CN106249232B - 基于目标运动态势信息数据关联策略的目标跟踪方法 - Google Patents

Abstract

本发明公开了基于目标运动态势信息数据关联策略的目标跟踪方法，包括：步骤1，创建待选目标航迹；步骤2，对待选目标航迹进行跟踪处理，并根据目标起始条件建立合理的正式目标航迹；步骤3，利用卡尔曼滤波模型对跟踪目标和正式目标航迹进行滤波估计处理，得到航迹状态估计值。按船舶避碰雷达量测模型计算跟踪目标和正式目标的最小会遇距离点时间TCPA，将TCPA值与目标分离时间门限、目标接近时间门限和目标重叠时间门限进行比较，得到目标间所处的运动状态信息；步骤4：根据目标间所处的运动状态信息决定跟踪目标点迹航迹的关联策略和关联算法，最终得到跟踪目标与点迹的关联关系。

Description

基于目标运动态势信息数据关联策略的目标跟踪方法

技术领域

本发明属于雷达目标跟踪技术，尤其涉及基于目标运动态势信息数据关联策略的目标跟踪方法。

背景技术

数据关联过程是确定传感器接收到的量测信息和目标源对应关系的过程，贯穿于目标起始、目标维持和目标终结过程。目前，工程上常用的数据关联算法包括两大类，第一类是对最新量测集合进行研究，如Singer和Sea提出了最优邻近算法，其基本原理选择与目标预测位置最近的点迹作为关联点。当目标信噪比较高或者目标稀疏时，该算法跟踪效果较好。而低分辨雷达探测范围广，跟踪目标数量多。加之雷达分辨率低、方位测量精度差，目标极易呈现密集趋势或者目标回波重叠、目标追越、目标交叉现象。当目标处于目标密集区或者目标回波重叠场景下，基于单一位置信息的最优邻近算法目标跟踪效果较差。第二类数据关联算法是对当前时刻以前的所有量测集合进行研究，如Reid提出的多假设算法(MHT)。在目标密集区域，多假设算法利用后续多个扫描周期的量测数据，实现目标的稳定跟踪。Donald B.Reid采用多假设算法模拟仿真了两个目标回波重叠时的跟踪效果(AnAlgorithm for Tracking Multiple Target.IEEE Transctions on Automatic Control，Vol.AC-24，NO.6，December 1979.)。从理论上，多假设算法采用假设航迹分支的后验概率来解决密集区或者杂波区目标数据关联的模糊性。Masamichi Kojima证明多假设算法是一种解决复杂环境下的多目标数据关联准确度最优的算法(A Study of Target TrackingUsing Track-oriented Multiple Hypothesis Tracking.SICE，1998.5:29-31.)。但MHT算法所产生的假设航迹分支数目与虚警率、目标数和所处理的多个扫描周期数呈指数上升关系，因此算法的计算量和存储量都非常大，要实时地应用到对海雷达目标跟踪工程中仍然有一定难度。

发明内容

本发明的目的在于利用目标运动态势信息识别出目标所处环境，根据目标环境信息自适应采用不同的数据关联策略和数据关联算法，提高目标点迹航迹关联正确率，特别是改善多目标会遇、交叉等复杂场景中的跟踪能力。

实现本发明目的的技术解决方案为：基于目标运动态势信息数据关联策略的目标跟踪方法，步骤如下：

包括如下步骤：

步骤1，创建待选目标航迹：以跟踪目标为中心、r为半径的圆区域范围内的搜索点迹信息，搜索半径r与雷达天线周期有关。雷达天线周期越长，搜索半径越大。一般情况下可根据跟踪目标位置设置1～7Km即可。若点迹属于该区域，则利用该点迹创建待选目标航迹；否则不创建待选目标航迹；

步骤2，对待选目标航迹进行跟踪处理：在雷达检测周期内，若待选目标航迹满足目标航迹起始约束条件，则将待选目标航迹转为正式目标航迹，否则删除待选目标航迹；

步骤3，利用卡尔曼滤波模型对跟踪目标和正式目标航迹进行滤波估计处理，得到航迹状态估计值。按船舶避碰雷达量测模型计算跟踪目标和正式目标的最小会遇距离点时间TCPA(time to closest point of approach)，将TCPA值与目标分离时间门限、目标接近时间门限和目标重叠时间门限进行比较，得到跟踪目标和正式目标相互之间所处的运动状态信息，如分离、接近或重叠状态；

