申请/专利权人：中国人民解放军国防科技大学

申请日：2023-12-15

公开（公告）日：2024-04-26

公开（公告）号：CN117930222A

主分类号：G01S13/66

分类号：G01S13/66;G01S13/72;G01S7/41

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.05.14#实质审查的生效;2024.04.26#公开

摘要：一种RCS信息辅助杂波环境下的多目标跟踪方法及装置，该方法通过构建贝叶斯RCS信息递归估计机制；将贝叶斯RCS信息递归估计机制引入至泊松多伯努利混合滤波器中，并对目标状态向量进行增广，对泊松部分和多伯努利混合部分分别推导出对应的伽马高斯混合形式的预测密度；及对泊松部分和多伯努利混合部分分别推导出对应的伽马高斯混合形式的更新密度；结合泊松部分和多伯努利混合部分对应的伽马高斯混合形式的更新密度，构建全局假设的代价矩阵和分配矩阵；得到代价矩阵和分配矩阵后，生成k个最优的全局假设及全局假设对应的权重，选择具有最大权重的全局假设，得到多目标运动状态估计。本发明提高多目标势估计精度，提高多目标的跟踪性能。

主权项：1.一种RCS信息辅助杂波环境下的多目标跟踪方法，其特征在于，包括：构建贝叶斯RCS信息递归估计机制，所述贝叶斯RCS信息递归估计机制采用伽马分布表征RCS相关分布，定义逆RCS参数a的概率密度函数服从伽马分布，利用伽马分布的共轭性和贝叶斯准则推导所述目标RCS后验密度的预测更新表达式；将所述贝叶斯RCS信息递归估计机制引入至泊松多伯努利混合滤波器中，并对目标状态向量进行增广，推导RCS信息辅助的所述泊松多伯努利混合滤波器的伽马高斯混合实现过程中的预测部分，将多目标后验密度表示为伽马高斯混合形式，对泊松部分和多伯努利混合部分分别推导出对应的伽马高斯混合形式的预测密度；推导RCS信息辅助的所述泊松多伯努利混合滤波器的伽马高斯混合实现过程中的更新部分，将多目标后验密度表示为伽马高斯混合形式，对泊松部分和多伯努利混合部分分别推导出对应的伽马高斯混合形式的更新密度，泊松部分代表尚未探测到的目标，多伯努利混合部分代表漏检目标、已存在目标及新生目标；结合泊松部分和多伯努利混合部分对应的伽马高斯混合形式的更新密度，构建全局假设的代价矩阵和分配矩阵；得到代价矩阵和分配矩阵后，利用Murty算法生成k个最优的全局假设及全局假设对应的权重，选择具有最大权重的全局假设，得到多目标运动状态估计；对已有的全局假设进行修剪及合并操作。

全文数据：

权利要求：

百度查询： 中国人民解放军国防科技大学 一种RCS信息辅助杂波环境下的多目标跟踪方法及装置

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