CN111829505A - 多传感器航迹质量外推航迹融合方法 - Google Patents

Abstract

本发明公开的一种多传感器航迹质量外推航迹融合方法，旨在提高外推时间较长时多传感器航迹融合的精确度。通过下述技术方案实现：各传感器把本地跟踪器生成的目标航迹信息送入融合中心，航迹发送单元按照航迹消息格式标准进行传输；航迹融合模块遍历系统航迹数据库，查找目标航迹关联的系统航迹信息，获取最新的目标航迹更新时刻，建立航迹质量和航迹误差协方差矩阵的近似转换关系，将局部航迹和系统航迹的航迹质量转换成误差协方差矩阵；航迹融合模块利用历史航迹信息估计量测噪声矩阵和系统噪声矩阵，求解量测噪声矩阵和系统噪声矩阵，对局部航迹和预测的系统航迹进行协方差交叉融合，将融合误差协方差矩阵转换成融合的航迹质量，更新航迹数据库。

Description

多传感器航迹质量外推航迹融合方法

技术领域

本发明是关于多目标跟踪领域机器人和智能仪器系统、信息处理、图像分析与理解、目标检测与跟踪、自动目标识别，多源图像复合等领域异构多传感器航迹融合技术，一种多传感器航迹质量外推航迹融合方法。

背景技术

多传感器数据融合技术是利用计算机技术对按时序获得的若干传感器的观测信息，以及数据库和知识库的信息，在一定准则下加以自动汇集、相关、分析、综合为一种表示形式以完成所需要的估计和决策任务所进行的信息处理过程。信息融合也称数据融合，包括对各种传感器给出的有用信息进行采集、传输、分析和合成等处理过程。数据融合的基本目标就是通过组合来获得比单个输入数据源更准确、更可靠的信息。信息处理中心要对多源的观测信息进行有效的融合处理。通过数据融合技术给出对目标位置的精确估计，从而改善对目标的跟踪和识别。数据融合最重要的应用领域之一就是在使用多个传感器的目标跟踪中的航迹融合。主要是通过数据处理器依据目标滤波跟踪和数据关联等算法产生局部多目标跟踪航迹，然后把处理过的信息送入融合中心，中心根据各节点的航迹数据完成航迹与航迹关联和航迹融合。所谓数据关联就是把来自传感器的观测或点迹与已知确认的事件归并到一起，以保证每个事件集合所包含的观测来自同一实体的概率较大。对确认关联的同一目标的多个传感器航迹，融合中心将多个传感器航迹进行航迹融合。随着信息论、控制论、计算机技术、网络技术以及传感器技术等的快速发展，进入融合中心的信息具有数据量大、来源途径多、相关层次多。在通信过程中，由于通信网络本身，或受应用环境的影响，将不可避免地出现通信延时、数据丢失等通信问题。因此在信息处理中心，仅仅对多源观测信息的简单堆积将不被允许。

多传感器融合跟踪系统的信息结构通常分为两类：一类为同步信息结构，在这种结构中，各传感器数据采样严格同步，有相同的采样率且没有通信延迟，融合中心严格按照每步获得的信息进行融合估计；另一类为异步信息结构，各传感器送至融合中心的数据不同步，融合中心按异步获得的信息进行融合估计。在实际应用中，融合中心接收到的各局部航迹往往是异步的。因此，在对各局部航迹进行关联与融合之前，必须将它们统一到融合中心的时间点上，这个过程就是异步航迹的同步化。在分布式多传感器跟踪系统中，各传感器先进行多目标跟踪处理形成局部航迹之后，把局部航迹送至融合中心，融合中心在接收到各局部航迹数据后完成航迹关联和航迹融合，形成全局估计。可以看出，如何对各局部航迹进行有效的关联与融合是分布式系统融合跟踪要解决的重要问题。航迹融合通常有两种处理结构：一种是局部航迹与局部航迹融合结构；另一种是局部航迹与系统航迹融合结构。在局部航迹与局部航迹融合结构中，来自不同传感器的局部航迹外推到融合中心公共时间上进行关联与融合，得到系统航迹的状态估计。近年来，航迹融合方向出现了大量研究算法。Singer提出的简单凸组合航迹融合算法(SF)、Y.Bar-Shalom提出的协方差加权航迹融合算法，Simon Julier等人提出的协方差交叉算法以及Beugnon等人提出的自适应航迹融合算法。这些算法的都是基于同一个时刻的局部估计和误差协方差矩阵，找到最优的融合估计和误差协方差矩阵。这类算法都是直接使用状态估计和误差协方差矩阵进行融合计算，应用前提是局部航迹必须给出准确的局部状态估计值和误差协方差矩阵。