步骤4：根据跟踪目标和正式目标相互之间所处的运动状态信息决定跟踪目标点迹航迹的关联策略和关联算法，最终得到跟踪目标与点迹的关联关系，从而实现目标跟踪。

本发明步骤1中建立跟踪目标区域范围内的待选目标航迹步骤如下，假设跟踪目标A的距离、方位表示为s_A，w_A。以(s_A,w_A)为中心，r为半径确定区域范围。对于落入该区域范围内的点迹建立待选目标航迹。

本发明步骤2包括如下步骤：

步骤2-1，假设在t₁时刻创建了待选目标起始点，从t₂时刻开始，采用最优邻近算法对待选目标进行点迹航迹关联：

其中，z表示雷达探测值，S^-1为待选目标滤波新息协方差，d²(z)为新息加权范数，表示k时刻对k+1时刻目标预测状态的估计；

若d²(z)≤γ成立，则判定待选目标关联到有效点迹，否则，判定待选目标点迹丢失，γ为距离门限值。若待选目标关联到有效点迹，则记录待选目标关联点迹信息，待选目标关联点迹信息包括点迹径向距离g₁、点迹方位g₂、点迹能量g₃、点迹方位扩展g₄、点迹距离扩展g₅和点迹时间g₆，将所述待选目标关联点迹信息组成关联点迹特征向量G，如下式所示：

G＝[g₁ g₂ g₃ g₄ g₅ g₆]；

步骤2-2，依据卡尔曼滤波公式组，对待选目标的滤波状态和预测状态进行估计：

K(k)＝P(k|k-1)H'(k)[H(k)P(k|k-1)H'(k)+R_k]^-1

P(k|k-1)＝Φ(k|k-1)P(k-1|k-1)Φ'(k|k-1)+Q(k)

P(k|k)＝[I-K(k)H(k)]P(k|k-1)

其中，Z(k)表示k时刻传感器探测信息，Φ(k|k-1)表示k-1时刻到k时刻的状态转移矩阵，H(k)表示量测矩阵，U(k)表示输入控制项矩阵，u(k)表示已知输入或者控制信号，R(k)表示零均值、白色高斯量测噪声的协方差，Q(k)为零均值、白色高斯过程噪声的协方差，表示目标k时刻的状态向量，表示目标在k-1时刻对k时刻的预测，K(k)表示k时刻滤波增益，P(k|k)表示k时刻的协方差矩阵，P(k|k-1)表示预测协方差矩阵，I为单位矩阵，H'(k)为量测矩阵的转置矩阵，Φ'(k|k-1)为状态转移矩阵的转置矩阵。

步骤2-3，重复步骤2-1～步骤2-2，直至t_n时刻，N为雷达检测周期，假设待选目标在N个雷达检测周期内共有M个关联点迹，关联点迹序列表示为[G₁,G₂...,G_M]；

步骤2-4，根据如下公式计算待选目标相邻关联点迹径向距离变化率：

其中，g_i1表示第i个雷达扫描周期待选目标关联点迹的第一个特征，即点迹径向距离，g_j1表示第j个雷达扫描周期待选目标关联点迹的第一个特征，g_i6表示第i个雷达扫描周期待选目标关联点迹的第六个特征，即点迹时间，g_j6表示第j个雷达扫描周期待选目标关联点迹的第六个特征，i＝j+1，j＝1,2,...,M-1。如g₁₁表示第一个扫描周期目标关联点迹的第1个特征，g₂₁表示第二个扫描周期目标关联点迹的第1个特征。t_k+1-t_k表示v_k+1与v_k之间的时间差，v_k，v_k+1表示k，k+1时刻目标径向距离速度，k＝1,2,...,n-2，a_k表示径向距离变化率；

步骤2-5，根据如下公式计算待选目标相邻关联点迹的方位变化率：

Azi_k＝g_i2-g_j2，

Azi_k'＝Azi_k+1-Azi_k，

其中，g_i2和g_j2分别表示第i个雷达扫描周期目标关联点迹的方位值(即第二个特征)和第j个雷达扫描周期目标关联点迹的方位值，Azi_k表示第j个雷达扫描周期目标点迹方位变化值，Azi_k'表示方位变化率，

