本發(fā)明屬于水下目標跟蹤，具體涉及一種基于核均值嵌入置信傳播的水下多目標跟蹤方法。

背景技術：

1、水下目標被動跟蹤是海洋探測的重要環(huán)節(jié)。水下目標被動跟蹤通過被動接收被觀測目標的方位角信息，在確保自身安全的條件下實現(xiàn)靜默跟蹤，與主動跟蹤相比具有良好的隱蔽性。同時探測平臺不需要裝備大功率發(fā)射天線，極大降低了成本。隨著海洋資源勘察、領海安全監(jiān)控等軍民需求的急劇增長，開展水下目標被動跟蹤的理論與應用研究對于滿足人民需要和保障國家安全等具有重要的科學意義和應用價值。復雜海洋環(huán)境下水下目標被動跟蹤技術是海洋探測的重要手段，具有重要研究意義。由于系統(tǒng)固有的不完全可觀性和強非線性，水下目標被動跟蹤面臨著虛假航跡多、跟蹤精度低等難題?；诤司登度?kme)置信傳播的水下多目標被動跟蹤技術研究，能提高水下被動探測系統(tǒng)的跟蹤精度與航跡質(zhì)量，為我國近海防御系統(tǒng)的性能提升提供技術支撐，對建設海洋強國具有重要的研究意義。

技術實現(xiàn)思路

1、本發(fā)明提出一種基于核均值嵌入置信傳播的水下多目標被動跟蹤方法，降低水下目標被動跟蹤的虛假航跡率，改善水下探測跟蹤質(zhì)量，增強水下目標被動跟蹤系統(tǒng)的可擴展性，為我國近海水下探測系統(tǒng)的性能提升提供技術支撐。

2、本發(fā)明提供了一種基于核均值嵌入置信傳播的水下多目標跟蹤方法，其包括以下步驟：

3、步驟一、初始化核粒子m為核粒子的數(shù)量；

4、步驟二、對上一時刻n-1的訓練后核粒子進行預測，并將預測后的核粒子映射到再生核希爾伯特空間，獲取核粒子的特征映射集合φn,k；

5、步驟三、根據(jù)當前時刻n的特征映射集合φn,k和傳感器的測量結果，利用核均值嵌入獲取被測目標k在當前時刻n的預測狀態(tài)xn|n-1,k和預測協(xié)方差pn|n-1,k；根據(jù)預測狀態(tài)xn|n-1,k和預測協(xié)方差pn|n-1,k獲取被測目標k在當前時刻n的后驗狀態(tài)xn|n,k和后驗協(xié)方差pn|n,k的表達式為：

6、

7、其中，為協(xié)方差更新信息；為狀態(tài)更新信息；s＝1,2,...,s；s為傳感器的數(shù)量；

8、步驟四、計算被測目標k的存活概率，并判斷是否終結對被測目標k的跟蹤；

9、步驟五、使用航跡積分距離構建關聯(lián)最優(yōu)化目標函數(shù)并求解；將不同傳感器對同一被測目標獲取的航跡進行關聯(lián)并分配全局航跡標簽；使用偽測量交叉構建融合最優(yōu)化目標函數(shù)并求解，直至全局航跡狀態(tài)與偽測量均值的誤差小于誤差閾值h，獲取融合后的全局航跡；

10、步驟六、重復步驟二至五，獲取不同被測目標在不同時刻的全局航跡。

11、作為優(yōu)選，所述的步驟三中，獲取協(xié)方差更新信息和狀態(tài)更新信息的方法如下：

12、3-1.在基于核均值嵌入的高斯假設下，獲取被測目標k在當前時刻n的預測狀態(tài)xn|n-1,k和預測協(xié)方差pn|n-1,k如下：

13、

14、pn|n-1,k＝fpn-1|n-1,kft+gqn-1,kgt

15、其中，f為狀態(tài)轉移矩陣；為被測目標k在上一時刻n-1的后驗狀態(tài)；g為噪聲驅動矩陣；qn-1,k為過程噪聲矩陣；pn-1|n-1,k為被測目標k在上一時刻n-1的后驗協(xié)方差；

16、3-2.根據(jù)因子圖的傳遞規(guī)則，獲取傳感器s的測量評價消息

17、3-3.對所有測量結果進行迭代，根據(jù)測量評價消息以及面向被測目標的關聯(lián)向量和面向測量結果的關聯(lián)向量獲取每次迭代過程中bp內(nèi)部消息迭代循環(huán)的結果直至達到預設迭代次數(shù)p；其中，p＝1,2,...,p；根據(jù)獲取數(shù)據(jù)關聯(lián)信息

