CN118131215A - 一种航迹起始最优起批阈值选择方法、系统、设备及介质 - Google Patents
一种航迹起始最优起批阈值选择方法、系统、设备及介质 Download PDFInfo
- Publication number
- CN118131215A CN118131215A CN202410256483.5A CN202410256483A CN118131215A CN 118131215 A CN118131215 A CN 118131215A CN 202410256483 A CN202410256483 A CN 202410256483A CN 118131215 A CN118131215 A CN 118131215A
- Authority
- CN
- China
- Prior art keywords
- track
- starting
- threshold
- score
- new
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000010187 selection method Methods 0.000 title claims description 16
- 238000000034 method Methods 0.000 claims abstract description 52
- 230000000977 initiatory effect Effects 0.000 claims abstract description 40
- 238000005259 measurement Methods 0.000 claims description 62
- 238000004364 calculation method Methods 0.000 claims description 17
- 230000008569 process Effects 0.000 claims description 15
- 238000004590 computer program Methods 0.000 claims description 11
- 230000001133 acceleration Effects 0.000 claims description 7
- 230000007704 transition Effects 0.000 claims description 6
- 230000009191 jumping Effects 0.000 claims description 4
- 238000005070 sampling Methods 0.000 claims description 4
- 238000012544 monitoring process Methods 0.000 abstract description 2
- 238000004422 calculation algorithm Methods 0.000 description 45
- 239000011159 matrix material Substances 0.000 description 9
- 238000012545 processing Methods 0.000 description 7
- 230000000694 effects Effects 0.000 description 6
- 230000008859 change Effects 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 5
- 238000011156 evaluation Methods 0.000 description 3
- 230000010485 coping Effects 0.000 description 2
- 238000009826 distribution Methods 0.000 description 2
- 230000007613 environmental effect Effects 0.000 description 2
- 238000013213 extrapolation Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 230000002441 reversible effect Effects 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000007123 defense Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 230000036962 time dependent Effects 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 238000011426 transformation method Methods 0.000 description 1
- 238000009827 uniform distribution Methods 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
- G01S13/66—Radar-tracking systems; Analogous systems
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
- G01S13/86—Combinations of radar systems with non-radar systems, e.g. sonar, direction finder
