CN109856629A - 基于霍夫变换的区域栅格化多特征关联并行航迹起始方法 - Google Patents

Abstract

本发明涉及一种基于霍夫变换的区域栅格化多特征关联并行航迹起始方法，其中包括：将雷达探测区域按照距离划分为多个相互重叠的小区域，对于每一个小区域，设定不同的参考周期数(参考周期数是指参与投票累积的有效周期个数)以及峰值提取门限，并以满足95％的期望目标能够完成有效积累为条件，采用蒙特卡洛仿真离线计算出霍夫变换量化间隔；将多个区域按照各自区域的参数采用霍夫变换的方法同时并行进行航迹起始；在将每次霍夫变换中遍历参数空间累积矩阵这一过程进行并行处理，根据计算资源将参数空间累积矩阵划分为多个大小相同的子矩阵，每个子矩阵分别进行并行处理。

Description

基于霍夫变换的区域栅格化多特征关联并行航迹起始方法

技术领域

本发明涉及一种基于霍夫变换的航迹起始方法。

背景技术

航迹起始是指未进入航迹维持阶段之前确立航迹的过程，是多目标跟踪的首要问题，直接影响着多目标跟踪的性能。常用的航迹起始方法可以分为顺序处理方法和批处理方法两种。霍夫变换作为一种典型的批处理方法，因其对局部缺损的不敏感、对随机噪声的鲁棒性以及适于并行处理、实时应用等优良特性，已成为当前航迹起始方法研究的热点。

二十世纪八十年代初，Smith和Winter首次将霍夫变换引入，作为一种有效的航迹起始方法。1994年，Carlson,Evans和Wilson等，从原理概念、积累方法以及起始效果等角度，详细分析了基于霍夫变换的起始方法在单搜索雷达中的应用。1998年，Yankowich在多目标多传感器航迹起始融合算法中使用了霍夫变换。

虽然前人已经做出了很多卓有成效的工作，但是霍夫变换在具体应用中还存在诸多问题。首先，目前还没有一种公认的有效的参数空间量化间隔的选取方法；其次，作为一种批处理方法，霍夫变换天然存在计算量、存储量巨大的缺陷，在实际应用中必须需要考虑实时性问题。

发明内容

本发明的目的在于提供一种基于霍夫变换的区域栅格化多特征关联并行航迹起始方法。

实现本发明目的的技术解决方案为：首先根据期望目标的最大速度v_max以及扫描周期Ts计算划分区域的最小距离跨度DivDis＝10*v_max*Ts，若计算出的DivDis小于预先设定好的最小距离跨度M，则取DivDis＝M。将雷达作用距离R内的探测区域划分为X个跨度为DivDis+δ_d的相互重叠的小区域，δ_d是重叠区域的距离跨度，对于每一个小区域，根据观测环境参考周期数T_aging(参考周期数是指参与投票累积的有效周期个数)以及峰值提取门限Thr，分别根据目标量测误差离线计算出霍夫变换最小量化间隔Δθ和Δρ。将这X个区域按照各自区域的参数采用霍夫变换的方法并行进行航迹起始。

对于基于霍夫变换的航迹起始方法本身，也进行并行处理。将参数空间累积矩阵划分为N个子矩阵，N由计算资源确定。每个子矩阵单独创建任务，多个子矩阵并行处理，任务的同步控制采用信号量+消息队列的方式实现。

本发明与现有技术相比，其显著优点为：

本发明将整个探测区域划分为多个小区域，对不同的区域采用不同的参考周期数T_aging和峰值提取门限Thr，可以兼顾快速起始与抑制虚假。由于在整个雷达观测区域内，杂波强弱不一，现有技术在整个区域内都采用相同的参考周期数T_aging和峰值提取门限Thr，若采用较高的T_aging与Thr，则在若杂波区域内不能实现快速起始，若采用较低的T_aging与Thr，在强杂波区域内又会导致虚假太多。本发明采用的分区方法，在强杂波区域内采用高门限以抑制虚假，在弱杂波区域内采用低门限实现快速起始。其次，现有技术中，在整个探测区域中，采取同一组量化间隔进行处理。由于雷达目标的量测误差是在极坐标系中观测到的，转换到直角坐标系中，必然出现近程误差范围小远程误差范围大。本发明在近程采用较小的量化间隔，远程采用较大的量化间隔，更加符合实际情况。

本发明在多区域并行的同时还对霍夫变换本身进行了并行处理，可以更加充分地利用计算资源，提高实时性。与现有技术相比，在相同的时间间隔内，可以处理更多的输入点迹，在强杂波环境下也可以做到实时处理。

附图说明

图1参数空间累积矩阵结构图。

图2子矩阵并行处理示意图。

具体实施方式

基于霍夫变换的区域栅格化多特征关联并行航迹起始方法按照如下步骤实现。

(1)区域划分：根据期望目标的最大速度v_max以及扫描周期Ts计算划分区域的最小距离跨度DivDis＝10*v_max*Ts，若计算出的DivDis小于预设的最小距离跨度M，则取DivDis＝M。将雷达作用距离R内的探测区域划分为X个跨度为DivDis+δ_d的相互重叠的小区域，δ_d是重叠区域的距离跨度，

(2)确定每个区域的参数：首先确定参考周期数T_aging和峰值提取门限Thr，若是有先验信息知道探测范围内的杂波强弱，按先验信息设置；若没有，按照40km以内的区域T_aging＝8，Thr＝7，40-80km以内的区域T_aging＝6，Thr＝5，80km以外的区域T_aging＝4，Thr＝3这样的方式取值。接着按照取定的T_aging和Thr，结合雷达分辨力，离线采用蒙特卡洛仿真的方式，计算每个区域的量化间隔Δθ和Δρ。Δθ和Δρ取仿真时使得95％的希望目标能够形成有效累积的最小量化间隔。这里所谓形成有效累积是指T_aging个周期的目标点迹能够在参数空间累积矩阵中的一个或多个量化单元内有Thr个以上的投票。

(3)参数设置与初始化：按照步骤2确定的参数设置各区域的参数。根据Δθ将参数空间参数θ∈(0°,180°)分成段(为了简单起见，设定的量化间隔Δθ应能整除180)，根据Δρ将参数空间参数ρ∈(r_min,r_max)分成段，建立参数空间累积矩阵 A及其每一个元素A(i,j)所包含的内容如图1所示，包含该量化单元的总投票数TotalVoteNum，以及一个长度等于参考周期数T_aging的投票信息FIFO队列投票信息队列的每一个元素Q_k包含相应历史投票数HisVoteNum(k)，点迹数组d(k)＝{d(k,g)}_{g＝1,2,…,HisVoteNum(k)}。量化单元的总投票数等于该量化单元投票信息队列所有元素投票数之和，即至此，初始化工作全部完成，下面的步骤均按照顺序在每个扇区交替执行。

(4)霍夫变换投票累积：记当前周期该区域内的所有输入为DOT＝{(x(doti),y(doti))}_{doti＝1,2,…,DotNum}(DotNum为当前周期的点迹总数)。对于任意点迹(x(doti),y(doti))，结合每一个θ_j＝j*Δθ，j＝1,2,…,N，可计算出根据每一个计算出来的i以其对应的j，令A(i,j)及A(i-1,j)、A(i+1,j)这三个量化单元的总投票数TotalVoteNum以及投票信息队列中的队尾元素Q_Taging的投票值HisVoteNum(Taging)加一，并将该点迹记录于Q_Taging的点迹信息数组中。

(5)遍历参数空间累积矩阵：每当扇区触发来临时，遍历参数空间累积矩阵。对于每个量化单元，若其投票值大于Thr，则视该单元为局部峰值。对于峰值提取出来的量化单元，生成候选航迹。使用直线拟合加上观测误差矩阵的方法剔除候选航迹中的虚假，将剔除后的结果视作当前周期的准航迹存在准航迹组中。对于这一步骤，可以采用图2所示方式实现N个子矩阵并行处理，N由计算资源确定。以PowerPC板为例，采用信号量结合消息队列的方式实现并行任务的同步控制。每个并行处理的任务都等待同一个信号量，由semflush函数同时激活所有的N个并行任务，实现任务的同步；每一个任务完成自身的处理之后，往消息队列里发送一个完成消息，继续等待信号量；待所有并行任务均完成后消息队列会收到N条完成消息，之后再进行后续的串行运算。

(6)航迹去重与扇区更新：待参数空间累积矩阵全部遍历完成后，准航迹组中重复的航迹删去，准航迹组中剩余的所有航迹作为起始结果输出。当前周期所有起始结果输出之后，将准航迹组清空。对于参数空间积累矩阵A中的任一元素A(i,j)，将其投票信息队列队首元素Q₁出队，更新总投票数TotalVoteNum＝TotalVoteNum-HisVoteNum(1)。按序将Q₂…Q_Taging赋值给Q₁…Q_Taging-1，将队尾元素Q_Taging的投票值置零，点迹数组清空。

Claims (2)

1.基于霍夫变换的区域栅格化多特征关联并行航迹起始方法，其特征在于：

S1：将雷达探测区域按照距离划分为个跨度为DivDis+δ_d的相互重叠的小区域，其中，R为雷达作用距离，DivDis＝max(10*v_max*Ts，M)，v_max、Ts、M分别是期望目标的最大速度、扫描周期以及预设的最小距离跨度，δ_d是重叠区域的距离跨度；

S2：对于每一个小区域，设定不同的参考周期数T_aging以及峰值提取门限Thr，其中参考周期数是指参与投票累积的有效周期个数，并以满足95％的期望目标能够完成有效积累为条件，采用蒙特卡洛仿真离线计算出霍夫变换量化间隔Δθ和Δρ；

S3：将这X个区域按照各自区域的参数采用霍夫变换的方法同时进行航迹起始。

2.根据权利要求1所述的基于霍夫变换的区域栅格化多特征关联并行航迹起始方法，其特征在于：在步骤S3中将每次霍夫变换中遍历参数空间累积矩阵这一过程进行并行处理：将参数空间累积矩阵划分为N个大小相同的子矩阵，每个子矩阵创建一个独立的任务单独处理，N由计算资源确定；每当扇区触发来临时，同时激活所有的N个并行任务，实现任务的同步；每一个任务完成自身的处理之后，向消息队列里发送一个完成消息，等待下一次激活；待所有并行任务均完成后消息队列会收到N条完成消息，之后再进行后续的串行处理。