CN111289965B - 一种多目标雷达快速跟踪方法及系统 - Google Patents
一种多目标雷达快速跟踪方法及系统 Download PDFInfo
- Publication number
- CN111289965B CN111289965B CN201911224582.0A CN201911224582A CN111289965B CN 111289965 B CN111289965 B CN 111289965B CN 201911224582 A CN201911224582 A CN 201911224582A CN 111289965 B CN111289965 B CN 111289965B
- Authority
- CN
- China
- Prior art keywords
- matrix
- state
- moment
- filtering
- error covariance
- 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
Images
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
- G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
- G01S13/66—Radar-tracking systems; Analogous systems
- G01S13/72—Radar-tracking systems; Analogous systems for two-dimensional tracking, e.g. combination of angle and range tracking, track-while-scan radar
- G01S13/723—Radar-tracking systems; Analogous systems for two-dimensional tracking, e.g. combination of angle and range tracking, track-while-scan radar by using numerical data
- G01S13/726—Multiple target tracking
-
- 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
- G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
- G01S13/02—Systems using reflection of radio waves, e.g. primary radar systems; Analogous systems
- G01S13/50—Systems of measurement based on relative movement of target
- G01S13/58—Velocity or trajectory determination systems; Sense-of-movement determination systems
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
- Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Computer Networks & Wireless Communication (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Radar Systems Or Details Thereof (AREA)
Abstract
本发明公开了一种多目标雷达快速跟踪方法及系统,所述方法包括获取暂态航迹,并根据所述暂态航迹中最新的设定个数点迹,计算滤波器初始化参数;基于所述初始化参数对滤波器进行初始化;利用滤波器对暂态航迹中最新1个点迹进行滤波,并将滤波后的值作为跟踪航迹的第一个点迹;基于所述滤波后的值做一次预测,得到下一跟踪时刻的目标位置;将所述下一跟踪时刻的目标位置打包为调度指令,并将其发送到雷达实时控制软件,由所述雷达实时控制软件根据调度指令调度雷达,由雷达不断观测目标新的点迹,并对所述新的点迹进行滤波和预测,最终实现对目标的稳定跟踪。本发明能够降低跟踪复杂度,提高雷达资源利用率,同时能够适应运动状态相对复杂的目标跟踪。
Description
技术领域
本发明属于雷达数据处理技术领域,具体涉及一种多目标雷达快速跟踪方法及系统。
背景技术
雷达跟踪算法为雷达数据处理的核心,按照功能可细分为两个个部分:航迹滤波、航迹跟踪,这两个部分实际采用的算法决定了雷达跟踪效果的优劣。
航迹起始后,需要对匹配航迹进行滤波,关于滤波参数初始化,当前常见算法并未对滤波参数进行深入研究,这会导致滤波模型在初期会与目标真实运动情况不匹配,进而导致滤波器收敛慢,目标前几次滤波误差较大,目标位置预测不准确,最终使得航迹跟踪失败。
航迹滤波算法,在工程应用领域中,多目标跟踪本身具有较高的复杂性,为了保证实时性要求,卡尔曼滤波、α-β-γ滤波和交互多模型滤波以其相对精简的计算而被广泛应用,但是这三种算法均存在一定的问题。
对卡尔曼滤波而言,其计算相对复杂,对目标每个时刻的状态和观测协方差均作了预测,存在大量的矩阵运算,并且对于机动目标运动响应速度较慢,在跟踪大机动目标的战情下容易出现目标丢失。
对于α-β-γ滤波而言,其目标滤波和迭代预测的效果取决于滤波增益矩阵K的选择,该参数一般由工程经验获得,具有极大的不确定性。通常情况下,对于不同的航迹,在设置匹配参数的过程中,需要一定的先验新息,通过记录观测目标的航迹并做参数估计,来获取增益矩阵参数,在实际过程中,尤其是非合作目标的情况下,存在诸多限制,很容易导致滤波发散,目标丢失。
对于交互多模型算法而言,其算法结构相对严谨,但其计算复杂度相对较大,大致相当于卡尔曼滤波的三倍,但从跟踪效果来看,该算法可以同时适应机动和非机动目标,在非合作单目标跟踪战情下跟踪效果较好,对于多目标跟踪战情下则耗时严重,对硬件计算资源要求较高。
发明内容
针对上述问题,本发明提出一种多目标雷达快速跟踪方法及系统,能够降低跟踪复杂度,提高雷达资源利用率,同时能够适应运动状态相对复杂的目标跟踪。
为了实现上述技术目的,达到上述技术效果,本发明通过以下技术方案实现:
第一方面,本发明提供了一种多目标雷达快速跟踪方法,包括:
获取暂态航迹,并根据所述暂态航迹中最新设定个数点迹,计算滤波器初始化参数;
基于所述初始化参数对滤波器进行初始化;
利用滤波器对暂态航迹中最新1个点迹进行滤波,并将滤波后的值作为跟踪航迹的第一个点迹;
基于所述滤波后的值做一次预测,得到下一跟踪时刻的目标位置;
将所述下一跟踪时刻的目标位置打包为调度指令,并将其发送到雷达实时控制软件,由所述雷达实时控制软件根据调度指令调度雷达,由雷达不断观测目标新的点迹,并对所述新的点迹进行滤波和预测,最终实现对目标的稳定跟踪。
可选地,所述获取暂态航迹,并根据所述暂态航迹中最新的设定个数点迹,计算滤波器初始化参数,包括以下步骤:
获取暂态航迹,并根据所述暂态航迹中最新的设定个数点迹,结合当前滤波器的模型参数,选择滤波维数,确定出状态转移矩阵、量测矩阵、噪声转移矩阵、量测误差协方差矩阵和状态误差协方差矩阵,所述状态转移矩阵、量测矩阵、噪声转移矩阵和量测误差协方差矩阵在迭代滤波中保持不变;所述状态误差协方差矩阵在迭代的过程中不断更新;
根据暂态航迹中最新的设定个数点迹的位置信息,计算出初始滤波状态矩阵;初始化增益矩阵为全0。
可选地,所述基于所述滤波后的值做一次预测,得到下一跟踪时刻的目标位置,包括:
根据前一时刻的滤波状态矩阵和状态转移矩阵,对前一时刻的滤波状态矩阵进行一步预测,预测结果为当前时刻的滤波状态矩阵的预测值;
根据前一时刻的状态误差协方差矩阵和状态转移矩阵,对前一时刻状态误差协方差矩阵进行一步预测,预测结果为当前时刻的状态误差协方差矩阵的预测值;
根据预测到的状态误差协方差矩阵和状态转移矩阵,以及量测误差协方差矩阵,计算出新息误差协方差矩阵;
根据当前时刻的量测点迹,计算量测状态矩阵,并根据量测状态矩阵和当前时刻滤波状态矩阵的预测值,计算新息;
根据所述新息和新息误差协方差矩阵,计算新息归一化参数,如果满足卡方分布条件,则增益矩阵保持不变,利用当前时刻滤波状态矩阵的预测值、新息和增益矩阵,计算当前时刻滤波后的状态矩阵,并且,当前时刻的状态误差协方差矩阵和增益矩阵与前一时刻保持不变;
取当前时刻状态转移矩阵和当前时刻的滤波状态矩阵,计算下一时刻目标状态矩阵的预测状态矩阵,得到下一跟踪时刻的目标位置。
可选地,如果不满足卡方分布条件,则根据量测误差协方差矩阵、新息误差协方差矩阵和量测矩阵,计算当前时刻增益矩阵;利用当前时刻滤波状态矩阵的预测值、新息和当前时刻增益矩阵,计算当前时刻滤波后的状态矩阵;根据量测矩阵、状态转移矩阵、当前时刻状态误差协方差矩阵的预测值,计算当前时刻的状态误差协方差矩阵。
取当前时刻状态转移矩阵和当前时刻的滤波状态矩阵,计算下一时刻目标状态矩阵的预测状态矩阵,得到下一跟踪时刻的目标位置。
可选地,所述将所述下一跟踪时刻的目标位置打包为调度指令,并将其发送到雷达实时控制软件,具体为:
所述预测状态矩阵,计算雷达下一个时刻的调度信息,将其打包为调度指令,并将其发送到雷达实时控制软件。
第二方面,本发明提供了一种多目标雷达快速跟踪系统,包括:
计算模块,用于获取暂态航迹,并根据所述暂态航迹中最新的设定个数点迹,计算滤波器初始化参数;
初始化模块,用于基于所述初始化参数对滤波器进行初始化;
滤波模块,用于利用滤波器对暂态航迹中最新1个点迹进行滤波,并将滤波后的值作为跟踪航迹的第一个点迹;
预测模块,用于基于所述滤波后的值做一次预测,得到下一跟踪时刻的目标位置;
控制模块,用于将所述下一跟踪时刻的目标位置打包为调度指令,并将其发送到雷达实时控制软件,由所述雷达实时控制软件根据调度指令调度雷达,由雷达不断观测目标新的点迹,并对所述新的点迹进行滤波和预测,最终实现对目标的稳定跟踪。
可选地,所述获取暂态航迹,并根据所述暂态航迹中最新的设定个数点迹,计算滤波器初始化参数,包括以下步骤:
获取暂态航迹,并根据所述暂态航迹中最新的设定个数点迹,结合当前滤波器的模型参数,选择滤波维数,确定出状态转移矩阵、量测矩阵、噪声转移矩阵、量测误差协方差矩阵和状态误差协方差矩阵,所述状态转移矩阵、量测矩阵、噪声转移矩阵和量测误差协方差矩阵在迭代滤波中保持不变;所述状态误差协方差矩阵在迭代的过程中不断更新;
根据暂态航迹中最新的设定个数点迹的位置信息,计算出初始滤波状态矩阵;初始化增益矩阵为全0。
可选地,所述基于所述滤波后的值做一次预测,得到下一跟踪时刻的目标位置,包括:
根据前一时刻的滤波状态矩阵和状态转移矩阵,对前一时刻的滤波状态矩阵进行一步预测,预测结果为当前时刻的滤波状态矩阵的预测值;
根据前一时刻的状态误差协方差矩阵和状态转移矩阵,对前一时刻状态误差协方差矩阵进行一步预测,预测结果为当前时刻的状态误差协方差矩阵的预测值;
根据预测到的状态误差协方差矩阵和状态转移矩阵,以及量测误差协方差矩阵,计算出新息误差协方差矩阵;
根据当前时刻的量测点迹,计算量测状态矩阵,并根据量测状态矩阵和当前时刻滤波状态矩阵的预测值,计算新息;
根据所述新息和新息误差协方差矩阵,计算新息归一化参数,如果满足卡方分布条件,则增益矩阵保持不变,利用当前时刻滤波状态矩阵的预测值、新息和增益矩阵,计算当前时刻滤波后的状态矩阵,并且,当前时刻的状态误差协方差矩阵和增益矩阵与前一时刻保持不变;
取当前时刻状态转移矩阵和当前时刻的滤波状态矩阵,计算下一时刻目标状态矩阵的预测状态矩阵,得到下一跟踪时刻的目标位置。
可选地,如果不满足卡方分布条件,则根据量测误差协方差矩阵、新息误差协方差矩阵和量测矩阵,计算当前时刻增益矩阵;利用当前时刻滤波状态矩阵的预测值、新息和当前时刻增益矩阵,计算当前时刻滤波后的状态矩阵;根据量测矩阵、状态转移矩阵、当前时刻状态误差协方差矩阵的预测值,计算当前时刻的状态误差协方差矩阵。
取当前时刻状态转移矩阵和当前时刻的滤波状态矩阵,计算下一时刻目标状态矩阵的预测状态矩阵,得到下一跟踪时刻的目标位置。
可选地,所述将所述下一跟踪时刻的目标位置打包为调度指令,并将其发送到雷达实时控制软件,具体为:
所述预测状态矩阵,计算雷达下一个时刻的调度信息,将其打包为调度指令,并将其发送到雷达实时控制软件。
与现有技术相比,本发明的有益效果:
相较于传统算法,在计算过程中,本发明利用统计规律,在不影响跟踪效果的前提下,可以省去大量的计算步骤。在非复杂机动下,计算量与α-β-γ滤波相当,消耗资源极少;如果遇到目标机动,计算量与卡尔曼滤波相当,跟踪效果相同。本发明结合了两种算法的优点,且避免了两种算法的缺点,在杂波较多的情况下依然能够保持较好的跟踪性能,同时每一帧的处理时间也得到了极大的缩减。
附图说明
为了使本发明的内容更容易被清楚地理解,下面根据具体实施例并结合附图,对本发明作进一步详细的说明,其中:
图1(a)为本发明一种实施例的航迹跟踪算法流程示意图;
图1(b)为本发明一种实施例的滤波参数初始化流程示意图;
图1(c)为本发明一种实施例的滤波流程示意图;
图1(d)为本发明一种实施例的航迹预测流程示意图;
图1(e)为本发明一种实施例的计算调度流程示意图;
图2为本发明一种实施例的原始航迹和测量航迹及局部放大示意图;
图3为本发明一种实施例的航迹起始前四个点迹结果示意图;
图4为本发明一种实施例的航迹量测、匹配与滤波结果及其局部放大示意图;
图5为本发明一种实施例的目标三维跟踪效果图。
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仅用以解释本发明,并不用于限定本发明的保护范围。
下面结合附图对本发明的应用原理作详细的描述。
实施例1
本发明实施例中提供了一种多目标雷达快速跟踪方法,如图1(a)-1(e)所示,具体包括以下步骤:
(1)获取暂态航迹,并根据所述暂态航迹中最新的设定个数点迹,计算滤波器初始化参数;
(2)基于所述初始化参数对滤波器进行初始化,即图1(a)中的滤波参数初始化;
(3)利用滤波器对暂态航迹中最新1个点迹进行滤波,并将滤波后的值作为跟踪航迹的第一个点迹。对后续每一时刻的量测值进行迭代滤波,即图1(a)中的航迹滤波;