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Computer Networks & Wireless Communication (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Radar Systems Or Details Thereof (AREA)
Abstract
本发明公开了一种航迹起始最优起批阈值选择方法、系统、设备及介质，根据航迹数据和雷达精度设置起批阈值的候选集；根据起批阈值的候选集，初始化两个起批阈值，分别作为当前最优起批阈值和新的起批阈值，再分别进行航迹起始，计算当前最优起批阈值的评分和新的起批阈值的评分；如果新的起批阈值评分大，则将其作为当前最优阈值，否则以一定接受概率将其作为当前最优阈值；重复上述步骤，最终确定最终的最优起批阈值。本发明能够根据实际问题的特点，动态自适应地选择适合当前情境的起批阈值，提高目标追踪的精度，减少对虚假目标的误判，并增强系统在实际作战或监测任务中的可靠性和稳定性。
Description
技术领域
本发明属于目标跟踪技术领域，具体涉及航迹起始最优起批阈值选择方法、系统、设备及介质。
背景技术
航迹起始是指目标进入稳定航迹之前的航迹建立阶段。航迹起始是目标跟踪的首要问题，是进行航迹后续处理的前提，直接影响后续跟踪的准确性和稳定性。由于航迹起始时，目标一般距离雷达较远，雷达的分辨率低、测量精度较差，且存在杂波干扰，因此在多目标航迹处理中，航迹起始始终是一个难点。现有的航迹起始算法主要包括顺序处理技术和批处理技术两大类。顺序处理技术有直观法[1]和逻辑法[2]，一般更适用于无杂波或杂波密度较低的环境，后来为了适应杂波密度较高的环境，修正的逻辑法[3]以及逻辑法的各种改进算法被相继提出；批处理技术主要是Hough变换[4]及其各种改进算法，这些批处理技术也适用于强杂波环境，但在强杂波下，该方法计算量过大，无法完成快速航迹起始，因此在实际应用中一般并不会使用Hough变换法进行航迹起始，多采用简单易实现的逻辑法及其改进算法。其中，传统逻辑法更为常见，因为与其他方法结合的改进算法大多较为复杂，在时间性能上会低于传统方法，并且实际工程测试使用需要大量时间验证且消耗大量的人力物力和财力。因此，虽然逻辑法存在一些局限性，但其稳定性和可靠性使其成为航迹起始领域的常用选择。
逻辑法也叫滑窗法，通过相关波门对量测点迹进行判断，若连续N个周期内有M个周期的点迹落入波门内，则航迹起始成功，否则向前滑动时间窗口，继续进行判断。逻辑法具体步骤如下：
(1)将第一次扫描得到的量测作为航迹头，通过最大速度和最小速度建立环形波门，判断第二个扫描周期的量测点是否落入波门内，若有，则形成临时航迹。
(2)对每个临时航迹通过一阶多项式外推得到预测点，以预测点为中心，根据外推的误差协方差计算相关波门，第三次扫描得到的量测若有多个落入波门内，则使用最近邻法进行数据关联。
(3)若相关波门没有量测点，则撤销航迹，或者放宽限制条件，扩大相关波门重新判断是否有量测落入。
(4)持续进行前三步，直到一条临时航迹形成稳定航迹，航迹起始成功。
(5)落入相关波门但未关联的量测和未落入波门的量测作为单独的航迹头，转入步骤(1)继续上述过程。
在航迹起始的过程中，当连续M个雷达周期内的目标点迹都在预定的波门内，就形成了稳定的航迹，航迹起始成功，这里的M就是起批阈值。起批阈值是航迹起始过程中的一个重要参数，它直接影响目标追踪的准确性和系统整体性能。通过选择适当的起批阈值，可以提升航迹起始的准确性和降低虚警率，从而对后续航迹的追踪产生积极的影响，确保系统能够更有效地实现目标追踪和数据分析。现有的逻辑法常用的是2/3和3/4逻辑法，M都是取固定的周期数，而没有考虑到雷达精度和实际目标航迹数据的不同所造成的影响。可逆跳跃马尔可夫链蒙特卡洛(Reversible Jump Markov Chain Monte Carlo,RJMCMC)算法由Green于1995年提出[5]，该方法允许在不同参数空间中进行跳转，即可以动态地选择不同模型结构，从而灵活地适应不同的数据情境。可以利用RJMCMC算法实现对起批阈值的动态选择。同时，大多文献中为了简化分析，在模拟时都假设目标在航迹起始过程中是匀速直线运动的，使用匀速运动模型(Constant Velocity，CV)，然而在实际情况下，航迹起始过程可能更接近于匀加速运动，因此采用匀加速运动模型(Constant Acceleration，CA)更为合理，传统逻辑法在考虑实际运动特性时存在一些不足。
现有的起批阈值大多都是固定的，无法灵活适应复杂多变的环境和目标数据，可能导致目标追踪的准确性和系统性能的下降。
参考文献：
[1]Mayor M A,Carroll R L.A multi-target track initiation algorithm[C]//1987American Control Conference.IEEE,1987:1128-1130.
[2]Trunk G V,Wilson J D.Track initiation of occasionally unresolvedradar targets[J].IEEE Transactions on Aerospace and Electronic Systems,1981(1):122-130.
[3]苏峰,王国宏,何友等.修正的逻辑航迹起始算法[J].现代防御技术,2004(05):66-68.
[4]Carlson B D,Evans E D,Wilson S L.Errata:Search radar detection andtrack with the Hough transform[J].IEEE Transactions on Aerospace andElectronic Systems,2003,39(1):382-383.
[5]Green P J.Reversible jump Markov chain Monte Carlo computation andBayesian model determination[J].Biometrika,1995,82(4):711-732.
