本技术涉及一种非线性环境下多目标追踪技术、系统与存储解决方案,该技术包括建立非线性运动模型和测量模型,涉及使用非线性模型来描述状态和测量过程的非线性特性。
背景技术
全息凝视雷达是一种同时覆盖全空域、同时多功能的雷达,其特点在于发射采用宽波束,接收利用数字波束形成同时生成多个窄波束覆盖发射区域。低增益宽波束应用的同时会使得接收到的目标回波信号强度也相应变弱,因此需要采取长时间积累的方式来提高目标的检测概率。长时间积累功能使全息凝视雷达获得更高的增益和多普勒分辨率,能够实现运动目标与杂波的有效分离。与传统雷达一样,目标跟踪同样是全息雷达监视中的一个经典问题。如何在杂乱无序的跟踪环境中实时、精确地对多个目标进行跟踪,同时屏蔽杂波等外部因素的干扰,是目前目标跟踪领域的难点和关键问题。当前两种主流的多目标跟踪(Multiple Target Tracking,MTT)技术分别为基于数据关联(Data Association,DA)的多目标跟踪方法和基于随机有限集(Random Finite Set,RFS)的多目标跟踪方法。基于数据关联的MTT方法是将多目标跟踪问题转化为多个单目标跟踪问题,包括多假设跟踪(Multiple Hypothesis Tracking,MHT)和联合概率数据关联(Joint Probabilistic DataAssociation,JPDA)等经典算法。此类算法在环境杂波少、目标个数确定、高信噪比的场景下能够取得较好的跟踪效果,但在处理场景相对复杂的多目标问题时,数据关联易发生错误,导致跟踪性能下降,且当目标数量和虚警数量较大时,运算量呈指数级增长。Mahler提出的基于随机有限集的MTT方法是将多目标跟踪问题转化为集值估计问题,用概率假设密度函数(Probability Hypothesis Density,PHD)描述目标的状态值和观测值,因此能够实现贝叶斯框架下的多目标状态估计。与数据关联类算法相比,可以避免状态和测量之间的显式关联,省去庞杂的数据关联计算,实效性显著提高,作为一种新兴的多目标跟踪方法,逐渐成为MTT领域中的研究热点。
PHD滤波器由于其迭代过程中涉及难以计算的集积分,通常情况下无法得到闭式解。为了得到闭式解,Vo等人先后提出两种主要近似方法,即序贯蒙特卡洛PHD(SequentialMonte Carlo PHD,SMC-PHD)滤波器和高斯混合PHD(Gaussian Mixture PHD,GM-PHD)滤波器。前者非线性拟合的特点使其适用于非线性非高斯环境,但SMC-PHD滤波器存在粒子退化和多目标状态提取难度大等弊端,又鉴于雷达多目标跟踪过程中对实时性能要求较高,当滤波器通过增加粒子数量提高多目标的跟踪精度时,会严重降低计算效率,并不利于工程实现。后者将目标的存在概率分布表示为高斯混合模型,概率密度函数的更新和预测可以通过对高斯混合参数的运算来完成,降低了计算负担,但GM-PHD滤波器只考虑了目标的直线运动和线性测量模型,在实际应用中,雷达等传感器获得的是测量方程中非线性的距离和角度信息,面对非线性模型,滤波器会出现目标状态或目标数目估计不准确的问题。
因此,为了兼顾实时性和跟踪精度,考虑对GM-PHD滤波器进行改进使其适用于非线性环境。在单目标滤波中,非线性贝叶斯滤波器的解析近似主要包括扩展卡尔曼滤波器(EKF)和不敏卡尔曼滤波器(UKF),故可以利用类似的方法,将GM-PHD推广到兼容非线性高斯运动模型和量测模型。类似于单目标情况,EKF-PHD滤波器通过泰勒级数展开实现非线性系统线性化,近似算法导致误差较大,仅能应用于可微非线性模型,且雅可比矩阵的计算冗长且易错。UKF-PHD滤波器采用无迹变化来处理均值和协方差的非线性传递问题,同时其无需对雅可比矩阵进行求导,没有忽略高阶项,因此对于非线性分布的统计量有较高的计算精度,算法简单且精度较高,更适合于雷达监视非线性场景。
全息凝视雷达回波中包含大量的特征信息,如距离、方位、幅度、信噪比、多普勒信息等。由于目标和杂波、目标和目标之间的某些特征信息不同,因而可以利用雷达回波中的某一种或某几种特征信息来区分目标和杂波以及不同的目标。利用特征信息可以对高斯分量的权值进行修正,从而大大降低杂波的权重,同时防止不同目标的合并,在杂波数较多和检测概率较低的场景中,有效提高雷达多目标的跟踪精度。并且在剪枝和合并步骤中,可以使用多普勒信息进一步消除杂波,减少迭代分量,提高实时性。
在基于随机有限集的多目标跟踪算法领域中,主要存在以下问题:
1、很少有关注利用雷达回波信息的多目标跟踪方法,多普勒、幅度、信噪比等特征信息没有被有效利用。
2、现有的基于特征辅助的GM-PHD滤波器只适用于高斯线性模型,跟踪非线性目标时跟踪误差较大。
3、现有的基于特征辅助的SMC-PHD滤波器需要大量粒子和额外的聚类操作来提取多目标状态估计,计算成本大,难以工程实现。
4、此类算法很少有在工程中实际应用,缺少实测数据的验证。
实现思路