度条件，并且该暂态航迹在四次观测中满足3/4规则，则将暂态航迹升级为粗跟航迹，如果不满足，则删除该暂态航迹；

step5.滑窗重复前述step1～step4。

航迹起始跟踪效果如图3所示。

3.航迹滤波初始化

假定k时刻，航迹量测状态为Z(k)＝{Z_x(k),Z_y(k),Z_z(k)}，航迹滤波初始化状态为

利用最小二乘法，对上述四个点进行曲线拟合，可得d＝a*Z_x(k)+b*Z_y(k)+c*Z_z(k)，分别计算每次观测点到该拟合曲线的绝对距离d(k)，可得目标的量测噪声协方差近似值为

系统噪声协方差设置为q＝1e-3。根据r,q，即可初始化量测噪声协方差矩阵R和状态噪声协方差Q。

4.航迹滤波

假定k时刻，状态矩阵为X_k，状态转移矩阵为A_k，量测矩阵为H_k，状态误差协方差矩阵为P_k，系统噪声协方差矩阵为Q_k，噪声转移矩阵为G_k，新息协方差为S_k，新息矩阵为V_k，增益矩阵为K_k，新息统计量为Chi_k。下标k/k表示k时刻的矩阵，k+1/k表示k时刻的矩阵对k+1的预测。航迹滤波过程原理如下：

step1.状态一步预测X_k+1/k＝A_kX_k|k；

step2.状态协方差一步预测P_k+1/k＝A_kP_k/kA'+G_kQ_kG_k；

step3.新息协方差更新

step4.计算新息

step5.计算新息统计量

step6.判断如果Chi_k＜7.81，则转到step7，否则，转到step8；

step7.当前目标机动较小，K_k+1＝K_k，X_k+1/k+1＝X_k+1/k+K_k+1V_k+1，P_k+1/k+1＝P_k/k；

step8.当前目标存在机动，更新滤波参数，

X_k+1/k+1＝X_k+1/k+K_k+1V_k+1

P_k+1/k+1＝[I-K_k+1H_k+1]P_k+1/k

航迹滤波效果结果如图4所示。

二、复杂运动环境下的目标跟踪

复杂运动航迹以三维航迹为例，主要验证本专利算法在不同运动特征切换的情况下，是否能够满足跟踪要求，跟踪过程与前述原理相同，以下给出各部分的仿真结果，具体参见图5。

从运行时间上，以上仿真采用i3-4160处理器的计算机，跟踪10000个点所消耗的时间为0.51896秒；采用传统的卡尔曼滤波方法，在不丢失目标的前提下，完成跟踪所消耗的时间为0.8391秒。

以上显示和描述了本发明的基本原理和主要特征和本发明的优点。本行业的技术人员应该了解，本发明不受上述实施例的限制，上述实施例和说明书中描述的只是说明本发明的原理，在不脱离本发明精神和范围的前提下，本发明还会有各种变化和改进，这些变化和改进都落入要求保护的本发明范围内。本发明要求保护范围由所附的权利要求书及其等效物界定。

Claims (8)

1.一种多目标雷达快速跟踪方法，其特征在于，包括：

获取暂态航迹，并根据所述暂态航迹中最新设定个数点迹，计算滤波器初始化参数；

基于所述初始化参数对滤波器进行初始化；

利用滤波器对暂态航迹中最新1个点迹进行滤波，并将滤波后的值作为跟踪航迹的第一个点迹；

基于所述滤波后的值做一次预测，得到下一跟踪时刻的目标位置；

将所述下一跟踪时刻的目标位置打包为调度指令，并将其发送到雷达实时控制软件，由所述雷达实时控制软件根据调度指令调度雷达，由雷达不断观测目标新的点迹，并对所述新的点迹进行滤波和预测，最终实现对目标的稳定跟踪；

所述基于所述滤波后的值做一次预测，得到下一跟踪时刻的目标位置，包括：

根据前一时刻的滤波状态矩阵和状态转移矩阵，对前一时刻的滤波状态矩阵进行一步预测，预测结果为当前时刻的滤波状态矩阵的预测值；

根据前一时刻的状态误差协方差矩阵和状态转移矩阵，对前一时刻状态误差协方差矩阵进行一步预测，预测结果为当前时刻的状态误差协方差矩阵的预测值；

根据预测到的状态误差协方差矩阵和状态转移矩阵，以及量测误差协方差矩阵，计算出新息误差协方差矩阵；

根据当前时刻的量测点迹，计算量测状态矩阵，并根据量测状态矩阵和当前时刻滤波状态矩阵的预测值，计算新息；

根据所述新息和新息误差协方差矩阵，计算新息归一化参数，如果满足卡方分布条件，则增益矩阵保持不变，利用当前时刻滤波状态矩阵的预测值、新息和增益矩阵，计算当前时刻滤波后的状态矩阵，并且，当前时刻的状态误差协方差矩阵和增益矩阵与前一时刻保持不变；

取当前时刻状态转移矩阵和当前时刻的滤波状态矩阵，计算下一时刻目标状态矩阵的预测状态矩阵，得到下一跟踪时刻的目标位置。

2.根据权利要求1所述的一种多目标雷达快速跟踪方法，其特征在于：所述获取暂态航迹，并根据所述暂态航迹中最新的设定个数点迹，计算滤波器初始化参数，包括以下步骤：

获取暂态航迹，并根据所述暂态航迹中最新的设定个数点迹，结合当前滤波器的模型参数，选择滤波维数，确定出状态转移矩阵、量测矩阵、噪声转移矩阵、量测误差协方差矩阵和状态误差协方差矩阵，所述状态转移矩阵、量测矩阵、噪声转移矩阵和量测误差协方差矩阵在迭代滤波中保持不变；所述状态误差协方差矩阵在迭代的过程中不断更新；

