CN103047982A - 基于角度信息的目标自适应跟踪方法 - Google Patents

Abstract

基于角度信息的目标自适应跟踪方法，属于侦察系统中慢速运动目标跟踪技术领域。它解决了现有侦察系统中采用被动传感器探测远端目标，跟踪精度低，进而无法分辨目标为固定目标或是运动目标的问题。它采用电子支援系统实时采集目标的角度值，再对目标进行交叉定位，得到目标初始定位位置，再通过求重心的方法确定目标的初始位置估计值；根据目标的初始位置估计值及实时角度估计值采用迭代滤波的方法对目标进行跟踪，获得目标的平均速度和加速度，将目标的平均速度和加速度与预设定的目标平均速度阈值和加速度阈值分别对比，然后确定目标类型，再根据目标类型实现对目标的自适应跟踪。本发明适用于侦察系统中对目标的跟踪。

Description

基于角度信息的目标自适应跟踪方法

技术领域

本发明涉及基于角度信息的目标自适应跟踪方法，属于侦察系统中慢速运动目标跟踪技术领域。

背景技术

现代战争中，侦察系统为了提高自身的隐蔽性通常采用被动传感器如声纳、电子支援系统(Electronic Support System，ESM)获取远端目标辐射源和方位信息，由于目标距离较远，而被动传感器的角度分辨率较低，探测精度较差，无法对固定目标和运动目标进行分辨。目前国内外对固定和运动目标的分辨以成像为基础，这种方法需要成本高昂的传感器以及较高复杂度成像算法，不利于工程应用推广。

发明内容

本发明是为了解决现有侦察系统中采用被动传感器探测远端目标，跟踪精度低，进而无法分辨目标为固定目标或是运动目标的的问题，提供了一种基于角度信息的目标自适应跟踪方法。

本发明所述基于角度信息的目标自适应跟踪方法，它包括以下步骤：

步骤一：采用电子支援系统实时采集目标的角度值θ(k)，其中k为正整数，为预定时间间隔对目标的采样顺序数，然后对获得的目标的角度值θ(k)进行滤波，并进行野值剔除，获得目标实时角度估计值

步骤二：采用步骤一中获得的实时角度估计值

对目标进行交叉定位，得到目标初始定位位置，再通过求重心的方法确定目标的初始位置估计值；

步骤三：根据目标的初始位置估计值及实时角度估计值采用迭代滤波的方法对目标进行跟踪，获得目标的平均速度和加速度，将目标的平均速度和加速度与预设定的目标平均速度阈值和加速度阈值分别对比，然后确定目标类型，再根据目标类型实现对目标的自适应跟踪。

所述步骤一中对目标的角度值θ(k)进行野值剔除的具体方法为：

根据野值判断公式：

$\left|S\left(k\right)\right|\≤C\·\sqrt{[H\left(k\right)P\left(k\right|k-1)H^T\left(k\right)+R\left(k\right)]},$ 对目标的角度值θ(k)进行判断，若目标的角度值θ(k)不满足野值判断公式，则目标的角度值θ(k)为野值，将其剔除；

式中R(k)为量测噪声误差协方差矩阵，R(k)＝cov[θ(k)，θ(k)]，cov(.)表示求协方差运算，S(k)为滤波残差，C为常数，P(k|k-1)为预测误差协方差矩阵，H(k)为测量矩阵，T表示矩阵转置运算。

所述步骤二中对目标进行交叉定位，得到目标初始定位位置，再通过求重心的方法确定目标的初始位置估计值的具体方法为：

采用两个电子支援系统实时采集目标的角度值θ(k)，设定第i个电子支援系统从开始时刻顺序采集再被滤波后获得的五个目标实时角度估计值为

将该五个目标实时角度估计值

两两交叉定位获得25个交叉定位点，设定第j个交叉定位点对应的目标初始定位位置为[x_j，y_j]^T，j＝1，2，3，4，5......25，x_j为目标初始定位位置的x轴坐标，y_j为目标初始定位位置的y轴坐标；

再通过求重心的方法确定目标的初始位置坐标值

${[{\hat{x}}_0,{\hat{y}}_0]}^T={\left[\begin{array}{cc}\frac{\underset{j=1}{\overset{25}{\mathrm{\Σ}}}{x}_j}{25}& \frac{\underset{j=1}{\overset{25}{\mathrm{\Σ}}}{y}_j}{25}\end{array}\right]}^T,$

