CN106199584A - 一种基于量测存储的航迹起始方法 - Google Patents

Abstract

本文公开了一种基于历史量测信息的航迹起始方法。该算法针对窄发多收边扫描边跟踪雷达系统和被动跟踪系统在实际场景中的目标跟踪。现有的跟踪算法大都假设目标能够被连续观测到且不同目标的量测信息同步，本发明特点：考虑了边扫描边跟踪雷达系统中目标被观测到的时间间隔不定的情况，充分利用历史量测信息，具有更快的航迹起始速度和成功跟踪概率；本发明同时还可以解决集中式跟踪系统和被动跟踪系统中多传感器异步通信时航迹起始的问题。优点：充分利用了历史信息，实现简单，成功跟踪概率更高；有效解决了属于不同目标的量测信息异步时的航迹起始问题。

Description

一种基于量测存储的航迹起始方法

技术领域

本发明属于雷达信号处理技术领域，特别涉及相控阵雷达多目标跟踪技术领域和被动跟踪领域。

背景技术

相控阵雷达是一种以电子扫描代替机械扫描的先进目标探测与定位设备。由于波束捷变的能力，相控阵雷达具有灵活的多波束指向及驻留时间、可控的空间功率分配及时间资源分配等特点,这些特点决定了相控阵雷达能实现多任务、多功能，并有较高的测量精度和分辨力。

由于一部雷达系统的时间能量资源有限，要实现对更多批次目标的搜索和跟踪，需要尽可能提高相控阵雷达系统的时间能量资源利用率。为此，出现了各种系统资源自适应调度算法。其中，针对多目标跟踪问题提出的自适应调整数据率的目标跟踪算法一般采用的策略为：在满足跟踪精度要求情况下，根据目标的运动状态自适应选择合适的数据更新率，尽可能减少对每个目标的累计照射时间,以消耗最少的系统时间能量资源。一般，当目标机动性较大时，采用高采样率进行扫描；目标机动性较小时采用低采样率。尽管交互式多模型滤波器可以用于机动性目标跟踪问题，但当目标的机动性很大时，交互式多模型算法很难反应目标的机动性，因此仍然需要较高的采样率。存在的问题是：当抽样频率很高时，由于跟踪波束照射只能照射到部分区域，需要连续多个扫描波束才能扫完整个监控区域。于是，目标可能连续多帧检测不到。

航迹起始技术是由量测生成航迹的一种手段。在文献“Statistical PerformanceAnalysis of Track Initiation Techniques”中比较系统的介绍了航迹起始算法。这些航迹起始技术利用相邻两帧的量测，根据速度准则或加速度准则来形成试验航迹，有时为了减少虚假航迹的概率，还会辅以角度限制准则。但在相控阵雷达系统中，在搜索阶段，目标很可能不能连续被雷达脉冲扫描到，2帧量测不足以及时生成航迹甚至不能成功起始航迹。

发明内容

本发明针对背景技术的不足之处改进设计一种基于量测存储的航迹起始方法，从而达到更快的航迹起始速度和提高成功跟踪概率，解决集中式跟踪系统和被动跟踪系统中多传感器异步通信时航迹起始的问题。

本发明为解决上述问题采用的技术方案是，一种基于量测存储的航迹起始方法，该方法包括如下步骤：

步骤1、初始化相关参数，初始化参数主要包括：数据关联波门大小速度波门大小 (v_min,v_max)，时间帧k＝1，未关联量测矩阵

步骤2、利用恒虚警检测器处理雷达回波信息，得到量测信息集合其中，n为检测到的量测个数；

步骤3、如果k＝1，将所有量测z₁∈Z₁保存到矩阵中，并令k＝k+1并跳转至步骤2；

步骤4、若当前时刻无航迹，将所有量测z_k∈Z_k保存到矩阵中，并跳转至步骤7，若存在航迹，进行步骤5；

步骤5、第k帧量测与航迹进行数据关联：

5.1.预测目标的状态、估计误差协方差矩阵：

$x_k^{-}=F_k{\hat{x}}_{k-1}$

$P_k^{-}=F_k{P}_{k-1}{F_k}^{\′}+Q_k$

其中,为k-1时刻目标的状态估计值，为k时刻状态一步预测值，(x,y)和分别为目标的坐标和速度，P_k-1为k-1时刻的状态估计误差协方差矩阵，为k时刻一步状态预测误差协方差矩阵，第Q_k为当前时刻过程噪声，F_k为状态转移矩阵，；

