CN110907903B - 一种基于多传感器的自适应跟踪处理方法 - Google Patents
一种基于多传感器的自适应跟踪处理方法 Download PDFInfo
- Publication number
- CN110907903B CN110907903B CN201911045766.0A CN201911045766A CN110907903B CN 110907903 B CN110907903 B CN 110907903B CN 201911045766 A CN201911045766 A CN 201911045766A CN 110907903 B CN110907903 B CN 110907903B
- Authority
- CN
- China
- Prior art keywords
- radar
- target
- fixed
- situation
- targets
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000003672 processing method Methods 0.000 title claims abstract description 12
- 238000000034 method Methods 0.000 claims abstract description 33
- 238000012937 correction Methods 0.000 claims abstract description 27
- 230000004927 fusion Effects 0.000 claims abstract description 17
- 230000009897 systematic effect Effects 0.000 claims description 28
- 238000012545 processing Methods 0.000 claims description 25
- 230000003044 adaptive effect Effects 0.000 claims description 9
- 238000001514 detection method Methods 0.000 claims description 9
- 238000004458 analytical method Methods 0.000 claims description 8
- 238000012423 maintenance Methods 0.000 claims description 6
- 238000012790 confirmation Methods 0.000 claims description 4
- 238000005259 measurement Methods 0.000 claims description 4
- 238000004422 calculation algorithm Methods 0.000 claims description 3
- 230000032823 cell division Effects 0.000 claims description 3
- 238000009833 condensation Methods 0.000 claims description 3
- 230000005494 condensation Effects 0.000 claims description 3
- 230000000977 initiatory effect Effects 0.000 claims description 3
- 238000012216 screening Methods 0.000 claims description 3
- 230000009466 transformation Effects 0.000 claims description 3
- 238000005070 sampling Methods 0.000 claims description 2
- 238000004140 cleaning Methods 0.000 claims 1
- 230000000875 corresponding effect Effects 0.000 description 8
- 238000000605 extraction Methods 0.000 description 6
- 238000002592 echocardiography Methods 0.000 description 4
- 230000002596 correlated effect Effects 0.000 description 2
- 238000001914 filtration Methods 0.000 description 2
- 238000010606 normalization Methods 0.000 description 2
