专利汇可以提供一种弱目标检测和跟踪方法专利检索,专利查询,专利分析的服务。并且本 发明 公开了一种弱目标检测和 跟踪 方法,基于加权动态规划和卡尔曼滤波的弱目标检测和跟踪方法,利用 传感器 获得的多 帧 数据使用动态规划 算法 进行 能量 积累,并选取能量最大的路径作为预测航迹,解决了采用穷举法所带来的巨大的计算量问题。进行能量积累时,采用加权函数进行加权处理,结合卡尔曼滤波的给出预测值确定加权函数的零点 位置 。采用加权函数和卡尔曼滤波处理后的动态规划算法可以有效解决传统动态规划算法中的能量扩散问题,从而提高航迹建立的准确性。,下面是一种弱目标检测和跟踪方法专利的具体信息内容。
1.一种弱目标检测和跟踪方法,其特征在于,
获取k时刻回波信号中的每个分辨单元的测量值,根据该时刻的所有测量值,得到回波时刻的目标状态信息;
初始化k=1时刻的值函数和目标状态信息,其中值函数表示回波信号积累的数值;
根据初始化的值函数和目标状态信息更新k=2时的值函数和目标状态信息;
根据k=2时的值函数更新k=3时的目标状态信息,利用k=3时的目标状态信息和k=2时的目标状态信息计算k=2时的目标的运动速度;
在k=3时,通过上一时刻的值函数更新当前时刻的目标状态信息,通过上一时刻的目标状态信息得到该上一时刻的位置信息,采用卡尔曼滤波和方向加权的方法对上一时刻得到的目标的运动速度以及位置信息进行处理,更新当前时刻的值函数;
在k≥4时执行递推公式,直到末帧数据处理完毕,递推公式步骤依次为:更新当前时刻的目标状态信息的记录、估算上一时刻的目标运动速度、根据目标状态信息和上一时刻的目标运动速度进行卡尔曼滤波和方向加权、更新下一时刻的目标状态信息的搜索范围、更新当前时刻的值函数。
对值函数进行阈值截取,得到所有满足预先设定的阈值条件的 (表示的含义请补充);
对所述 利用目标状态信息的记录,进行航迹回溯,得到第k时刻所获得的航迹。
2.根据权利要求1所述的弱目标检测和跟踪方法,其特征在于,所述测量值表示为:
其中,sij(k)表示目标回波信号,nij(k)表示随机噪声信号,所述噪声信号服从标准正态分布,且对不同的时刻k,随机噪声信号nij(k)独立同分布,已被检测出来的目标状态信息表示为xk=(x,y),其包含了该目标的位置,xk=(x,y)是对zij(k)经信号处理后获得的位置信息,将其表示为xk=F(zij(k)),i和j分别表示分辨单元的位置坐标
3.根据权利要求2所述的弱目标检测和跟踪方法,其特征在于,所述初始化k=1时刻的值函数和目标状态信息分别表示为:
q(x1)=0,
其中 表示空集。
4.根据权利要求3所述的弱目标检测和跟踪方法,其特征在于,k=2时,更新值函数:q(x2)=max[q(x1)]+zij(2),然后更新目标状态信息:R(2)=argmax[q(x1)]。
5.根据权利要求4所述的弱目标检测和跟踪方法,其特征在于,k=3时,先更新目标状态信息:
R(3)=argmax[q(x2)]
并结合上一时刻目标状态信息估计k=2时目标的运动速度:
其中,vx2表示k=2时x方向的速度,vy2表示k=2时y方向的速度。x(·)表示取出·的x坐标,y(·)表示取出·的y坐标,T时表示两帧之间的时间间隔。
6.根据权利要求5所述的弱目标检测和跟踪方法,其特征在于,在k=3时,执行卡尔曼滤波算法,预测k=3时目标位置:
P(2)=E(4)
其中,X2表示初始状态量,P(2)初始协方差矩阵,E(4)表示4阶单位矩阵,A表示状态转移矩阵,B表示外部控制矩阵,T表示矩阵转置,J表示外部控制量, 表示k=3时的协方差矩阵预测值,Q表示过程噪声协方差矩阵,S表示新息,H表示观测矩阵,R表示观测噪声协方差矩阵,K表示增益, 表示估计的k=3时刻预测的目标的运动速度和位置信息,其中x'(x3)、y'(x3)、vx'3、vy'3为x(x3)、y(x3)、vx3的预测值。
更新方向加权函数的零点位置,其中方向加权函数为:
更新状态信息的搜索范围D:
D={x|vminT<|x-x2|<vmaxT},所述vmax和vmin为目标运动的最大速度和最小速度,x表示搜索区域D中所有待检测的目标位置,x2表示k=2时已确定的目标位置;
更新k=3时刻的值函数:
q(x3)=max[w(θ)q(x2)]+zij(3)
其中F(zij(3))∈D。
7.根据权利要求6所述的弱目标检测和跟踪方法,其特征在于,当k≥4时,循环执行以下步骤,直到末帧数据处理完毕:
(1)更新k时刻状态信息的记录:
R(k)=argmax[q(xk-1)]
其中,q(xk-1)表示上一时刻的值函数;
(2)估算速度:
(3)对当前时刻的目标状态信息的记录进行卡尔曼滤波:
其中,X(k-1)表示k-1时刻的状态量, 表示k-1时刻的目标状态信息预测值,P(k-
1)表示k-1时刻协方差矩阵, 表示k-1时刻的协方差矩阵预测值,E(4)表示4阶单位矩阵,A表示状态转移矩阵,B表示外部控制矩阵,T表示矩阵转置,J表示外部控制量, 表示k时刻的协方差矩阵预测值,Q表示过程噪声协方差矩阵,S表示新息,H表示观测矩阵,R表示观测噪声协方差矩阵,K表示增益, 表示k时刻的状态预测值,
表示k-1时刻的观测值;
(4)方向加权:
其中θ为预测方位与(x(xk-1),y(xk-1))、(x'(xk),y'(xk))两点连线的夹角。
(5)更新下一次状态信息的搜索范围:
D={x|vminT<|x-xk-1|<vmaxT}
(6)更新值函数:
q(xk)=max[w(θ)q(xk-1)]+zij(k)
其中zij(k)∈D。
8.根据权利要求7所述的弱目标检测和跟踪方法,其特征在于,进行阈值截取,得到所有满足下面条件的第M时刻的状态
其中V为依据一定条件设定的阈值,M为总帧数。
9.根据权利要求8所述的弱目标检测和跟踪方法,其特征在于,将第M帧中所有满足条件的 利用状态信息的记录,进行航迹回溯,其中将第k时刻所获得的航迹记为Tk,有:
其中: k=M-1,M-2,...,1。
标题 | 发布/更新时间 | 阅读量 |
---|---|---|
天线及信号处理装置 | 2020-05-08 | 994 |
一种基于代数拓扑的任务态脑电信号分析方法 | 2020-05-08 | 599 |
车载应答器验证存车线上查询器的装置和方法 | 2020-05-08 | 816 |
基于电流检测控制重合闸的电源管理系统及检测控制方法 | 2020-05-08 | 703 |
一种通信系统时钟分配管理电路 | 2020-05-08 | 642 |
高精度定位的航标 | 2020-05-08 | 750 |
一种信号处理装置及天线设备 | 2020-05-08 | 912 |
一种河道清淤工程的监测系统 | 2020-05-11 | 619 |
一种变电站高压室设备状态在线监测系统 | 2020-05-11 | 275 |
一种大尺度复合材料应变空间高密度监测系统 | 2020-05-11 | 375 |
高效检索全球专利专利汇是专利免费检索,专利查询,专利分析-国家发明专利查询检索分析平台,是提供专利分析,专利查询,专利检索等数据服务功能的知识产权数据服务商。
我们的产品包含105个国家的1.26亿组数据,免费查、免费专利分析。
专利汇分析报告产品可以对行业情报数据进行梳理分析,涉及维度包括行业专利基本状况分析、地域分析、技术分析、发明人分析、申请人分析、专利权人分析、失效分析、核心专利分析、法律分析、研发重点分析、企业专利处境分析、技术处境分析、专利寿命分析、企业定位分析、引证分析等超过60个分析角度,系统通过AI智能系统对图表进行解读,只需1分钟,一键生成行业专利分析报告。