发明内容
为克服现有技术中的无法动态适应环境变化，准确确定航迹起始的问题，本发明的目的是提供一种航迹起始最优起批阈值选择方法、系统、设备及介质，本发明能够自动适应不同雷达精度或目标运动模型的变化，从而更好地应对复杂多变的环境。在预先考虑不同雷达特性和目标特点的情况下，该方法能提前计算得到对应的最优起批阈值，可以更有效地应对不同数据特点，提高航迹起始的适应性和稳定性。
为实现上述目的，本发明采用的技术方案如下：
一种航迹起始最优起批阈值选择方法，包括以下步骤：
获取航迹数据和雷达精度；根据航迹数据和雷达精度设置起批阈值的候选集；
根据起批阈值的候选集，初始化两个起批阈值，分别作为当前最优起批阈值和新的起批阈值，再分别进行航迹起始，计算当前最优起批阈值的评分和新的起批阈值的评分；
比较当前最优起批阈值的评分和新的起批阈值的评分的大小，如果新的起批阈值的评分大于当前最优起批阈值的评分，则将新的起批阈值作为当前最优阈值，否则以接受概率接受新的起批阈值，作为当前最优阈值；
重复从起批阈值的候选集中随机选择新的起批阈值，计算并比较当前最优起批阈值的评分和新的起批阈值的评分，并更新当前最优阈值的步骤，直到达到最大迭代次数或者连续设定次数得到的当前最优阈值评分不变时，得到最优起批阈值。
进一步的，航迹数据为每个周期扫描得到的量测点，是在大地雷达测量坐标系中x、y、z三个方向的位置信息，大地雷达测量坐标系是以雷达天线为原点建立的直角坐标系。
进一步的，根据起批阈值的候选集，初始化两个起批阈值，分别作为当前最优起批阈值和新的起批阈值，再分别进行航迹起始，计算当前最优起批阈值的评分和新的起批阈值的评分，包括以下步骤：
步骤2.1：雷达在第一个周期扫描得到的每个量测点均对应一条可能航迹，采用环形波门作为初始相关波门，形成下个扫描周期量测点的预测区域，并判断初始相关波门内是否存在第二个扫描周期内的有效量测；
步骤2.2：若初始相关波门内不存在第二个扫描周期的有效量测，则进行步骤2.1，继续第三个周期的扫描，判断第二个周期和第三个周期内的量测点能否构成可能航迹；
步骤2.3：若初始相关波门内存在第二个扫描周期的有效量测，则第一个和第二个扫描周期内得到量测点构成可能航迹；
如果初始相关波门内存在第二个扫描周期的有效量测，当有效量测唯一时，一条可能航迹作为临时航迹；当有效量测不唯一时，则将当前的可能航迹分解为多条临时航迹，对每条临时航迹使用卡尔曼滤波器进行外推，预测出下一时刻量测点出现的位置，然后以目标的预测位置为中心，形成椭球关联波门，并使用最近邻域法进行航迹关联，形成一条新的临时航迹；
步骤2.4：若椭球关联波门内不存在第三个周期有效量测，则此临时航迹不成立，航迹撤销；
步骤2.5：重复步骤2.1，直到满足连续M个扫描周期内有量测信息，M是起批阈值，形成稳定航迹，则认为航迹起始成功；若达到预先设定的总扫描周期数N时，未满足连续M个周期内有量测信息，则航迹起始失败；
步骤2.6：根据航迹起始结果，计算航迹起始概率和虚警率，从而得到当前最优起批阈值的评分和新的起批阈值的评分。
进一步的，步骤2.2和步骤2.3中可能航迹的确定过程如下：
当k时刻的第i个量测Zi(k)的每一维度的分量与k-1时刻的第j个量测Zj(k-1)每一维度的分量/>之间满足下式，即可确定Zi(k)与Zj(k-1)来自于同一目标，构成一条可能航迹；
其中，vmin和vmax分别表示目标的最小运动速度和最大运动速度，T是采样间隔，对应环形波门中第一半径R1＝vminT，第二半径R2＝vmaxT；i＝1,2,…,mk，mk表示k时刻接受到的量测总数；l＝1,2,…,p，p为量测维度。
进一步的，步骤2.3中，临时航迹的确定步骤如下：采用卡尔曼滤波器对每条临时航迹按照匀加速运动进行外推，预测出下一时刻量测点出现的位置，然后以目标的预测位置为中心，形成椭球关联波门，通过最近邻域法，将临时航迹与落入椭球关联波门内的第三次扫描得到的量测点中距离预测点最近者进行航迹关联，在原临时航迹上增加量测点，形成一条新的临时航迹，作为临时航迹。
进一步的，将扫描过程中存在的落入相关波门中并未被关联的量测点迹与未落入波门的点迹，作为新的航迹头，进行步骤2.1。
进一步的，航迹起始概率C和虚警率F通过下式计算：
C＝c/m
其中，c是成功起始的正确航迹数，通过比较起始航迹与真实航迹确定，m是总的真实航迹数；
F＝f/n
其中，f是错误判定为起始的航迹数量，n是总的判定为起始的航迹数量，c+f＝n；
接受概率p的计算公式为：
p＝min(1,exp(nscore-cscore)P(new|cur))
其中，nscore是新的起批阈值的评分；cscore是当前最优起批阈值评分；P(new|cur)是从当前最优起批阈值跳转到新的起批阈值的转移概率，new是新的起批阈值，cur是当前最优起批阈值。
一种航迹起始最优起批阈值选择系统，包括：
起批阈值的候选集设置模块，用于获取航迹数据和雷达精度；根据航迹数据和雷达精度设置起批阈值的候选集；
评分计算模块，用于根据起批阈值的候选集，初始化两个起批阈值，分别作为当前最优起批阈值和新的起批阈值，再分别进行航迹起始，计算当前最优起批阈值的评分和新的起批阈值的评分；
比较模块，用于比较当前最优起批阈值的评分和新的起批阈值的评分的大小，如果新的起批阈值的评分大于当前最优起批阈值的评分，则将新的起批阈值作为当前最优阈值，否则以接受概率接受新的起批阈值，作为当前最优阈值；
重复计算模块，用于重复从起批阈值的候选集中随机选择新的起批阈值，计算并比较当前最优起批阈值的评分和新的起批阈值的评分，并更新当前最优阈值的步骤，直到达到最大迭代次数或者连续设定次数得到的当前最优阈值评分不变时，得到最优起批阈值。
一种电子设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述的处理器执行所述的计算机程序时实现所述的航迹起始最优起批阈值选择方法。