- 238000007619 statistical method Methods 0.000 description 2
- 230000007547 defect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000007499 fusion processing Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000007500 overflow downdraw method Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S7/00—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
- G01S7/02—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00
- G01S7/40—Means for monitoring or calibrating
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Radar Systems Or Details Thereof (AREA)
Abstract
本发明公开了一种基于多传感器的自适应跟踪处理方法,实现步骤主要包括固定目标数据关联、目标态势统计、系统误差校正。该方法主要基于固定目标特性,利用统计和关联的方法,对系统误差下的目标进行态势统计并加以校正。本发明优于传统的方法,既不受每个站点都要有真实目标作为参考的局限限制,又基于起始的固定目标特性,减少观测噪声的影响。该方法在工程应用方面自适应性和通用性较好,能够减少目标分裂和错误关联的概率,提升数据融合的精确性,以及目标跟踪的稳定性。
Description
技术领域
本发明属于雷达数据处理领域,具体涉及一种基于多传感器的自适应跟踪处理方法。
背景技术
雷达观测系统主要存在两种类型的误差,即随机观测误差和雷达系统误差。观测误差可以通过滤波等方法消除,而系统误差是一种确定性误差,它是无法通过滤波方法去除的,需要事先通过模型分析,再补偿进行误差配准。
近年来,掌握海陆空目标的综合态势已越来越重要,各类目标信息的融合处理,对系统中各类传感器的指标要求也越来越高。系统误差会随着工作时间的延长而积累,不但易导致目标分裂,而且在多雷达传感器融合跟踪过程中,会降低与其他传感器航迹正确关联的概率,进而增大融合的难度系数,如果将各个雷达传感器带有系统误差的信息直接拿来融合,即使再好的融合方法也有一定的局限性,必将导致融合结果有误,因此在雷达目标跟踪及多雷达融合之前,有必要进行系统误差校正,消除在雷达测距、测角方面存在的误差。
造成系统误差的主要原因有两种:一是各雷达传感器的方位定北误差,二是雷达传感器基站的定点误差。现有技术主要有:1、基于Ais准确的定位信息对每个雷达站进行系统误差校正,这是近年来比较主流的方法;2、固定回波校正法,这也是比较常用的方法,用固定回波位置来校正;3、静态有源及无源合作式标校,以及非合作式标校。第一种方法要求每个基站都要有Ais传感器定位真实位置,有的雷达基站没有Ais的相关数据,则校正不了,有一定的局限性;第二种方法多部雷达探测到的固定回波不易找到,而且这种固定回波往往不是真正的目标,有的雷达常常有俯仰天线的情况,固定回波会随着天线俯仰而飘逸,难以使用;第三种方法需要激光测距、光学测角传感器来获取比对真值用于标校,有源及无源标校适用于两坐标雷达,而三坐标雷达由于标校体不容易架高,受场地限制大,设备相对复杂,具有局限性。
发明内容
本发明所要解决的技术问题在于提供了一种能够解决多基站雷达系统误差自适应校正的方法,该方法跟以往不同,主要在于多源传感器误差基于固定目标及单源误差来自适应匹配校正,从而达到各站点系统误差的校正效果,能够提高数据融合的准确性及目标跟踪的稳定性。
本发明是通过以下技术方案解决上述技术问题的:一种基于多传感器的自适应跟踪处理方法,包括以下步骤:
步骤1:固定目标关联处理;
步骤2:固定目标态势统计;
步骤3:系统误差估计校正;
优选地,所述的步骤1包括:
1.1固定点迹属性筛选
雷达前端检测的点迹属性包括固定、孤立、强杂波、弱杂波及清洁等等,首先对各雷达站送来的点迹数据进行预处理,即坐标变换,随后挂载到点迹时间索引链表上,再从点迹时间索引链表中,一一取出点迹,通过点迹的属性标记来筛选出固定点迹,滤除强杂波等不相关点迹,最后把筛选出的点迹进入到相应的处理渠道,来进行后续的模块化自适应的跟踪匹配处理。
1.2固定点迹与固定稳航关联
根据雷达目标分辨率(方位分辨率α和距离分辨率γ),设置固定目标的径向距离关联阈值△D和方位关联阈值△A,先通过关联阈值划分成相关区域(Ds≤D≤De,As≤A≤Ae),在该区域内利用欧氏距离寻找该固定点迹与固定航迹最近(最优)的两个目标航迹(包括固定Ais和固定雷达目标),优先选择Ais目标进行固定目标融合,其次选择固定雷达目标进行航迹关联处理。
1.3固定点迹与固定暂航关联