5.2.第k帧量测与已有航迹进行数据关联，如果满足下式，则认为关联成功：

v'(k)S^-1(k)v(k)<γ²

其中，表示量测与预测位置的差，S(k)表示v(k)的协方差矩阵，H表示观测矩阵；

步骤6、利用第k帧关联到的量测z_k更新目标状态：

${\hat{x}}_k=x_k^{-}+G_k(z_k-H_k{x}_k^{-})$

$P_k=(I-G_k{H}_k)P_k^{-}$

其中，G_k为卡尔曼增益，H_k为量测矩阵，I为单位矩阵，为k时刻目标的状态估计值，P_k为k时刻状态估计误差协方差矩阵；

步骤7、未关联到航迹的量测与历史量测起始新航迹：

7.1.若满足下式，则起始新航迹：

$v_{min}<\left|\right|\frac{z_k^u-z_{k-1}^u}{t_k-t_{k-1}}\left|\right|<v_{max}$

其中，t_k为当前帧量测的观测时间，t_k-1为历史量测的观测时间，不同历史量测的观测时间可能不同，v_min,v_max为速度门限，该速度门限根据事情情况设定；

7.2.更新量测矩阵

用来起始航迹的量测从中删除，同时，未起始航迹的量测保存到集合中：

$Z_k^u=(Z_{k-1}^u-z_{k-1}^u)\&cup;z_k^{u\&prime;}$

步骤8、令k＝k+1，如果k<＝K，其中K为总的观测帧数，返回步骤2。

该方法针对窄发多收边扫描边跟踪雷达系统和被动跟踪系统在实际场景中的目标跟踪，创新点：现有的跟踪算法大都假设目标能够被连续观测到且不同目标的量测信息同步，本发明考虑了边扫描边跟踪雷达系统中目标被观测到的时间间隔不定的情况，充分利用历史量测信息，具有更快的航迹起始速度和提高成功跟踪概率；本发明同时还可以解决集中式跟踪系统和被动跟踪系统中多传感器异步通信时航迹起始的问题。

优点：充分利用了历史信息，实现简单，成功跟踪概率更高；有效解决了属于不同目标的量测信息异步时的航迹起始问题。本发明可应用与水下被动定位跟踪系统及相控阵雷达跟踪系统中。

附图说明

图1为本发明的示意图；

图2为本发明的流程框图；

图3为本发明与传统航迹起始技术的1000次蒙特卡洛试验成功跟踪航迹条数对比图。

图4为本发明与传统航迹起始技术的1000次蒙特卡洛试验下跟踪精度对比图。

具体实施方式

本发明主要采用计算机仿真的方法进行验证，所有步骤、结论都在MATLAB-R2013b上验证正确。具体实施步骤如下：

步骤1、初始化相关参数，初始化参数主要包括：数据关联波门大小速度波门大小(v_min,v_max)＝(10m/s,15m/s)，时间帧k＝1，未关联量测矩阵

步骤2、利用恒虚警检测器处理雷达回波信息，得到量测信息集合其 中，n为检测到的量测个数；

步骤3、如果k＝1，将所有量测z₁∈Z₁保存到矩阵中，并令k＝k+1并跳转至步骤2；

步骤4、若当前时刻无航迹，将所有量测z_k∈Z_k保存到矩阵中，并跳转至步骤7；

步骤5、第k帧量测与航迹进行数据关联：

5.1.预测目标的状态和估计误差协方差矩阵：：

$x_k^{-}=F_k{\hat{x}}_{k-1}$

$P_k^{-}=F_k{P}_{k-1}{F_k}^{\&prime;}+Q_k$

其中,为k-1时刻目标的状态估计值，(x,y)和分别为目标的坐标和速度，P_k-1为k-1时刻的状态估计误差协方差矩阵，Q_k为当前时刻过程噪声，F_k为状态转移矩阵。

