CN113484857B - 多源异构点迹融合的跟踪方法、装置、设备及存储介质 - Google Patents

多源异构点迹融合的跟踪方法、装置、设备及存储介质 Download PDF

Info

Publication number
CN113484857B
CN113484857B CN202110726487.1A CN202110726487A CN113484857B CN 113484857 B CN113484857 B CN 113484857B CN 202110726487 A CN202110726487 A CN 202110726487A CN 113484857 B CN113484857 B CN 113484857B
Authority
CN
China
Prior art keywords
type
measurement information
track
tracks
fusion
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
Application number
CN202110726487.1A
Other languages
English (en)
Other versions
CN113484857A (zh
Inventor
唐胜景
张宝超
葛志闪
范云锋
李佳丽
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beijing Institute of Technology BIT
Original Assignee
Beijing Institute of Technology BIT
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Beijing Institute of Technology BIT filed Critical Beijing Institute of Technology BIT
Priority to CN202110726487.1A priority Critical patent/CN113484857B/zh
Publication of CN113484857A publication Critical patent/CN113484857A/zh
Application granted granted Critical
Publication of CN113484857B publication Critical patent/CN113484857B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • 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
    • G01S13/86—Combinations of radar systems with non-radar systems, e.g. sonar, direction finder
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/16—Matrix or vector computation, e.g. matrix-matrix or matrix-vector multiplication, matrix factorization

Landscapes

  • Engineering & Computer Science (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Mathematical Physics (AREA)
  • Mathematical Analysis (AREA)
  • Computational Mathematics (AREA)
  • Mathematical Optimization (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Pure & Applied Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Theoretical Computer Science (AREA)
  • Computing Systems (AREA)
  • Algebra (AREA)
  • Databases & Information Systems (AREA)
  • Software Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Radar Systems Or Details Thereof (AREA)

Abstract

本公开提供一种多源异构点迹融合的跟踪方法、装置、设备及存储介质，方法包括：获取测量信息；识别出多个第一类测量信息和多个第二类测量信息；对多个第一类测量信息进行空间配准；对配准后的的多个第一类测量信息进行同型点迹融合，得到多个第一确定航迹；将多个第一系统航迹与多个第二类测量信息进行异构点迹融合，得到多个第二确定航迹。本公开提供的方法，能够将第一类测量信息和第二类测量信息进行区分，并将空间配准后的第一类探测信息与历史航迹进行同型融合，得到第一确定航迹。然后将第二类测量信息与第一确定航迹进行异构点迹融合，得到第二确定航迹。实现了在多探测目标、多类传感器且，每一类传感器具有多个的情况下的航迹建立。