若固定点迹与稳定航迹不关联,则把该点迹与建立的固定暂时航迹相关处理。第一步通过同雷达不同帧来判断当前的固定点迹是否与固定暂时航迹较近的雷达点重叠(方位及距离),在重叠的前提下,再施行第二步,即在关联阈值(方位和距离)划分的相关区域内,通过欧氏距离来寻找离固定点迹最近的暂时航迹,并把该固定点迹挂在对应的暂航点迹环上,为了固定目标起始作数据统计处理。
1.4固定点迹规律性统计起始与维持
通过固定暂时航迹点迹环上的点迹数据进行滑窗法依次统计。采样N批(10批)数据,每批从当前更新点迹开始,按照一个凝聚周期T0(20秒)的时间间隔,统计点迹数。根据雷达点迹分布情况来区分杂波的随机性与真实目标的稳定性,若每批至少收到N0个(5个)固定点迹,则该批可视为有效批次,在滑窗N批中至少有N1批有效(7批),则认为该位置检测发现到了固定目标,不妨令实收点迹集为{Pij},1≤i≤N0,1≤j≤N1,每个点迹Pij对应的极坐标则固定目标的质心位置为/>其中Unitary(θij)表示对暂时航迹关联上的所有固定点迹的方位进行归一化处理,主要是通过多帧点迹求质心算法来给予固定目标起始位置,该固定目标可作为后面自适应分析和数据处理的依据,用质心位置可减少雷达观测误差的影响。
优选地,所述的步骤2包括:
2.1距离方位网络单元格划分
根据雷达的扫描威力及性能,以雷达基站为中心,将雷达扫描区域分成Α*Θ(1200*350)个网格区域,其中,每个单位格的方位夹角和距离长分别为0.3度和150米,即把雷达扫描的圆形区域划分成扇形网络单元格,方便统计分析目标在系统误差下的态势。
2.2单雷达传感器固定目标态势估计
该单源雷达传感器所在的覆盖区域内要有真实的固定目标(精度较高的Ais目标或探测雷达通道号信息相同的明确位置的大桥等等)作为参考基准,基于前面已统计起始的固定雷达目标和雷达扫描区域网络单元格的划分Α*Θ,通过多目标跟踪维持模型的特性,利用统计和关联的方法来匹配二者之间的态势。首先对多基站的雷达固定目标进行态势提取,然后进行态势统计分析,态势统计分析分为粗配对和精配对两步,粗配对主要基于划分网格,用单元格确认波门来相关,粗配对后若有至少两个候选目标态势,则需要根据方差来进行精配对,经过上述处理后,最终确认为一个可靠态势。
2.3多雷达传感器固定目标态势估计
多源信息在有系统误差的前提下,易出现目标分裂现象。来自于不同通道号的分裂目标很可能都存在着系统误差,校正前后多基站起始的固定目标都有相对的态势,不影响和单雷达目标态势同时估计,以便后面能够及时校正多雷系统误差。多源和单源类似,同样利用统计和关联的方法,基于多目标特性及前面单源雷达已划分的网格来匹配周围的态势,但有三点不同,第一,对于多雷达传感器,不需要每个雷达基站都要有真实的固定目标作为参考,只需以前面单源通道号的雷达目标为中心,遍历寻找附近的不同通道号的固定目标;第二,多雷达工作时,以固定真实目标作为参考的单源雷达与其他多基站雷达要有共同扫描的公共覆盖区域,否则谈不上多传感器数据的关联和融合;第三,多源信息系统误差下,根据雷达通道号和目标态势来判断相近邻两个固定目标是否属于同一个目标,因为可分辨的两个目标,不可能一个被某部雷达发现,而另一个被另一部雷达发现。类似地,首先对多基站的雷达固定目标进行态势提取,然后态势分析,在多传感器的环境下,以前面的单雷达传感器目标为中心来寻找临时目标态势,经过粗配对和精配对后,最终各雷达站确认一个可靠态势,以满足后面多雷达传感器的系统误差能够自适应校正。
优选地,所述的步骤3包括:
3.1单雷达传感器系统误差估计与校正
根据权利要求1所述的步骤2中匹配分析的单雷达固定目标的态势,利用多目标欧氏距离的均值来表示单源雷达的系统误差Φid1=(△ρid1,△θid1)(方位和距离误差),用估计的系统误差对该单雷达传感器进行机械校正。
不妨设校正前该基站的雷达点迹在极坐标系下的位置则校正后的位置为/>
3.2多雷达传感器系统误差估计与校正
基于上述计算的单源雷达传感器的系统误差Φid1=(△ρid1,△θid1),通过航迹融合以及单传感器在相同时刻对同一固定目标的极坐标量测相等其中,id1,id2,…,idK分别表示同一固定目标在K个雷达基站的公共覆盖区域内的id通道号,来联合配准估计多传感器的系统误差,并对各雷达站的系统误差自适应的校正,便于后续航迹融合与稳定性跟踪。
本发明相比现有技术具有以下优点:根据固定目标的特征信息及雷达系统误差致使的目标分裂态势,提出一种基于多传感器的自适应跟踪处理方法,在多雷达传感器的公共覆盖区域内,根据单雷达传感器的固定目标进行多雷达系统误差自适应匹配,从而校正各雷达站的系统误差,既不受每个站点都要有真实目标作为参考的局限限制,又基于起始的固定目标特性,减少观测噪声的影响,弥补了现有传统系统误差标校绝对准则的缺陷,该方法在工程应用方面自适应性效果较好,能够减少目标分裂和错误关联的概率,提升了数据融合的精确性,有效的剔除虚假航迹,在多雷达传感器下的目标能够稳定性跟踪。
附图说明
图1是本发明一种基于多传感器的自适应跟踪处理方法的流程图;
图2是单多雷达传感器探测目标的分裂态势估计示意图。
具体实施方式
下面对本发明的实施例作详细说明,本实施例在以本发明技术方案为前提下进行实施,给出了详细的实施方式和具体的操作过程,但本发明的保护范围不限于下述的实施例。
如图1所示,本发明提出一种基于多传感器的自适应跟踪处理方法,具体包括以下步骤:
步骤一:固定目标关联处理
1.1固定点迹属性筛选
雷达前端检测的点迹属性包括固定、孤立、强杂波、弱杂波及清洁等等,首先对各雷达站送来的点迹数据进行预处理,即坐标变换,随后挂载到点迹时间索引链表上,再从点迹时间索引链表中,一一取出点迹,通过点迹的属性标记来筛选出固定点迹,滤除强杂波等不相关点迹,最后把筛选出的点迹进入到相应的处理渠道,来进行后续的模块化自适应的跟踪匹配处理。
1.2固定点迹与固定稳航关联
根据雷达目标分辨率(方位分辨率α和距离分辨率γ),设置固定目标的径向距离关联阈值△D和方位关联阈值△A,先通过关联阈值划分成相关区域(Ds≤D≤De,As≤A≤Ae),在该区域内利用欧氏距离寻找该固定点迹与固定航迹最近(最优)的两个目标航迹(包括固定Ais和固定雷达目标),优先选择Ais目标进行固定目标融合,其次选择固定雷达目标进行航迹关联处理。
1.3固定点迹与固定暂航关联
若固定点迹与稳定航迹不关联,则把该点迹与建立的固定暂时航迹相关处理。第一步通过同雷达不同帧来判断当前的固定点迹是否与固定暂时航迹较近的雷达点重叠(方位及距离),在重叠的前提下,再施行第二步,即在关联阈值(方位和距离)划分的相关区域内,通过欧氏距离来寻找离固定点迹最近的暂时航迹,并把该固定点迹挂在对应的暂航点迹环上,为了固定目标起始作数据统计处理。
1.4固定点迹规律性统计起始与维持
通过固定暂时航迹点迹环上的点迹数据进行滑窗法依次统计。采样n批(10批)数据,每批从当前更新点迹开始,按照一个凝聚周期T0(20秒)的时间间隔,统计点迹数。根据雷达点迹分布情况来区分杂波的随机性与真实目标的稳定性,若每批至少收到n0个(5个)固定点迹,则该批可视为有效批次,在滑窗n批中至少有n1批有效(7批),则认为该位置检测发现到了固定目标,不妨令实收点迹集为{Pij},1≤i≤n0,1≤j≤n1,每个点迹Pij对应的极坐标则固定目标的质心位置为/>其中Unitary(θij)表示对暂时航迹关联上的所有固定点迹的方位进行归一化处理,主要是通过多帧点迹求质心算法来给予固定目标起始位置,该固定目标可作为后面自适应分析和数据处理的依据,用质心位置可减少雷达观测误差的影响。
步骤二:固定目标态势统计
2.1距离方位网络单元格划分
根据雷达的扫描威力及性能,以雷达基站为中心,将雷达扫描区域分成Α*Θ(1200*350)个网格区域,其中,每个单位格的方位夹角和距离长分别为0.3度和150米,即把雷达扫描的圆形区域划分成扇形网络单元格,方便统计分析目标在系统误差下的态势。
2.2单雷达传感器固定目标态势估计
该单雷达传感器所在的覆盖区域内要有真实的固定目标(精度较高的Ais目标或探测雷达通道号信息相同的明确位置的大桥等等)作为参考基准,基于前面已统计起始的固定雷达目标和雷达扫描区域网络单元格的划分,通过多目标跟踪维持模型的特性,利用统计和关联的方法来匹配二者之间的态势。
具体地,首先对单基站的雷达固定目标进行态势提取,不妨选取该雷达固定目标集合对/>有/>0≤i≤Α,0≤j≤Θ,,设△ρ和△θ分别为对海雷达的系统误差方位和距离的校正上限值,其中,△ρ=0.5,△θ=1000。以/>为中心来遍历一定方位[ρt-△ρ,ρt+△ρ]和距离[θt-△θ,θt+△θ]内的真实固定目标,找到的该目标集合为/>其中,/>0≤i0≤Α,0≤j0≤Θ,综上所述,第m批目标/>与其找到的真实固定目标集/>组合提取一个目标态势集合群,不妨设为
接下来就是态势分析,先对目标态势进行粗配对,把第一批目标与其遍历得到的每个目标/>建立一个临时态势集,设为
,
其中,
类似地,基于第一批目标的临时态势集和网格划分,对于第二批目标预测每个临时态势目标/>以其为中心,以(i20+i1n-i10)×(j20+j1n-j10)所在的网格区域为确认波门,若在对应波门内有相关的固定目标,则完成目标态势互联配对,否则删除所选的临时态势,并更新第二批目标的临时集合,依次类推第k批目标/>若经过上述处理后,最终的临时态势集中,每个雷达目标所配对的/>的元素个数Count=0,则判断该雷达基站不存在系统误差;若Count=1,则该临时集合只有一个目标态势,且该临时态势可确认为可靠态势;若Count≥2,则继续进行精配对,不妨设最后的临时态势集合中,每个雷达目标所配对的态势个数即
。
说明该雷达基站存在两个独立的系统误差,接下来要根据方位和距离的标准差来选取最优的系统误差。两组相关态势为
,
其中,
其方位和距离的期望分别为
标准差分别为
若则选择相关态势/>并确认为可靠态势,若/>则比较/>大小,选择较小标准差的一组为可靠态势。
2.3多雷达传感器固定目标态势估计
多源信息在有系统误差的前提下,易出现目标分裂现象。来自于不同通道号的分裂目标很可能都存在着系统误差,校正前后多基站起始的固定目标都有相对的态势,不影响和单雷达目标态势同时估计,以便后面能够及时校正多雷系统误差。多源和单源类似,同样利用统计和关联的方法,基于多目标特性及前面单雷达传感器已划分的网格来匹配周围的态势,但有三点不同,第一,对于多雷达传感器,不需要每个雷达基站都要有真实的固定目标作为参考,只需以前面单源通道号的雷达目标为中心,遍历寻找附近的不同通道号的固定目标;第二,多雷达工作时,以固定真实目标作为参考的单源雷达与其他多基站雷达要有共同扫描的公共覆盖区域,否则谈不上多传感器数据的关联和融合;第三,多源信息系统误差下,根据雷达通道号和目标态势来判断相近邻两个固定目标是否属于同一个目标,因为可分辨的两个目标,不可能一个被某部雷达发现,而另一个被另一部雷达发现。
类似地,首先对多基站的雷达固定目标进行态势提取,不妨对
有/>0≤i≤Α,0≤j≤Θ,
其中表示选取前面的单雷达传感器多目标集合。
设△ρ和△θ分别为对海雷达的系统误差方位和距离的校正上限值,其中,△ρ=0.5,△θ=1000。以为中心来遍历方位[ρt-△ρ,ρt+△ρ]和距离[θt-△θ,θt+△θ]内起始的雷达固定目标,找到的该目标集合为/>其中,
综上所述,第m批目标与其找到的真实固定目标集/>组合提取一个目标态势集合群,不妨设为
。
然后进行态势分析,先对目标态势进行粗配对,把第一批目标与其遍历得到的每个目标/>建立一个临时态势集,设为
其中,
同样地,基于第一批目标的临时态势集合和网格划分,对于第二批目标预测每个临时态势目标/>以其为中心,以(i20+i1n-i10)×(j20+j1n-j10)所在的网格区域为确认波门,若在对应波门内有相关的固定目标,则完成目标态势互联配对,否则删除所选的临时态势,并更新第二批目标的临时集合,依次类推第k批目标/>若经过上述处理后,最终的临时态势集合的个数Count≤1,则该临时态势确认为可靠态势;若Count≥2,则再进行精配对,不妨设最后的临时态势集合中,每个雷达目标所配对的态势个数/>即
说明该雷达基站存在两个独立的系统误差。两组相关态势分别为
,
其中,
接下来和单雷达传感器类似,根据方位和距离的标准差来选取最优的系统误差,从而确认一个可靠态势。
步骤三:系统误差估计校正
3.1单雷达传感器系统误差估计与校正
根据权利要求1所述的步骤2中匹配分析的单源固定目标的态势,利用多目标欧氏距离的均值来表示单源雷达的系统误差Φid1=(△ρid1,△θid1)(方位和距离误差)。不妨对存在唯一的分裂目标
其中,且q是一个唯一值,则该单源雷达方位和距离的系统误差分别为
于是,可设校正前该基站的雷达点迹在极坐标系下的位置则校正后的位置/>
3.2多雷达传感器系统误差估计与校正
基于上述计算的单源雷达传感器的系统误差,根据航迹融合以及单传感器在相同时刻对同一固定目标的极坐标量测相等,来联合配准估计多传感器的系统误差,并对各雷达站的系统误差自适应的校正。
不妨设同一固定目标在K个雷达基站的公共覆盖区域内,id通道号分别为id1,id2,…,idK,其中,前面已估计的单源雷达通道号为id1,则满足
即
ρid1+△ρid1=ρid2+△ρid2=…=ρidK+△ρidK,
θid1+△θid1=θid2+△θid2=…=θidK+△θidK,
于是得到各基站雷达的系统误差,并根据id1雷达站进行自适应校正雷达点迹,便于后续的航迹融合与稳定性跟踪。
以上所述仅为本发明的优选实施例,并非因此限制本发明的专利范围,凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换,或直接或间接运用在其他相关的技术领域,均同理包括在本发明的专利保护范围内。
Claims (4)
1.一种基于多传感器的自适应跟踪处理方法,其特征在于,包括以下步骤:
步骤1:固定目标关联处理;
步骤2:固定目标态势统计;
步骤3:系统误差估计校正,
其中,所述步骤1包括:
1.1固定点迹属性筛选
雷达前端检测的点迹属性包括固定、孤立、强杂波、弱杂波及清洁,首先对各雷达站送来的点迹数据进行预处理,即坐标变换,随后挂载到点迹时间索引链表上,再从点迹时间索引链表中,一一取出点迹,通过点迹的属性标记来筛选出固定点迹,滤除强杂波不相关点迹,最后把筛选出的点迹进入到相应的处理渠道,来进行后续的模块化自适应的跟踪匹配处理;
1.2固定点迹与固定稳航关联
根据雷达目标分辨率:方位分辨率α和距离分辨率γ,设置固定目标的径向距离关联阈值ΔD和方位关联阈值ΔA,先通过关联阈值划分成相关区域Ds≤D≤De,As≤A≤Ae,其中,D表示固定目标的径向距离、Ds表示径向距离关联区域的下限、De表示径向距离关联区域的上限、A表示固定目标的方位、As表示方位关联区域的下限、Ae表示方位关联区域的上限;
在相关区域内利用欧氏距离寻找该固定点迹与固定航迹最近或最优的两个目标航迹,目标航迹包括固定Ais和固定雷达目标,先选择Ais目标进行固定目标融合,其次选择固定雷达目标进行航迹关联处理;
1.3固定点迹与固定暂航关联
若固定点迹与稳定航迹不关联,则把该固定点迹与建立的固定暂时航迹相关处理;第一步通过同雷达不同帧,来判断当前的固定点迹是否与固定暂时航迹较近的雷达点重叠,在重叠的前提下,再实行第二步,即在关联阈值划分的相关区域内,通过欧氏距离来寻找离固定点迹最近的暂时航迹,并把该固定点迹挂在对应的暂航点迹环上,为了固定目标起始作数据统计处理;
1.4固定点迹规律性统计起始与维持
通过固定暂时航迹点迹环上的点迹数据进行滑窗法依次统计,采样N批数据,每批从当前更新点迹开始,按照一个凝聚周期T0的时间间隔,统计点迹数,根据雷达点迹分布情况来区分杂波的随机性与真实目标的稳定性,若每批至少收到N0个固定点迹,则该批可视为有效批次,在滑窗N批中至少有N1批有效,则认为位置检测发现到了固定目标,令实收点迹集为{Pij},1≤i≤N0,1≤j≤N1,每个点迹Pij对应的极坐标则固定目标的质心位置为/> 其中Unitary(θij)表示对暂时航迹关联上的所有固定点迹的方位进行归一化处理,通过多帧点迹求质心算法来给予固定目标起始位置。
2.根据权利要求1所述的基于多传感器的自适应跟踪处理方法,其特征在于,所述步骤2具体包括:
2.1距离方位网络单元格划分
根据雷达的扫描威力及性能,以雷达基站为中心,将雷达扫描区域分成B*Θ=1200*350个网格区域,其中,B表示按方位均分的方位个数、Θ表示按径向距离均分的距离个数;其中,每个单位格的方位夹角和距离长分别为0.3度和150米,即把雷达扫描的圆形区域划分成扇形网络单元格,方便统计分析目标在系统误差下的态势;
2.2单雷达传感器固定目标态势估计
单雷达传感器所在的覆盖区域内要有真实的固定目标作为参考基准,基于已统计起始的固定雷达目标和雷达扫描区域网络单元格的划分,通过多目标跟踪维持模型的特性,利用统计和关联的方法来匹配二者之间的态势;
首先对单基站的雷达固定目标进行态势提取,选取雷达固定目标集合对/>有/>其中,设Δρ和Δθ分别为对海雷达的系统误差方位和距离的校正上限值,其中,Δρ=0.5,Δθ=1000,以/>为中心来遍历一定方位[ρt-Δρ,ρt+Δρ]和距离[θt-Δθ,θt+Δθ]内的真实固定目标,找到的目标集合为/>其中, 第m批目标/>与其找到的真实固定目标集/>组合提取一个目标态势集合群,设为
接下来就是态势分析,先对目标态势进行粗配对,把第一批目标与其遍历得到的每个目标/>建立一个临时态势集,设为
其中,
基于第一批目标的临时态势集和网格划分,对于第二批目标预测每个临时态势目标/>以其为中心,以(i20+i1n-i10)×(j20+j1n-j10)所在的网格区域为确认波门,若在对应波门内有相关的固定目标,则完成目标态势互联配对,否则删除所选的临时态势,并更新第二批目标的临时集合,依次类推第k批目标/> 若经过上述处理后,最终的临时态势集中,每个雷达目标所配对的/>的元素个数Count=0,则判断雷达基站不存在系统误差;若Count=1,则临时集合只有一个目标态势,且临时态势可确认为可靠态势;若Count≥2,则继续进行精配对,设最后的临时态势集合中,每个雷达目标所配对的态势个数/>即
说明雷达基站存在两个独立的系统误差,接下来要根据方位和距离的标准差来选取最优的系统误差,两组相关态势为
其中,
其方位和距离的期望分别为
标准差分别为
若则选择相关态势/>并确认为可靠态势,若/> 则比较/>大小,选择较小标准差的一组为可靠态势;
2.3多雷达传感器固定目标态势估计
首先对多基站的雷达固定目标进行态势提取,对
有/>
其中表示选取前面的单雷达传感器多目标集合,
设Δρ和Δθ分别为对海雷达的系统误差方位和距离的校正上限值,其中,Δρ=0.5,Δθ=1000,以为中心来遍历方位[ρt-Δρ,ρt+Δρ]和距离[θt-Δθ,θt+Δθ]内起始的雷达固定目标,找到的目标集合为/>其中,/>
第m批目标与其找到的真实固定目标集/>组合提取一个目标态势集合群,设为
然后进行态势分析,先对目标态势进行粗配对,把第一批目标与其遍历得到的每个目标/>建立一个临时态势集,设为
其中,
同样地,基于第一批目标的临时态势集合和网格划分,对于第二批目标预测每个临时态势目标/> 以其为中心,以(i20+i1n-i10)×(j20+j1n-j10)所在的网格区域为确认波门,若在对应波门内有相关的固定目标,则完成目标态势互联配对,否则删除所选的临时态势,并更新第二批目标的临时集合,依次类推第k批目标/>若经过上述处理后,最终的临时态势集合的个数Count≤1,则临时态势确认为可靠态势;若Count≥2,则再进行精配对,设最后的临时态势集合中,每个雷达目标所配对的态势个数/>即
说明雷达基站存在两个独立的系统误差,两组相关态势分别为
其中,
接下来根据方位和距离的标准差来选取最优的系统误差,从而确认一个可靠态势。
3.根据权利要求1-2任一所述的基于多传感器的自适应跟踪处理方法,其特征在于,所述步骤3包括:
3.1单雷达传感器系统误差估计与校正
根据所述步骤2中匹配分析的单源固定目标的态势,利用多目标欧氏距离的均值来表示单源雷达的系统误差Φid1=(Δρid1,Δθid1),对 存在唯一的分裂目标
其中,且q是一个唯一值,则单源雷达方位和距离的系统误差分别为
于是,可设校正前的基站的雷达点迹在极坐标系下的位置则校正后的位置/>
3.2多雷达传感器系统误差估计与校正
基于上述计算的单源雷达传感器的系统误差,根据航迹融合以及单传感器在相同时刻对同一固定目标的极坐标量测相等,来联合配准估计多传感器的系统误差,并对各雷达站的系统误差自适应的校正;