在多传感器融合系统中，典型的处理架构是各个分散的传感器分别对目标进行跟踪，生成局部航迹，然后将生成的局部航迹送到融合中心进行航迹融合，得到统一的精确态势。由于分散的各个传感器的采样率和刷新率不统一，同时受到链路传输，环境干扰等的影响，不同传感器上报的同一目标的局部航迹时刻不是严格对齐的，在对多条局部航迹进行位置融合之前，必须先进行时间对齐。常见的算法是航迹位置外推和内插。在已观测点的区域外估算未观测点的数据的过程称为外推。在已观测点的区域内估算未观测点的数据的过程称为内插。空间外推算法通过已知区域的数据推求其它区域数据。空间内插算法通过已知点的数据推求同一区域未知点数据。除此之外，还应该对航迹误差协方差进行精确外推，实际中目标运动模型往往难以准确构建，对航迹误差协方差精确外推的难度较大。当融合中心一个采样间隔内接收到某一节点的多个估计值时，融合中心将离融合时刻最近的局部估计值外推作为待融合值。利用Kalman滤波器的状态预测及其误差协方差方程将多传感器异步航迹同步到融合中心的最新时间上时刻的状态估计及其误差协方差。

在航迹信息处理领域航迹质量是由发送航迹的单元确定的对所报告的航迹位置信息可靠性的度量。航迹消息格式中往往只有航迹质量信息，而不包含航迹误差协方差矩阵，因此上述经典融合算法无法直接对航迹进行融合。

发明内容

为了提高外推时间较长时多传感器局部航迹融合的精确度，本发明针对现有技术存在的不足之处，提供一种能够准确预测航迹误差协方差，并能提高航迹融合精度的基于航迹质量外推的航迹融合方法。

本发明的上述目的可以通过以下实施方案予以实现：一种多传感器航迹质量外推航迹融合方法，包括以下步骤：各传感器把本地跟踪器生成的目标航迹信息送入融合中心，航迹发送单元把每个传感器的跟踪器所给出的航迹称作局部航迹或传感器航迹，将依次接收的数据传输链路更新的多个传感器最新局部目标航迹位置信息以及航迹质量，存入传感器原始航迹数据库；航迹融合模块遍历系统航迹数据库，查找目标航迹关联的系统航迹信息，找到与该传感器航迹关联的系统航迹位置信息以及航迹质量，获取最新的目标航迹更新时刻，本发明以对系统航迹外推为例进行说明。建立航迹质量和航迹误差协方差矩阵的近似转换关系，将局部航迹和系统航迹的航迹质量转换成误差协方差矩阵；航迹融合模块根据最新获取的目标航迹更新时刻建立目标运动方程和量测方程，利用历史系统航迹信息估计量测噪声矩阵和系统噪声矩阵，并对系统航迹进行预测，进而求解量测噪声矩阵和系统噪声矩阵，融合计算得到最新时刻目标融合的系统航迹位置和误差协方差矩阵，对局部航迹和预测的系统航迹进行协方差交叉融合，获取融合的目标位置和误差协方差，并将融合误差协方差矩阵转换成融合的航迹质量，更新系统航迹数据库。

本发明相比于现有技术具有如下有益效果：

本发明采用航迹发送单元把每个传感器的跟踪器所给出的航迹称作局部航迹或传感器航迹，按照航迹消息格式标准进行传输的传感器航迹作为数据链航迹，通过航迹融合模块遍历系统航迹数据库，查找目标航迹关联的系统航迹信息，获取最新的目标航迹更新时刻，建立航迹质量和航迹误差协方差矩阵的近似转换关系，能够准确预测航迹误差协方差，实现了简单凸组合，Bar-Shalom融合算法，协方差交叉法等经典融合算法在航迹融合领域上的有效应用。仿真实验表明，本发明在传感器观测精度相差较大，外推时间较长的环境下具有较好的融合性。

