一种基于最优群特征参数辅助的密集目标检测方法

    公开(公告)号:CN118604768A

    公开(公告)日:2024-09-06

    申请号:CN202410805699.2

    申请日:2024-06-21

    IPC分类号: G01S7/41 G01S13/66 G01S13/88

    摘要: 本发明公开了一种基于最优群特征参数辅助的密集目标检测算法;可用于集群目标检测跟踪处理流程,可有效利用群特征参数辅助确定检测器的最优参数,减少了现有技术手段对集群目标进行检测时产生的漏检。本发明首先根据当前时刻的集群目标量测确定该时刻的集群状态集合,基于随机矩阵法相关模型预测下一时刻的集群状态集合,然后利用下一时刻的集群状态集合计算集群目标在雷达波束中心方向上的投影长度,并依此计算参考窗内集群目标所占的平均参考单元数目,最后利用平均参考单元数目计算确定下一时刻的检测参数;本发明利用实测数据验证了其有效性,克服了现有技术手段中未能有效利用集群目标空间分布先验统计知识的弊端,提升集群目标的检测概率。

    一种基于最小描述长度准则的群目标数量估计方法

    公开(公告)号:CN118604769A

    公开(公告)日:2024-09-06

    申请号:CN202410805701.6

    申请日:2024-06-21

    IPC分类号: G01S7/41 G01S13/66

    摘要: 本发明公开了一种基于最小描述长度准则的群目标数量估计方法;该发明可用于群目标探测中的个体目标数目估计,可准确、实时地完成监测空间内的目标数目判决,避免了传统超分辨算法需要增加传感器资源这一弊端;本发明首先对监测空间中的多个目标进行多角度观测使得每次观测下的方向增益矢量不相干,得到非相干观测矩阵。对非相干观测矩阵求取协方差,对协方差矩阵进行特征分解得到特征值,基于最小描述长度准则自适应从特征值中提取主特征值数目,即为目标数目;本发明利用实测数据验证了其有效性,不需要额外增加传感器资源,具有低运算复杂度和自适应性,能够满足实际应用中的需求。

    一种基于群辅助信息的概率假设密度滤波方法

    公开(公告)号:CN117518150A

    公开(公告)日:2024-02-06

    申请号:CN202311616408.7

    申请日:2023-11-29

    IPC分类号: G01S13/66 G01S7/41

    摘要: 本发明提出了一种基于群辅助信息的概率假设密度滤波方法,首先采用大空域扫描雷达得到群目标整体滤波状态估计,将群整体滤波信息传递给窄脉冲跟踪雷达;窄脉冲跟踪雷达对群目标所在区域进行截获,将截获量测与群整体引导信息进行关联,确认截获区域;窄脉冲跟踪雷达根据群整体运动信息设置多目标状态预测强度、目标虚假量测强度、新生目标强度与目标消亡概率,完成滤波参数设置,基于概率假设密度滤波方法实现多目标状态估计。本发明可用于群目标跟踪领域的多目标跟踪滤波,可准确、鲁棒地实现多目标状态估计;本发明利用实测数据验证了其有效性,能够准确地实现多目标的状态滤波。