18、3-4.根據(jù)數(shù)據(jù)關聯(lián)信息獲取當前時刻n的狀態(tài)更新信息和協(xié)方差更新信息為：

19、

20、其中，為當前時刻n訓練后粒子核權向量；為雅各比矩陣；為被測目標k對測量結果z更新后的協(xié)方差矩陣。

21、作為優(yōu)選，所述的步驟五中，構建的關聯(lián)最優(yōu)化目標函數(shù)f(b)的表達式為：

22、

23、其中，為全局航跡；l為本地航跡；s為傳感器的數(shù)量；為全局航跡集合；為最大航跡數(shù)；ιrl為本地航跡的關聯(lián)符號；b為所有本地航跡關聯(lián)符號ιrl的關聯(lián)矩陣；sc和sd為不相等的傳感器序列；lc和ld為不相等的本地航跡序列；d為航跡積分距離；d'為缺關聯(lián)代價；為廣義克羅內(nèi)克δ函數(shù)；t為傳感器的本地航跡數(shù)。

24、作為優(yōu)選，所述的步驟五中，所述的融合最優(yōu)化目標函數(shù)為其中為全局航跡狀態(tài)與偽測量均值之間的誤差，其表達式為：

25、

26、其中，h為方位測量方程；為傳感器s的自身狀態(tài)；為被測目標狀態(tài)；為偽測量均值；為偽測量的協(xié)方差矩陣。

27、作為優(yōu)選，所述的步驟三中，傳感器s的測量評價消息的表達式為：

28、

29、其中，為傳感器s在當前時刻n的測量結果；為傳感器s在當前時刻n的測量方程；為雅各比矩陣；r(s)為傳感器s的測量噪聲；為面向被測目標的關聯(lián)向量；為第s個傳感器在n時刻的測量結果數(shù)量；為高斯分布。

30、作為優(yōu)選，所述的步驟三中，bp內(nèi)部消息迭代循環(huán)的結果的表達式為：

31、

32、其中，k為被測目標的數(shù)量；ψ為目標排除指示函數(shù)；k'為與k不相同的被測目標標簽；為內(nèi)部迭代信息；

33、數(shù)據(jù)關聯(lián)信息的表達式為：

34、

35、作為優(yōu)選，所述的初始化核粒子的表達式為：

36、

37、其中，xo和yo分別為傳感器初始橫縱坐標；r為距離隨機數(shù)，r∈[rmin,rmax]；v為速度隨機數(shù)，v∈[vmin,vmax]；β為航向角隨機數(shù)，β∈[0,2π]；θ為被測目標方位角；rmin和rmax分別為被測目標與傳感器距離的最小值和最大值；vmin和vmax分別為被測目標速度的最大值和最小值。

38、作為優(yōu)選，所述的步驟二中，預測后的核粒子的表達式為：

39、

40、其中，fk(·,·)為狀態(tài)轉移方程；為高斯噪聲。

41、作為優(yōu)選，所述的步驟二中，核粒子的特征映射集合φn,k通過多項式核函數(shù)獲取。

42、作為優(yōu)選，所述的步驟四中，判斷是否終結對被測目標k的跟蹤的依據(jù)為：

43、建立跟蹤維持假設h1和跟蹤終結假設h0，分別計算兩種假設的似然函數(shù)p1k和p0k，似然函數(shù)p1k和p0k的表達式為：

44、

45、其中，ma為檢測數(shù)；ka為掃描數(shù)；pd和pf分別為檢測概率和虛警概率；

46、以兩種假設的似然比函數(shù)作為被測目標k的存活概率uk，并設置相應的兩種門限分別為c1和c2；

47、1)當uk≥c2,接受假設h1，跟蹤維持；

48、2)當uk≤c1,接受假設h0，跟蹤終結；

49、3)當c1<uk<c2,繼續(xù)檢驗。

50、本發(fā)明具有的有益效果是：

51、1、本發(fā)明采用核均值嵌入方法，通過少量核粒子逼近目標狀態(tài)的概率密度函數(shù)，以較低的計算復雜度克服系統(tǒng)不完全可觀問題，將被動跟蹤低維測量空間的強非線性問題轉化為高維特征空間的線性問題，解決了水下多目標測量函數(shù)強非線性，目標狀態(tài)不完全可觀問題，提高水下被動跟蹤的跟蹤精度。

52、2、本發(fā)明通過高斯假設下的核均值置信傳播方法，使用高斯分布的均值和協(xié)方差傳遞因子圖中節(jié)點間的消息，并利用高斯分布的協(xié)方差獲取更準確的狀態(tài)估計，克服了傳統(tǒng)bp算法在使用隨機粒子或高斯混合密度來近似概率密度分布而導致計算復雜度過高的問題，以較低的計算復雜度處理測量與目標的匹配問題，大幅改善了系統(tǒng)的可擴展性。

53、3、本發(fā)明通過將航跡關聯(lián)問題轉換為最優(yōu)問題求解，并輸出全局航跡標簽；再將節(jié)點估計的局部航跡狀態(tài)轉換為相對于傳感器的偽測量，利用交叉定位估計目標位置，通過最小化代價函數(shù)進行最優(yōu)化分布式融合，有效緩解傳統(tǒng)交叉定位融合產(chǎn)生鬼點并形成虛假航跡的問題，提高跟蹤精度。