阅读说明：本技术 基于循环阈值距离分割的群目标跟踪方法 (Group target tracking method based on cycle threshold distance segmentation ) 是由 修建娟 董凯 董云龙 徐从安 丁自然 王萌 于 2020-12-08 设计创作，主要内容包括：本发明公开了一种基于循环阈值距离分割的群目标跟踪方法,该技术属于群目标跟踪技术领域。空间目标群具有空域分布范围小、密集性高、可分性差、目标间相对运动速度低等特点,为了在早期以有限雷达资源解决密集目标连续稳定跟踪问题,本发明在利用距离阈值对群目标测量数据进行分割的基础上,利用循环距离阈值对群边缘目标进行分群判断,补充满足门限要求的目标测量数据到相应目标群内,完成群分割,并计算群分割后相应的群中心位置数据和相应的协方差矩阵,并把这些群中心数据作为测量值进行群关联和群跟踪,通过空间密集目标的群跟踪提升雷达系统对空间多目标的跟踪能力,避免因目标数量超出数据处理中心处理极限而出现跟踪饱和等问题。(The invention discloses a group target tracking method based on cycle threshold distance segmentation, and belongs to the technical field of group target tracking. The space target group has the characteristics of small spatial distribution range, high density, poor separability, low relative movement speed between targets and the like, and in order to solve the problem of continuous and stable tracking of the dense targets by using limited radar resources in the early stage, the invention divides group target measurement data by using a distance threshold, performs grouping judgment on group edge targets by using a circulating distance threshold, supplements target measurement data meeting the threshold requirement into corresponding target groups, completes group division, calculates corresponding group center position data and corresponding covariance matrixes after group division, performs group association and group tracking by using the group center data as measurement values, improves the tracking capability of a radar system on the space multiple targets through the group tracking of the space dense targets, and avoids the problems of tracking saturation and the like caused by the fact that the number of the targets exceeds the processing limit of a data processing center.)

基于循环阈值距离分割的群目标跟踪方法

技术领域

本发明属于群跟踪技术领域，适用于复杂密集目标环境下群目标跟踪系统。

背景技术

空间目标群具有空域分布范围小、密集性高、目标间相对运动速度低等特点，导致目标在相对较长一段时间处于“团状”状态，密集目标环境下的多目标跟踪可采用边关联边跟踪的方法，即先利用概率数据关联、多假设等方法解决测量数据的配对问题，然后利用配对成功的数据进行状态更新解决目标跟踪问题，但该类方法在目标密集性比较高的场合下普遍存在关联正确率偏低的问题，为了提升关联正确率就必须提高算法的复杂程度，这又很难满足速度很快的空间密集目标跟踪的实时性要求。如何在早期以有限的雷达资源解决密集目标环境下的“团状”目标连续稳定跟踪问题，不仅是实现空间密集目标高精度实时跟踪的关键所在，也是提升雷达系统的空间多目标跟踪能力，避免因目标数量超出数据处理中心处理极限而出现跟踪饱和等问题的难点所在。

发明内容

本发明的目的在于提供一种基于循环阈值距离分割的群目标跟踪方法，旨在通过群分割、群关联和群跟踪在保证空间密集目标跟踪精度的同时，提高空间密集目标的数据处理能力和处理速度。

本发明所述的基于循环阈值距离分割的群目标跟踪关联方法，是指在利用距离阈值对群目标测量数据进行分割的基础上，利用循环距离阈值对群边缘目标进行分群判断，补充满足门限要求的目标测量数据到相应目标群内，完成群分割，并计算群分割后相应的群中心数据，把这些群中心数据作为测量值进行群关联，并利用关联成功的群中心数据由两点差分法或三点差分法进行状态和协方差的初始化，然后采用Kalman滤波或自适应滤波方法对群目标进行跟踪。

本发明可有效解决大量距离靠近、可分性差、运动特征差异不明显的高速目标所构成空间目标群的早期连续稳定跟踪问题，提升雷达系统的空间多目标跟踪能力和跟踪精度，避免由于目标数据超过系统所能够处理的最大目标数量，导致雷达系统处于过载状态，无法完成对所有目标的跟踪。

附图说明

图1是基于循环阈值距离分割的群目标跟踪方法流程图。

具体实施方式

本发明的具体实施方式分以下几个步骤：

步骤1：设立分群指示，初始时刻第一个群目标的分群指示设为1，其余为0；

步骤2：设置距离门限，以第一个目标测量数据为中心进行群分割，得到群目标1，具体如下：

设某时刻(k时刻)所获得的测量数据集合为这里m_k为k时刻所获得的测量数据数量，z_i(k)为k时刻所获得的第i个测量数据，且

式中和分别表示k时刻雷达测得的第i个目标的径向距离、方位角和俯仰角测量数据；

以k时刻测量数据集合Z(k)中的第1个目标测量数据z₁(k)＝[x_1k,y_1k,z_1k]′为中心，上标′表示转置，以d₀为群门限阈值建立波门，若k时刻的第i个测量数据z_i(k)满足

则判断测量数据z_i(k)和z₁(k)属于同一个群，并将该群目标集合记为

其中阈值d₀根据实际环境中目标密集程度、雷达测量精度来具体设置；

落在以第1个目标测量数据z₁(k)为中心的群门限d₀外的测量数据集合记为

步骤3：以群目标1中第一个目标测量数据除外的其余测量数据为中心进行循环距离阈值分割，满足阈值门限要求的测量数据补充到群目标1中，具体为：

以第一个群目标集合中z₁(k)除外的其他数据z_l(k),l≠1为中心，判断集合Ψ_k中的元素z_j(k)是否满足d(z_j(k),z_l(k))≤d₀，如果满足，则将数据z_j(k)仍然赋到第一个群目标集合中，并将该元素从集合Ψ_k中去除，完成第一个群目标的分割；

步骤4：计算获得的群目标1的群中心位置数据和对应的协方差，具体为：

其中：m₁为第一个群目标集合中的测量数据的数量，R_i(k)是和集合中的测量数据z_i(k)相对应的协方差矩阵，上标-1表示矩阵求逆，且

式中和分别表示雷达径向距离、方位角和俯仰角测量误差的方差，而

步骤5：判断是否有目标落在群目标1之外，即判断集合Ψ_k中的元素是否多于1个，如果多于1个，则第二个群目标的分群指示变为1，重复步骤2-步骤4对集合Ψ_k中的数据进行群目标2的分割和群中心估计，并依此类推进行后续目标群的分割和群中心估计。

步骤6：以分割后获得的群中心数据作为测量值进行群目标关联和群目标跟踪，即以群中心数据和Rⁱ(k)(i＝1,2，…)作为测量数据，采用全局最近邻方法进行群数据关联，并用关联成功后的群中心数据由两点差分法或三点差分法进行状态和协方差的初始化，然后采用Kalman滤波或自适应滤波方法对群目标进行跟踪。