一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述的计算机程序被处理器执行时实现所述的航迹起始最优起批阈值选择方法。
与现有技术相比，本发明具有的有益效果：
本发明通过RJMCMC算法与逻辑法的结合，实现了最优起批阈值的动态选择，从而解决了实际问题中对于灵活应对环境变化和数据多样性的需求。本发明能够根据实际问题的特点，动态自适应地选择适合当前情境的起批阈值，提高目标追踪的精度，减少对虚假目标的误判，并增强系统在实际作战或监测任务中的可靠性和稳定性。
进一步的，利用雷达距离精度作为量测噪声协方差，考虑了雷达特点，更准确地反映了实际测量中的不确定性，提高了在实际场景中的适应性和准确性。
进一步的，RJMCMC算法中接受概率的计算是该算法的关键步骤之一。接受概率的准确计算直接影响着算法的收敛性和搜索效率。在Metropolis-Hastings准则下，接受概率的计算涉及到两个方面：评分差异和转移概率。该算法将RJMCMC算法中本身接受概率的计算公式进行了简化和改动，保证算法简洁性的同时，引入了指数函数，平衡评分差异对接受概率的影响，避免了概率急剧变化的问题，提高了算法的稳定性和全局搜索能力。
进一步的，航迹起始概率和虚警率结合作为一个整体的评价指标。考虑了两者之间的平衡关系，更全面地反映了航迹起始效果。在实际应用中，不仅要追踪目标，还要避免虚警，因此综合考虑这两个因素更符合实际需求。通过将两者结合，优化得到的起批阈值更有可能在实际应用中取得良好的效果。
进一步的，假设目标在航迹起始过程中是匀加速运动。引入假设目标在航迹起始过程中是匀加速运动，增加了算法对目标运动特性的适应性。这一假设有助于提高算法对目标运动变化的捕捉能力，使得航迹起始更符合实际情况，提高了算法的鲁棒性。
附图说明
图1是本发明选择最优起批阈值的流程图；
图2是环形波门示意图；
图3是椭球波门示意图；
图4是雷达1初始最优起批阈值取2的情况下最优起批阈值和评分随时间变化的图像；其中，(a)为最优起批阈值随时间变化的图像，(b)为评分随时间变化的图像；
图5是雷达1初始最优起批阈值取3的情况下最优起批阈值和评分随时间变化的图像；其中，(a)为最优起批阈值随时间变化的图像，(b)为评分随时间变化的图像；
图6是雷达1初始最优起批阈值取4的情况下最优起批阈值和评分随时间变化的图像；其中，(a)为最优起批阈值随时间变化的图像，(b)为评分随时间变化的图像；
图7是雷达1初始最优起批阈值取5的情况下最优起批阈值和评分随时间变化的图像，其中，(a)为最优起批阈值随时间变化的图像，(b)为评分随时间变化的图像；
图8为本发明的航迹起始最优起批阈值选择系统的示意图。
具体实施方式
为了便于理解本发明，下面将参照相关附图对本发明进行更全面的描述。附图中给出了本发明的较佳实施方式。但是，本发明可以以多种不同的形式来实现，并不限于本文所描述的实施方式。相反地，提供这些实施方式的目的是使对本发明的公开内容理解的更加透彻全面。
本发明创新性地引入RJMCMC算法，并将其巧妙地融入航迹起始的流程中，通过结合航迹起始概率和虚警率两个关键指标，实现了对最优起批阈值的智能选择，以优化在不同情境下的航迹起始效果。
参见图1，本发明的基于RJMCMC算法的航迹起始最优起批阈值选择方法，包括以下步骤：
步骤1：获取数据并定义参数；
获取航迹数据，雷达精度(航迹起始中涉及到的观测方程中的观测噪声W(k)，观测噪声协方差矩阵R(k)的对角线元素取值与雷达距离精度相关)，并根据航迹数据和雷达精度定义起批阈值的候选集合，转移概率矩阵P、总扫描周期数N和最大迭代次数。
其中，航迹数据指的是在每个周期扫描得到的量测点，是在大地雷达测量坐标系中x、y、z三个方向的位置信息，大地雷达测量坐标系是以雷达天线为原点建立的直角坐标系。
步骤2：初始化两个起批阈值，按照阈值进行航迹起始，计算评分；
根据起批阈值的候选集，随机初始化两个起批阈值分别作为当前最优起批阈值和新的起批阈值，再分别进行航迹起始，计算当前最优起批阈值的评分和新的起批阈值的评分。
步骤2中，进行航迹起始的过程具体流程如下：
步骤2.1：雷达在第一个周期扫描得到的每个量测点均对应一条可能航迹，采用环形波门作为初始相关波门(如图2所示，以第一个周期扫描得到的每个量测点作为每个环形波门的中心)，形成下个扫描周期量测点的预测区域，并判断初始相关波门内是否存在第二个扫描周期内的有效量测；
步骤2.2：若初始相关波门内不存在第二个扫描周期的有效量测，则进行步骤2.1，继续第三个周期的扫描，判断第二个周期和第三个周期内的量测点能否构成可能航迹；
具体的，环形波门的构造以及可能航迹的判断如下：
设向量Zi(k)是k时刻的第i个量测，i＝1,2,…,mk，mk表示k时刻接受到的量测总数，zj(k-1)是k-1时刻的第j个量测。当k时刻的第i个量测Zi(k)的每一维度的分量(l＝1,2,…,p，p为量测维度)与Zj(k-1)的每一维度的分量/>之间满足：
其中，vmin和vmax分别表示目标的最小运动速度和最大运动速度，T是采样间隔，即雷达扫描周期，对应环形波门中的两个半径，第一半径R1＝vminT，第二半径R2＝vmaxT。
若满足式(1)，即可确定k时刻的第i个量测Zi(k)与k-1时刻的第j个量测Zj(k-1)来自于同一目标，构成一条可能航迹。
步骤2.3：若初始相关波门内存在第二个扫描周期的有效量测，则第一个和第二个扫描周期内得到量测点构成可能航迹；
如果初始相关波门内存在第二个扫描周期的有效量测，当有效量测唯一时，只有一条可能航迹作为临时航迹；若有效量测不唯一，则需要将当前的可能航迹分解为多个临时航迹。
采用卡尔曼滤波器对每条临时航迹按照匀加速运动进行外推，预测出下一时刻量测点出现的位置，然后以目标的预测位置为中心，形成椭球波门，如图3所示，波门的尺寸取决于航迹外推的误差协方差，通过最近邻域法(Nearest-Neighbor，NN)，将临时航迹与落入初始相关波门内的第三次扫描得到的量测点中距离预测点最近者进行航迹关联，在原临时航迹上增加量测点，形成一条新的临时航迹，作为临时航迹。
卡尔曼滤波器中涉及到目标的状态方程和观测方程，具体描述如下：
(1)目标的状态方程：
X(k+1)＝F(k)X(k)+V(k),
其中，X(k)表示目标k时刻的运动状态，X(k)＝[x,y,z,vx,vy,vz,ax,ay,az]′，x,y,z是目标在三个方向上的位置信息，vx,vy,vz分别为目标在三个方向上的速度，ax,ay,az分别为目标在三个方向上的加速度。X(k)的协方差为P(k)，V(k)表示过程噪声，其协方差为Q(k)，F(k)表示k时刻的状态转移矩阵，定义如下：
其中，T表示采样间隔。
(2)目标的观测方程：
Z(k)＝H(k)X(k)+W(k),
其中，Z(k)表示k时刻目标的预测观测值，Z(k)＝[x,y,z]′；W(k)表示k时刻的观测噪声，其协方差矩阵为R(k)，这里R(k)取对角线元素为对应雷达精度平方的对角矩阵；H(k)表示k时刻目标的观测矩阵，取值为：
由于航迹起始问题中，精确的量测噪声协方差对于准确估计目标状态至关重要。考虑雷达特点，所以本发明中使用雷达距离精度作为量测噪声协方差，更准确地反映了实际测量中的不确定性，提高模型匹配实际场景的能力，使得RJMCMC算法在搜索过程中更加符合实际情况。
(3)卡尔曼滤波器：
1)状态一步预测：其中/>为k时刻的状态估计；
2)一步预测协方差：P(k+1|k)＝F(k)P(k|k)F′(k)+Q(k)；
3)量测的进一步预测：
4)新息
5)新息协方差：S(k+1)＝H(k+1)P(k+1|k)H′(k+1)+R(k+1)；
6)增益K(k+1)＝P(k+1|k)H′(k+1)S′(k+1)；
7)状态更新：其中，Z(k+1)为k+1时刻目标的预测观测值，H(k+1)表示k+1时刻目标的观测矩阵，'是转置符号；
也就是分为两个部分的更新：
1.1)状态更新：
k时刻状态估计：→状态的一步预测：/>→量测的一步预测：/>→新息：/>→状态更新方程：/>
1.2)误差协方差更新：
k时刻状态估计的协方差：P(k|k)→协方差的进一步预测：P(k+1|k)＝F(k)P(k|k)F′(k)+Q(k)→新息协方差：S(k+1)＝H(k+1)P(k+1|k)H′(k+1)+R(k+1)→增益：K(k+1)＝P(k+1|k)H′(k+1)S-1(k+1)→协方差更新方程：P(k+1|k+1)＝P(k+1|k)-K(k+1)S(k+1)K′(k+1)。
(4)最近邻域法
首先设置相关波门，认为目标的真实量测点会落入相关波门，落入相关波门的量测值Z(k+1)应该满足：
其中，γ为波门的门限，服从自由度为量测维度p的卡方分布。
若只有一个量测点落入目标航迹的相关波门，则将该量测点作为目标的真实量测点；若波门内有多个量测点，则取距离预测点最近的量测点作为真实量测点，量测点与预测点之间的距离d2(z)通过下式计算：
步骤2.4：若步骤2.3中的椭球关联波门内不存在第三个周期有效量测，则此临时航迹不成立，航迹撤销；
步骤2.5：继续上述步骤即重复步骤2.1，直到满足连续M个扫描周期内有量测信息(M是起批阈值)，形成稳定航迹，则认为航迹起始成功。若达到预先设定的总扫描周期数N时，还未满足连续M个周期内有量测信息，则航迹起始失败。
步骤2.6：对于扫描过程中存在的落入相关波门中但并未被关联的量测点迹与未落入波门的点迹，将其作为新的航迹头，转入步骤2.1继续上述过程。
步骤2.7：航迹起始完成后，即可根据航迹起始结果，计算航迹起始概率(C)和虚警率(F)，从而计算可得其评分。航迹起始概率(C)和虚警率(F)具体定义如下：
C＝c/m,
其中，c是成功起始的正确航迹数，通过比较起始航迹与真实航迹确定，m是总的真实航迹数，是预先知道的。
F＝f/n,
其中，f是错误判定为起始的航迹数量，n是总的判定为起始的航迹数量，航迹起始过程完成后，即可得到起始的航迹数量n。这里满足c+f＝n。
最终评分为C-F，C-F的值越大，航迹起始效果越好，起批阈值越优。
步骤3：采用RJMCMC算法，根据评分和接受概率更新阈值；
比较当前最优起批阈值的评分和新的起批阈值的评分的大小，将评分大的起批阈值作为当前最优阈值，否则以一定接受概率接受评分大的起批阈值。
接受概率p的计算公式为：
p＝min(1,exp(nscore-cscore)P(new|cur)),
其中，nscore是新的起批阈值的评分；cscore是当前最优起批阈值评分；P(new|cur)是从当前最优起批阈值跳转到新的起批阈值的转移概率，new是新的起批阈值，cur是当前最优起批阈值。
这里因为该问题不涉及模型维度的改变，因此简化了RJMCMC算法中接受概率的计算方式，使计算更加简洁快速，灵活性较高，又引入了指数函数，有助于更灵敏地对待概率差异，避免了评分差值过大时概率急剧变化的问题，增加了接受劣解的概率，避免陷入局部最优。
步骤4：重复步骤2和步骤3，直到达到最大迭代次数或者连续设定次数得到的当前最优起批阈值评分不变时，输出最终的最优起批阈值。
参见图8，本发明的一种航迹起始最优起批阈值选择系统，包括：
起批阈值的候选集设置模块，用于获取航迹数据和雷达精度；根据航迹数据和雷达精度设置起批阈值的候选集；
评分计算模块，用于根据起批阈值的候选集，初始化两个起批阈值，分别作为当前最优起批阈值和新的起批阈值，再分别进行航迹起始，计算当前最优起批阈值的评分和新的起批阈值的评分；
比较模块，用于比较当前最优起批阈值的评分和新的起批阈值的评分的大小，如果新的起批阈值的评分大于当前最优起批阈值的评分，则将新的起批阈值作为当前最优阈值，否则以接受概率接受新的起批阈值，作为当前最优阈值；
重复计算模块，用于重复从起批阈值的候选集中随机选择新的起批阈值，计算并比较当前最优起批阈值的评分和新的起批阈值的评分，并更新当前最优阈值的步骤，直到达到最大迭代次数或者连续设定次数得到的当前最优阈值评分不变时，得到最优起批阈值。
一种电子设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，其特征在于：所述的处理器执行所述的计算机程序时实现所述的航迹起始最优起批阈值选择方法。
一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于：所述的计算机程序被处理器执行时实现所述的航迹起始最优起批阈值选择方法。
实施例1
1、实验设置
模拟数据包括四个雷达观测的航迹，每个雷达的真实航迹数、虚假航迹数和实际总航迹数如表1所示。
表1四个雷达的真实航迹数和实际航迹数
起批阈值候选范围[2,3,4,5]，服从均匀分布，转移概率矩阵各元素相等，最大迭代次数为100，不变评分准则为C-F，用以选择最优起批阈值，当连续10次评分不变时，得到最优阈值。航迹起始过程中，卡尔曼滤波里涉及到的协方差P(k)和过程噪声协方差Q(k)取单位对角阵，量测噪声协方差R(k)为对角线元素是雷达距离精度平方的对角矩阵(雷达1距离精度15m；雷达2距离精度50m；雷达3和雷达4距离精度100m)。
2、实验结果
(1)RJMCMC算法结果
图4中(a)和(b)、图5中(a)和(b)、图6中(a)和(b)以及图7中(a)和(b)分别是雷达1取不同初始最优起批阈值情况下最优起批阈值和得分随时间变化的图像，由于图像过多，这里只展示雷达1的图像，雷达2-4图像与此类似。这里取不同初始起批阈值是为了看初始起批阈值是否对实验结果存在影响。
表2-表5是雷达1-4使用RJMCMC算法在不同初始最优起批阈值的情况下进行航迹起始得到的最优起批阈值结果。表6显示了不同雷达在不同起批阈值下进行航迹起始的评分。
表2雷达1使用RJMCMC算法的结果
表3雷达2使用RJMCMC算法的结果
表4雷达3使用RJMCMC算法的结果
表5雷达4使用RJMCMC算法的结果
表6不同雷达在不同起批阈值下的评分
由上述表格中的结果可以发现：1)初始最优起批阈值对最终结果和计算时间都没有影响，无论初始最优起批阈值设置为多少，由于每次循环中尝试的新的阈值是随机的，计算时间跟这个随机阈值相关，没有一定规律，因此可以随机选取初始起批阈值。2)最终结果：可以看出，不同雷达由于其距离精度不同，观察到的目标航迹数据不同，得到的最优起批阈值是不同的。按照C-F这个评价指标来看，雷达1-3的结果都是没有问题的，但雷达4出现了计算出的最优起批阈值并不是通过C-F判断出来的最优起批阈值的情况，进行多次尝试，发现雷达2和雷达4都有可能出现此问题。原因在于，这两个雷达中除了最优起批阈值，其余起批阈值对应的评分C-F都是相同的，如雷达4，最优起批阈值为5，C-F均为0.308，其余三个起批阈值对应的C-F均为0.285，而会在评分10次没有明显变化时就退出循环，可能会出现在其他阈值中进行跳转，而没有随机采样到实际的最优起批阈值的情况，因此可能最终计算出来的最优起批阈值并不是实际最优起批阈值，但这里出现这种情况即连续10次都未采样到实际最优起批阈值的概率很低，(3/4)10＝0.056，因此影响不大，可以忽略。
(2)实验对比
使用本发明算法得到的最优起批阈值进行航迹起始，与常用的3/4逻辑法进行航迹起始得到的C-F进行对比，3/4逻辑法中涉及到的协方差设置与本发明设置相同，结果如表7所示。
表7本发明算法与3/4逻辑法结果比较
通过观察表7可以得知，两个算法得到的结果中，除雷达3的情况相同外，其余三个雷达航迹起始得到的C-F指标都是本发明算法的表现更为优越。C-F指标综合考虑了航迹起始概率和虚警率，航迹起始概率越大，虚警率越低，C-F值越大，航迹起始效果越好。因此，通过本发明算法得到的起批阈值进行航迹起始，最终结果明显优于直接使用3/4逻辑法进行航迹起始。
3、实验结论
本发明算法综合考虑航迹起始概率和虚警率作为评价指标，以确保最优起批阈值的选择更符合实际需求。因为算法能够自动搜索到最优解，所以算法中初始最优起批阈值的选择并不会对最终结果产生影响。对比了本发明算法和3/4逻辑法，发现采用本发明算法所得的最优起批阈值进行航迹起始的效果更好，能够更好地适应不同雷达精度和目标状况，从而提高了航迹起始的准确性和可靠性。
由于RJMCMC算法的特性，该方法具有自适应性，能够适应不同的数据分布和问题特性，在不同雷达和不同目标数据的情况下，给出不同的最优起批阈值，进而能够提高航迹起始的适应性和稳定性。
RJMCMC算法能够灵活地处理模型结构的变化，适用于需要确定最优起批阈值的问题。将RJMCMC与逻辑法结合，在不同的阈值下进行模型比较，动态地选择最适合当前情境的阈值。这种结合使得算法更加灵活，可以适应不同数据和问题的特点，从而更好地应对复杂多变的环境。
本发明使用航迹起始概率和虚警率两个指标对起批阈值进行联合优化，能够在不同的起批阈值之间进行跳转，动态地选择最适合当前情境的阈值。这种灵活性使得本发明能够自动适应不同雷达精度或目标运动模型的变化，从而更好地应对复杂多变的环境。在预先考虑不同雷达特性和目标特点的情况下，该方法能提前计算得到对应的最优起批阈值，提高航迹起始的适应性和稳定性。
以上仅就本发明的最佳实施例作了说明，但不能理解为是对权利要求的限制。本发明不仅限于以上实施例，其具体结构允许有变化。但凡在本发明独立权利要求的保护范围内所作的各种变化均在本发明的保护范围内。
除非另有定义，本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。本文中在本发明的说明书中所使用的术语只是为了描述具体的实施方式的目的，不是旨在于限制本发明。本文所使用的术语“及/或”包括一个或多个相关的所列项目的任意的和所有的组合。
Claims (10)
1.一种航迹起始最优起批阈值选择方法，其特征在于，包括以下步骤：
获取航迹数据和雷达精度；根据航迹数据和雷达精度设置起批阈值的候选集；
根据起批阈值的候选集，初始化两个起批阈值，分别作为当前最优起批阈值和新的起批阈值，再分别进行航迹起始，计算当前最优起批阈值的评分和新的起批阈值的评分；
