申请/专利权人：电子科技大学

申请日：2024-03-05

公开（公告）日：2024-06-28

公开（公告）号：CN118259276A

主分类号：G01S13/72

分类号：G01S13/72;G06F18/25;G06F17/16;G06N7/01

优先权：

专利状态码：在审-公开

法律状态：2024.06.28#公开

摘要：本发明公开了一种基于双高斯混合模型估计的分布式雷达多目标跟踪方法，属于雷达目标跟踪领域。首先，从理论上分析了孤立航迹产生的原因以及产生的影响。然后，为了降低孤立航迹造成的影响，通过分别构建孤立航迹与匹配航迹的双模型来描述探测环境，并通过参数估计降低误差，旨在通过准确分辨目标来源以提高跟踪精度。本发明分析了孤立航迹的成因及其对跟踪精度的影响，并构建了孤立‑匹配双高斯混合模型对孤立航迹的影响进行描述，降低了孤立航迹对融合后的跟踪部分造成的影响。为了适应复杂多变的探测环境和目标密度，本发明通过EM算法实时估计模型参数，并提供两种方法分别针对不同的应用场景，有效地提高了系统的鲁棒性。

主权项：1.一种基于双高斯混合模型估计的分布式雷达多目标跟踪方法，该方法包括：步骤1：将已关联的局部航迹通过基于最佳线性无偏估计准则的融合方法进行融合，并标记为匹配航迹，将未关联的局部航迹标记为孤立航迹；步骤2：将系统航迹的预测点作为质心，引入目标丢失概率为ω并认为其满足均匀分布，ω由传感器漏检率得出；记Ns建为系统航迹数，Nl建为局部航迹数，建立单传感器单目标模型如下： 其中，表示局部航迹j属于系统航迹i的概率，为k时刻第j条局部航迹，表示高斯分布，si,k|k-1为k时刻第i条系统航迹的预测点，为待估计参数，I为单位矩阵，D为状态维数；则系统整体建立为如下模型； 其中，表示局部航迹是有效航迹的概率，αn,j为归一化参数，因为ω为目标丢失概率，因此ω1为多传感器同时漏检的概率，ω2为单传感器漏检的概率，表示匹配航迹模型下的方差，表示孤立航迹模型下的方差；步骤3：运用期望最大算法进行估计参数；局部航迹的孤立状态为已知量，将模型分别使用孤立航迹数据和匹配航迹数据导入模型，用于估计两种不同模型的参数；设n＝1表示匹配航迹参数，n＝2表示孤立航迹参数，表示各种类航迹对应的局部航迹数量；步骤4：定义隶属度矩阵为Ck，表示为： 步骤5：根据隶属度进行滤波跟踪，依据监测场景选用以下两种跟踪方法之一进行目标跟踪：方法一：用单一点迹更新航迹；以隶属度的相反数为关联代价，为最大未关联代价，运行匈牙利分配算法选择最优匹配航迹，运行卡尔曼滤波器更新系统航迹；方法二：用局部航迹概率加权的方式更新航迹；用计算出的隶属度计算关联概率，有如下定义： 滤波更新公式： vi＝si,k-si,k|k-1 其中，Ki,k是k时刻航迹i的卡尔曼增益，Pi,k是k时刻航迹i的误差协方差矩阵，Pi,k|k-1表示卡尔曼滤波中得出的一步预测状态对应的协方差矩阵，H表示量测矩阵。

全文数据：

权利要求：

百度查询： 电子科技大学 一种基于双高斯混合模型估计的分布式雷达多目标跟踪方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD