CN104730510A

CN104730510A - 一种多雷达航迹融合方法

Info

Publication number: CN104730510A
Application number: CN201510162304.2A
Authority: CN
Inventors: 冯翔
Original assignee: Sichuan Jiuzhou ATC Technology Co Ltd
Current assignee: Sichuan Jiuzhou ATC Technology Co Ltd
Priority date: 2015-04-08
Filing date: 2015-04-08
Publication date: 2015-06-24
Anticipated expiration: 2035-04-08
Also published as: CN104730510B

Abstract

本发明提供了一种多雷达航迹融合方法，其方法为：对一个扫描系统航迹traj进行融合时，采用动态加权融合算法对与航迹traj相关的单雷达航迹进行加权融合；再利用融合航迹数据，用α/β滤波器对系统航迹进行滤波处理。算法计算量小，既能保证实时性，又能保证精度。使融合后的目标航迹更好的如实描述目标。

Description

一种多雷达航迹融合方法

技术领域

本发明涉及一种多雷达航迹融合，特别是涉及一种适用于空中交通管制(ATC)自动化系统中采用的多雷达航迹融合方法。

背景技术

多雷达数据融合系统主要分两类：集中式处理系统和分布式处理系统。集中式结构将各单雷达的点迹信息集中到多雷达处理中心，进行时空对准、点迹相关、数据互联、航迹滤波、预测与综合跟踪。这种结构的最大优点是信息损失小，但数据相关比较困难，并要求系统必须具备大容量的能力，计算负担重，系统的生存能力也较差。分布式的特点是：先由各自的单雷达数据处理器进行航迹跟踪，产生单雷达航迹，然后送至融合中心；由中心完成关联和融合，形成多雷达融合航迹。这类系统的应用很普遍，例如在军事C³系统和军民航空中管制系统中。它不仅具有局部独立跟踪能力，而且具有全局监视和评估能力；系统的造价相对较低；且有较强的生存能力。

目前民航空管系统的现状是：一个管制中心往往具有多个独立的异地雷达或雷达数据源(外地引入)，这些信号源中，有未跟踪过的点迹，也有跟踪过的航迹，各雷达有不同的扫描周期和同步时钟。

发明内容

本发明要解决的技术问题是提供一种算法计量小，实时性高，精度高的多雷达航迹融合方法。

本发明采用的技术方案如下：一种多雷达航迹融合方法，其方法为：对一个扫描系统航迹traj进行融合时，采用动态加权融合算法对与航迹traj相关的单雷达航迹进行加权融合；再利用融合航迹数据，用α/β滤波器对系统航迹进行滤波处理。

作为优选，采用动态加权融合算法对与航迹traj相关的单雷达航迹进行加权融合的具体方法步骤为：

步骤101、取一个与航迹traj相关的单雷达航迹radarTraj；

步骤102、计算单雷达航迹radarTraj的动态加权因子Pow；

步骤103、判断与航迹traj相关的单雷达航迹是否遍历完毕，是则进入下一步，否则返回步骤101；

步骤104、进行加权融合得到加权融合后的目标航迹参数Para。

作为优选，所述步骤102的具体方法为：根据雷达的测量精度和类型，设置一个经验性的初始加权因子pow0，精度高的权值大，精度低的权值小；根据航迹信息的完备性以及精确度，动态调节加权因子，精度高的权值大，精度低的权值小。

作为优选，所述步骤102中动态调整加权因子的具体方法步骤为：

步骤201、判断单雷达航迹radarTraj与扫描系统航迹的SSR码是否一致，是则进入步骤203，否则进入下一步；

步骤202、动态调整加权因子Pow＝pow1＝pow0/2；

步骤203、判断单雷达航迹radarTraj与扫描系统航迹的方向差值是否在设定方向差值阈值范围之内，是则进入步骤205，否则进入下一步；

步骤204、动态调整加权因子Pow＝pow2＝pow1/2；

步骤205、判断单雷达航迹radarTraj与扫描系统航迹的水平距离dist是否在设定水平距离差值阈值范围之内，是则进入步骤207，否则进入下一步；

步骤206、动态调整加权因子Pow＝pow3＝pow2/dist；

步骤207、判断单雷达航迹radarTraj与扫描系统航迹的垂直距离dz是否在设定垂直距离差值阈值范围之内，是则进入步骤209，否则进入下一步；

步骤208、动态调整加权因子Pow＝pow4＝pow3/2；

步骤209、判断单雷达航迹radarTraj是否是外推航迹，是则进入下一步，否则进入步骤211；

步骤210、动态调整加权因子Pow＝pow5＝pow4/10；

步骤211、动态调整Pow结束，获得单雷达航迹radarTraj的加权因子Pow。

作为优选，所述步骤104中，进行加权融合的具体方法为：若同一目标被1～N部雷达量测到，各雷达对应的权值为Pow1～PowN，各雷达量测到的目标航迹的参数为Para1～ParaN，则由公式：

Para＝(Para1*Pow1+…+ParaN*PowN)/(Pow1+…+PowN)

得到加权融合后的目标航迹参数Para。

作为优选，用α/β滤波器对系统航迹进行滤波处理的具体方法为：根据α和β的计算公式

\{\begin{matrix} α = \frac{2 (2 k - 1)}{k (k + 1)} \\ β = \frac{6}{k (k + 1)} \end{matrix}

得出α和β的值；

根据预测方程

\{\begin{matrix} R_{p} (k + 1) = R_{s} (k) + T {\overset{\cdot}{R}}_{s} (k) \\ {\overset{\cdot}{R}}_{p} (k + 1) = {\overset{\cdot}{R}}_{s} (k) \end{matrix}

得出方位预测值和速度预测值；

最后根据平滑方程

\{\begin{matrix} R_{s} (k) = α R_{m} (k) + (1 - α) R_{p} (k) \\ {\overset{\cdot}{R}}_{s} (k) = {\overset{\cdot}{R}}_{p} (k) + \frac{β}{T} [R_{m} (k) - R_{p} (k)] \end{matrix}

得出方位估计值和速度估计值；其中，k为航迹融合处理叠加次数，T为扫描系统周期，R_p为方位预测值，为速度预测值，R_s为方位估计值，为速度估计值，R_m为观测值；初始化α＝β＝1。

作为优选，所述航迹融合方法还包括：以所要监视的空域范围的中心点为中心，将管制空间平面从一个方向到相对的另一个方向分为若干个水平带状空域，作为扫描系统扫描的基本单元；在航迹相关时，仅搜索本空域带及其相邻空域带内的航迹；每个数据融合周期，按照空域带顺序，由上到下或由下到上线性扫描各空域带，依次对各空域带进行时空对准、航迹相关、航迹融合和系统航迹更新处理。

作为优选，将管制空间平面从北向南划分为N个空域带，编号为0～N-1，作为系统扫描的基本单元。

作为优选，所述N大于等于20小于等于50。

作为优选，判断是否航迹相关的具体方法步骤为：

步骤501、判断是否航迹号相关，是则进入下一步，否则判定为航迹不相关；

步骤502、判断SSR、方向、方位、速度和高度五个条件是否相关；

步骤503、判断所述五个条件中相关个数是否大于等于所设门限值M，是则确认为航迹相关，否则确认为航迹不相关；

所述M为3，4或5。

与现有技术相比，本发明的有益效果是：算法计算量小，既能保证实时性，又能保证精度。使融合后的目标航迹更好的如实描述目标。

附图说明

图1为本发明其中一实施例的流程图。

图2为为本发明其中一实施例的空域带划分结构体示意图。

具体实施方式

为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅用以解释本发明，并不用于限定本发明。

本说明书(包括任何附加权利要求、摘要和附图)中公开的任一特征，除非特别叙述，均可被其他等效或者具有类似目的的替代特征加以替换。即，除非特别叙述，每个特征只是一系列等效或类似特征中的一个例子而已。

一种多雷达航迹融合方法，其方法为：对一个扫描系统航迹traj进行融合时，采用动态加权融合算法对与航迹traj相关的单雷达航迹进行加权融合；再利用融合航迹数据，用α/β滤波器对系统航迹进行滤波处理。算法计算量小，既能实时性，又能保证精度。使融合后的目标航迹更好的如实描述目标。

如图1所示，在每次融合处理时，在当前空域带nCurrentBandNo中取一个系统航迹traj进行融合；对所有与航迹traj相关的、未融合的单雷达航迹进行动态加权融合处理。

采用动态加权融合算法对与航迹traj相关的单雷达航迹进行加权融合的具体方法步骤为：

步骤101、取一个与航迹traj相关的单雷达航迹radarTraj；

步骤102、计算单雷达航迹radarTraj的动态加权因子Pow；

步骤104、进行加权融合得到加权融合后的目标航迹参数Para。

所述步骤102的具体方法为：根据雷达的测量精度和类型，设置一个经验性的初始加权因子pow0，精度高的权值大，精度低的权值小；根据航迹信息的完备性以及精确度，动态调节加权因子，精度高的权值大，精度低的权值小。在实施例中若单雷达航迹的雷达类型为二次雷达，则pow0＝1000，否则若为一次雷达，则pow0＝1。

所述步骤102中动态调整加权因子的具体方法步骤为：

步骤202、动态调整加权因子Pow＝pow1＝pow0/2；

步骤204、动态调整加权因子Pow＝pow2＝pow1/2；

步骤206、动态调整加权因子Pow＝pow3＝pow2/dist；

步骤208、动态调整加权因子Pow＝pow4＝pow3/2；

步骤210、动态调整加权因子Pow＝pow5＝pow4/10；

在本具体实施例中，所述方向差值阈值为30度，所述水平距离差值阈值为3km，所述垂直距离差值阈值为150m。

所述步骤104中，融合处理是对相关目标航迹的位置和高度进行的加权融合。进行加权融合的具体方法为：若同一目标被1～N部雷达量测到，各雷达对应的权值为Pow1～PowN，各雷达量测到的目标航迹的参数为Para1～ParaN，则由公式：

Para＝(Para1*Pow1+…+ParaN*PowN)/(Pow1+…+PowN)

得到加权融合后的目标航迹参数Para。

利用融合得到的目标航迹参数，对系统航迹traj进行α/β滤波估计，以使系统航迹更加平滑。用α/β滤波器对系统航迹进行滤波处理的具体方法为：根据α和β的计算公式

\{\begin{matrix} α = \frac{2 (2 k - 1)}{k (k + 1)} \\ β = \frac{6}{k (k + 1)} \end{matrix}

得出α和β的值；

根据预测方程

\{\begin{matrix} R_{p} (k + 1) = R_{s} (k) + T {\overset{\cdot}{R}}_{s} (k) \\ {\overset{\cdot}{R}}_{p} (k + 1) = {\overset{\cdot}{R}}_{s} (k) \end{matrix}

得出方位预测值和速度预测值；

最后根据平滑方程

\{\begin{matrix} R_{s} (k) = α R_{m} (k) + (1 - α) R_{p} (k) \\ {\overset{\cdot}{R}}_{s} (k) = {\overset{\cdot}{R}}_{p} (k) + \frac{β}{T} [R_{m} (k) - R_{p} (k)] \end{matrix}

用α/β滤波器对系统航迹进行滤波处理后，还包括，对系统航迹traj进行属性融合和状态更新，更新航迹traj的各属性字段。前面的步骤仅对航迹的运动参数进行了融合，航迹的其他属性也应进行融合,比如SSR。因为有些单雷达航迹没有SSR或者SSR发生变化，则融合航迹的SSR应实时更新。其次，还应根据最新的运动参数更新航迹的航向角和地速等信息。还有由于目标航迹融合后的位置数据是目标的直角坐标，而在网上传送的目标航迹的位置数据是WGS-84坐标，因此，在融合处理后还必须从直角坐标系转换到WGS-84坐标。

所述航迹融合方法还包括：以所要监视的空域范围的中心点为中心，将管制空间平面从一个方向到相对的另一个方向分为若干个水平带状空域，作为扫描系统扫描的基本单元；在航迹相关时，仅搜索本空域带及其相邻空域带内的航迹；每个数据融合周期，按照空域带顺序，由上到下或由下到上线性扫描各空域带，依次对各空域带进行时空对准、航迹相关、航迹融合和系统航迹更新处理。因为当前空域带内的航迹仅可能与本空域带及其相邻空域带内的航迹有关联关系，即仅搜索有限的几个空域带范围内的航迹即可进行航迹相关，该空域带划分方法大大降低了航迹相关时的搜索计算量。

在单雷达探测过程中，雷达是在极坐标系内作圆周扫描，测量的目标数据按距离从小到大，方位递增或递减依次获得，因此，在单雷达数据处理中，为保证数据处理的实时性，一般将360度平面划分成若干个扇区，与雷达扫描同步依次处理各扇区目标数据。

然而，在空中交通管制中，管制区域与单雷达覆盖区情形不一样，管制区域内有多部雷达，作不同步、不同心的圆周扫描，各雷达的目标报告互相独立。目标到达系统时间并不以方位递增为先后顺序，因此，如果仿照单雷达极坐标扫描形式将区域划分成扇区，进行航迹处理显然是不方便的也是不合适的。

如图2所示，在本具体实施例中，将管制空间平面从北向南划分为N个空域带，编号为0～N-1，作为系统扫描的基本单元。

所述N大于等于20小于等于50，在本具体实施例中，所述N等于40。N的实际大小根据所需监视的空域范围的大小而定。

判断是否航迹相关的具体方法步骤为：

所述M为3，4或5，在本具体实施例中为5；门限值越高则越严格。

Claims

1.一种多雷达航迹融合方法，其方法为：对一个扫描系统航迹traj进行融合时，采用动态加权融合算法对与航迹traj相关的单雷达航迹进行加权融合；再利用融合航迹数据，用α/β滤波器对系统航迹进行滤波处理。

2.根据权利要求1所述的多雷达航迹融合方法，采用动态加权融合算法对与航迹traj相关的单雷达航迹进行加权融合的具体方法步骤为：

步骤101、取一个与航迹traj相关的单雷达航迹radarTraj；

步骤102、计算单雷达航迹radarTraj的动态加权因子Pow；

步骤104、进行加权融合得到加权融合后的目标航迹参数Para。

3.根据权利要求2所述的多雷达航迹融合方法，所述步骤102的具体方法为：根据雷达的测量精度和类型，设置一个经验性的初始加权因子pow0，精度高的权值大，精度低的权值小；根据航迹信息的完备性以及精确度，动态调节加权因子，精度高的权值大，精度低的权值小。

4.根据权利要求3所述的多雷达航迹融合方法，所述步骤102中动态调整加权因子的具体方法步骤为：

步骤202、动态调整加权因子Pow＝pow1＝pow0/2；

步骤204、动态调整加权因子Pow＝pow2＝pow1/2；

步骤206、动态调整加权因子Pow＝pow3＝pow2/dist；

步骤208、动态调整加权因子Pow＝pow4＝pow3/2；

步骤210、动态调整加权因子Pow＝pow5＝pow4/10；

5.根据权利要求2、3或4所述的多雷达航迹融合方法，所述步骤104中，进行加权融合的具体方法为：若同一目标被1～N部雷达量测到，各雷达对应的权值为Pow1～PowN，各雷达量测到的目标航迹的参数为Para1～ParaN，则由公式：

Para＝(Para1*Pow1+…+ParaN*PowN)/(Pow1+…+PowN)

得到加权融合后的目标航迹参数Para。

6.根据权利要求1所述的多雷达航迹融合方法，用α/β滤波器对系

统航迹进行滤波处理的具体方法为：根据α和β的计算公式

\{\begin{matrix} α = \frac{2 (2 k - 1)}{k (k + 1)} \\ β = \frac{6}{k (k + 1)} \end{matrix}

得出α和β的值；

根据预测方程

\{\begin{matrix} R_{p} (k + 1) = R_{s} (k) + T {\overset{\cdot}{R}}_{s} (k) \\ {\overset{\cdot}{R}}_{p} (k + 1) = {\overset{\cdot}{R}}_{s} (k) \end{matrix}

得出方位预测值和速度预测值；

最后根据平滑方程

\{\begin{matrix} R_{s} (k) = α R_{m} (k) + (1 - α) R_{p} (k) \\ {\overset{\cdot}{R}}_{s} (k) = {\overset{\cdot}{R}}_{p} (k) + \frac{β}{T} [R_{m} (k) -] R_{p} (k)] \end{matrix}

7.根据权利要求1所述的多雷达航迹融合方法，所述航迹融合方法还包括：以所要监视的空域范围的中心点为中心，将管制空间平面从一个方向到相对的另一个方向分为若干个水平带状空域，作为扫描系统扫描的基本单元；在航迹相关时，仅搜索本空域带及其相邻空域带内的航迹；每个数据融合周期，按照空域带顺序，由上到下或由下到上线性扫描各空域带，依次对各空域带进行时空对准、航迹相关、航迹融合和系统航迹更新处理。

8.根据权利要求7所述的多雷达航迹融合方法，将管制空间平面从北向南划分为N个空域带，编号为0～N-1，作为系统扫描的基本单元。

9.根据权利要求8所述的多雷达航迹融合方法，所述N大于等于20小于等于50。

10.根据权利要求1、7、8或9所述的多雷达航迹融合方法，判断是否航迹相关的具体方法步骤为：

所述M为3，4或5。