比较当前最优起批阈值的评分和新的起批阈值的评分的大小，如果新的起批阈值的评分大于当前最优起批阈值的评分，则将新的起批阈值作为当前最优阈值，否则以接受概率接受新的起批阈值，作为当前最优阈值；
重复从起批阈值的候选集中随机选择新的起批阈值，计算并比较当前最优起批阈值的评分和新的起批阈值的评分，并更新当前最优阈值的步骤，直到达到最大迭代次数或者连续设定次数得到的当前最优阈值评分不变时，得到最优起批阈值。
2.根据权利要求1所述的航迹起始最优起批阈值选择方法，其特征在于，航迹数据为每个周期扫描得到的量测点，是在大地雷达测量坐标系中x、y、z三个方向的位置信息，大地雷达测量坐标系是以雷达天线为原点建立的直角坐标系。
3.根据权利要求1所述的航迹起始最优起批阈值选择方法，其特征在于，根据起批阈值的候选集，初始化两个起批阈值，分别作为当前最优起批阈值和新的起批阈值，再分别进行航迹起始，计算当前最优起批阈值的评分和新的起批阈值的评分，包括以下步骤：
步骤2.1：雷达在第一个周期扫描得到的每个量测点均对应一条可能航迹，采用环形波门作为初始相关波门，形成下个扫描周期量测点的预测区域，并判断初始相关波门内是否存在第二个扫描周期内的有效量测；
步骤2.2：若初始相关波门内不存在第二个扫描周期的有效量测，则进行步骤2.1，继续第三个周期的扫描，判断第二个周期和第三个周期内的量测点能否构成可能航迹；
步骤2.3：若初始相关波门内存在第二个扫描周期的有效量测，则第一个和第二个扫描周期内得到量测点构成可能航迹；
如果初始相关波门内存在第二个扫描周期的有效量测，当有效量测唯一时，一条可能航迹作为临时航迹；当有效量测不唯一时，则将当前的可能航迹分解为多条临时航迹，对每条临时航迹使用卡尔曼滤波器进行外推，预测出下一时刻量测点出现的位置，然后以目标的预测位置为中心，形成椭球关联波门，并使用最近邻域法进行航迹关联，形成一条新的临时航迹；
步骤2.4：若椭球关联波门内不存在第三个周期有效量测，则此临时航迹不成立，航迹撤销；
步骤2.5：重复步骤2.1，直到满足连续M个扫描周期内有量测信息，M是起批阈值，形成稳定航迹，则认为航迹起始成功；若达到预先设定的总扫描周期数N时，未满足连续M个周期内有量测信息，则航迹起始失败；
步骤2.6：根据航迹起始结果，计算航迹起始概率和虚警率，从而得到当前最优起批阈值的评分和新的起批阈值的评分。
4.根据权利要求3所述的航迹起始最优起批阈值选择方法，其特征在于，步骤2.2和步骤2.3中可能航迹的确定过程如下：
当k时刻的第i个量测Zi(k)的每一维度的分量与k-1时刻的第j个量测Zj(k-1)每一维度的分量/>之间满足下式，即可确定Zi(k)与Zj(k-1)来自于同一目标，构成一条可能航迹；
其中，vmin和vmax分别表示目标的最小运动速度和最大运动速度，T是采样间隔，对应环形波门中第一半径R1＝vminT，第二半径R2＝vmaxT；i＝1，2，...，mk，mk表示k时刻接受到的量测总数；l＝1，2，...，p，p为量测维度。
5.根据权利要求3所述的航迹起始最优起批阈值选择方法，其特征在于，步骤2.3中，临时航迹的确定步骤如下：采用卡尔曼滤波器对每条临时航迹按照匀加速运动进行外推，预测出下一时刻量测点出现的位置，然后以目标的预测位置为中心，形成椭球关联波门，通过最近邻域法，将临时航迹与落入椭球关联波门内的第三次扫描得到的量测点中距离预测点最近者进行航迹关联，在原临时航迹上增加量测点，形成一条新的临时航迹，作为临时航迹。
6.根据权利要求3所述的航迹起始最优起批阈值选择方法，其特征在于，将扫描过程中存在的落入相关波门中并未被关联的量测点迹与未落入波门的点迹，作为新的航迹头，进行步骤2.1。
7.根据权利要求3所述的航迹起始最优起批阈值选择方法，其特征在于，航迹起始概率C和虚警率F通过下式计算：
C＝c/m
其中，c是成功起始的正确航迹数，通过比较起始航迹与真实航迹确定，m是总的真实航迹数；
F＝f/n
其中，f是错误判定为起始的航迹数量，n是总的判定为起始的航迹数量，c+f＝n；
接受概率p的计算公式为：
p＝min(1，exp(nscore-cscore)P(new|cur))
其中，nscore是新的起批阈值的评分；cscore是当前最优起批阈值评分；P(new|cur)是从当前最优起批阈值跳转到新的起批阈值的转移概率，new是新的起批阈值，cur是当前最优起批阈值。
8.一种航迹起始最优起批阈值选择系统，其特征在于，包括：
起批阈值的候选集设置模块，用于获取航迹数据和雷达精度；根据航迹数据和雷达精度设置起批阈值的候选集；
评分计算模块，用于根据起批阈值的候选集，初始化两个起批阈值，分别作为当前最优起批阈值和新的起批阈值，再分别进行航迹起始，计算当前最优起批阈值的评分和新的起批阈值的评分；
比较模块，用于比较当前最优起批阈值的评分和新的起批阈值的评分的大小，如果新的起批阈值的评分大于当前最优起批阈值的评分，则将新的起批阈值作为当前最优阈值，否则以接受概率接受新的起批阈值，作为当前最优阈值；
重复计算模块，用于重复从起批阈值的候选集中随机选择新的起批阈值，计算并比较当前最优起批阈值的评分和新的起批阈值的评分，并更新当前最优阈值的步骤，直到达到最大迭代次数或者连续设定次数得到的当前最优阈值评分不变时，得到最优起批阈值。
9.一种电子设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，其特征在于：所述的处理器执行所述的计算机程序时实现如权利要求1至7中任意一项所述的航迹起始最优起批阈值选择方法。