根据暂态航迹中最新的设定个数点迹的位置信息，计算出初始滤波状态矩阵；初始化增益矩阵为全0。

3.根据权利要求1所述的一种多目标雷达快速跟踪方法，其特征在于：如果不满足卡方分布条件，则根据量测误差协方差矩阵、新息误差协方差矩阵和量测矩阵，计算当前时刻增益矩阵；利用当前时刻滤波状态矩阵的预测值、新息和当前时刻增益矩阵，计算当前时刻滤波后的状态矩阵；根据量测矩阵、状态转移矩阵、当前时刻状态误差协方差矩阵的预测值，计算当前时刻的状态误差协方差矩阵；

取当前时刻状态转移矩阵和当前时刻的滤波状态矩阵，计算下一时刻目标状态矩阵的预测状态矩阵，得到下一跟踪时刻的目标位置。

4.根据权利要求1所述的一种多目标雷达快速跟踪方法，其特征在于：所述将所述下一跟踪时刻的目标位置打包为调度指令，并将其发送到雷达实时控制软件，具体为：

所述预测状态矩阵，计算雷达下一个时刻的调度信息，将其打包为调度指令，并将其发送到雷达实时控制软件。

5.一种多目标雷达快速跟踪系统，其特征在于，包括：

计算模块，用于获取暂态航迹，并根据所述暂态航迹中最新的设定个数点迹，计算滤波器初始化参数；

初始化模块，用于基于所述初始化参数对滤波器进行初始化；

滤波模块，用于利用滤波器对暂态航迹中最新1个点迹进行滤波，并将滤波后的值作为跟踪航迹的第一个点迹；

预测模块，用于基于所述滤波后的值做一次预测，得到下一跟踪时刻的目标位置；

控制模块，用于将所述下一跟踪时刻的目标位置打包为调度指令，并将其发送到雷达实时控制软件，由所述雷达实时控制软件根据调度指令调度雷达，由雷达不断观测目标新的点迹，并对所述新的点迹进行滤波和预测，最终实现对目标的稳定跟踪；

所述基于所述滤波后的值做一次预测，得到下一跟踪时刻的目标位置，包括：

根据前一时刻的滤波状态矩阵和状态转移矩阵，对前一时刻的滤波状态矩阵进行一步预测，预测结果为当前时刻的滤波状态矩阵的预测值；

根据前一时刻的状态误差协方差矩阵和状态转移矩阵，对前一时刻状态误差协方差矩阵进行一步预测，预测结果为当前时刻的状态误差协方差矩阵的预测值；

根据预测到的状态误差协方差矩阵和状态转移矩阵，以及量测误差协方差矩阵，计算出新息误差协方差矩阵；

根据当前时刻的量测点迹，计算量测状态矩阵，并根据量测状态矩阵和当前时刻滤波状态矩阵的预测值，计算新息；

根据所述新息和新息误差协方差矩阵，计算新息归一化参数，如果满足卡方分布条件，则增益矩阵保持不变，利用当前时刻滤波状态矩阵的预测值、新息和增益矩阵，计算当前时刻滤波后的状态矩阵，并且，当前时刻的状态误差协方差矩阵和增益矩阵与前一时刻保持不变；

取当前时刻状态转移矩阵和当前时刻的滤波状态矩阵，计算下一时刻目标状态矩阵的预测状态矩阵，得到下一跟踪时刻的目标位置。

6.根据权利要求5所述的多目标雷达快速跟踪系统，其特征在于，所述获取暂态航迹，并根据所述暂态航迹中最新的设定个数点迹，计算滤波器初始化参数，包括以下步骤：

获取暂态航迹，并根据所述暂态航迹中最新的设定个数点迹，结合当前滤波器的模型参数，选择滤波维数，确定出状态转移矩阵、量测矩阵、噪声转移矩阵、量测误差协方差矩阵和状态误差协方差矩阵，所述状态转移矩阵、量测矩阵、噪声转移矩阵和量测误差协方差矩阵在迭代滤波中保持不变；所述状态误差协方差矩阵在迭代的过程中不断更新；

根据暂态航迹中最新的设定个数点迹的位置信息，计算出初始滤波状态矩阵；初始化增益矩阵为全0。

7.根据权利要求6所述的多目标雷达快速跟踪系统，其特征在于，如果不满足卡方分布条件，则根据量测误差协方差矩阵、新息误差协方差矩阵和量测矩阵，计算当前时刻增益矩阵；利用当前时刻滤波状态矩阵的预测值、新息和当前时刻增益矩阵，计算当前时刻滤波后的状态矩阵；根据量测矩阵、状态转移矩阵、当前时刻状态误差协方差矩阵的预测值，计算当前时刻的状态误差协方差矩阵；

取当前时刻状态转移矩阵和当前时刻的滤波状态矩阵，计算下一时刻目标状态矩阵的预测状态矩阵，得到下一跟踪时刻的目标位置。

8.根据权利要求5所述的多目标雷达快速跟踪系统，其特征在于，所述将所述下一跟踪时刻的目标位置打包为调度指令，并将其发送到雷达实时控制软件，具体为：

所述预测状态矩阵，计算雷达下一个时刻的调度信息，将其打包为调度指令，并将其发送到雷达实时控制软件。

Images