欢迎来到知嘟嘟! 联系电话:13336804447 卖家免费入驻,海量在线求购! 卖家免费入驻,海量在线求购!
知嘟嘟
我要发布
联系电话:13336804447
知嘟嘟经纪人
收藏
专利号: 2025101090677
申请人: 桂林电子科技大学
专利类型:发明专利
专利状态:已下证
专利领域: 测量;测试
更新日期:2026-11-16
缴费截止日期: 暂无
价格&联系人
年费信息
委托购买

摘要:

权利要求书:

1.一种用于雷达微弱目标的检测前跟踪方法,其特征在于,包括下列步骤:

步骤1:将目标集合建模为随机有限集,并采用点扩散函数生成量测,得到目标状态模型和量测模型;

步骤2:在计算目标状态和量测噪声协方差的联合概率密度的过程中,引入高斯逆伽马混合分布对联合概率密度进行建模,并采用变分贝叶斯方法近似求解联合后验概率密度的可分离近似解;

步骤3:基于目标状态模型和量测模型,进行基于变分贝叶斯的信息交换多伯努利后验线性化滤波检测前跟踪算法的高斯逆伽马混合实现的预测步骤,得到k时刻的目标预测状态;

步骤4:进行基于变分贝叶斯的信息交换多伯努利后验线性化滤波检测前跟踪算法的高斯逆伽马混合实现的更新步骤,并在更新过程中执行信息交换,即每个伯努利分量使用其他伯努利分量共享的预测状态信息执行更新,得到k时刻的目标更新状态;

步骤5:对目标进行修剪合并,并根据目标存在概率进行状态提取。

2.如权利要求1所述的用于雷达微弱目标的检测前跟踪方法,其特征在于,

在步骤1中,假设在k=1,…,K时刻有Mk个目标在观测区域内运动,并用一个随机有限集表示为其中F(X)为目标状态的所有有限子集;

k时刻第l=1,…,Mk个目标的离散运动方程可表示为其中为目标l的状态向量,和分别表示目标l的位置,速度和强度,Fk表示目标的状态转移矩阵,表示过程噪声,其服从均值向量为0、协方差矩阵为Qk的高斯分布;

红外传感器提供观测区域的二维图像序列,每幅图像包含N×M个分辨单元,每一个分辨单元对应一个Δx×Δy的矩形区域,第(i,j)个分辨单元对应的观察区为iΔx×jΔy,i=1,…,N,j=1,…,M;以T为间隔记录测量图像,在第k时刻第(i,j)个分辨单元的观测强度可表示为其中C表示目标影响扩散区域,表示第(i,j)个分辨单元的背景噪声,其服从均值向量为0、方差为(σ(i,j))2的高斯分布,且在帧间、分辨单元间相互独立,表示k时刻第l个目标对于第(i,j)个分辨单元的贡献强度,采用点扩散函数的形式其中∑通常表示已知的模糊系数,且k时刻的量测可表示为以NM×1列向量形式表示zk,即则对应的

3.如权利要求2所述的用于雷达微弱目标的检测前跟踪方法,其特征在于,

在步骤2计算目标状态和量测噪声协方差的联合概率密度的过程中,引入高斯逆伽马混合分布对其进行建模,并采用变分贝叶斯方法近似求解联合后验概率密度的可分离近似解。

4.如权利要求3所述的用于雷达微弱目标的检测前跟踪方法,其特征在于,

在步骤3中,假设k-1时刻的联合后验概率密度用多伯努利参数集表示为和分别表示第i个伯努利分量的存在概率和空间概率密度;预测联合概率密度用多伯努利参数集表示为其中和分别表示存活目标和新生目标的多伯努利参数集,Mk-1和MΓ,k分别表示存活目标和新生目标的伯努利分量个数,预测的伯努利分量总数目为Mk|k-1=Mk-1+MΓ,k。

5.如权利要求4所述的用于雷达微弱目标的检测前跟踪方法,其特征在于,

在步骤4中,假设k时刻的预测联合概率密度用多伯努利参数集表示为当给定k时刻的量测zk,则更新后的联合后验概率密度函数用多伯努利参数集近似表示为在更新过程中,每个伯努利分量使用其他伯努利分量共享的预测状态信息来计算预测量测值和新息协方差矩阵进而根据量测zk执行更新。

6.如权利要求5所述的用于雷达微弱目标的检测前跟踪方法,其特征在于,

在步骤5中,设置修剪门限为T,记为修剪后的目标集;设置合并门限为U,记为合并后的目标集;设置目标状态提取门限为ε,提取存在概率大于ε的目标状态估计。