10.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于：所述的计算机程序被处理器执行时实现如权利要求1至7中任意一项所述的航迹起始最优起批阈值选择方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410256483.5A CN118131215A (zh) | 2024-03-06 | 2024-03-06 | 一种航迹起始最优起批阈值选择方法、系统、设备及介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410256483.5A CN118131215A (zh) | 2024-03-06 | 2024-03-06 | 一种航迹起始最优起批阈值选择方法、系统、设备及介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN118131215A true CN118131215A (zh) | 2024-06-04 |
Family
ID=91240088
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202410256483.5A Pending CN118131215A (zh) | 2024-03-06 | 2024-03-06 | 一种航迹起始最优起批阈值选择方法、系统、设备及介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN118131215A (zh) |
-
2024
- 2024-03-06 CN CN202410256483.5A patent/CN118131215A/zh active Pending
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109633589A (zh) | 目标跟踪中基于多模型优化多假设的多目标数据关联方法 | |
| CN117036400A (zh) | 基于混合高斯模型模糊聚类数据关联的多目标群跟踪方法 | |
| CN115657008A (zh) | 一种机载太赫兹雷达多目标跟踪方法和装置 | |
| CN115144847A (zh) | 针对海杂波中弱目标探测的参数空间多通道目标搜索技术 | |
| CN111679251A (zh) | 一种基于雷达红外双模融合的抗雷达型干扰方法 | |
| Davey | Probabilistic multihypothesis trackerwith an evolving poisson prior | |
| CN111259332A (zh) | 一种杂波环境下的模糊数据关联方法及多目标跟踪方法 | |
| Kenari et al. | Comparison of nearest neighbor and probabilistic data association methods for non-linear target tracking data association | |
| CN113126086A (zh) | 一种基于状态预测积累的生命探测雷达弱目标检测方法 | |
| CN118131215A (zh) | 一种航迹起始最优起批阈值选择方法、系统、设备及介质 | |
| CN115220002B (zh) | 一种固定单站的多目标数据关联跟踪方法和相关装置 | |
| JP4166651B2 (ja) | 目標追尾装置 | |
| Li et al. | A track initiation method for the underwater target tracking environment | |
| CN116359906A (zh) | 跨周期目标形态质量一致性检验雷达目标自动起始方法 | |
| Huang et al. | An Improved Multi-target Tracking Trajectory Association Algorithm in Dense Clutter Environment | |
| Rahmathullah et al. | A batch algorithm for estimating trajectories of point targets using expectation maximization | |
| Kästner et al. | A bayesian approach to learning 3d representations of dynamic environments | |
| Timoshenko et al. | Detection and estimation of parameters of a random process set in multi-Scanning radar observation based on the" track-before-detect" methods | |
| CN113866754A (zh) | 基于高斯分布波门的运动目标航迹关联方法 | |
| Zhang et al. | Track Initiation Method Based on Deep Learning and Logic Method | |
| Pedersen | Harbor Surveillance with a K-best, Track Terminating, Hypothesis-Oriented MHT | |
| CN114019469B (zh) | 基于凹包判决的海面目标检测方法及设备、介质和产品 | |
| Bocquel et al. | Multitarget tracking with IP reversible jump MCMC-PF | |
| CN113514823B (zh) | 一种基于伪谱的多模型机动目标检测前跟踪方法 | |
| Kim et al. | Efficient track-before-detect for maritime radar via correlation filtering |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination |