基于稳定性度量的混合粒子滤波水声多目标跟踪方法及系统

本发明属于水声被动声纳信号处理及目标跟踪，具体涉及一种基于稳定性度量的混合粒子滤波水声多目标跟踪方法及系统。

背景技术：

1、水声被动声纳凭借其隐蔽性强、无主动发射信号的特点，成为水下目标探测与跟踪的核心技术手段，方位历程图（btr）是水声被动声纳从波束形成数据中提取目标方位、实现目标感知的核心载体。在复杂海洋环境下，基于方位历程图的水下多目标被动跟踪面临突出技术难题：一是海洋环境噪声非均匀、水下弱目标信噪比普遍偏低，目标信号易被杂波淹没，导致弱目标跟踪易中断、跟丢；二是多目标邻近场景下，量测交叉混叠严重，易引发量测与航迹的关联模糊，出现误关联、航迹混淆与漂移；三是被动跟踪仅能获取方位量测，系统可观测性弱，进一步放大了跟踪与关联的难度。

2、现有技术常将粒子滤波器（pf）与最近邻关联算法（nn）结合用于水声被动声纳目标跟踪，粒子滤波适配水下目标运动的非线性、非高斯特性，可完成目标状态估计；最近邻关联能实现量测与航迹的快速匹配。但传统静态融合方法存在显著缺陷：其一，航迹稳定性评估机制缺失，仅采用丢失帧数、检测概率等单一指标做二值判定，无融合运动学残差、信噪比一致性、环境复杂度的连续型多维评分，无法精细表征航迹置信度；其二，粒子滤波与最近邻关联为静态绑定模式，粒子滤波过程噪声强度固定不可调，目标机动时粒子群搜索范围不足易丢目标，稳定运动时粒子过度扩散导致跟踪精度下降、航迹粗糙；其三，多目标数据关联未引入优先级机制，关联时不区分航迹稳定性高低，易出现高置信度稳定航迹被低置信度航迹抢占有效量测的问题，杂波环境下跟踪鲁棒性差；其四，航迹生命周期管理不完善，缺乏航迹确认、消亡判定与空间去重的完整机制，易产生虚警航迹与冗余航迹。

3、因此，亟需一种面向水声被动声纳方位历程图、具备多维航迹稳定性度量、实现粒子滤波与最近邻关联动态协同、支持稳定性优先级关联的自适应跟踪方法，以解决非均匀杂波抑制、弱目标持续跟踪、多目标关联模糊等问题，提升复杂海洋环境下被动多目标跟踪的精度、鲁棒性与实时性，适配无人平台水下探测应用需求。

技术实现思路

1、（一）要解决的技术问题

2、本发明旨在解决水声被动声纳方位历程图中非均匀背景噪声下弱目标跟踪易中断、跟丢，以及多目标邻近场景下量测交叉混叠导致的关联模糊、航迹漂移等问题，同时克服现有技术中航迹稳定性评估不连续、粒子滤波过程噪声固定及多目标关联无优先级带来的跟踪鲁棒性差、航迹粗糙和虚警多发的缺陷。

3、（二）技术方案

4、为解决上述问题，本发明提出一种基于稳定性度量的混合粒子滤波水声多目标跟踪方法，其核心思想是：利用方位历程图的空间运动特性、目标信号能量统计一致性和环境杂波分布特征，构建融合运动学残差、信噪比一致性及环境熵的多维航迹稳定性评价模型，计算出连续的综合稳定性得分，以该得分驱动粒子滤波器过程噪声强度的自适应调节和基于稳定性优先级的数据关联，实现粒子滤波与最近邻关联的动态协同，并辅以完善的航迹全生命周期管理，最终在复杂水声环境下实现对弱目标的高鲁棒、高精度连续跟踪。

5、第一方面，本发明提供一种基于稳定性度量的混合粒子滤波水声多目标跟踪方法，如图1所示，包括以下步骤：

6、s1. 获取水声拖曳阵的波束形成方位谱数据，对数据进行全局归一化预处理，通过峰值检测提取目标量测索引，构建有效量测集合。该步骤通过对原始波束形成方位谱功率数据进行全局最大最小归一化，消除帧间幅值差异，再采用滑动窗口局部峰值检测算法，依据预设的峰值高度阈值和峰间距阈值提取量测索引，同时提取量测强度与对应的复数谱数据，构成有效量测集合，过滤无峰值的无效波束，降低后续关联跟踪计算量。

7、s2. 构建融合运动学残差、信噪比一致性及环境熵的多维稳定性评价模型，基于所述有效量测集合计算每条航迹的综合稳定性得分。所述多维稳定性评价模型分别计算残差得分、信号强度得分和关联熵得分；其中，残差得分基于量测值与航迹预测位置的统计残差和预设关联门限，通过高斯型函数映射得出，残差越小得分越高；信号强度得分通过当前目标信号强度与历史平均强度的比值评估信号能量稳定性，比值越接近1得分越高；关联熵得分基于航迹预测位置附近的量测点总数评估环境复杂度与关联歧义性，量测点越少得分越高。对上述三个得分进行加权求和，即得航迹的综合稳定性得分，三者权重分配为、、，得分越接近1表示航迹越稳定。

8、s3. 基于所述综合稳定性得分构建粒子滤波器与最近邻关联算法的动态协同跟踪机制，通过所述最近邻关联算法完成量测值与航迹的关联匹配，通过所述粒子滤波器完成目标状态估计，且利用所述综合稳定性得分自适应调节粒子滤波器的过程噪声强度，并建立基于稳定性优先级的级联数据关联策略。具体包括：