(4)基于所述每一时刻滤波后的值做一次预测,得到下一跟踪时刻的目标位置,即图1(a)中的航迹预测;
(5)将所述下一跟踪时刻的目标位置打包为调度指令,并将其发送到雷达实时控制软件,由所述雷达实时控制软件根据调度指令调度雷达,由雷达不断观测目标新的点迹,并对所述新的点迹进行滤波和预测,最终实现对目标的稳定跟踪,即图1(a)中的计算调度和调度发送。
在本发明实施例的一种具体实施方式中,所述获取暂态航迹,并根据所述暂态航迹中最新的设定个数点迹,计算滤波器初始化参数,包括以下步骤:
获取暂态航迹,并根据所述暂态航迹中最新的设定个数点迹,以及当前滤波器的模型参数,选择滤波维数,确定出状态转移矩阵、量测矩阵、噪声转移矩阵、量测误差协方差矩阵和状态误差协方差矩阵,所述状态转移矩阵、量测矩阵、噪声转移矩阵和量测误差协方差矩阵在迭代滤波中保持不变;所述状态误差协方差矩阵在迭代的过程中不断更新;
根据暂态航迹中最新的设定个数点迹的位置信息,计算出初始滤波状态矩阵;初始化增益矩阵为全0。
作为本发明的进一步改进,所述基于所述滤波后的值做一次预测,得到下一跟踪时刻的目标位置,包括:
根据前一时刻的滤波状态矩阵和状态转移矩阵,对前一时刻的滤波状态矩阵进行一步预测,预测结果为当前时刻的滤波状态矩阵的预测值;
根据前一时刻的状态误差协方差矩阵和状态转移矩阵,对前一时刻状态误差协方差矩阵进行一步预测,预测结果为当前时刻的状态误差协方差矩阵的预测值。
根据预测到的状态误差协方差矩阵和状态转移矩阵,以及量测误差协方差矩阵,计算出新息误差协方差矩阵;
根据当前时刻的量测点迹,计算量测状态矩阵,并根据量测状态矩阵和当前时刻滤波状态矩阵的预测值,计算新息;
根据所述新息和新息误差协方差矩阵,计算新息归一化参数,如果满足卡方分布条件,则增益矩阵保持不变,利用当前时刻滤波状态矩阵的预测值、新息和增益矩阵,计算当前时刻滤波后的状态矩阵,并且,当前时刻的状态误差协方差矩阵和增益矩阵与前一时刻保持不变;
取当前时刻状态转移矩阵和当前时刻的滤波状态矩阵,计算下一时刻目标状态矩阵的预测状态矩阵,得到下一跟踪时刻的目标位置。
在本发明实施例的一种具体实施方式中,如果不满足卡方分布条件,则根据量测误差协方差矩阵、新息误差协方差矩阵和量测矩阵,计算当前时刻增益矩阵;利用当前时刻滤波状态矩阵的预测值、新息和当前时刻增益矩阵,计算当前时刻滤波后的状态矩阵;根据量测矩阵、状态转移矩阵、当前时刻状态误差协方差矩阵的预测值,计算当前时刻的状态误差协方差矩阵。
在本发明实施例的一种具体实施方式中,所述将所述下一跟踪时刻的目标位置打包为调度指令,并将其发送到雷达实时控制软件,具体为:
所述预测状态矩阵,计算雷达下一个时刻的调度信息,将其打包为调度指令,并将其发送到雷达实时控制软件。
实施例2
基于与实施例1相同的发明构思,本发明实施例中提供了一种多目标雷达快速跟踪系统,包括:
计算模块,用于获取暂态航迹,并根据所述暂态航迹中最新的设定个数点迹,计算滤波器初始化参数;
初始化模块,用于基于所述初始化参数对滤波器进行初始化;
滤波模块,用于利用滤波器对暂态航迹中最新1个点迹进行滤波,并将滤波后的值作为跟踪航迹的第一个点迹;
预测模块,用于基于所述滤波后的值做一次预测,得到下一跟踪时刻的目标位置;
控制模块,用于将所述下一跟踪时刻的目标位置打包为调度指令,并将其发送到雷达实时控制软件,由所述雷达实时控制软件根据调度指令调度雷达,由雷达不断观测目标新的点迹,并对所述新的点迹进行滤波和预测,最终实现对目标的稳定跟踪。
在本发明实施例的一种具体实施方式中,所述获取暂态航迹,并根据所述暂态航迹中最新的设定个数点迹,计算滤波器初始化参数,包括以下步骤:
获取暂态航迹,并根据所述暂态航迹中最新的设定个数点迹,以及当前滤波器的模型参数,选择滤波维数,确定出状态转移矩阵、量测矩阵、噪声转移矩阵、量测误差协方差矩阵和状态误差协方差矩阵,所述状态转移矩阵、量测矩阵、噪声转移矩阵和量测误差协方差矩阵在迭代滤波中保持不变;所述状态误差协方差矩阵在迭代的过程中不断更新;
根据暂态航迹中最新的设定个数点迹的位置信息,计算出初始滤波状态矩阵;初始化增益矩阵为全0。
作为本发明的进一步改进,所述基于所述滤波后的值做一次预测,得到下一跟踪时刻的目标位置,包括:
根据前一时刻的滤波状态矩阵和状态转移矩阵,对前一时刻的滤波状态矩阵进行一步预测,预测结果为当前时刻的滤波状态矩阵的预测值;
根据前一时刻的状态误差协方差矩阵和状态转移矩阵,对前一时刻状态误差协方差矩阵进行一步预测,预测结果为当前时刻的状态误差协方差矩阵的预测值。
根据预测到的状态误差协方差矩阵和状态转移矩阵,以及量测误差协方差矩阵,计算出新息误差协方差矩阵;
根据当前时刻的量测点迹,计算量测状态矩阵,并根据量测状态矩阵和当前时刻滤波状态矩阵的预测值,计算新息;
根据所述新息和新息误差协方差矩阵,计算新息归一化参数,如果满足卡方分布条件,则增益矩阵保持不变,利用当前时刻滤波状态矩阵的预测值、新息和增益矩阵,计算当前时刻滤波后的状态矩阵,并且,当前时刻的状态误差协方差矩阵和增益矩阵与前一时刻保持不变;
取当前时刻状态转移矩阵和当前时刻的滤波状态矩阵,计算下一时刻目标状态矩阵的预测状态矩阵,得到下一跟踪时刻的目标位置。
在本发明实施例的一种具体实施方式中,如果不满足卡方分布条件,则根据量测误差协方差矩阵、新息误差协方差矩阵和量测矩阵,计算当前时刻增益矩阵;利用当前时刻滤波状态矩阵的预测值、新息和当前时刻增益矩阵,计算当前时刻滤波后的状态矩阵;根据量测矩阵、状态转移矩阵、当前时刻状态误差协方差矩阵的预测值,计算当前时刻的状态误差协方差矩阵。
在本发明实施例的一种具体实施方式中,所述将所述下一跟踪时刻的目标位置打包为调度指令,并将其发送到雷达实时控制软件,具体为:
所述预测状态矩阵,计算雷达下一个时刻的调度信息,将其打包为调度指令,并将其发送到雷达实时控制软件。
实施例3
本发明实施例中选取两种不同战情对本发明提出的方法进行验证:交叉航迹跟踪和复杂运动战情下的目标跟踪,并给出了详细的数据计算方法。
一、交叉航迹跟踪情况
交叉航迹战情以二维航迹数据为例,设置两条在某一位置、某一时刻出现航迹交叉的情况,来验证本发明方法在存在杂波环境下,对于交错目标的跟踪效果。各步骤实现方法、关键原理及最终仿真效果如下所示。
1、产生数据
表1.1航迹产生参数表
在无杂波环境下,仿真航迹如图2所示。
2.航迹起始采用修正逻辑法
修正逻辑法原理如下:
step1.假定第k次量测数据集合为
Z(k)=Z{Z1(k),Z2(k),...,Zm(k)}
step2.以Z(k)为基础,每个Z(k+1)与Z(k)的量测点迹形成独立航迹,并将所有可能存在的航迹存到暂态航迹队列中;
step3.Z(k+2)的量测点迹与航迹队列中存在的暂态航迹一一匹配,如果满足速度条件
(Z(k+2)-Z(k+1))<η*(Z(k+1)-Z(k)),η为经验参数,通常取0.8~1.2;以及角度条件acos((Z(k+2)-Z(k+1)),(Z(k+1)-Z(k)))<Δθ,Δθ为经验参数,通常取30°~50°,则保留航迹;
step4.Z(k+3)的量测点迹与航迹队列中存在的暂态航迹一一匹配,如果同样满足速度条件和角度条件,并且该暂态航迹在四次观测中满足3/4规则,则将暂态航迹升级为粗跟航迹,如果不满足,则删除该暂态航迹;
step5.滑窗重复前述step1~step4。
航迹起始跟踪效果如图3所示。
3.航迹滤波初始化
假定k时刻,航迹量测状态为Z(k)={Zx(k),Zy(k),Zz(k)},航迹滤波初始化状态为
利用最小二乘法,对上述四个点进行曲线拟合,可得d=a*Zx(k)+b*Zy(k)+c*Zz(k),分别计算每次观测点到该拟合曲线的绝对距离d(k),可得目标的量测噪声协方差近似值为系统噪声协方差设置为q=1e-3。根据r,q,即可初始化量测噪声协方差矩阵R和状态噪声协方差Q。
4.航迹滤波
假定k时刻,状态矩阵为Xk,状态转移矩阵为Ak,量测矩阵为Hk,状态误差协方差矩阵为Pk,系统噪声协方差矩阵为Qk,噪声转移矩阵为Gk,新息协方差为Sk,新息矩阵为Vk,增益矩阵为Kk,新息统计量为Chik。下标k/k表示k时刻的矩阵,k+1/k表示k时刻的矩阵对k+1的预测。航迹滤波过程原理如下:
step1.状态一步预测Xk+1/k=AkXk|k;
step2.状态协方差一步预测Pk+1/k=AkPk/kA'+GkQkGk;
step6.判断如果Chik<7.81,则转到step7,否则,转到step8;
step7.当前目标机动较小,Kk+1=Kk,Xk+1/k+1=Xk+1/k+Kk+1Vk+1,Pk+1/k+1=Pk/k;
step8.当前目标存在机动,更新滤波参数,
Xk+1/k+1=Xk+1/k+Kk+1Vk+1
Pk+1/k+1=[I-Kk+1Hk+1]Pk+1/k
航迹滤波效果结果如图4所示。
二、复杂运动环境下的目标跟踪
复杂运动航迹以三维航迹为例,主要验证本专利算法在不同运动特征切换的情况下,是否能够满足跟踪要求,跟踪过程与前述原理相同,以下给出各部分的仿真结果,具体参见图5。
从运行时间上,以上仿真采用i3-4160处理器的计算机,跟踪10000个点所消耗的时间为0.51896秒;采用传统的卡尔曼滤波方法,在不丢失目标的前提下,完成跟踪所消耗的时间为0.8391秒。
以上显示和描述了本发明的基本原理和主要特征和本发明的优点。本行业的技术人员应该了解,本发明不受上述实施例的限制,上述实施例和说明书中描述的只是说明本发明的原理,在不脱离本发明精神和范围的前提下,本发明还会有各种变化和改进,这些变化和改进都落入要求保护的本发明范围内。本发明要求保护范围由所附的权利要求书及其等效物界定。
Claims (8)
1.一种多目标雷达快速跟踪方法,其特征在于,包括:
获取暂态航迹,并根据所述暂态航迹中最新设定个数点迹,计算滤波器初始化参数;
基于所述初始化参数对滤波器进行初始化;
利用滤波器对暂态航迹中最新1个点迹进行滤波,并将滤波后的值作为跟踪航迹的第一个点迹;
基于所述滤波后的值做一次预测,得到下一跟踪时刻的目标位置;
将所述下一跟踪时刻的目标位置打包为调度指令,并将其发送到雷达实时控制软件,由所述雷达实时控制软件根据调度指令调度雷达,由雷达不断观测目标新的点迹,并对所述新的点迹进行滤波和预测,最终实现对目标的稳定跟踪;
所述基于所述滤波后的值做一次预测,得到下一跟踪时刻的目标位置,包括:
根据前一时刻的滤波状态矩阵和状态转移矩阵,对前一时刻的滤波状态矩阵进行一步预测,预测结果为当前时刻的滤波状态矩阵的预测值;
根据前一时刻的状态误差协方差矩阵和状态转移矩阵,对前一时刻状态误差协方差矩阵进行一步预测,预测结果为当前时刻的状态误差协方差矩阵的预测值;
根据预测到的状态误差协方差矩阵和状态转移矩阵,以及量测误差协方差矩阵,计算出新息误差协方差矩阵;
根据当前时刻的量测点迹,计算量测状态矩阵,并根据量测状态矩阵和当前时刻滤波状态矩阵的预测值,计算新息;
根据所述新息和新息误差协方差矩阵,计算新息归一化参数,如果满足卡方分布条件,则增益矩阵保持不变,利用当前时刻滤波状态矩阵的预测值、新息和增益矩阵,计算当前时刻滤波后的状态矩阵,并且,当前时刻的状态误差协方差矩阵和增益矩阵与前一时刻保持不变;
取当前时刻状态转移矩阵和当前时刻的滤波状态矩阵,计算下一时刻目标状态矩阵的预测状态矩阵,得到下一跟踪时刻的目标位置。
2.根据权利要求1所述的一种多目标雷达快速跟踪方法,其特征在于:所述获取暂态航迹,并根据所述暂态航迹中最新的设定个数点迹,计算滤波器初始化参数,包括以下步骤:
获取暂态航迹,并根据所述暂态航迹中最新的设定个数点迹,结合当前滤波器的模型参数,选择滤波维数,确定出状态转移矩阵、量测矩阵、噪声转移矩阵、量测误差协方差矩阵和状态误差协方差矩阵,所述状态转移矩阵、量测矩阵、噪声转移矩阵和量测误差协方差矩阵在迭代滤波中保持不变;所述状态误差协方差矩阵在迭代的过程中不断更新;
根据暂态航迹中最新的设定个数点迹的位置信息,计算出初始滤波状态矩阵;初始化增益矩阵为全0。
3.根据权利要求1所述的一种多目标雷达快速跟踪方法,其特征在于:如果不满足卡方分布条件,则根据量测误差协方差矩阵、新息误差协方差矩阵和量测矩阵,计算当前时刻增益矩阵;利用当前时刻滤波状态矩阵的预测值、新息和当前时刻增益矩阵,计算当前时刻滤波后的状态矩阵;根据量测矩阵、状态转移矩阵、当前时刻状态误差协方差矩阵的预测值,计算当前时刻的状态误差协方差矩阵;
取当前时刻状态转移矩阵和当前时刻的滤波状态矩阵,计算下一时刻目标状态矩阵的预测状态矩阵,得到下一跟踪时刻的目标位置。
4.根据权利要求1所述的一种多目标雷达快速跟踪方法,其特征在于:所述将所述下一跟踪时刻的目标位置打包为调度指令,并将其发送到雷达实时控制软件,具体为:
所述预测状态矩阵,计算雷达下一个时刻的调度信息,将其打包为调度指令,并将其发送到雷达实时控制软件。
5.一种多目标雷达快速跟踪系统,其特征在于,包括:
计算模块,用于获取暂态航迹,并根据所述暂态航迹中最新的设定个数点迹,计算滤波器初始化参数;
初始化模块,用于基于所述初始化参数对滤波器进行初始化;
滤波模块,用于利用滤波器对暂态航迹中最新1个点迹进行滤波,并将滤波后的值作为跟踪航迹的第一个点迹;
预测模块,用于基于所述滤波后的值做一次预测,得到下一跟踪时刻的目标位置;
控制模块,用于将所述下一跟踪时刻的目标位置打包为调度指令,并将其发送到雷达实时控制软件,由所述雷达实时控制软件根据调度指令调度雷达,由雷达不断观测目标新的点迹,并对所述新的点迹进行滤波和预测,最终实现对目标的稳定跟踪;
所述基于所述滤波后的值做一次预测,得到下一跟踪时刻的目标位置,包括:
根据前一时刻的滤波状态矩阵和状态转移矩阵,对前一时刻的滤波状态矩阵进行一步预测,预测结果为当前时刻的滤波状态矩阵的预测值;
根据前一时刻的状态误差协方差矩阵和状态转移矩阵,对前一时刻状态误差协方差矩阵进行一步预测,预测结果为当前时刻的状态误差协方差矩阵的预测值;
根据预测到的状态误差协方差矩阵和状态转移矩阵,以及量测误差协方差矩阵,计算出新息误差协方差矩阵;
根据当前时刻的量测点迹,计算量测状态矩阵,并根据量测状态矩阵和当前时刻滤波状态矩阵的预测值,计算新息;
根据所述新息和新息误差协方差矩阵,计算新息归一化参数,如果满足卡方分布条件,则增益矩阵保持不变,利用当前时刻滤波状态矩阵的预测值、新息和增益矩阵,计算当前时刻滤波后的状态矩阵,并且,当前时刻的状态误差协方差矩阵和增益矩阵与前一时刻保持不变;
取当前时刻状态转移矩阵和当前时刻的滤波状态矩阵,计算下一时刻目标状态矩阵的预测状态矩阵,得到下一跟踪时刻的目标位置。
6.根据权利要求5所述的多目标雷达快速跟踪系统,其特征在于,所述获取暂态航迹,并根据所述暂态航迹中最新的设定个数点迹,计算滤波器初始化参数,包括以下步骤:
获取暂态航迹,并根据所述暂态航迹中最新的设定个数点迹,结合当前滤波器的模型参数,选择滤波维数,确定出状态转移矩阵、量测矩阵、噪声转移矩阵、量测误差协方差矩阵和状态误差协方差矩阵,所述状态转移矩阵、量测矩阵、噪声转移矩阵和量测误差协方差矩阵在迭代滤波中保持不变;所述状态误差协方差矩阵在迭代的过程中不断更新;
根据暂态航迹中最新的设定个数点迹的位置信息,计算出初始滤波状态矩阵;初始化增益矩阵为全0。
7.根据权利要求6所述的多目标雷达快速跟踪系统,其特征在于,如果不满足卡方分布条件,则根据量测误差协方差矩阵、新息误差协方差矩阵和量测矩阵,计算当前时刻增益矩阵;利用当前时刻滤波状态矩阵的预测值、新息和当前时刻增益矩阵,计算当前时刻滤波后的状态矩阵;根据量测矩阵、状态转移矩阵、当前时刻状态误差协方差矩阵的预测值,计算当前时刻的状态误差协方差矩阵;
取当前时刻状态转移矩阵和当前时刻的滤波状态矩阵,计算下一时刻目标状态矩阵的预测状态矩阵,得到下一跟踪时刻的目标位置。
8.根据权利要求5所述的多目标雷达快速跟踪系统,其特征在于,所述将所述下一跟踪时刻的目标位置打包为调度指令,并将其发送到雷达实时控制软件,具体为:
所述预测状态矩阵,计算雷达下一个时刻的调度信息,将其打包为调度指令,并将其发送到雷达实时控制软件。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911224582.0A CN111289965B (zh) | 2019-12-04 | 2019-12-04 | 一种多目标雷达快速跟踪方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911224582.0A CN111289965B (zh) | 2019-12-04 | 2019-12-04 | 一种多目标雷达快速跟踪方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111289965A CN111289965A (zh) | 2020-06-16 |
CN111289965B true CN111289965B (zh) | 2023-06-16 |
Family
ID=71021325
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911224582.0A Active CN111289965B (zh) | 2019-12-04 | 2019-12-04 | 一种多目标雷达快速跟踪方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111289965B (zh) |
Families Citing this family (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112285694B (zh) * | 2020-10-16 | 2022-08-30 | 四川九洲电器集团有限责任公司 | 一种机动目标二次雷达航迹探测方法 |
CN112630774A (zh) * | 2020-12-29 | 2021-04-09 | 北京润科通用技术有限公司 | 一种目标跟踪数据滤波处理方法及装置 |
CN113281736B (zh) * | 2021-04-08 | 2022-07-01 | 青岛瑞普电气股份有限公司 | 基于多假设singer模型的雷达机动交汇目标跟踪方法 |
CN113311398B (zh) * | 2021-05-31 | 2024-03-26 | 零八一电子集团有限公司 | 强杂波复杂背景高机动弱小目标的跟踪方法 |
CN115657667B (zh) * | 2022-10-12 | 2023-08-29 | 珠海云洲智能科技股份有限公司 | 航行器控制方法、装置、终端设备及计算机可读存储介质 |
CN117233745B (zh) * | 2023-11-15 | 2024-02-09 | 哈尔滨工业大学(威海) | 一种在非平稳平台的对海机动目标跟踪方法 |
Family Cites Families (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106199584B (zh) * | 2016-07-05 | 2018-12-18 | 电子科技大学 | 一种基于量测存储的航迹起始方法 |