步骤2-6，根据步骤2-4和步骤2-5分别计算得到n个目标距离变化率值和方位变化率值，按如下公式计算径向距离变化率的均方根和方位变化率的均方根RMSE：

其中，X_i表示目标距离变化率或者方位变化率，是目标径向距离变化率均值或者方位变化率的均值；

步骤2-7，计算待选目标关联点迹的检测概率p：

步骤2-8，设目标径向距离变化率均方根门限为R_dG,目标方位变化率均方根门限为R_aG，目标检测概率门限为P_d。若待选目标相邻关联点迹的径向距离变化率的均方根RMSE_d、方位变化率的均方根RMSE_a和检测概率p均满足以下条件：

RMSE_d≤R_dG，

RMSE_d≤R_aG，

p≤P_d，

则将待选目标航迹转为正式目标航迹，并依据卡尔曼滤波模型维持目标跟踪，同时记录目标航迹跟踪过程中的关联点迹特征向量。

本发明步骤3包括如下步骤：

步骤3-1，根据步骤2-1～步骤2-7所述的方法，利用卡尔曼滤波模型对跟踪目标和正式目标航迹进行滤波估计处理，得到航迹状态距离、方位、航向和航速估计值。利用船舶避碰雷达量测模型、跟踪目标和正式目标的距离、方位、航向、航速，计算跟踪目标和正式目标的最小会遇距离点时间TCPA：建立平面坐标系XOY，Y轴为正北方向，设跟踪目标S₁位于坐标原点O并以航向d₁航速V₁匀速运动，跟踪目标周围检测出的正式目标S₂以航向d₂航速V₂匀速运动，T₁时刻，正式目标S₂相对跟踪目标S₁的位置为A点，相对距离为R，相对方位为θ，AA'为两目标相对航向，AA'与Y轴的夹角为φ_r，相对航速为V_r，采用如下公式计算φ_r和V_r：

t时刻后，计算正式目标S₂相对跟踪目标S₁的位移：

由ΔX和ΔY计算出正式目标S₂相对跟踪目标S₁在t时刻后的距离R(t)和方位θ(t)：

其中，X_t0和Y_t0分别表示t时刻正式目标S₂的起始位置横坐标和t时刻正式目标S₂的起始位置纵坐标，ΔX和ΔY分别表示目标S₂在t时刻内X方向运动的位置和Y方向运动的位置，在实际工程应用中，通过t时刻雷达对目标S₂的探测，可获得位置信息R(t)和θ(t)。通过如下公式计算跟踪目标和正式目标的最小会遇距离点时间TCPA：

TCPA＝R(t)|cos(φ_r-θ(t))|/V_r，

步骤3-2，设GT₁为目标回波重叠时间，GT₂为目标回波接近时间。若TCPA绝对值小于GT₁，则判定跟踪目标与正式目标为会遇状态；若TCPA绝对值大于GT₁小于GT₂，则判定跟踪目标与正式目标为接近状态；若TCPA绝对值大于GT₂，则判定跟踪目标与正式目标为分离状态。

本发明步骤4包括如下步骤：

步骤4-1，若跟踪目标和目标处于分离状态，则采用最优邻近算法对跟踪目标进行数据关联；

步骤4-2，若跟踪目标和正式目标处于接近或者重叠状态，判断跟踪目标和正式目标是否关联到公共点迹。若跟踪目标和正式目标分别关联到不同的点迹，则按正常跟踪处理；若跟踪目标和正式目标关联点迹为公共点迹，则判断下述条件是否同时成立：

其中，和分别表示跟踪目标关联点迹的能量均值和正式目标关联点迹的能量均值，和分别表示跟踪目标关联点迹的回波方位扩展均值和正式目标关联点迹的回波方位扩展均值，E_d为雷达可探测到的公共点迹能量值，l_d为雷达可探测到的公共点迹方位扩展值。α，β为比例系数，取值范围分别为0.7≤α≤1和0.7≤β≤1。G_E为能量误差门限，G_l为方位扩展误差门限，如果条件同时成立，则点迹是跟踪目标和正式目标回波重叠点迹，点迹不分配给跟踪目标和正式目标，目标分别进行外推处理；如果条件不成立，则点迹来源于跟踪目标或者正式目标，按如下公式计算Δ_A和Δ_B：

Δ_A表示公共点迹的能量与跟踪目标能量均值的相似性，Δ_B表示公共点迹的能量与正式目标能量均值的相似性，若Δ_A≤Δ_B，点迹为跟踪目标关联点迹，若Δ_A≥Δ_B，点迹为正式目标关联点迹。

本发明步骤4-1中，当跟踪目标和正式目标处于分离状态时，采用最优邻近算法进行数据关联。设跟踪目标关联点迹能量特征集合为{E₁,E₂,...,E_n}，回波方位扩展特征集合为{l₁,l₂,...,l_n}，n为跟踪目标关联点迹的计数值。正式目标关联点迹能量特征集合为{E'₁,E₂',...,E_m'}，回波方位扩展特征集合为{l₁',l₂',...,l_m'}。m为正式目标关联点迹的计数值。点迹能量特征和方位扩展特征可采用成熟的点迹提取技术实现，即利用目标回波在方位、距离上的连续性进行点迹凝聚，得到目标方位扩展特征。能量特征通过将参与积累的方位距离对应的能量进行求和获得。

通过如下公式计算跟踪目标关联点迹的能量均值和正式目标关联点迹的能量均值

通过如下公式计算跟踪目标关联点迹的回波方位扩展均值和正式目标关联点迹的回波方位扩展均值

有益效果：本发明与现有技术相比，其显著优点：(1)目标数据关联过程中，不仅考虑到跟踪目标本身的状态估计，还考虑到跟踪目标周围的环境信息，建立了跟踪目标与周围其它目标之间的运动态势关系，实现了多种数据关联算法的自适应切换。(2)采用目标间态势信息判断出目标处于会遇、交叉等复杂跟踪场景时，结合点迹多元特征信息辅助数据关联算法，降低了基于单一位置信息关联导致的关联错误率。(3)与多假设算法相比，基于目标运动态势信息的数据关联策略方法的计算量、存储量较小，适合工程应用。

附图说明

下面结合附图和具体实施方式对本发明做更进一步的具体说明，本发明的上述和/或其他方面的优点将会变得更加清楚。

图1为创建待选目标示意图。

图2为待选目标转正式目标处理流程图。

图3为船舶避碰雷达量测模型。

图4为目标运动态势判断处理流程图。

图5为TCPA运动态势判断说明图。

图6为多目标追越跟踪示意图。

图7为多目标追越跟踪过程中跟踪目标态势变化曲线图。

图8为多目标交叉跟踪示意图。

图9为多目标交叉跟踪过程中跟踪目标态势变化曲线图。

具体实施方式

第一步，结合图1说明待选目标航迹创建过程。以跟踪目标A为中心，r为半径的圆区域范围内的搜索点迹信息。其中，搜索半径r与雷达天线周期有关。雷达天线周期越长，搜索半径越大。一般情况下可根据跟踪目标位置设置1～7Km即可。若点迹落入该区域，则创建待选目标航迹；否则，不创建待选目标航迹。(雷达探测目标过程中，易受到杂波、目标等因素影响，同一时刻会在跟踪目标波门内出现多个点迹。图1中两个t1时刻的意义是在相同时刻内，目标波门内同时出现了两个点迹，两个点迹时间一致。同理，t3时刻也出现两个点迹。)

第二步，对跟踪目标A区域范围内的待选目标航迹进行跟踪处理。在若干检测周期内，若待选目标满足目标航迹起始条件，则将待选目标转为正式目标航迹B，否则删除待选目标航迹，具体如下所述。

(2-1)：t₁时刻已创建了待选目标起始点。从t₂时刻开始，利用最优邻近算法公式对待选目标进行点迹航迹关联。其中，z表示雷达探测值，S^-1为待选目标滤波新息协方差，d²(z)为新息加权范数。

若d²(z)≤γ成立，则待选目标关联到有效点迹，否则，待选目标点迹丢失。γ为距离门限值。若待选目标关联到点迹，则记录待选目标关联点迹信息。待选目标关联点迹信息主要由六部分组成：点迹径向距离g₁、点迹方位g₂、点迹能量g₃、点迹方位扩展g₄、点迹距离扩展g₅，点迹时间g₆，组成关联点迹特征向量G，如式所示。

G＝[g₁ g₂ g₃ g₄ g₅ g₆]