本发明建立航迹质量与航迹误差协方差的转换关系，构建并估计目标运动方程参数，对误差协方差进行精确外推并完成航迹位置融合计算。利用历史系统航迹信息估计量测噪声矩阵和系统噪声矩阵，利用卡尔曼预测方程对系统航迹位置和误差协方差矩阵进行预测，求解预测量测噪声矩阵和预测系统噪声矩阵，融合计算得到最新时刻融合的系统航迹位置和误差协方差矩阵，对传感器局部航迹和预测的系统航迹进行协方差交叉融合，获取融合的目标位置和误差协方差，并将融合误差协方差矩阵转换成融合的航迹质量，可以大大降低航迹外推的误差，提高多传感器航迹融合的精度。有效地解决了多传感器异步航迹的关联与融合问题。

附图说明

为了更清楚地理解本发明，现将通过本发明实施方式，同时参照附图，来描述本发明，其中：

图1是本发明多传感器航迹融合结构的示意图。

图2是基于航迹质量外推的航迹融合算法的具体实施流程图。

下面结合具体实施方式并对照附图对本发明做进一步详细的描述说明。

具体实施方式

参阅图1。根据本发明，各传感器把本地跟踪器生成的目标航迹信息送入融合中心，航迹发送单元把每个传感器的跟踪器所给出的航迹称作局部航迹或传感器航迹，按照航迹消息格式标准进行传输的传感器航迹又称为数据链航迹，将依次接收的数据传输链路更新的多个传感器最新局部目标航迹，存入传感器原始航迹数据库；航迹融合模块遍历系统航迹数据库，查找目标航迹关联的系统航迹信息，找到与该传感器航迹关联的系统航迹位置信息以及航迹质量，获取最新的目标航迹更新时刻，建立航迹质量和航迹误差协方差矩阵的近似转换关系，将局部航迹和系统航迹的航迹质量转换成误差协方差矩阵；航迹融合模块根据最新获取的目标航迹更新时刻建立目标运动方程和量测方程，利用历史系统航迹信息估计量测噪声矩阵和系统噪声矩阵，并对系统航迹进行预测，进而对系统航迹位置和误差协方差矩阵进行预测，求解量测噪声矩阵和系统噪声矩阵，融合计算得到最新时刻目标融合的系统航迹位置和误差协方差矩阵，对局部航迹和预测的系统航迹进行协方差交叉融合，获取融合的目标位置和误差协方差，并将融合误差协方差矩阵转换成融合的航迹质量，更新系统航迹数据库。

在多传感器航迹融合结构中，航迹发送单元把多传感器局部航迹融合中的每个传感器的跟踪器所给出的局部航迹或传感器航迹，按照航迹消息格式标准进行传输，将经过规格化处理的传感器航迹称作局部航迹(Track)送入航迹融合系统，将各个局部航迹融合后生成的航迹叫系统航迹(System Track)。以二维运动空间目标为例建立目标运动方程，局部航迹i在k时刻的位置估计和相应的误差协方差矩阵记为

其中

表示x,y两个坐标方向的位置估计矢量，T表示矩阵转置。

表示x,y两个坐标方向的位置估计误差协方差矩阵,

分别为两个坐标轴方向的误差协方差和互协方差。相应的系统航迹在k时刻的位置估计和相应的误差协方差矩阵记为

航迹发送单元根据确定的对所报告的航迹位置信息可靠性的度量，用TQ表示航迹质量量值，以0为非实时航迹，15为最高可靠度，在0-15之间构建航迹质量分级表1，其中位置信息的可靠性用与每个TQ值关联的“位置精度”表示。