5.2.第k帧量测与已有航迹进行数据关联，如果满足下式，则认为关联成功：

v'(k)S^-1(k)v(k)<γ²

其中，表示量测与预测位置的差，S(k)表示v(k)的协方差矩阵。

步骤6、利用第k帧关联到的量测z_k＝(x_k,y_k)更新目标状态：

${\hat{x}}_k=x_k^{-}+G_k(z_k-H_k{x}_k^{-})$

${\hat{P}}_k=(I-G_k{H}_k)P_k^{-}$

其中，G_k为卡尔曼增益，H_k为量测矩阵，I为单位矩阵。

步骤7、未关联到航迹的量测与历史量测起始新航迹：

7.1.若当前两侧与历史量测过速度门限，即满足下式，则起始新航迹：

$v_{min}<\left|\right|\frac{z_k^u-z_{k-1}^u}{t_k-t_{k-1}}\left|\right|<v_{max}$

其中，t_k为当前帧量测的观测时间，t_k-1为历史量测的观测时间，不同历史量测的观测时间可能不同，(v_min,v_max)为速度门限。

7.2.更新量测矩阵

用来起始航迹的量测从中删除，同时，未起始航迹的量测保存到集合中：

$Z_k^u=(Z_{k-1}^u-z_{k-1}^u)\&cup;z_k^{u\&prime;}$

步骤8、令k＝k+1，如果k<＝K(K为总的观测帧数)，返回步骤2。

Claims (1)

1.一种基于量测存储的航迹起始方法，该方法包括如下步骤：

步骤1、初始化相关参数，初始化参数主要包括：数据关联波门大小速度波门大小(v_min,v_max)，时间帧k＝1，未关联量测矩阵

步骤2、利用恒虚警检测器处理雷达回波信息，得到量测信息集合其中，n为检测到的量测个数；

步骤3、如果k＝1，将所有量测z₁∈Z₁保存到矩阵中，并令k＝k+1并跳转至步骤2；

步骤4、若当前时刻无航迹，将所有量测z_k∈Z_k保存到矩阵中，并跳转至步骤7，若存在航迹，进行步骤5；

步骤5、第k帧量测与航迹进行数据关联：

5.1.预测目标的状态、估计误差协方差矩阵：

$x_k^{-}=F_k{\hat{x}}_{k-1}$

$P_k^{-}=F_k{P}_{k-1}{F_k}^{\&prime;}+Q_k$

其中,为k-1时刻目标的状态估计值，为k时刻状态一步预测值，(x,y)和分别为目标的坐标和速度，P_k-1为k-1时刻的状态估计误差协方差矩阵，为k时刻一步状态预测误差协方差矩阵，第Q_k为当前时刻过程噪声，F_k为状态转移矩阵；

5.2.第k帧量测与已有航迹进行数据关联，如果满足下式，则认为关联成功：

v'(k)S^-1(k)v(k)<γ²

其中，表示量测与预测位置的差，S(k)表示v(k)的协方差矩阵，H表示观测矩阵；

步骤6、利用第k帧关联到的量测z_k更新目标状态：

${\hat{x}}_k=x_k^{-}+G_k(z_k-H_k{x}_k^{-})$

$P_k=(I-G_k{H}_k)P_k^{-}$

其中，G_k为卡尔曼增益，H_k为量测矩阵，I为单位矩阵，为k时刻目标的状态估计值，P_k为k时刻状态估计误差协方差矩阵；

步骤7、未关联到航迹的量测与历史量测起始新航迹：

7.1.若满足下式，则起始新航迹：

$v_{min}<\left|\right|\frac{z_k^u-z_{k-1}^u}{t_k-t_{k-1}}\left|\right|<v_{max}$

其中，t_k为当前帧量测的观测时间，t_k-1为历史量测的观测时间，不同历史量测的观测时间可能不同，v_min,v_max为速度门限，该速度门限根据事情情况设定；

7.2.更新量测矩阵

用来起始航迹的量测从中删除，同时，未起始航迹的量测保存到集合中：

$Z_k^u=(Z_{k-1}^u-z_{k-1}^u)\&cup;{z_k^u}^{\&prime;}$

步骤8、令k＝k+1，如果k<＝K，其中K为总的观测帧数，返回步骤2。