Description

多源异构点迹融合的跟踪方法、装置、设备及存储介质
技术领域
本公开涉及目标跟踪领域，尤其涉及一种多源异构点迹融合的跟踪方法、装置、设备及存储介质。
背景技术
集中式融合系统对隐身目标和微弱目标具有较强的探测跟踪能力，信息损失小、跟踪精度高、抗干扰能力强，这些优点使集中式结构在实际应用中成为一种重要选择。但面临的主要难题是数据关联问题。在多传感信息融合系统中，由于缺乏跟踪环境的先验知识以及受传感器自身性能的制约，在整个测量过程中不可避免地会引入量测噪声；另外，目标的确切数目往往是未知的，即使目标只有一个，由于杂波的干扰，有效量测也有可能为多个，需要通过统计方法来建立目标与量测之间的关系。对于多目标的情况，情况更为复杂，此时无法判定量测数据是来自感兴趣的目标，还是虚警或其他目标。
现有方案中传感器信息种类简单，同构融合针对多台同类型传感器、异构融合针对两台不同类型传感器展开研究，且传感器探测起始时刻相同、周期固定。实际情况下多台不同类型的传感器通常同时存在，而且时序复杂、周期具有不确定性，而现有方案未考虑上述应用背景，因此难以适用多台多类型传感器同时存在的复杂情况。现有的方案中，无法很好的对多源异构点迹信息进行有效的处理。
发明内容
有鉴于此，本公开提供一种多源异构点迹融合的跟踪方法、装置、设备及存储介质，至少部分解决现有技术中存在的问题。
根据本公开的一个方面，提供一种多源异构点迹融合的跟踪方法，包括：
获取测量信息；
从所述测量信息中识别出多个第一类测量信息和多个第二类测量信息；
对多个所述第一类测量信息进行空间配准，以使多个所述第一类测量信息处于同一坐标系下；
对处于同一坐标系下的多个所述第一类测量信息进行同型点迹融合，得到多个第一确定航迹；
将多个所述第一系统航迹与多个所述第二类测量信息进行异构点迹融合，得到多个第二确定航迹；
输出多个所述第二确定航迹；
其中，所述第一类测量信息由第一类传感器测得，所述第二类测量信息由第二类传感器测得，所述第一类传感器和所述第二类传感器能够测量的信息存在差异。
在本公开的一种示例性实施例中，所述对处于同一坐标系下的多个所述第一类测量信息进行同型点迹融合，得到第一确定航迹，包括：
将处于同一坐标系下的多个所述第一类测量信息与多个历史航迹进行同型点迹关联；
若关联成功，则根据第一关联结果，将多个所述第一类测量信息与多个所述历史航迹进行同型点迹融合，得到多个所述第一确定航迹；
若关联失败，则根据多个所述第一类测量信息和多个所述历史航迹信息，得到多个可能航迹。
在本公开的一种示例性实施例中，所述将多个所述第一系统航迹与多个所述第二类测量信息进行异构点迹融合，得到多个第二确定航迹，包括：
将多个所述第二类测量信息与多个所述第一确定航迹进行异构点迹关联；
若关联成功，则根据第二关联结果，将多个所述第二类测量信息与多个所述第一确定航迹进行异构点迹融合，得到多个所述第二确定航迹；
若关联失败，则输出多个所述第一确定航迹。
在本公开的一种示例性实施例中，所述将处于同一坐标系下的多个所述第一类测量信息与多个历史航迹进行同型点迹关联，包括：
依次确定每一所述第一类测量信息的表征位置与多个所述历史航迹对应的待测目标在当前时刻的预测位置的距离差；
确定多个所述距离差中的最小距离差；
若所述最小距离差小于或等于设定距离差，则该所述第一类测量信息与所述最小距离差对应的所述历史航迹关联成功；
若所述最小距离差大于所述设定距离差，则该所述第一类测量信息关联失败。
在本公开的一种示例性实施例中，所述根据第一关联结果，将多个所述第一类测量信息与多个所述历史航迹进行同型点迹融合，得到多个所述第一确定航迹，包括：
根据所述第一关联结果，确定每一所述历史航迹关联成功的至少一个所述第一类测量信息；
依次对每一所述历史航迹执行同型点迹融合，得到所述第一确定航迹；
所述同型点迹融合包括：
依次使用所述历史航迹对应的至少一个所述第一类测量信息，对所述历史航迹在当前时刻的预测状态进行更新，得到第一确定状态；
根据所述第一确定状态确定所述第一确定航迹。
在本公开的一种示例性实施例中，所述将多个所述第二类测量信息与多个所述第一确定航迹进行异构点迹关联，包括：
依次对每一所述第二类测量信息与多个所述第一确定航迹对应的航迹点进行异构点迹关联；
所述异构点迹关联包括：
确定所述第二类测量信息对应的航迹点与多个所述第一确定航迹对应的航迹点进行相似性判断，得到多个所述相似值；
确定多个所述相似值内的最大相似值对应的关联误差；
若所述关联误差小于或等于设定误差，则将所述第二类测量信息与所述最大相似值对应的所述第一确定航迹进行关联；
若所述关联误差大约设定误差，则该所述第二测量信息关联失败。
在本公开的一种示例性实施例中，所述根据第二关联结果，将多个所述第二类测量信息与多个所述第一确定航迹进行异构点迹融合，得到多个所述第二确定航迹，包括：
根据所述第二关联结果确定每一所述第二类测量信息关联的所述第一确定航迹；
根据方差加权融合方法将每一所述第二类测量信息与其对应的所述第一确定轨进行融合，得到多个所述第二确定航迹。
根据本公开的一个方面，提供一种多源异构点迹融合的跟踪装置，包括：
获取模块，用于获取测量信息；
识别模块，用于从所述测量信息中识别出多个第一类测量信息和多个第二类测量信息；
空间配准模块，用于对多个所述第一类测量信息进行空间配准，以使多个所述第一类测量信息处于同一坐标系下；
同型点迹融合模块，用于对处于同一坐标系下的多个所述第一类测量信息进行同型点迹融合，得到多个第一确定航迹；
异构点迹融合模块，用于将多个所述第一系统航迹与多个所述第二类测量信息进行异构点迹融合，得到多个第二确定航迹；
输出模块，用于输出多个所述第二确定航迹；
其中，所述第一类测量信息由第一类传感器测得，所述第二类测量信息由第二类传感器测得，所述第一类传感器和所述第二类传感器能够测量的信息存在差异。
根据本公开的一个方面，提供一种电子设备，所述电子设备包括：
处理器；
用于存储所述处理器可执行指令的存储器；
所述处理器，用于从所述存储器中读取所述可执行指令，并执行所述指令以实现上述中任一项所述的方法。
根据本公开的一个方面，提供一种计算机可读存储介质，所述存储介质存储有计算机程序，所述计算机程序用于执行上述中任一项所述的方法。
本公开提供的一种多源异构点迹融合的跟踪方法，能够将第一类测量信息和第二类测量信息进行区分，并将空间配准后的第一类探测信息与历史航迹进行同型融合，得到第一确定航迹。然后将第二类测量信息与第一确定航迹进行异构点迹融合，得到第二确定航迹。实现了在多探测目标、多类传感器且，每一类传感器具有多个的情况下的航迹建立。
附图说明
为了更清楚地说明本公开实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本公开的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其它的附图。
图1为本实施例提供的一种多源异构点迹融合的跟踪方法流程图；
图2为本实施例提供的一种多源异构点迹融合的跟踪方法的系统执行图；
图3为本实施例提供的建航示意图。
图4为本实施例提供的航迹数据建航方案示意图。
具体实施方式
下面结合附图对本公开实施例进行详细描述。
需说明的是，在不冲突的情况下，以下实施例及实施例中的特征可以相互组合；并且，基于本公开中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本公开保护的范围。
需要说明的是，下文描述在所附权利要求书的范围内的实施例的各种方面。应显而易见，本文中所描述的方面可体现于广泛多种形式中，且本文中所描述的任何特定结构及/或功能仅为说明性的。基于本公开，所属领域的技术人员应了解，本文中所描述的一个方面可与任何其它方面独立地实施，且可以各种方式组合这些方面中的两者或两者以上。举例来说，可使用本文中所阐述的任何数目个方面来实施设备及/或实践方法。另外，可使用除了本文中所阐述的方面中的一或多者之外的其它结构及/或功能性实施此设备及/或实践此方法。
根据本公开的一个方面，提供一种多源异构点迹融合的跟踪方法，适用于跟踪目标为多个，且有多类传感器，每一类传感器有个多个的场景。本实施例为清楚描述该方案，以两类传感器的情况进行描述，在传感器种类更多的情况下，本领域技术人员能够根据本实施例提供的方案的主导思维下进行修改，以适用于更多类传感器的场景。
具体地，请参考图1所示，该方法包括以下步骤：
步骤S100，获取测量信息。
步骤S200，从所述测量信息中识别出多个第一类测量信息和多个第二类测量信息；
步骤S300，对多个所述第一类测量信息进行空间配准，以使多个所述第一类测量信息处于同一坐标系下；
步骤S400，对处于同一坐标系下的多个所述第一类测量信息进行同型点迹融合，得到多个第一确定航迹；
步骤S500，将多个所述第一系统航迹与多个所述第二类测量信息进行异构点迹融合，得到多个第二确定航迹；
步骤S600，输出多个所述第二确定航迹；
其中，所述第一类测量信息由第一类传感器测得，所述第二类测量信息由第二类传感器测得，所述第一类传感器和所述第二类传感器能够测量的信息存在差异。
本实施例中，考虑以雷达(第一类传感器)与电子支援设施(ESM)(第二类传感器)为代表的两类传感器，其中，雷达代表可以获得目标距离、高低角以及方位角等完整位置信息的传感器，ESM代表只能测得角度信息，无法测得距离信息的传感器。此外，光电设备等传感器有时只能获得目标距离信息，而无法测得角度信息，该类传感器信息处理方法与ESM类传感器相同，因此不再单独列出。
本实施例提供的方案在实际实施中，可以类比为如图2所示。各传感器将其探测信息传送至融合中心，由融合中心对探测信息进行空间配准，将不同传感器的探测信息统一到同一空间坐标系下；之后进行同型点迹关联，将来自不同传感器的探测信息与融合中心系统航迹进行关联，基于关联判定结果对探测信息进行融合处理，进而更新系统航迹，如果处理周期内有ESM信息，则将系统航迹与ESM信息进行关联与融合，得到最终融合后的系统航迹。