(2-2)：待选目标数据关联处理完毕之后，依据卡尔曼滤波公式组，对待选目标的滤波状态、预测状态进行估计。

K(k)＝P(k|k-1)H'(k)[H(k)P(k|k-1)H'(k)+R_k]^-1

P(k|k-1)＝Φ(k|k-1)P(k-1|k-1)Φ'(k|k-1)+Q(k)

P(k|k)＝[I-K(k)H(k)]P(k|k-1)

(2-3)：重复(2-1)～(2-2)步骤直至t_N时刻，N为检测周期。考虑到雷达虚警概率和保证待选目标有效关联点迹样本数，N一般取5～7。

(2-4)：结合图2说明待选目标判断为正式目标的过程。假设待选目标在N个雷达探测周期内关联点迹序列可表示为[G₁,G₂...,G_M]，M为待选目标关联点迹个数，G_i为点迹特征向量。

(2-4-1)：按公式计算待选目标相邻点迹径向距离变化率。

式中g_ij表示第i个雷达扫描周期目标关联点迹的第j个特征，i＝j+1，j＝1,2,...,m-1。v_k，v_k+1表示k，k+1时刻目标径向距离速度，k＝1,2,...,n-2，t_k+1-t_k为v_k+1与v_k之间的时间差，a_k为目标径向距离变化率值。

(2-4-2)：按公式计算待选目标相邻点迹的方位变化率。

Azi_k＝g_i2-g_j2,i＝j+1

Azi_k'＝Azi_k+1-Azi_k

g_ij表示第i个雷达扫描周期目标关联点迹的第j个特征，Azi_k'为方位变化率。

(2-4-3)：计算待选目标径向距离变化率和方位变化率的均方根值。

式中X_i表示目标径向距离变化率值或者方位变化率值，是目标径向距离变化率均值或者方位变化率的均值，

(2-4-4)：计算待选目标点迹的检测概率。

若待选目标径向距离变化率均方根、方位变化率均方根和点迹检测概率均满足以下目标航迹起始约束条件：

RMSE_d≤R_dG

RMSE_d≤R_aG

p≤P_d

则待选目标转为正式目标航迹。并依据卡尔曼滤波模型维持目标跟踪，同时记录目标跟踪过程中的关联点迹特征向量。

第三步：结合图3说明，利用船舶避碰雷达量测模型计算跟踪目标A和目标B的最小会遇距离点时间(TCPA)方法。平面坐标系XOY中，Y轴为正北方向。设跟踪目标S₁位于坐标原点，以航向d₁航速V₁匀速运动。跟踪目标周围检测出的目标S₂以航向d₂航速V₂匀速运动。T₁时刻，S₂相对S₁的位置为A点，相对距离为R，相对方位θ。AA'为两目标相对航向，与Y轴的夹角为φ_r，相对航速为V_r。由几何关系可计算出φ_r和V_r，

t时刻后，计算目标S₂相对目标S₁的位移，

由ΔX，ΔY推导出S₂相对S₁距离和方位，

式中，X_t0和Y_t0为t时刻正式目标S₂的起始位置，ΔX和ΔY分别表示目标S₂在t时刻内X方向和Y方向运动的位置。在实际工程应用中，可通过t时刻雷达对目标S₂的探测获得位置信息R(t)和θ(t)。由相对距离和方位，按公式计算TCPA，