9、s31. 通过最近邻关联算法完成量测值与航迹的关联匹配：根据上一时刻的目标状态估计，利用匀速运动模型预测当前时刻各航迹的方位，计算量测值与航迹预测位置之间的统计残差；设立矩形关联门限，筛选出满足门限条件的候选量测值；采用欧氏距离最小化准则，从候选量测值中选择与航迹预测位置匹配的量测值；若出现多个航迹竞争同一量测值的情况，则依据综合稳定性得分从高到低进行优先级排序，高得分航迹优先匹配量测值，已匹配的量测值被标记为已使用，未匹配到量测值的航迹判定为丢标，并对其综合稳定性得分乘以衰减系数以降低评分。

10、s32. 通过粒子滤波器完成目标状态估计：将目标的方位角和方位变化率作为粒子状态向量，新航迹确认时在初始量测附近以高斯分布采样粒子完成初始化；采用匀速运动模型叠加过程噪声执行粒子预测步，且根据综合稳定性得分动态调整过程噪声强度，当综合稳定性得分高于预设阈值时，采用低过程噪声以保证航迹平滑，当低于预设阈值时，采用高过程噪声使粒子群扩散以捕捉机动目标，同时对超出线列阵物理边界的粒子执行镜像反射处理，确保粒子状态合法；在最近邻关联算法为航迹分配到量测值时，基于高斯分布的似然函数计算每个粒子的似然概率，完成粒子权重的更新与归一化；实时监测有效粒子数，当有效粒子数低于阈值时执行系统化重采样，剔除低权重粒子并复制高权重粒子；取粒子群的加权平均中心作为目标方位估计值，以粒子群标准差作为跟踪不确定性评估指标。

11、s4. 通过航迹管理模块执行航迹起始、航迹确认、失跟计数与粒子发散判定的航迹消亡以及空间排他性去重，实现航迹全生命周期管控。航迹起始为对未被现有航迹关联且满足空间排他性的量测值创建临时航迹；航迹确认采用m/n逻辑，例如在最近n帧内若临时航迹成功关联量测值的次数达到m次，则将其提升为稳定态航迹，抑制瞬时噪声引发的虚警；航迹消亡判定条件包括航迹连续未关联到量测值的帧数超过预设失跟计数阈值，或粒子群方位标准差超过预设发散阈值且持续多帧，满足任一条件即撤销航迹；空间排他性去重使得量测值在同一时刻仅能分配给一条航迹，新量测值若落在现有稳定态航迹的保护范围内则不予起始新航迹，防止多个滤波器锁定同一物理目标。

12、s5. 基于有效跟踪航迹的目标频谱数据，进行目标lofar谱、demon谱以及时域波形的特征提取，输出多目标实时跟踪航迹与量测集合结果，为后续目标识别与态势感知提供丰富特征信息。

13、第二方面，本发明提供一种基于稳定性度量的混合粒子滤波水声多目标跟踪系统，包括目标提取单元、稳定性评分单元、动态协同跟踪单元、航迹管理单元和特征提取与输出单元。

14、所述目标提取单元，被配置为获取水声拖曳阵的波束形成方位谱数据，对数据进行全局归一化预处理，通过峰值检测提取目标量测索引、信号强度及对应频谱数据，构建有效量测集合；

15、所述稳定性评分单元，被配置为构建融合运动学残差、信噪比一致性及环境熵的多维稳定性评价模型，基于所述量测值集合计算每条航迹的综合稳定性得分；

16、所述动态协同跟踪单元，被配置为基于所述综合稳定性得分构建粒子滤波器与最近邻关联算法的动态协同跟踪机制，通过最近邻关联算法完成量测值与航迹的关联匹配，通过粒子滤波器完成目标状态估计，且利用综合稳定性得分自适应调节粒子滤波器的过程噪声强度，并建立基于稳定性优先级的级联数据关联策略；

17、所述航迹管理单元，被配置为执行航迹起始、m/n逻辑航迹确认、失跟计数与粒子发散判定的航迹消亡以及空间排他性去重操作，实现航迹全生命周期管控；

18、所述特征提取与输出单元，被配置为基于有效跟踪航迹的目标频谱数据，完成目标lofar谱、demon谱以及时域波形的特征提取，输出多目标实时跟踪航迹与量测集合结果。

19、第三方面，本发明提供一种电子设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现第一方面中任一项所述的方法的步骤。同时，本发明提供一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现第一方面中任一项所述的方法的步骤。

20、（三）有益效果

21、相较于现有技术，本发明具有以下有益效果：

22、1．本发明通过构建融合运动学残差、信噪比一致性和环境熵的多维稳定性评价模型，对航迹置信度进行连续量化，能够精准区分稳定航迹与杂波虚警，显著提升非均匀噪声背景下弱目标跟踪的鲁棒性。

23、2．本发明利用综合稳定性得分动态调节粒子滤波的过程噪声强度，使稳定跟踪时航迹平滑、精度高，目标机动时粒子云扩散范围加大、响应快，同时兼顾了跟踪精度与机动自适应能力。

24、3．本发明建立基于稳定性优先级的级联数据关联策略，在多目标量测竞争时优先保障高置信度航迹的正确关联，有效抑制误关联和航迹漂移。

25、4．本发明提供完善的航迹生命周期管理机制，包括m/n逻辑航迹确认、双重判定航迹消亡及空间排他性去重，能够及时剔除虚警航迹和冗余航迹，保持航迹集的纯净性。

26、5．本发明在输出跟踪航迹的同时提取目标lofar谱、demon谱和时域波形等多维特征，为无人平台的后续目标识别与分类提供了直接可用的特征信息。