CN106772351B (zh) * | 2016-11-16 | 2019-04-23 | 西安电子科技大学 | 基于有限步记忆的卡尔曼滤波方法 |
CN106932771A (zh) * | 2017-03-30 | 2017-07-07 | 成都紫瑞青云航空宇航技术有限公司 | 一种雷达仿真目标航迹跟踪方法及系统 |
CN108303692B (zh) * | 2018-01-30 | 2021-02-05 | 哈尔滨工业大学 | 一种解多普勒模糊的多目标跟踪方法 |
CN109100714B (zh) * | 2018-06-28 | 2020-11-10 | 中国船舶重工集团公司第七0七研究所 | 一种基于极坐标系的低慢小目标跟踪方法 |
CN109143223B (zh) * | 2018-08-14 | 2023-03-07 | 中国电子科技集团公司第三十八研究所 | 一种双基地雷达的空间目标跟踪滤波装置及方法 |
CN109901153B (zh) * | 2019-03-29 | 2022-11-01 | 西安电子科技大学 | 基于信息熵权和最近邻域数据关联的目标航迹优化方法 |
-
2019
- 2019-12-04 CN CN201911224582.0A patent/CN111289965B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN111289965A (zh) | 2020-06-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111289965B (zh) | 一种多目标雷达快速跟踪方法及系统 | |
CN109100714B (zh) | 一种基于极坐标系的低慢小目标跟踪方法 | |
CN104252178B (zh) | 一种基于强机动的目标跟踪方法 | |
CN107688179B (zh) | 基于多普勒信息辅助的综合概率数据互联方法 | |
CN109633590B (zh) | 基于gp-vsmm-jpda的扩展目标跟踪方法 | |
CN113064155B (zh) | 一种空中雷达多目标跟踪下航迹关联的优化方法 | |
CN105354860B (zh) | 基于箱粒子滤波的扩展目标CBMeMBer跟踪方法 | |
CN105785359A (zh) | 一种多约束机动目标跟踪方法 | |
CN107346020B (zh) | 一种用于异步多基地雷达系统的分布式批估计融合方法 | |
CN104199022A (zh) | 一种基于目标模态估计的临近空间高超声速目标跟踪方法 | |
CN111027692A (zh) | 一种目标运动态势预测方法及装置 | |
WO2024001629A1 (zh) | 一种面向智能驾驶车辆的多传感器融合方法及系统 | |
Zhai et al. | Millimeter wave radar target tracking based on adaptive Kalman filter | |
CN104268567A (zh) | 一种观测数据聚类划分的扩展目标跟踪方法 | |
CN109444841A (zh) | 基于修正切换函数的平滑变结构滤波方法及系统 | |
CN110517286A (zh) | 基于多智能体控制的单目标动态跟踪与围捕方法 | |
CN111259332B (zh) | 一种杂波环境下的模糊数据关联方法及多目标跟踪方法 | |
CN111948642A (zh) | 一种强杂波环境下对弱小目标和高机动目标探测跟踪的数据处理方法 | |
CN115204212A (zh) | 一种基于stm-pmbm滤波算法的多目标跟踪方法 | |
CN111325776A (zh) | 一种基于变分贝叶斯t分布卡尔曼滤波的phd多目标跟踪方法 | |
CN111679269B (zh) | 一种基于变分的多雷达融合航迹状态估计方法 | |
CN116047495B (zh) | 一种用于三坐标雷达的状态变换融合滤波跟踪方法 | |
Li et al. | A survey of maneuvering target tracking using Kalman filter | |
CN111679270B (zh) | 一种反射点不确定场景下多路径融合目标检测算法 | |
Li et al. | 3-D tracking of air targets using a single 2-D radar |
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 |