设定目标的初始速度为0，得到目标的初始位置估计值

其中第二维表示目标的平均速度，第四维表示目标的加速度。

所述步骤三中实现对目标的自适应跟踪的具体方法为：

将目标的初始位置估计值

和目标实时角度估计值

输入到漂移瑞利滤波器，采用迭代滤波的方法对目标进行跟踪：

首先，设定目标为运动目标，然后执行步骤三一：

步骤三一：计算目标在t时刻每时间间隔N_t内的x方向的估计加速度值

和y方向的估计加速度值其中t＞N_t：

${\hat{a}}_t^x={\hat{X}}_{t|t}^x-{\hat{X}}_{t-1|t-1}^x,$

${\hat{a}}_t^y={\hat{X}}_{t|t}^y-{\hat{X}}_{t-1|t-1}^y,$

其中

为t时刻通过漂移瑞利滤波器获得的目标估计状态x轴位置分量，

为t-时刻通过漂移瑞利滤波器获得的目标估计状态x轴位置分量；为t时刻通过漂移瑞利滤波器获得的目标估计状态y轴位置分量，

为t-时刻通过漂移瑞利滤波器获得的目标估计状态y轴位置分量；

则获得目标在t时刻每时间间隔N_t内的估计加速度值

$\hat{a}=\sqrt{{\left({\hat{a}}^x\right)}^2+{\left({\hat{a}}^y\right)}^2},$

将目标的估计加速度值

与预设定的目标加速度阈值a_max进行比较，当目标的估计加速度值小于预设定的目标加速度阈值a_max的概率大于设定的加速度概率阈值p_acc，则判定对目标的跟踪进入稳定状态，执行步骤三二；否则使t＝t+1，重复步骤三一；

步骤三二：计算目标在每时间间隔N_t内的目标速度估计均值

$\stackrel{\‾}{v}=\frac{\underset{i=t-N_t+1}{\overset{t}{\mathrm{\Σ}}}\sqrt{{\left({\hat{X}}_{i|i}^{v_x}\right)}^2+{\left({\hat{X}}_{i|i}^{v_y}\right)}^2}}{N_t},$

若

则判定目标为固定目标，采用批处理方法对该固定目标进行定位；

否则判定目标为慢速运动目标，返回执行步骤三一，实现对慢速运动目标的自适应跟踪；

其中v_min为预设定的目标平均速度阈值；其中

为第i个时刻根据目标实时角度估计值

计算获得的目标估计状态x轴速度分量，

为第i个时刻根据目标实时角度估计值

计算获得的目标估计状态y轴速度分量。

本发明的优点：本发明所述自适应跟踪方法能够在没有任何先验信息的前提下，仅利用电子支援系统采集获得的目标的角度值，即可自适应的选择对固定目标的定位法方法或者慢速运动目标的跟踪方法，提高了侦察系统应用的鲁棒性及对远端目标跟踪的精度。

附图说明

图1是本发明方法的实现流程图；

图2是采用本发明方法对固定目标进行跟踪时的加速度变化曲线图；

图3是采用本发明方法对慢速运动目标进行跟踪时的速度变化曲线图。

具体实施方式

具体实施方式一：下面结合图1说明本实施方式，本实施方式所述基于角度信息的目标自适应跟踪方法，它包括以下步骤：

步骤一：采用电子支援系统实时采集目标的角度值θ(k)，其中k为正整数，为预定时间间隔对目标的采样顺序数，然后对获得的目标的角度值θ(k)进行滤波，并进行野值剔除，获得目标实时角度估计值

步骤二：采用步骤一中获得的实时角度估计值

对目标进行交叉定位，得到目标初始定位位置，再通过求重心的方法确定目标的初始位置估计值；

步骤三：根据目标的初始位置估计值及实时角度估计值采用迭代滤波的方法对目标进行跟踪，获得目标的平均速度和加速度，将目标的平均速度和加速度与预设定的目标平均速度阈值和加速度阈值分别对比，然后确定目标类型，再根据目标类型实现对目标的自适应跟踪。

本实施方式中，在步骤一中利用Kalman滤波对目标的角度值θ(k)进行野值剔除；步骤二中对目标进行定位时，采用采用多组测量角度交叉定位并求其重心作为滤波初始状态；步骤三中通过漂移瑞利滤波器对目标进行跟踪，待目标跟踪状态稳定后通过目标的位置信息来估计速度和加速度，累积一段时间判断目标的状态，在累积时间内获得目标的平均速度和加速度值后，通过与慢速运动目标的加速度和速度阈值门限对比，确定目标类型，进而选择对应的定位方法，它在获得初始滤波状态基础上，采用迭代滤波的方法利用加速度和速度双层判决目标的状态，确定了目标具体状态，进而实现对目标的自适应跟踪。