设同一固定目标在K个雷达基站的公共覆盖区域内,id通道号分别为id1,id2,…,idK,其中,前面已估计的单源雷达通道号为id1,则满足
即
ρid1+Δρid1=ρid2+Δρid2=…=ρidK+ΔρidK,
θid1+Δθid1=θid2+Δθid2=…=θidK+ΔθidK,
得到各基站雷达的系统误差,并根据id1雷达站进行自适应校正雷达点迹。
4.根据权利要求2所述的基于多传感器的自适应跟踪处理方法,其特征在于,所述步骤2.2中真实的固定目标包括精度较高的Ais目标或探测雷达通道号信息相同的明确位置的目标。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911045766.0A CN110907903B (zh) | 2019-10-30 | 2019-10-30 | 一种基于多传感器的自适应跟踪处理方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911045766.0A CN110907903B (zh) | 2019-10-30 | 2019-10-30 | 一种基于多传感器的自适应跟踪处理方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110907903A CN110907903A (zh) | 2020-03-24 |
CN110907903B true CN110907903B (zh) | 2023-08-01 |
Family
ID=69815006
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911045766.0A Active CN110907903B (zh) | 2019-10-30 | 2019-10-30 | 一种基于多传感器的自适应跟踪处理方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110907903B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114067555B (zh) * | 2020-08-05 | 2023-02-17 | 北京万集科技股份有限公司 | 多基站数据的配准方法、装置、服务器和可读存储介质 |
CN112906746B (zh) * | 2021-01-25 | 2024-04-02 | 北京工业大学 | 一种基于结构方程模型的多源航迹融合评估方法 |
CN114963879B (zh) * | 2022-05-20 | 2023-11-17 | 中国电子科技集团公司电子科学研究院 | 无人机综合反制系统及综合反制方法 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8369622B1 (en) * | 2009-10-29 | 2013-02-05 | Hsu Shin-Yi | Multi-figure system for object feature extraction tracking and recognition |
CN104007426A (zh) * | 2014-05-16 | 2014-08-27 | 中国人民解放军空军装备研究院雷达与电子对抗研究所 | 一种基于lse(最小方差估计)的ads与雷达信息系统误差配准算法 |
CN104931960A (zh) * | 2015-05-25 | 2015-09-23 | 中国电子科技集团公司第十研究所 | 动向报文与雷达目标态势信息全航迹段数据关联方法 |
CN106249232A (zh) * | 2016-08-24 | 2016-12-21 | 中国电子科技集团公司第二十八研究所 | 基于目标运动态势信息数据关联策略的目标跟踪方法 |
CN108490407A (zh) * | 2018-05-02 | 2018-09-04 | 深圳市华讯方舟雷达技术装备有限公司 | 一种基于ais的多雷达系统误差校正自动方法 |
CN109839620A (zh) * | 2019-03-11 | 2019-06-04 | 深圳大学 | 一种联合ads-b的最小二乘雷达系统误差估计方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10527722B2 (en) * | 2015-06-09 | 2020-01-07 | Garmin Switzerland Gmbh | Radar sensor system providing situational awareness information |
-
2019
- 2019-10-30 CN CN201911045766.0A patent/CN110907903B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8369622B1 (en) * | 2009-10-29 | 2013-02-05 | Hsu Shin-Yi | Multi-figure system for object feature extraction tracking and recognition |