表2航迹质量分级表

航迹发送单元将航迹质量分级表3与每个TQ值关联的位置精度定义为在报告时刻，实际定位的航迹点有0.95的概率落入的区域(km²)。

参阅图2。在以下描述的实施例中，一种基于航迹质量外推的航迹融合方法包括以下步骤：

A1航迹发送单元在直角坐标系ECEF下给出的航迹信息

针对某个特定目标，接收某目标的多条传感器航迹信息(Trackⁱ),(i＝1,2,...m)，m表示该目标一共有m条传感器航迹，依次接收数据传输链路更新的该目标的多个传感器局部航迹，将包含航迹更新时刻，航迹位置矢量，速度矢量，航迹质量的航迹信息

存入原始航迹数据库，其中time_k表示航迹更新时刻，

表示该时刻传感器局部航迹i的位置，

表示该时刻传感器局部航迹i的速度信息，

表示该时刻传感器局部航迹i的航迹质量。

A2)航迹融合模块遍历系统航迹库，找到与该目标航迹关联的系统航迹位置信息以及航迹质量，获取最新的航迹更新时刻，首先在系统航迹库中查找，获取与该目标航迹包括了航迹更新时刻、航迹位置、航迹速度和航迹质量关联的系统航迹信息；然后比较最新的局部航迹时间与系统航迹时间，获取最新的航迹更新时刻，若局部航迹时刻比系统航迹更新时刻晚，则取出与该目标关联的系统航迹最近两拍历史信息：

SystemTrack_k-1＝{time_k-1,x_k-1,v_k-1,TQ_k-1}，SystemTrack_k-2＝{time_k-2,x_k-2,v_k-2,TQ_k-2}。

否则，在局部航迹数据库中取出该局部航迹最近两拍历史信息：

A3)航迹融合模块建立航迹质量和航迹误差协方差矩阵的近似转换关系，将局部航迹和系统航迹的航迹质量转换成误差协方差矩阵。

A31)建立航迹质量和航迹误差协方差矩阵的近似转换关系

航迹质量面积公式

计算航迹质量对应的面积S，对应航迹质量等级查表1求得k时刻的平方

分别为两个坐标轴方向的误差协方差和互协方差；根据目标跟踪理论，可以知道航迹滤波误差服从均值为0，方差为误差协方差矩阵P的正态分布，且误差向量满足如下椭圆方程：E^TP^-1E＝d (2)

其中x,y方向的位置误差E＝[e_x,e_y]^T，且二阶统计量E^TP^-1E服从自由度为2的卡方分布，且当显著度水平取0.95时，d＝5.991。

并且椭圆的两个轴a和b满足

其中，若a＞b，则a为长轴，b为短轴，否则a为短轴,b为长轴。

联立(1)(2)(3)式可以得出与TQ质量等级对应的面积：S＝πab (4)，S等于落入概率为95％的误差椭圆的面积，其中，a、b分别是椭圆的长轴和短轴。根据已知航迹质量TQ则对应的误差协方差，可以将误差协方差矩阵P近似表示为：

可以通过查航迹质量分级表1得到与TQ质量等级对应的面积S，通过查卡方分布表可知，d＝5.991。

A32)航迹融合模块根据式5，将局部航迹i和系统航迹最近两拍历史航迹质量转换成误差协方差矩阵，依次得到传感器局部航迹i的误差协方差矩阵

系统航迹分别在k_-1，k_-2时刻的误差协方差矩阵P_k-1，P_k-2。

A4)航迹融合模块建立目标运动方程和量测方程，求解系统噪声矩阵，并对目标系统航迹/局部航迹进行预测，得到预测位置和误差协方差矩阵。具体包含以下步骤：

A41)航迹融合模块建立目标运动方程和量测方程如下：

目标运动方程X_k+1＝F_kX_k+u_k (6)

量测方程Z_k+1＝H_kX_k+ε_k (7)

其中，状态向量X_k＝[x_k,y_k,v_xk,v_yk]^T，状态矩阵

量测矩阵

系统噪声u_k～N(0,Q_k)，假设服从均值为0，方差为Q_k的正态分布，ε_k～N(0,R_k)为量测噪声，服从均值为0，方差为R_k的正态分布，其中R_k包括平台自身地理位置偏差和传感器量测偏差，根据系统平台自身地理定位精度和传感器测量误差情况可设置经验值。

A42)航迹融合模块求解系统噪声矩阵对式(6)和式(7)运用卡尔曼滤波方法，可得：

一步预测状态值和预测误差协方差阵分别是

滤波更新值和相应的滤波误差协方差阵分别是

由步骤A2),A3)分析得到，以系统航迹外推为例，系统航迹历史最近两拍的位置和方差可以表示为

系统航迹的历史两拍时间相减得到时间间隔为Δt＝time_k-1-time_k-2，将其位置和时间间隔带入式(6)(7)(8)(9)可得:

则时刻k-2的系统噪声方差阵可以表示为：

A43)航迹融合模块预测系统航迹位置和误差协方差矩阵

将式(12)带入一步预测方程，可以得到时刻k的系统航迹位置状态和误差协方差矩阵为：

A5)航迹融合模块利用A1)接收的k时刻航迹位置和误差协方差矩阵以及A4)预测的k时刻航迹位置和预测误差协方差矩阵，进行融合计算，得出目标融合的位置和协方差。

根据协方差交叉法进行融合得到k时刻的系统航迹位置和误差协方差

A6)航迹融合模块将融合误差协方差矩阵转换成融合的航迹质量更新系统航迹库。根据式16)，可以求出95％的误差椭圆的两个轴分别为：

其中，d＝5.991可以由卡方分布查表获得，

航迹质量等级对应的面积S＝πab，查阅表1可以得到对应的TQ值。更新系统航迹融合位置和融合航迹质量值。

以上所述仅为本发明的较佳实施例，对本发明而言仅仅是说明性的，而非限制性的。本专业技术人员理解，在本发明权利要求所限定的精神和范围内可对其进行许多改变、修改、甚至等效，但都将落入本发明的保护范围内。

Claims (10)

1.一种多传感器航迹质量外推航迹融合方法，包括以下步骤：各传感器把本地跟踪器生成的目标航迹信息送入融合中心，航迹发送单元把每个传感器的跟踪器所给出的航迹作为局部航迹或传感器航迹，按照航迹消息格式标准进行传输的传感器航迹作为数据链航迹，将依次接收的数据传输链路更新的多个传感器最新局部目标航迹位置信息以及航迹质量，存入传感器原始航迹数据库；航迹融合模块遍历系统航迹数据库，查找目标航迹关联的系统航迹信息，找到与该传感器航迹关联的系统航迹位置信息以及航迹质量，获取最新的目标航迹更新时刻，建立航迹质量和航迹误差协方差矩阵的近似转换关系，将局部航迹和系统航迹的航迹质量转换成误差协方差矩阵；航迹融合模块根据最新获取的目标航迹更新时刻建立目标运动方程和量测方程，利用历史航迹信息估计量测噪声矩阵和系统噪声矩阵，并对系统航迹进行预测，进而对系统航迹位置和误差协方差矩阵进行预测，求解量测噪声矩阵和系统噪声矩阵，进行一步预测得到最新时刻目标的系统航迹位置和误差协方差矩阵，对局部航迹和预测的系统航迹进行协方差交叉融合，获取融合的目标位置和误差协方差，并将融合误差协方差矩阵转换成融合的航迹质量，更新系统航迹数据库。

2.如权利要求1所述的多传感器航迹质量外推航迹融合方法，其特征在于：在多传感器航迹融合结构中，航迹发送单元把多传感器局部航迹融合中的每个传感器的跟踪器所给出的局部航迹或传感器航迹，按照航迹消息格式标准进行传输。

3.如权利要求1所述的多传感器航迹质量外推航迹融合方法，其特征在于：航迹发送单元将经过规格化处理的传感器航迹作为局部航迹(Track)送入航迹融合系统，将各个局部航迹融合后生成的航迹叫系统航迹(System Track)。

4.如权利要求1所述的多传感器航迹质量外推航迹融合方法，其特征在于：航迹融合模块以二维运动空间目标为例建立目标运动方程、局部航迹i在k时刻的位置估计和相应的误差协方差矩阵

