申请/专利权人：昆明理工大学

申请日：2020-06-03

公开（公告）日：2024-01-30

公开（公告）号：CN111722214B

主分类号：G01S13/72

分类号：G01S13/72

优先权：

专利状态码：有效-授权

法律状态：2024.01.30#授权;2020.10.27#实质审查的生效;2020.09.29#公开

摘要：本发明公开了一种雷达多目标跟踪PHD实现方法，具体包括以下步骤：S1，基于多个跟踪目标在k‑1时刻的状态，计算各目标k时刻的状态预测估计；S2，将k时刻的雷达量测数据转换为笛卡尔坐标系下的目标状态似然数据；S3，将一步预测的高斯分量与目标状态似然数据进行乘积混合滤波；S4，计算雷达跟踪区域内所有目标的高斯分量和最终权重；S5，舍弃最终权重小于枝剪阈值的高斯分量，合并分布距离小于合并阈值的高斯分量；S6，令跟踪目标数目取所有高斯分量的权重和，目标状态取权重大于0.5的高斯分量的均值，迭代进行下一轮滤波直至跟踪结束；本发明的数据融合过程简单，抗杂波性能优异，对跟踪目标的状态估计精度高，目标数目估计准确。

主权项：1.雷达多目标跟踪PHD实现方法，其特征在于，具体包括以下步骤：S1、已知k-1时刻雷达跟踪区域内多个目标的初始位置和运动模型，使用随机变量固定点采样非线性变换高斯近似方法，对k-1时刻雷达跟踪区域内各目标的每个高斯分量进行状态预测估计，得到雷达跟踪区域内各目标在k时刻的一步预测估计PHDDk|k-1x：Dk|k-1x＝DS,k|k-1x+γk|k-1x其中DS,k|k-1x为从k-1时刻到k时刻仍然存活的目标S的概率假设密度，γk|k-1x为从k-1时刻到k时刻新生的目标γ的概率假设密度；将仍然存活的目标的高斯分量和新生目标的高斯分量统一为k时刻一步预测高斯分量，即： 其中Jk|k-1为基于k-1时刻各目标状态的高斯分量一步预测得到的k时刻高斯分量总数，i为表示k时刻一步预测高斯分量数目的变量，为k时刻第i个高斯分量的权重，表示目标状态x服从高斯分布，分别为k时刻第i个高斯分量的均值和协方差；S2、以雷达为坐标原点建立笛卡尔坐标系，使用Unscented变换将k时刻的雷达量测数据转换为笛卡尔坐标系下高斯形态的目标状态似然数据，得到雷达量测值zkj目标状态似然数据的均值和协方差S3、对目标状态似然数据与一步预测得到的高斯分量进行乘积融合滤波，得到融合后各高斯分量的似然权重、均值和协方差；S4、使用PHD滤波器计算k时刻雷达漏检目标的高斯分量，得到k时刻雷达跟踪区域内所有目标的高斯分量Dk|kx和最终权重S5、设置枝剪阈值和合并阈值，舍弃最终权重小于枝剪阈值的高斯分量，合并分布距离db,e小于合并阈值的高斯分量；S6、经过枝剪和合并后，令跟踪目标数目取所有高斯分量的权重和，目标状态取权重大于0.5的高斯分量的均值，迭代进行下一轮滤波直至跟踪结束。

全文数据：

权利要求：

百度查询： 昆明理工大学 雷达多目标跟踪PHD实现方法

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