CN104007426A (zh) * | 2014-05-16 | 2014-08-27 | 中国人民解放军空军装备研究院雷达与电子对抗研究所 | 一种基于lse(最小方差估计)的ads与雷达信息系统误差配准算法 |
CN104931960A (zh) * | 2015-05-25 | 2015-09-23 | 中国电子科技集团公司第十研究所 | 动向报文与雷达目标态势信息全航迹段数据关联方法 |
CN106249232A (zh) * | 2016-08-24 | 2016-12-21 | 中国电子科技集团公司第二十八研究所 | 基于目标运动态势信息数据关联策略的目标跟踪方法 |
CN108490407A (zh) * | 2018-05-02 | 2018-09-04 | 深圳市华讯方舟雷达技术装备有限公司 | 一种基于ais的多雷达系统误差校正自动方法 |
CN109839620A (zh) * | 2019-03-11 | 2019-06-04 | 深圳大学 | 一种联合ads-b的最小二乘雷达系统误差估计方法 |
Non-Patent Citations (2)
Title |
---|
Simultaneous Target and Multipath Positioning;Li Li等;《IEEE Journal of Selected Topics in Signal Processing》;20140228;第8卷(第01期);第153-165页 * |
VTS导航雷达中抑制远距离随机误差的高精度静态目标跟踪方法;赵航等;《雷达与对抗》;20151231;第35卷(第04期);第15-17页 * |
Also Published As
Publication number | Publication date |
---|---|
CN110907903A (zh) | 2020-03-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110907903B (zh) | 一种基于多传感器的自适应跟踪处理方法 | |
CN106291488B (zh) | 一种雷达标定误差校正方法 | |
CN109141427B (zh) | 在非视距环境下基于距离和角度概率模型的ekf定位方法 | |
CN106454747B (zh) | 手机终端的无线定位方法 | |
US9846221B2 (en) | Method for the passive localization of radar transmitters | |
CN109581359B (zh) | 一种esm无源信息与雷达有源信息关联的方法 | |
CN112051568B (zh) | 一种两坐标雷达的俯仰测角方法 | |
US10852386B2 (en) | Method for calibrating a local positioning system based on time-difference-of-arrival measurements | |
CN109917404B (zh) | 一种室内定位环境特征点提取方法 | |
CN109856616B (zh) | 一种雷达定位相对系统误差修正方法 | |
CN110018450A (zh) | Ais与雷达角度系统偏差的关联校准方法 | |
CN103047982A (zh) | 基于角度信息的目标自适应跟踪方法 | |
CN109031190B (zh) | 一种高重频脉冲信号无源时差定位方法 | |
CN109239653A (zh) | 一种基于子空间分解的多辐射源被动直接时差定位方法 | |
CN116892898A (zh) | 农机的轨迹误差检测方法、装置及系统 | |
CN109856619B (zh) | 一种雷达测向相对系统误差修正方法 | |
CN109459723B (zh) | 一种基于元启发算法的纯方位被动定位方法 | |
CN115144851A (zh) | 一种基于俯仰角的多站定位跟踪方法 | |
CN111735449B (zh) | 一种地磁匹配定位方法及装置 | |
CN110646792B (zh) | 一种基于观察哨数字望远镜的雷达搜索窗口设置方法 | |
CN114396946B (zh) | 一种综合船桥系统中多源目标信息关联方法 | |
CN105242262A (zh) | 一种基于天线周期扫描时间差无源定位方法 | |
CN108267713B (zh) | 一种改进的tdoa发射源定位算法 | |
CN113960646B (zh) | 双站式光电多目标高程匹配定位方法 | |
CN109782324A (zh) | 一种铁路巡检定位方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |