雷达数据处理及应用（第四版） 课件 第7章 多目标数据互联算法1

于洪波雷达数据处理及应用雷达数据处理及应用

第7章多目标数据互联算法

最近邻域滤波器(NNSF)是1971年Singer等人提出来的，它把落在相关波门内并且与被跟踪目标的预测位置“最近邻”的观测点迹作为关联点迹。一、最近邻域法

统计距离定义为新息向量的加权范数（归一化新息的平方），即1最近邻域标准滤波器（NNSF）在最近邻域标准滤波器(NNSF)中，使新息加权范数达到极小的量测，即满足条件的量测，被用于在滤波器中对目标状态进行更新。xy●z1z2z3●●●z4z5唯一性。计算量小，易于实现，适用于信噪比高、目标密度小的环境。抗干扰能力差，对虚假点迹敏感，波门中心的误差严重影响其关联效果，在目标密度较大的容易产生关联错误。最近邻域滤波器特点最近邻域滤波器改进算法K近邻域（K-NN）关联算法修正的K近邻域（MK-NN）算法模糊的K近邻域航迹关联算法

T.L.Song等人2005年在SignalProcessing上提出概率最近邻域法，PNNF算法同样采用波门内最近邻量测用作更新，但该方法在NNSF的基础上，还考虑最近邻量测来自虚警的可能性以及波门内无回波的情况，从而修改了相应的状态误差协方差更新式。其定义了三种事件：1）波门内没有有效量测(M0)；2）最近邻量测来源于目标(MT)；3）最近邻量测来源于虚警(MF)。2概率最近邻域法(PNNF)状态更新：

1）M0事件发生时，

2）事件发生时，

其中：β1为最近邻量测源于目标的概率。β0=1-β1Z(k)表示k时刻落入某个目标相关波门内的候选回波集合，Zk表示直到k时刻的确认量测的累积集合，即

定义事件

{在k时刻没有源于目标的量测}{zi(k)是源于目标的量测}，i=1,2,…,mk二、概率数据互联算法●z1z2z3●●●z4z5第i个量测zi(k)源于目标的条件概率为由于这些事件是互斥的，并且是穷举的，所以利用贝叶斯准则

（一)、互联概率计算概率数据互联依据的3个基本假设虚假量测在跟踪门(Vk)中服从均匀分布；②正确量测服从高斯分布；③在每一个采样周期至多有一个真实量测，这个事件发生的概率为PD。若第i个量测zi(k)是源于目标的正确量测，则其概率密度函数为

k时刻量测Z(k)的联合概率密度所有量测均来自杂波事件θi的条件概率为是虚假测量数(杂波点)的概率质量函数(PMF)

。概率质量函数1.参数模型该模型的概率质量函数为具有参数λVk的泊松函数

其中：λ是虚假测量的空间密度(即单位面积的虚假测量数)，Vk是确认区域的体积，则λVk是确认门内的虚假测量数。

2.非参数模型该模型的概率质量函数为事件θi的条件概率为令λ＝mk/Vk，非参数模型可直接从泊松模型中得到。杂波服从泊松分布时事件θi的条件概率为定义则k时刻目标状态估计为：

其中

若波门内没有源于目标的正确量测，此时状态更新值要用预测值来代替(二)、状态估计更新和协方差更新目标状态更新方程为其中：组合信息为更新状态估计对应的误差协方差为：其中(7.19)(7.27)(7.18)(三)、仿真举例某雷达对一海面目标进行跟踪，现经过修正的3/4逻辑法已完成航迹起始，且其完成航迹起始时刻的目标状态估计值和相应的估计协方差为量测噪声W(k)为具有协方差阵R的零均值高斯白噪声，且R中各元素为：R11=R22=200m2，R12=R21=0。假定目标的检测概率PD=1，门概率PG=0.9997，单位面积虚假量测数λ=0.00002。过程噪声，其中v(k)的方差为量测方程为

其中量测噪声W(k)为具有协方差阵R的零均值高斯白噪声，且R11=R22=200m2，R12=R21=0。由量测维数nz

和门概率PG=0.9997查表5.2可得参数γ=16。

虚假量测是在以正确量测为中心的正方形内均匀产生的，正方形面积为A=nc/λ≈10AV，其中λ是单位面积虚假量测数，λ=0.0004，为虚假测量总数，其中INT[x]表示取不大于x的最大整数。

AV为两维量测确认区域的面积当nz=1,2,3时，分别为2、π和4π/3。Av=3.4468e+004→2.0931e+004138→

84

在A≈10AV的面积内，这么大量的虚假量测实际落入AV内的虚假测量数是近似服从泊松分布。第i个虚假测量的位置为

其中：RND表示均匀分布的随机数

式中(xk,yk)为正确量测的位置，

在t=10s处将杂波引入到系统中，假定目标的检测概率PD=1。

利用获得的目标位置测量值，用两点