具体实施方式二：本实施方式为对实施方式一的进一步说明，本实施方式所述基于角度信息的目标自适应跟踪方法，所述步骤一中对目标的角度值θ(k)进行野值剔除的具体方法为：

根据野值判断公式：

$\left|S\left(k\right)\right|\≤C\·\sqrt{[H\left(k\right)P\left(k\right|k-1)H^T\left(k\right)+R\left(k\right)]},$ 对目标的角度值θ(k)进行判断，若目标的角度值θ(k)不满足野值判断公式，则目标的角度值θ(k)为野值，将其剔除；

式中R(k)为量测噪声误差协方差矩阵，R(k)＝cov[θ(k)，θ(k)]，cov(.)表示求协方差运算，S(k)为滤波残差，C为常数，P(k|k-1)为预测误差协方差矩阵，H(k)为测量矩阵，T表示矩阵转置运算。

由于电子支援系统工作在复杂的环境，获得的方位角通常是非平稳的，存在着严重偏离目标真值的异常值，如果不进行野值修正和剔除，则跟踪容易发散，因此要首先对ESM获得的角度值进行滤波和野值剔除。

具体实施方式三：本实施方式为对实施方式二的进一步说明，本实施方式所述基于角度信息的目标自适应跟踪方法，所述步骤二中对目标进行交叉定位，得到目标初始定位位置，再通过求重心的方法确定目标的初始位置估计值的具体方法为：

采用两个电子支援系统实时采集目标的角度值θ(k)，设定第i个电子支援系统从开始时刻顺序采集再被滤波后获得的五个目标实时角度估计值为

将该五个目标实时角度估计值

两两交叉定位获得25个交叉定位点，设定第j个交叉定位点对应的目标初始定位位置为[x_j，y_j]^T，j＝1，2，3，4，5......25，x_j为目标初始定位位置的x轴坐标，y_j为目标初始定位位置的y轴坐标；

再通过求重心的方法确定目标的初始位置坐标值

${[{\hat{x}}_0,{\hat{y}}_0]}^T={\left[\begin{array}{cc}\frac{\underset{j=1}{\overset{25}{\mathrm{\Σ}}}{x}_j}{25}& \frac{\underset{j=1}{\overset{25}{\mathrm{\Σ}}}{y}_j}{25}\end{array}\right]}^T,$

设定目标的初始速度为0，以二维平面为例，得到目标的初始位置估计值

其中第二维表示目标的平均速度，第四维表示目标的加速度。

本实施方式中，由于电子支援系统只能获得目标的测角信息，存在弱可观测性问题，而迭代滤波跟踪方法的收敛速度和跟踪精度与滤波初始状态有很大的关系，初始状态选取太差甚至会导致滤波发散的现象。在仅有测量角度信息前提下，如何充分挖掘有限的角度信息，获取较为准确的滤波初始状态，是跟踪精度的保证，同时也是状态判决准确的基础。由于目标距离电子支援系统较远，电子支援系统的角度分辨率较低，可将目标视为固定点。当存在多个被动传感器时可采用同一时刻获得的测量角度进行交叉定位，单个传感器则可利用一定时间间隔的两测量进行交叉定位。然而由于被动传感器的测量角度误差较大，若只进行一次交叉定位得到的目标位置具有很大的不确定性，即初始定位误差太大，因此采用多次测向交叉定位得到多组位置，再通过求重心的方法来最终获得目标位置初始状态。

具体实施方式四：本实施方式为对实施方式三的进一步说明，本实施方式所述步骤三中实现对目标的自适应跟踪的具体方法为：

将目标的初始位置估计值

和目标实时角度估计值

输入到漂移瑞利滤波器，采用迭代滤波的方法对目标进行跟踪：

首先，设定目标为运动目标，然后执行步骤三一：

步骤三一：计算目标在t时刻每时间间隔N_t内的x方向的估计加速度值

和y方向的估计加速度值

其中t＞N_t：

${\hat{a}}_t^x={\hat{X}}_{t|t}^x-{\hat{X}}_{t-1|t-1}^x,$

${\hat{a}}_t^y={\hat{X}}_{t|t}^y-{\hat{X}}_{t-1|t-1}^y,$

其中为t时刻通过漂移瑞利滤波器获得的目标估计状态x轴位置分量，

为t-1时刻通过漂移瑞利滤波器获得的目标估计状态x轴位置分量；

为t时刻通过漂移瑞利滤波器获得的目标估计状态y轴位置分量，

为t-时刻通过漂移瑞利滤波器获得的目标估计状态y轴位置分量；

则获得目标在t时刻每时间间隔N_t内的估计加速度值

$\hat{a}=\sqrt{{\left({\hat{a}}^x\right)}^2+{\left({\hat{a}}^y\right)}^2},$

将目标的估计加速度值

与预设定的目标加速度阈值a_max进行比较，当目标的估计加速度值

小于预设定的目标加速度阈值a_max的概率大于设定的加速度概率阈值p_acc，则判定对目标的跟踪进入稳定状态，执行步骤三二；否则使t＝t+1，重复步骤三一；

步骤三二：计算目标在每时间间隔N_t内的目标速度估计均值

$\stackrel{\‾}{v}=\frac{\underset{i=t-N_t+1}{\overset{t}{\mathrm{\Σ}}}\sqrt{{\left({\hat{X}}_{i|i}^{v_x}\right)}^2+{\left({\hat{X}}_{i|i}^{v_y}\right)}^2}}{N_t},$

若则判定目标为固定目标，采用批处理方法对该固定目标进行定位；

否则判定目标为慢速运动目标，返回执行步骤三一，实现对慢速运动目标的自适应跟踪；

其中v_min为预设定的目标平均速度阈值；其中

为第i个时刻根据目标实时角度估计值

计算获得的目标估计状态x轴速度分量，

为第i个时刻根据目标实时角度估计值

计算获得的目标估计状态y轴速度分量。

本实施方式中所述慢速运动目标通常是与监测平台相对的，大多情况下认为速度小于20m/s的目标为慢速运动目标。

具体实施方式五：本实施方式为对实施方式四的进一步说明，本实施方式所述目标加速度阈值a_max＝0.5m/s²。

具体实施方式六：本实施方式为对实施方式四或五的进一步说明，本实施方式所述目标加速度概率阈值p_acc为95％。

具体实施方式七：下面结合图1至图3说明本实施方式，本实施方式为对实施方式四、五或六的进一步说明，本实施方式所述时间间隔N_t＝200s，预设定的目标平均速度阈值v_min＝5m/s，跟踪时长为900s。

本发明方法是在研究被动测角前提下跟踪慢速运动目标的背景下提出的。本发明方法采用迭代滤波方法对目标进行跟踪，当跟踪逐渐稳定时，速度和加速度估计趋于平缓，图2所示，在200s以后加速度和速度均小于阈值门限，进而采用累积求均值的方法在376s正确判断出目标为固定目标。图1所示，对新出现的实时采集的目标的角度值θ(k)进行野值剔除，随着时间长度N_t的移动，循环的执行步骤三，如果目标判决结果不变，则保持原来的跟踪方法，否则跳转至另外的跟踪方法。

Claims (7)

1.一种基于角度信息的目标自适应跟踪方法，其特征在于，它包括以下步骤：

步骤一：采用电子支援系统实时采集目标的角度值θ(k)，其中k为正整数，为预定时间间隔对目标的采样顺序数，然后对获得的目标的角度值θ(k)进行滤波，并进行野值剔除，获得目标实时角度估计值

步骤二：采用步骤一中获得的实时角度估计值

对目标进行交叉定位，得到目标初始定位位置，再通过求重心的方法确定目标的初始位置估计值；

步骤三：根据目标的初始位置估计值及实时角度估计值采用迭代滤波的方法对目标进行跟踪，获得目标的平均速度和加速度，将目标的平均速度和加速度与预设定的目标平均速度阈值和加速度阈值分别对比，然后确定目标类型，再根据目标类型实现对目标的自适应跟踪。

2.根据权利要求1所述的基于角度信息的目标自适应跟踪方法，其特征在于，所述步骤一中对目标的角度值θ(k)进行野值剔除的具体方法为：

根据野值判断公式：

$\left|S\left(k\right)\right|\≤C\·\sqrt{[H\left(k\right)P\left(k\right|k-1)H^T\left(k\right)+R\left(k\right)]},$ 对目标的角度值θ(k)进行判断，若目标的角度值θ(k)不满足野值判断公式，则目标的角度值θ(k)为野值，将其剔除；

式中R(k)为量测噪声误差协方差矩阵，R(k)＝cov[θ(k)，θ(k)].cov(.)表示求协方差运算，S(k)为滤波残差，C为常数，P(k|k-1)为预测误差协方差矩阵，H(k)为测量矩阵，T表示矩阵转置运算。

3.根据权利要求2所述的基于角度信息的目标自适应跟踪方法，其特征在于，所述步骤二中对目标进行交叉定位，得到目标初始定位位置，再通过求重心的方法确定目标的初始位置估计值的具体方法为：

采用两个电子支援系统实时采集目标的角度值θ(k)，设定第i个电子支援系统从开始时刻顺序采集再被滤波后获得的五个目标实时角度估计值为

将该五个目标实时角度估计值

两两交叉定位获得25个交叉定位点，设定第j个交叉定位点对应的目标初始定位位置为[x_j，y_j]^T，j＝1，2，3，4，5......25，x_j为目标初始定位位置的x轴坐标，y_j为目标初始定位位置的y轴坐标；

再通过求重心的方法确定目标的初始位置坐标值

${[{\hat{x}}_0,{\hat{y}}_0]}^T={\left[\begin{array}{cc}\frac{\underset{j=1}{\overset{25}{\mathrm{\Σ}}}{x}_j}{25}& \frac{\underset{j=1}{\overset{25}{\mathrm{\Σ}}}{y}_j}{25}\end{array}\right]}^T,$

设定目标的初始速度为0，得到目标的初始位置估计值

其中第二维表示目标的平均速度，第四维表示目标的加速度。

4.根据权利要求3所述的基于角度信息的目标自适应跟踪方法，其特征在于，所述步骤三中实现对目标的自适应跟踪的具体方法为：

将目标的初始位置估计值

和目标实时角度估计值输入到漂移瑞利滤波器，采用迭代滤波的方法对目标进行跟踪：

首先，设定目标为运动目标，然后执行步骤三一：

步骤三一：计算目标在t时刻每时间间隔N_t内的x方向的估计加速度值

和y方向的估计加速度值

其中t＞N_t：

${\hat{a}}_t^x={\hat{X}}_{t|t}^x-{\hat{X}}_{t-1|t-1}^x,$

${\hat{a}}_t^y={\hat{X}}_{t|t}^y-{\hat{X}}_{t-1|t-1}^y,$

其中

为t时刻通过漂移瑞利滤波器获得的目标估计状态x轴位置分量，为t-1时刻通过漂移瑞利滤波器获得的目标估计状态x轴位置分量；

为t时刻通过漂移瑞利滤波器获得的目标估计状态y轴位置分量，

为t-时刻通过漂移瑞利滤波器获得的目标估计状态y轴位置分量；

则获得目标在t时刻每时间间隔N_t内的估计加速度值

$\hat{a}=\sqrt{{\left({\hat{a}}^x\right)}^2+{\left({\hat{a}}^y\right)}^2},$

将目标的估计加速度值

与预设定的目标加速度阈值a_max进行比较，当目标的估计加速度值

小于预设定的目标加速度阈值a_max的概率大于设定的加速度概率阈值p_acc，则判定对目标的跟踪进入稳定状态，执行步骤三二；否则使t＝t+1，重复步骤三一；

步骤三二：计算目标在每时间间隔N_t内的目标速度估计均值

$\stackrel{\‾}{v}=\frac{\underset{i=t-N_t+1}{\overset{t}{\mathrm{\Σ}}}\sqrt{{\left({\hat{X}}_{i|i}^{v_x}\right)}^2+{\left({\hat{X}}_{i|i}^{v_y}\right)}^2}}{N_t},$

若

则判定目标为固定目标，采用批处理方法对该固定目标进行定位；

否则判定目标为慢速运动目标，返回执行步骤三一，实现对慢速运动目标的自适应跟踪；

其中v_min为预设定的目标平均速度阈值；其中为第i个时刻根据目标实时角度估计值计算获得的目标估计状态x轴速度分量，

为第i个时刻根据目标实时角度估计值计算获得的目标估计状态y轴速度分量。

5.根据权利要求4所述的基于角度信息的目标自适应跟踪方法，其特征在于，所述目标加速度阈值a_max＝0.5m/s²。

6.根据权利要求5所述的基于角度信息的目标自适应跟踪方法，其特征在于，所述目标加速度概率阈值p_acc为95％。

7.根据权利要求6所述的基于角度信息的目标自适应跟踪方法，其特征在于，所述时间间隔N_t＝200s。

Images