其中

表示x,y两个坐标方向的位置估计矢量，T表示矩阵转置。

表示x,y两个坐标方向的位置估计误差协方差矩阵,

分别为两个坐标轴方向的误差协方差和互协方差；把相应的系统航迹在k时刻的位置估计和相应的误差协方差矩阵记为

P_k。

5.如权利要求1所述的多传感器航迹质量外推航迹融合方法，其特征在于：航迹发送单元根据确定的对所报告的航迹位置信息可靠性的度量，用TQ表示航迹质量量值，以0为非实时航迹，15为最高可靠度，在0-15之间构建航迹质量分级表1，其中位置信息的可靠性用与每个TQ值关联的“位置精度”表示。

6.如权利要求1所述的多传感器航迹质量外推航迹融合方法，其特征在于：航迹发送单元在直角坐标系ECEF下给出的航迹信息

针对某个特定目标，接收某目标的多条传感器航迹信息(Trackⁱ),(i＝1,2,...m)，依次接收数据传输链路更新的该目标的多个传感器局部航迹，将包含航迹更新时刻，航迹位置矢量，速度矢量，航迹质量的航迹信息

存入原始航迹数据库，其中，m表示该目标一共有m条传感器航迹，time_k表示航迹更新时刻，

表示k时刻传感器局部航迹i的位置，

表示k时刻传感器局部航迹i的速度信息，

表示k时刻传感器局部航迹i的航迹质量。

7.如权利要求6所述的多传感器航迹质量外推航迹融合方法，其特征在于：航迹融合模块遍历系统航迹库，在系统航迹库中获取包括了航迹更新时刻、航迹位置、航迹速度和航迹质量关联的系统航迹信息；然后比较最新的局部航迹时间与系统航迹时间，获取最新的航迹更新时刻，若局部航迹时刻比系统航迹更新时刻晚，则取出与该目标关联的系统航迹最近两拍历史信息，否则需要将该局部航迹的最近两拍历史数据取出进行外推，本发明以外推系统航迹为例进行说明：SystemTrack_k-1＝{time_k-1,x_k-1,v_k-1,TQ_k-1}，否则，在局部航迹数据库中取出局部航迹最近两拍历史信息：

8.如权利要求1所述的多传感器航迹质量外推航迹融合方法，其特征在于：航迹融合模块建立航迹质量和航迹误差协方差矩阵的近似转换关系，根据航迹质量面积公式

计算航迹质量对应的面积S，利用两个坐标轴方向的误差协方差和互协方差

对应航迹质量等级查表1求得k时刻的平方

且航迹滤波误差服从均值为0，方差为误差协方差矩阵P的正态分布，误差向量满足如下椭圆方程：E^TP^-1E＝d，x,y方向的位置误差E＝[e_x,e_y]^T，二阶统计量E^TP^-1E服从自由度为2的卡方分布，且当显著度水平取0.95时，d＝5.991，椭圆的两个轴a和b满足

其中，若a＞b时，则a为长轴，b为短轴；否则a为短轴,b为长轴。

9.如权利要求1所述的多传感器航迹质量外推航迹融合方法，其特征在于：航迹融合模块根据系统噪声u_k～N(0,Q_k)、时间间隔Δt、量测噪声ε_k～N(0,R_k)、状态向量X_k＝[x_k,y_k,v_xk,v_yk]^T和状态矩阵

量测矩阵，

建立目标运动方程X_k+1＝F_kX_k+u_k和量测方程Z_k+1＝H_kX_k+ε_k，求解系统噪声矩阵，对目标系统航迹/局部航迹进行预测，得到预测位置和误差协方差矩阵。

10.如权利要求9所述的多传感器航迹质量外推航迹融合方法，其特征在于：航迹融合模块求解系统噪声矩阵，运用卡尔曼滤波方法，得到一步预测状态值和预测误差协方差阵

滤波更新值和相应的滤波误差协方差阵

系统航迹历史最近两拍的位置和方差

P_k-1,

P_k-2，将系统航迹的历史两拍时间相减得到时间间隔Δt＝time_k-1-time_k-2，将其位置和时间间隔Δt带入式卡尔曼方程得到时刻k-2的系统噪声方差阵：

设系统噪声矩阵在时刻k-2到时刻k之间的变化不大，则预测时刻k的系统航迹位置状态和误差协方差矩阵近似得到

Images