CN113744309B - 一种基于运动状态变化感知的机动目标跟踪方法 - Google Patents

Abstract

本公开的基于运动状态变化感知的机动目标跟踪方法，可根据目标机动性对运动和量测模型参数进行自适应调整。在此基础上，从点迹关联、航迹滤波和航迹管理三个方面对算法做出修正，从而确保在目标状态发生机动时，点迹关联步骤中点迹与航迹的正确匹配以及航迹滤波步骤中目标状态的准确更新，保证系统能够对目标的机动变化做出快速响应，同时抑制不必要的虚警航迹，提升机动目标航迹跟踪质量，具备计算量小，所需先验信息需求少和模型简单等优点，解决了常规的卡尔曼滤波跟踪方法在目标运动状态发生机动时航迹跟踪质量下降的问题。

Description

一种基于运动状态变化感知的机动目标跟踪方法

技术领域

本发明属于目标检测跟踪技术领域，具体涉及一种基于运动状态变化感知的机动目标跟踪方法。

背景技术

机动目标跟踪问题是目标跟踪技术领域的研究热点和难点，在雷达目标探测、光学目标跟踪等应用中具有重要意义。

早期的目标跟踪方法采用单一模型、固定参数的形式，假设目标状态模型及模型参数在整个跟踪过程中保持不变。这一方法对常规普通目标，如匀速运动目标等具有良好的跟踪效果。但是，当目标运动状态发生改变时，上述方法运用单一模型及参数无法准确预测目标状态，导致航迹跟踪结果不准确。

针对机动目标跟踪问题，已有不少学者进行了研究，主要的解决思路是采用多样化模型和可调参数，具体可以分为以下三种。第一种类型是仍然采用单个运动模型，但增加模型复杂度。如，在匀速运动模型中引入加速度、加加速度构造加速运动模型以适应加速目标跟踪。这一类型中的典型方法有Singer模型算法、当前统计模型算法等。这种类型算法的优势是可以适应目标的机动变化，但对先验信息的要求较高，当所选择的模型与目标真实运动状态匹配度较差时，航迹跟踪质量可能有所下降。第二种类型是采用多个运动模型或多组参数，以每个模型或参数都建立一个滤波器，同时在多个滤波器中对目标进行跟踪，计算每个模型的正确概率，然后将多个滤波器的跟踪结果进行加权求和。这一类型中的典型方法是交互式多模型算法。这种类型算法的优势是能够兼顾更复杂的目标机动变化形式，但需要同时在多个滤波器中对目标进行跟踪，计算量和资源需求都更大。第三种类型是仍然采用多个模型或多组参数建立多个滤波器，但并不同时在多个滤波器中跟踪，而是只在一个滤波器中跟踪，当检测到目标运动状态变化时转到其他滤波器。这一类型中的典型方法有变维滤波算法、可调白噪声算法等。这种类型算法的跟踪准确程度可能略逊于第二种类型，但所需计算量和资源需求较少。虽然在机动目标跟踪领域已有上述丰富的研究成果，但这些方法主要集中在滤波过程对运动模型及参数的修正上。而在实际应用中(尤其是多目标场景下)，目标跟踪质量不仅仅取决于滤波这一单一步骤，而是包含了点迹关联、航迹滤波、航迹管理等多个方面，并且受到运动模型和量测模型的共同影响。当目标发生机动时，由于预测状态与实际量测偏差增加，可能导致点迹关联失败。另一方面，机动目标算法的改进虽然能够增加对机动目标的跟踪质量，但由于模型更加宽松也同时增加了将杂波点迹误认为目标的风险。不考虑航迹管理策略，对全部起批的航迹采用改进算法进行跟踪可能导致虚警增加。针对这些问题，只考虑滤波过程以及目标运动模型和参数的调整不能保证实际应用中机动目标的跟踪需求。

发明内容

本发明克服了现有技术的不足之一，提供了一种基于运动状态变化感知的机动目标跟踪方法，解决了常规的卡尔曼滤波跟踪方法在目标运动状态发生机动时航迹跟踪质量下降的问题，具备计算量小，所需先验信息需求少和模型简单等优点。

根据本公开的一方面，本发明提供一种基于运动状态变化感知的机动目标跟踪方法，所述方法包括：

步骤S1：初始化参数，利用速度波门起始方式确定机动目标跟踪航迹的航迹头；

步骤S2：初始化机动目标跟踪航迹的航迹号n＝0，令时刻k＝k+1，当所有机动目标跟踪航迹遍历完成，输出机动目标跟踪航迹跟踪结果，否则，执行步骤S3；

步骤S3：令n＝n+1，针对第n条机动目标跟踪航迹，根据第n条机动目标跟踪航迹跟踪结果预测所述机动目标在时刻k的位置信息；

步骤S4：根据最近领域关联概率准则，计算第n条机动目标跟踪航迹的机动目标在时刻k的位置信息与时刻k输入的点迹的关联因子和关联概率，如果关联因子小于关联波门，将相应点迹存入机动目标跟踪航迹的点迹集合C中；从C中选择关联概率最大的点迹作为第n条机动目标跟踪航迹的待关联点迹；依次完成所有机动目标跟踪航迹的点迹关联；

步骤S5：根据每条目标跟踪航迹状态是否为确认航迹，更新每条目标跟踪航迹的状态；

步骤S6：输出机动目标跟踪航迹的航迹跟踪结果。

在一种可能的实现方式中，所述参数包括：采样时间间隔T，目标运动模型F，量测模型H，过程噪声强度q，量测噪声强度γ，过程噪声矩阵Q，量测噪声矩阵R，过程噪声改变门限G_t，过程噪声调整系数α_q，量测噪声调整系数α_r，过程噪声强度上限q_max，量测噪声强度上限γ_max，目标速度范围v_min，v_max，关联波门G，航迹确认参数M、N，航迹终止/删除参数S。

在一种可能的实现方式中，利用速度波门起始方式确定机动目标跟踪航迹的航迹头，包括：计算机动目标在第k-1时刻和第k时刻机动的点迹所对应的速度，如果第k-1时刻和第k时刻机动的点迹所对应的速度在给定目标速度v_min，v_max内，将机动目标在第k-1时刻和第k时刻的点迹作为机动目标的航迹头。

在一种可能的实现方式中，根据第n条机动目标跟踪航迹跟踪结果预测所述机动目标在时刻k的位置信息，包括：

根据第n条机动目标跟踪航迹的跟踪结果预测所述机动目标在时刻k的状态

从机动目标在时刻k的状态x_k|k-1中提取所述机动目标在时刻k的预测位置信息z_k|k-1＝H·x_k|k-1。

在一种可能的实现方式中，根据每条目标跟踪航迹状态是否为确认航迹，更新每条目标跟踪航迹的状态，包括：

当目标跟踪航迹状态不是确认航迹时，若所述目标跟踪航迹状态关联航迹成功，令航迹的过程噪声强度为q_a＝q，量测噪声强度为γ_a＝γ；基于过程噪声强度和量测噪声强度，利用卡尔曼滤波公式计算卡尔曼滤波增益K，根据卡尔曼滤波增益K更新目标跟踪航迹状态；判断最新航迹确认参数M个时刻中关联航迹成功次数小于航迹确认参数N，将所述目标跟踪航迹转为确认航迹；否则，预测目标跟踪航迹状态。

在一种可能的实现方式中，根据每条目标跟踪航迹状态是否为确认航迹，更新每条目标跟踪航迹的状态，还包括：

当目标跟踪航迹状态是确认航迹时，当所述目标跟踪航迹状态关联航迹成功，如果目标跟踪航迹状态的预测位置与点迹量测值的误差大于过程噪声改变门限，则根据机动目标的运动状态修正过程噪声和量测噪声强度，否则，不对过程噪声和量测噪声强度进行修正；然后，利用过程噪声、量测噪声和计算的卡尔曼滤波增益K更新目标跟踪航迹状态；

当所述目标跟踪航迹状态关联航迹不成功时，如果目标跟踪航迹的过程噪声强度和量测噪声强度都没有超过给定的过程噪声强度上限q_max和量测噪声强度上限γ_max时，对关联点迹不成功的目标跟踪航迹修正过程噪声和量测噪声，完成修正后，对所述目标跟踪航迹关联点迹；否则，预测目标跟踪航迹状态。

本公开的基于运动状态变化感知的机动目标跟踪方法，采用一种运动和量测模型，并可根据目标机动性随时调整模型参数。在此基础上，从点迹关联、航迹滤波和航迹管理三个方面对算法做出修正，从而确保在目标状态发生机动时，点迹关联步骤中点迹与航迹的正确匹配以及航迹滤波步骤中目标状态的准确更新，保证系统能够对目标的机动变化做出快速响应，抑制不必要的虚警航迹，提升机动目标航迹跟踪质量，具备计算量小，所需先验信息需求少和模型简单等优点，解决了常规的卡尔曼滤波跟踪方法在目标运动状态发生机动时航迹跟踪质量下降的问题。

附图说明

附图用来提供对本申请的技术方案或现有技术的进一步理解，并且构成说明书的一部分。其中，表达本申请实施例的附图与本申请的实施例一起用于解释本申请的技术方案，但并不构成对本申请技术方案的限制。

图1示出了根据本公开一实施例的基于运动状态变化感知的机动目标跟踪方法流程图；

图2示出了根据本公开另一实施例的基于运动状态变化感知的机动目标跟踪方法流程图；

图3示出了根据本公开一实施例的单机动目标场景下的目标跟踪结果示意图；

图4示出了根据本公开一实施例的单机动目标场景下常规卡尔曼滤波方法在不同参数下的目标跟踪结果示意图；

图5示出了根据本公开一实施例的多机动目标场景下的目标跟踪结果示意。

具体实施方式

以下将结合附图及实施例来详细说明本发明的实施方式，借此对本发明如何应用技术手段来解决技术问题，并达到相应技术效果的实现过程能充分理解并据以实施。本申请实施例以及实施例中的各个特征，在不相冲突前提下可以相互结合，所形成的技术方案均在本发明的保护范围之内。

另外，附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机中执行。并且，虽然在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤。

图1示出了根据本公开一实施例的基于运动状态变化感知的机动目标跟踪方法流程图；图2示出了根据本公开另一实施例的基于运动状态变化感知的机动目标跟踪方法流程图。

如图1和图2所示，该方法可以包括：

步骤S1：初始化参数，利用速度波门起始方式确定机动目标跟踪航迹的航迹头。

其中，参数可以包括：采样时间间隔T，目标运动模型F，量测模型H，过程噪声强度q，量测噪声强度γ，过程噪声矩阵Q，量测噪声矩阵R，过程噪声改变门限G_t，过程噪声调整系数α_q，量测噪声调整系数α_r，过程噪声强度上限q_max，量测噪声强度上限γ_max，目标速度范围v_min，v_max，关联波门G，航迹确认参数M、N，航迹终止/删除参数S。

对上述参数进行初始化，例如，初始化采样时间间隔T＝1s，目标运动模型F＝[1，T，0，0；0，1，0，0；0，0，1，T；0，0，0，1]，量测模型H＝[1，0，0，0；0，0，1，0]，过程噪声强度q＝0.01，量测噪声强度γ＝0.01，量测噪声矩阵为二维单位矩阵，过程噪声矩阵Q＝[T³/3,T²/2,0,0；T²/2,T,0,0；0,0,T³/3,T²/2；0,0,T²/2,T]，量测噪声矩阵R＝[1，0；0，1]，过程噪声改变门限G_t＝0.03，过程噪声调整系数α_q＝2，量测噪声调整系数α_r＝1.5，过程噪声强度上限q_max＝10，量测噪声强度上限γ_max＝1000，目标速度范围v_min＝-200m/s，v_max＝200m/s，关联波门G＝16，航迹确认参数M＝4,N＝3，航迹终止/删除参数S＝5。并初始化时刻k＝2。

在一示实例中，利用速度波门起始方式确定机动目标跟踪航迹的航迹头包括：计算机动目标在第k-1时刻和第k时刻机动的点迹所对应的速度，如果第k-1时刻和第k时刻机动的点迹所对应的速度在给定目标速度v_min，v_max内，将机动目标在第k-1时刻和第k时刻机动的点迹作为机动目标的航迹头。

例如，机动目标在第k-1时刻为(x_k-1,y_k-1),在k时刻的位置信息分别(x_k,y_k)，则机动目标所对应的速度v_x＝(x_k-x_k-1)/T,v_y＝(y_k-y_k-1)/T。

如果满足v_min≤v_x≤v_max，v_min≤v_y≤v_max，则认为这两点(即K-1时刻和K时刻的两个点迹)可以形成航迹头。

记录第m个航迹头为加入机动目标跟踪航迹集合中。初始化航迹的过程噪声强度为q_a＝q，量测噪声强度为γ_a＝γ。

其中，表示k时刻目标估计状态，包含目标各维度的位置和速度信息。具体地，位置与航迹头中点迹位置相同，速度为航迹头中两点对应的速度。

步骤S2：初始化机动目标跟踪航迹的航迹号n＝0，令时刻k＝k+1，当所有机动目标跟踪航迹遍历完成，输出机动目标跟踪航迹跟踪结果，否则，执行步骤S3。

步骤S3：令n＝n+1，针对第n条机动目标跟踪航迹，根据第n条机动目标跟踪航迹跟踪结果预测所述机动目标在时刻k的位置信息。

在一示例中，该步骤具体可以根据第n条机动目标跟踪航迹的跟踪结果预测所述机动目标在时刻k的状态/>

从机动目标在时刻k的状态x_k|k-1中提取所述机动目标在时刻k的预测位置信息z_k|k-1＝H·x_k|k-1。

其中，z_k|k-1的组成为z_k|k-1＝(x_k|k-1,y_k|k-1)，x_k|k-1,y_k|k-1分别为X和Y方向上的预测位置。

步骤S4：根据最近领域关联概率准则，计算第n条机动目标跟踪航迹的机动目标在时刻k的位置信息与时刻k输入的点迹的关联因子和关联概率，如果关联因子小于关联波门，将相应点迹存入机动目标跟踪航迹的点迹集合C中；从C中选择关联概率最大的点迹作为第n条机动目标跟踪航迹的待关联点迹；依次完成所有机动目标跟踪航迹的点迹关联。

例如，将机动目标跟踪航迹和k时刻输入的点迹进行比较，根据过程噪声强度q_a和过程噪声矩阵Q及量测噪声强度γ_a和量测噪声矩阵R计算关联因子J_k,i。计算公式如下：

J_k,i＝(z_k,i-z_k|k-1)′(A_k)^-1(z_k,i-z_k|k-1)

A_k＝HP_k|k-1H′+γ_aR

P_k|k-1＝FP_k-1F′+q_aQ

其中，z_k,i表示k时刻的第i个点迹位置，A_k表示新息过程自相关矩阵，P_k|k-1表示一步预测误差自相关矩阵，P_k-1表示k-1时刻预测误差矩阵。

如果关联因子J_k,i小于关联波门G，则认为点迹i以与本条航迹关联，将其存入本条航迹的可关联点迹集合C中。考察完k时刻全部点迹后，根据最近领域关联概率准则依次计算C中各点迹与本条航迹的关联概率，从中选择关联概率最大的点迹作为本条航迹的待关联点迹。将该点迹的位置记为z_k＝(x_k,y_k)，并将该点从k时刻点迹序列中删除。

步骤S5：根据每条目标跟踪航迹状态是否为确认航迹，更新每条目标跟踪航迹的状态。

当目标跟踪航迹状态不是确认航迹时，若所述目标跟踪航迹状态关联航迹成功，令航迹的过程噪声强度为q_a＝q，量测噪声强度为γ_a＝γ；基于过程噪声强度和量测噪声强度，利用卡尔曼滤波公式计算卡尔曼滤波增益K，根据卡尔曼滤波增益K更新目标跟踪航迹状态；判断最新航迹确认参数M个时刻中关联航迹成功次数小于航迹确认参数N，将所述目标跟踪航迹转为确认航迹；否则，预测目标跟踪航迹状态。

例如，如图2所示，判断目标跟踪航迹是否关联成功，即存在待关联点迹。如果是，令航迹的过程噪声强度为q_a＝q，量测噪声强度为γ_a＝γ，执行步骤5.2)；否则，执行步骤5.4)。

5.2)状态更新

根据卡尔曼滤波公式，利用过程噪声、量测噪声计算卡尔曼增益K，并完成目标状态更新，相关公式如下：

P_k|k-1＝F·P_k-1·F′+q_a·Q

K＝(P_k|k-1·H′)/(H·P_k|k-1·H′+γ_a·R)

P_k＝(I-K·H)P_k|k-1

其中，P_k表示k时刻预测误差矩阵。

记录更新后的航迹跟踪结果为

5.3)确认航迹转换判断

记录航迹关联成功次数加1，并判断最新M个时刻中关联成功次数是否不小于N。如果是，则将本条航迹转为确认航迹，执行步骤3；否则，直接执行步骤3。

5.4)状态预测

航迹预测次数加1，并判定是否连续预测S帧。

如果是，则删除该条航迹，然后执行步骤3；

否则，根据状态方程预测目标在k时刻状态，公式如下：

记录更新后的航迹跟踪结果为预测完成后，执行步骤3。

在另一示例中，当目标跟踪航迹状态是确认航迹时，当目标跟踪航迹状态关联航迹成功，如果目标跟踪航迹状态的预测位置与点迹量测值的误差大于过程噪声改变门限，则根据机动目标的运动状态修正过程噪声和量测噪声强度，否则，不对过程噪声和量测噪声进行修正；然后，利用过程噪声、量测噪声和计算的卡尔曼滤波增益K更新目标跟踪航迹状态；

当所述目标跟踪航迹状态关联航迹不成功时，如果目标跟踪航迹的过程噪声强度和量测噪声强度都没有超过给定的过程噪声强度上限q_max和量测噪声强度上限γ_max时，对关联点迹不成功的目标跟踪航迹修正过程噪声和量测噪声，完成修正后，对所述目标跟踪航迹关联点迹；否则，预测目标跟踪航迹状态。

举例来说，如图2所示，判断航迹是否关联成功，即：存在待关联点迹。如果是，则执行步骤6.2)；否则，执行步骤6.5)。

6.2)目标运动状态变化判断

判断航迹预测位置z_k|k-1与点迹量测值z_k间的误差是否大于给定门限G_t。误差计算公式为：

如果E_r＞G_t，则执行步骤6.3)；否则，直接执行步骤6.4)。

6.3)根据运动状态变化进行过程噪声及量测噪声修正

根据误差增加过程噪声强度，同时减少量测噪声强度，公式如下：

q_a＝max{(x_k-x_k|k-1)²,(y_k-y_k|k-1)²}

γ_a＝γ/α_r

6.4)状态更新

根据卡尔曼滤波公式，利用过程噪声q_a和Q、量测噪声γ_a和R计算卡尔曼增益K，并完成目标状态更新，公式与步骤5.2相同。记录更新后的航迹跟踪结果为更新后，执行步骤2。

6.5)判断量测噪声和过程噪声强度是否超过给定上限值

如果γ_a＜γ_max且q_a＜q_max，则执行步骤6.6)；否则，执行步骤6.7)。

6.6)未关联的确认航迹进行过程噪声及量测噪声修正

增加过程噪声和量测噪声强度，公式如下：

q_a＝α_q·q_a

γ_a＝α_r·γ_a

完成修正后，执行步骤4。

6.7)状态预测

根据状态方程预测航迹k时刻状态，公式与步骤5.4)相同。记录更新后的航迹跟踪结果为

预测完成后，记录航迹预测次数加1，判断航迹是否连续预测S帧。如果是则终止该条航迹，然后执行步骤3；否则，直接执行步骤3。

步骤S6：输出机动目标跟踪航迹的航迹跟踪结果。即将航迹跟踪结果输出，其中，n＝1…N，N为总航迹数。输出完成后执行步骤2。

图3和图5分别示出了根据本公开一实施例的单机动目标场景下和多机动目标场景下的目标跟踪结果示意图。

由图3和图5可知，本发明的目标跟踪方法能够准确跟踪机动目标，在目标转弯、速度改变等运动状态发生大幅度变化的时刻可以保证目标航迹的正确跟踪。

图4示出了根据本公开一实施例的单机动目标场景下常规卡尔曼滤波方法在不同参数下的目标跟踪结果示意图。

图4(a)中的过程噪声强度q＝0.01，量测噪声强度γ＝0.01，图4(b)中的过程噪声强度q＝10，量测噪声强度γ＝1000。

从4(a)和4(b)的仿真结果示意图可知，采用固定参数的常规卡尔曼滤波跟踪方法在目标状态发生机动时跟踪质量下降。如图4(a)所示，当参数设置过小时，常规方法在目标转弯的时刻无法准确跟踪目标，出现航迹断裂的现象；如图4(b)所示，增大过程噪声和量测噪声强度，虽然能够保证航迹不出现断裂，但跟踪结果不够准确，与目标真实位置偏差较大。

本公开的基于运动状态变化感知的机动目标跟踪方法，从点迹关联、航迹滤波和航迹管理三个方面对算法做出修正，确保在目标状态发生机动时，点迹关联步骤中点迹与航迹的正确匹配以及航迹滤波步骤中目标状态的准确更新，对目标的机动变化做出快速响应，抑制不必要的虚警航迹，具备计算量小，所需先验信息需求少和模型简单等优点，解决了常规的卡尔曼滤波跟踪方法在目标运动状态发生机动时航迹跟踪质量下降的问题。

虽然本发明所揭露的实施方式如上，但所述的内容只是为了便于理解本发明而采用的实施方式，并非用以限定本发明。任何本发明所属技术领域内的技术人员，在不脱离本发明所揭露的精神和范围的前提下，可以在实施的形式上及细节上作任何的修改与变化，但本发明的专利保护范围，仍须以所附的权利要求书所界定的范围为准。

Claims (5)

1.一种基于运动状态变化感知的机动目标跟踪方法，其特征在于，所述方法包括：

步骤S1：初始化参数，利用速度波门起始方式确定机动目标跟踪航迹的航迹头；

步骤S2：初始化机动目标跟踪航迹的航迹号n＝0，令时刻k＝k+1，当所有机动目标跟踪航迹遍历完成，输出机动目标跟踪航迹跟踪结果，否则，执行步骤S3；

步骤S3：令n＝n+1，针对第n条机动目标跟踪航迹，根据第n条机动目标跟踪航迹跟踪结果预测所述机动目标在时刻k的位置信息；

步骤S4：根据最近领域关联概率准则，计算第n条机动目标跟踪航迹的机动目标在时刻k的位置信息与时刻k输入的点迹的关联因子和关联概率，如果关联因子小于关联波门，将相应点迹存入机动目标跟踪航迹的点迹集合C中；从C中选择关联概率最大的点迹作为第n条机动目标跟踪航迹的待关联点迹；依次完成所有机动目标跟踪航迹的点迹关联；

步骤S5：根据每条目标跟踪航迹状态是否为确认航迹，更新每条目标跟踪航迹的状态；

步骤S6：输出机动目标跟踪航迹的航迹跟踪结果；

其中，步骤S5包括：

当目标跟踪航迹状态不是确认航迹时，若所述目标跟踪航迹状态关联航迹成功，令航迹的过程噪声强度为q_a＝q，量测噪声强度为γ_a＝γ；

基于过程噪声强度和量测噪声强度，利用卡尔曼滤波公式计算卡尔曼滤波增益K，根据卡尔曼滤波增益K更新目标跟踪航迹状态；

判断最新航迹确认参数M个时刻中关联航迹成功次数小于航迹确认参数N，将所述目标跟踪航迹转为确认航迹；

否则，预测目标跟踪航迹状态；

判断目标跟踪航迹是否关联成功，即存在待关联点迹，如果是，令航迹的过程噪声强度为q_a＝q，量测噪声强度为γ_a＝γ，执行步骤5.2)；否则，执行步骤5.4)：

5.2)状态更新

根据卡尔曼滤波公式，利用过程噪声、量测噪声计算卡尔曼增益K，并完成目标状态更新，相关公式如下：

P_k|k-1＝F·P_k-1·F′+q_a·Q

K＝(P_k|k-1·H′)/(H·P_k|k-1·H′+γ_a·R)

P_k＝(I-K·H)P_k|k-1

其中，P_k表示k时刻预测误差矩阵；

5.3)确认航迹转换判断

记录航迹关联成功次数加1，并判断最新M个时刻中关联成功次数是否不小于N，如果是，则将本条航迹转为确认航迹，执行步骤S3；否则，直接执行步骤S3；

5.4)状态预测

航迹预测次数加1，并判定是否连续预测S帧：

如果是，则删除该条航迹，然后执行步骤S3；

否则，根据状态方程预测目标在k时刻状态，公式如下：

记录更新后的航迹跟踪结果为预测完成后，执行步骤S3；

当目标跟踪航迹状态是确认航迹时，当目标跟踪航迹状态关联航迹成功，如果目标跟踪航迹状态的预测位置与点迹量测值的误差大于过程噪声改变门限，则根据机动目标的运动状态修正过程噪声和量测噪声强度，否则，不对过程噪声和量测噪声进行修正；然后，利用过程噪声、量测噪声和计算的卡尔曼滤波增益K更新目标跟踪航迹状态；

当所述目标跟踪航迹状态关联航迹不成功时，如果目标跟踪航迹的过程噪声强度和量测噪声强度都没有超过给定的过程噪声强度上限q_max和量测噪声强度上限γ_max时，对关联点迹不成功的目标跟踪航迹修正过程噪声和量测噪声，完成修正后，对所述目标跟踪航迹关联点迹；否则，预测目标跟踪航迹状态；即：

判断航迹是否关联成功，即是否存在待关联点迹，如果是，则执行步骤6.2)；否则，执行步骤6.5)：

6.2)目标运动状态变化判断

判断航迹预测位置z_k|k-1与点迹量测值z_k间的误差是否大于给定门限G_t，误差计算公式为：

如果E_r>G_t，则执行步骤6.3)；否则，直接执行步骤6.4)；

6.3)根据运动状态变化进行过程噪声及量测噪声修正

根据误差增加过程噪声强度，同时减少量测噪声强度，公式如下：

q_a＝max{(x_k-x_k|k-1)²,(y_k-y_k|k-1)²}

γ_a＝γ/α_r；

6.4)状态更新

根据卡尔曼滤波公式，利用过程噪声q_a和Q、量测噪声γ_a和R计算卡尔曼增益K，并完成目标状态更新，公式与步骤5.2相同；记录更新后的航迹跟踪结果为更新后，执行步骤S2；

6.5)判断量测噪声和过程噪声强度是否超过给定上限值

如果γ_a<γ_max且q_a<q_max，则执行步骤6.6)；否则，执行步骤6.7)；

6.6)未关联的确认航迹进行过程噪声及量测噪声修正

增加过程噪声和量测噪声强度，公式如下：

q_a＝α_q·q_a

γ_a＝α_r·γ_a

完成修正后，执行步骤S4；

6.7)状态预测

根据状态方程预测航迹k时刻状态，公式与步骤5.4)相同；记录更新后的航迹跟踪结果为

预测完成后，记录航迹预测次数加1，判断航迹是否连续预测S帧，如果是则终止该条航迹，然后执行步骤S3；否则，直接执行步骤S3。

2.根据权利要求1所述的机动目标跟踪方法，其特征在于，所述参数包括：采样时间间隔T，目标运动模型F，量测模型H，过程噪声强度q，量测噪声强度γ，过程噪声矩阵Q，量测噪声矩阵R，过程噪声改变门限G_t，过程噪声调整系数α_q，量测噪声调整系数α_r，过程噪声强度上限q_max，量测噪声强度上限γ_max，目标速度范围v_min，v_max，关联波门G，航迹确认参数M、N，航迹终止/删除参数S。

3.根据权利要求2所述的机动目标跟踪方法，其特征在于，利用速度波门起始方式确定机动目标跟踪航迹的航迹头，包括：计算机动目标在第k-1时刻和第k时刻机动的点迹所对应的速度，如果第k-1时刻和第k时刻机动的点迹所对应的速度在给定目标速度v_min，v_max内，将机动目标在第k-1时刻和第k时刻的点迹作为机动目标的航迹头。

4.根据权利要求2所述的机动目标跟踪方法，其特征在于，根据第n条机动目标跟踪航迹跟踪结果预测所述机动目标在时刻k的位置信息，包括：

根据第n条机动目标跟踪航迹的跟踪结果预测所述机动目标在时刻k的状态

从机动目标在时刻k的状态x_k|k-1中提取所述机动目标在时刻k的预测位置信息z_k|k-1＝H·x_k|k-1。

5.根据权利要求2所述的机动目标跟踪方法，其特征在于，根据每条目标跟踪航迹状态是否为确认航迹，更新每条目标跟踪航迹的状态，还包括：

当目标跟踪航迹状态是确认航迹时，当所述目标跟踪航迹状态关联航迹成功，如果目标跟踪航迹状态的预测位置与点迹量测值的误差大于过程噪声改变门限，则根据机动目标的运动状态修正过程噪声和量测噪声强度，否则，不对过程噪声强度、量测噪声强度修正；然后，利用过程噪声、量测噪声和计算的卡尔曼滤波增益K更新目标跟踪航迹状态；

当所述目标跟踪航迹状态关联航迹不成功时，如果目标跟踪航迹的过程噪声强度和量测噪声强度都没有超过给定的过程噪声强度上限q_max和量测噪声强度上限γ_max时，对关联点迹不成功的目标跟踪航迹修正过程噪声和量测噪声，完成修正后，对所述目标跟踪航迹关联点迹；否则，预测目标跟踪航迹状态。