TCPA＝R(t)|cos(φ_r-θ(t))|/V_r

结合图4说明依据TCPA值判断跟踪目标A与其周围目标B之间的运动态势流程图。GT₁为目标回波重叠时间，GT₂为目标回波接近时间。结合图5具体说明目标态势判断过程。设GT₁＝20，GT₂＝40。若TCPA绝对值小于GT₁，则跟踪目标A与目标B判断为会遇状态；若TCPA绝对值大于GT₁小于GT₂，则跟踪目标A与目标B判断为接近状态；若TCPA绝对值大于GT₂，则跟踪目标A与目标B判断为分离状态。一般情况，依据雷达周期设置GT₁和GT₂。本发明在工程应用中GT₁设置为1分钟，GT₂设置为5分钟。结合图6说明多目标追越跟踪过程中跟踪目标态势曲线图的变化，图7为追越目标0009批的态势曲线变化图。当跟踪目标0009批的TCPA大于GT₁时，跟踪目标0009态势曲线为分离状态。在雷达第10至35扫描周期内，跟踪目标0009批与正式目标回波未分离，0009批跟踪目标TCPA值小于GT₁时，态势曲线保持会遇状态。当雷达在第36个扫描周期时，跟踪目标完成追越过程。0009批跟踪目标和正式目标态势曲线重新更新为分离状态。结合图8说明多目标交叉跟踪过程中跟踪目标态势曲线图的变化，图9为交叉目标0015批的态势曲线变化图。当跟踪目标0015批的TCPA大于GT₁时，跟踪目标0015批态势曲线为分离状态。当跟踪目标0015批和正式目标0018批回波接近时，TCPA值计算结果介入GT₁和GT₂之间，跟踪目标0015批态势曲线显示为接近状态。雷达第57至77扫描周期内，跟踪目标0015和正式目标0018批回波重叠，TCPA值计算结果小于GT₁，跟踪目标0015批态势曲线为会遇状态。随着雷达扫描和目标运动，跟踪目标和正式目标回波逐渐分离，跟踪目标0015的态势曲线显示由会遇，变为接近，最终变为分离状态。

第四步，根据目标运动态势信息决定跟踪目标A点迹航迹的关联策略和关联算法。若跟踪目标A与其周围目标B处于分离状态，则说明跟踪目标A和目标B不会出现会遇或者交叉场景。跟踪目标A按最优邻近算法进行数据关联。若跟踪目标A与其周围目标B处于接近或者重叠状态时，可能出现两种点迹关联情况。第一种，目标各自关联不同的点迹；第二种，目标关联相同的点迹。对于第一种情况，无需考虑点迹特征。第二种情况需考虑点迹特征。假设跟踪目标A点迹能量特征集合为{E₁,E₂,...,E_n}，方位扩展特征集合为{l₁,l₂,...,l_n}，n为跟踪目标关联点迹的计数值。目标B点迹能量特征集合为{E'₁,E₂',...,E_m'}，方位扩展特征集合为{l₁',l₂',...,l_m'}，m为跟踪目标关联点迹的计数值。

(4-1)：按公式分别计算目标A、目标B关联点迹的能量均值，

(4-2)：按公式分别计算目标A、目标B关联点迹的回波方位扩展均值。

(4-3)：将公共点迹能量E_d、方位扩展l_d分别与跟踪目标A、目标B能量均值 方位扩展均值行比较。若满足下列条件，说明公共点迹是两目标回波重叠点迹，则公共点迹不分配给目标A、目标B，两目标外推处理。否则，按第四步处理。式中G_E为能量门限，G_l为能量门限。一般情况，根据雷达探测的目标能量和方位扩展进行设置G_E和G_l。

(4-4)：计算下列等式。

若Δ_A≤Δ_B，点迹为跟踪目标A关联点迹。若Δ_A≥Δ_B，点迹为目标B关联点迹。多元特征数据关联方法处理完毕。

尽管本发明就优选实施方式进行了示意和描述，但本领域的技术人员应当理解，只要不超出本发明的权利要求所限定的范围，可以对本发明进行各种变化和修改。

Claims (4)

1.基于目标运动态势信息数据关联策略的目标跟踪方法，其特征在于，包括如下步骤：

步骤1，创建待选目标航迹：在以跟踪目标为中心、r为半径的圆区域范围内搜索点迹信息，若点迹属于该区域，则利用该点迹创建待选目标航迹；否则不创建待选目标航迹；

步骤2，对待选目标航迹进行跟踪处理：在雷达检测周期内，若待选目标航迹满足目标航迹起始约束条件，则将待选目标航迹转为正式目标航迹，否则删除待选目标航迹；

步骤3，利用卡尔曼滤波模型对跟踪目标和正式目标航迹进行滤波估计处理，按船舶避碰雷达量测模型计算跟踪目标和正式目标的最小会遇距离点时间TCPA，将TCPA值与目标分离时间门限、目标接近时间门限和目标重叠时间门限进行比较，得到跟踪目标和正式目标相互之间所处的运动状态信息；

步骤4：根据跟踪目标和正式目标相互之间所处的运动状态信息决定跟踪目标点迹航迹的关联策略和关联算法，最终得到跟踪目标与点迹的关联关系，从而实现目标跟踪；

步骤2包括如下步骤：

步骤2-1，假设在t₁时刻创建了待选目标起始点，从t₂时刻开始，采用最优邻近算法对待选目标进行点迹航迹关联：

其中，z表示雷达探测值，S^-1为待选目标滤波新息协方差，d²(z)为新息加权范数，表示k时刻对k+1时刻目标预测状态的估计；

若d²(z)≤γ成立，则判定待选目标关联到有效点迹，否则，判定待选目标点迹丢失，γ为距离门限值，若待选目标关联到有效点迹，则记录待选目标关联点迹信息，待选目标关联点迹信息包括点迹径向距离g₁、点迹方位g₂、点迹能量g₃、点迹方位扩展g₄、点迹距离扩展g₅和点迹时间g₆，将所述待选目标关联点迹信息组成关联点迹特征向量G，如下式所示：

G＝[g₁ g₂ g₃ g₄ g₅ g₆]；

步骤2-2，依据卡尔曼滤波公式，对待选目标的滤波状态和预测状态进行估计：

K(k)＝P(k|k-1)H'(k)[H(k)P(k|k-1)H'(k)+R(k)]^-1

P(k|k-1)＝Φ(k|k-1)P(k-1|k-1)Φ'(k|k-1)+Q(k)

P(k|k)＝[I-K(k)H(k)]P(k|k-1)

其中，Z(k)表示k时刻传感器探测目标的坐标位置信息，Φ(k|k-1)表示k-1时刻到k时刻目标运动状态转移矩阵，H(k)表示目标量测矩阵，U(k)表示输入控制项矩阵，u(k)表示已知输入或者控制信号，R(k)表示零均值、白色高斯量测噪声的协方差，Q(k)为零均值、白色高斯过程噪声的协方差，表示目标k时刻的状态估计向量，表示k-1时刻对k时刻的目标状态预测，K(k)表示k时刻滤波增益，P(k|k)表示k时刻的协方差矩阵，P(k|k-1)表示预测协方差矩阵，I为单位矩阵，H'(k)为目标量测矩阵的转置矩阵，Φ'(k|k-1)为状态转移矩阵的转置矩阵；

步骤2-3，重复步骤2-1～步骤2-2，直至t_N时刻，N为雷达检测周期，假设待选目标在N个雷达检测周期内共有M个关联点迹，关联点迹序列表示为[G₁,G₂...G_M]；

步骤2-4，根据如下公式计算待选目标相邻关联点迹径向距离变化率：

其中，g_i1表示第i个雷达扫描周期待选目标关联点迹的第一个特征，即点迹径向距离，g_j1表示第j个雷达扫描周期待选目标关联点迹的第一个特征，g_i6表示第i个雷达扫描周期待选目标关联点迹的第六个特征，即点迹时间，g_j6表示第j个雷达扫描周期待选目标关联点迹的第六个特征，i＝j+1，j＝1,2,...,M-1，t_k+1-t_k表示v_k+1与v_k之间的时间差，v_k表示k时刻目标径向距离速度，k＝1,2,...,n-2，a_k表示目标径向距离变化率；

步骤2-5，根据如下公式计算待选目标相邻关联点迹的方位变化率：

Azi_k＝g_i2-g_j2，

Azi_k'＝Azi_k+1-Azi_k，

其中，g_i2和g_j2分别表示第i个雷达扫描周期目标关联点迹的方位值和第j个雷达扫描周期目标关联点迹的方位值，Azi_k表示第j个雷达扫描周期目标点迹方位变化值，Azi_k'表示方位变化率；

步骤2-6，根据步骤2-4和步骤2-5分别计算得到n个目标距离变化率值和方位变化率值，按如下公式计算径向距离变化率的均方根和方位变化率的均方根RMSE：

其中，X_i表示目标距离变化率或者方位变化率，是目标径向距离变化率均值或者方位变化率的均值；

步骤2-7，计算待选目标关联点迹的检测概率p：

步骤2-8，设目标径向距离变化率均方根门限为R_dG，目标方位变化率均方根门限为R_aG，目标检测概率门限为P_d，若待选目标相邻关联点迹的径向距离变化率的均方根RMSE_d、方位变化率的均方根RMSE_a和检测概率p均满足以下条件：

RMSE_d≤R_dG，

RMSE_d≤R_aG，

p≤P_d，

则将待选目标航迹转为正式目标航迹，并依据卡尔曼滤波模型维持目标跟踪，同时记录目标航迹跟踪过程中的关联点迹特征向量。

2.根据权利要求1所述的方法，其特征在于，步骤3包括如下步骤：

步骤3-1，利用船舶避碰雷达量测模型计算跟踪目标和正式目标的最小会遇距离点时间TCPA：建立平面坐标系XOY，Y轴为正北方向，设跟踪目标S₁位于坐标原点O并以航向d₁航速V₁匀速运动，跟踪目标周围检测出的正式目标S₂以航向d₂航速V₂匀速运动，T₁时刻，正式目标S₂相对跟踪目标S₁的位置为A点，相对距离为R，相对方位为θ，AA'为两目标相对航向，AA'与Y轴的夹角为φ_r，相对航速为V_r，采用如下公式计算φ_r和V_r：

t时刻后，计算正式目标S₂相对跟踪目标S₁的位移：

由ΔX和ΔY计算出正式目标S₂相对跟踪目标S₁在t时刻后的距离R(t)和方位θ(t)：

其中，X_t0和Y_t0分别表示t时刻正式目标S₂的起始位置横坐标和t时刻正式目标S₂的起始位置纵坐标，ΔX和ΔY分别表示目标S₂在t时刻内X方向运动的位置和Y方向运动的位置，通过如下公式计算跟踪目标和正式目标的最小会遇距离点时间TCPA：

TCPA＝R(t)|cos(φ_r-θ(t))|/V_r；

步骤3-2，设GT₁为目标回波重叠时间，GT₂为目标回波接近时间，若TCPA绝对值小于GT₁，则判定跟踪目标与正式目标为会遇状态；若TCPA绝对值大于GT₁小于GT₂，则判定跟踪目标与正式目标为接近状态；若TCPA绝对值大于GT₂，则判定跟踪目标与正式目标为分离状态。

3.根据权利要求2所述的方法，其特征在于，步骤4包括如下步骤：

步骤4-1，若跟踪目标和目标处于分离状态，则采用最优邻近算法对跟踪目标进行数据关联；

步骤4-2，若跟踪目标和正式目标处于接近或者重叠状态，则需判断跟踪目标和正式目标是否关联到公共点迹，若跟踪目标和正式目标分别关联到不同的点迹，则按正常跟踪处理；若跟踪目标和正式目标关联点迹为公共点迹，则判断下述条件是否同时成立：

其中，和分别表示跟踪目标关联点迹的能量均值和正式目标关联点迹的能量均值，和分别表示跟踪目标关联点迹的回波方位扩展均值和正式目标关联点迹的回波方位扩展均值，E_d为雷达可探测到的公共点迹能量值，l_d为雷达可探测到的公共点迹方位扩展值，α和β为比例系数，G_E为能量误差门限，G_l为方位扩展误差门限，如果条件同时成立，则点迹是跟踪目标和正式目标回波重叠点迹，点迹不分配给跟踪目标和正式目标，目标分别进行外推处理；如果条件不成立，则点迹来源于跟踪目标或者正式目标，按如下公式计算Δ_A和Δ_B：

Δ_A表示公共点迹的能量与跟踪目标能量均值的相似性，Δ_B表示公共点迹的能量与正式目标能量均值的相似性，若Δ_A≤Δ_B，点迹为跟踪目标关联点迹，若Δ_A＞Δ_B，点迹为正式目标关联点迹。

4.根据权利要求3所述的方法，其特征在于，步骤4-1中，当跟踪目标和正式目标处于分离状态时，采用最优邻近算法进行数据关联，设跟踪目标关联点迹能量特征集合为{E₁,E₂,...,E_n}，回波方位扩展特征集合为{l₁,l₂,...,l_n}，n为跟踪目标关联点迹的计数值，正式目标关联点迹能量特征集合为{E'₁,E₂',...,E_m'}，回波方位扩展特征集合为{l₁',l₂',...,l_m'}，m为正式目标关联点迹的计数值，利用目标回波在方位、距离上的连续性进行点迹凝聚，得到目标方位扩展特征，能量特征通过将参与积累的方位距离对应的能量进行求和获得，

通过如下公式计算跟踪目标关联点迹的能量均值和正式目标关联点迹的能量均值

通过如下公式计算跟踪目标关联点迹的回波方位扩展均值和正式目标关联点迹的回波方位扩展均值