本实施例提供的一种多源异构点迹融合的跟踪方法，能够将第一类测量信息和第二类测量信息进行区分，并将空间配准后的第一类探测信息与历史航迹进行同型融合，得到第一确定航迹。然后将第二类测量信息与第一确定航迹进行异构点迹融合，得到第二确定航迹。实现了在多探测目标、多类传感器且，每一类传感器具有多个的情况下的航迹建立。
在本公开的一种示例性实施例中，对于处在不同坐标系的各传感器的测量值，跟踪时必须将它们转换成同一坐标系内的数据才能进行后续处理。
本实施例包括了对多个所述第一类测量信息进行空间配准，以使多个所述第一类测量信息处于同一坐标系下的步骤，该步骤可以采用空间配准模块得以实现。
如：向空间配准模块输入：同一时刻，不同坐标系下的各传感器局部航迹信息(即输入同一时刻下的第一类测量信息)。
空间配准模块处理后输出：同一时刻，同一坐标系下的各传感器局部航迹信息(即输出配准到同一坐标系下的多个第一类测量信息)。
具体原理如下：
在大地坐标系下，一个传感器在椭圆形地球上的位置可以表示为(L,λ,H)，其中L为地理纬度，λ为地理经度，H表示参考椭球的高度。ECEF笛卡尔坐标系的原点在地球中心，其x轴穿过了格林威治子午线，z轴与地球的旋转轴重合，y轴位于赤道平面形成了一个右手坐标系。给定一个传感器的大地坐标(LS,λS,HS)，则笛卡尔坐标为：
式中，e和Eq分别表示地球的偏心率和赤道半径，则C定义为：
由局部笛卡尔坐标系到ECEF坐标系的转换可以通过旋转和平移来实现。将目标的局部笛卡尔坐标(x1,y1,z1)转换成ECEF坐标(xt,yt,zt)计算公式为：
在本公开的一种示例性实施例中，步骤S400，具体可以包括：
步骤S410，将处于同一坐标系下的多个所述第一类测量信息与多个历史航迹进行同型点迹关联。
步骤S420，若关联成功，则根据第一关联结果，将多个所述第一类测量信息与多个所述历史航迹进行同型点迹融合，得到多个所述第一确定航迹；
步骤S430，若关联失败，则根据多个所述第一类测量信息和多个所述历史航迹信息，得到多个可能航迹。
在进行第一同型点迹融合之前，需要将多个第一类测量信息与多个历史航迹进行关联。其中，历史航迹表示在本轮计算之前得到的对应每一待测目标的航迹信息，其中待测目标可以为飞机、无人机等。
其中，步骤S410，具体可以包括：
依次确定每一所述第一类测量信息的表征位置与多个所述历史航迹对应的待测目标在当前时刻的预测位置的距离差；
确定多个所述距离差中的最小距离差；
若所述最小距离差小于或等于设定距离差，则该所述第一类测量信息与所述最小距离差对应的所述历史航迹关联成功；
若所述最小距离差大于所述设定距离差，则该所述第一类测量信息关联失败。
从上述步骤可以看出，在进行第一类测量信息与历史航迹进行关联的过程中，实际是依次对每一第一类测量信息进行单独计算的。具体的实现可以通过同型点迹关联模块实现。
向同型点迹关联模块输入：各第一类测量信息。
同型点迹关联模块处理后输出：每一第一类测量信息与历史航迹的关联结果。
具体原理如下：(本原理中，传感器均指代第一类传感器，对应的测量信息即指代第一类测量信息)
点迹关联是将有效回波与系统航迹预测结果相比较并最终确定正确的点迹-系统航迹关联关系的过程。最近邻方法是一种具有固定记忆并且能够在多回波环境下工作的关联方法，其主要思想是将在统计意义上与被跟踪目标预测值最近的测量作为与目标关联的回波信号。
以tk时刻传感器i得到的测量信息与目标进行关联为例(多测量情况与之类似，顺序判断即可)。将关联问题描述为多假设关联问题：
H0：tk时刻传感器i得到的测量信息和所有目标无关；
Hj：tk时刻传感器i得到的测量信息来自于目标j，j≠0。
已知目标j在tk-1时刻的状态估计值状态估计的协方差矩阵/>将目标状态预测至tk时刻，得到tk时刻的状态预测值/>及其一步预测协方差矩阵/>
假设tk时刻传感器i得到的测量信息来自于目标j，则其预测误差的协方差矩阵可以写为
式中，矩阵H为量测矩阵，矩阵R为量测噪声方差矩阵。
则其马氏距离为
根据上式求得对于所有目标与传感器i测量值马氏距离最小的dij，即
diS＝min{dij|j＝1,2,...,m}
采用单门限判定规则，引入门限δ，则
diS≤δ：接受HS，即认为tk时刻传感器i得到的测量信息来自于目标S；
diS＞δ：接受H0，即认为tk时刻传感器i得到的测量信息和所有目标无关。
其中，门限δ由检验的显著性水平α决定，在高斯假设下有ε为测量数据的维数，即
p(diS＞δ|HS)＝α
在本公开的一种示例性实施例中，步骤S430，具体可以包括：
根据所述第一关联结果，确定每一所述历史航迹关联成功的至少一个所述第一类测量信息；
依次对每一所述历史航迹执行同型点迹融合，得到所述第一确定航迹；
所述同型点迹融合包括：
依次使用所述历史航迹对应的至少一个所述第一类测量信息，对所述历史航迹在当前时刻的预测状态进行更新，得到第一确定状态；
根据所述第一确定状态确定所述第一确定航迹。
本实施例中，同型点迹融合的步骤可以通过同型点迹融合模块实现。
向同型点迹融合模块输入：多个第一类探测信息、多个历史航迹及第一关联结果。
同型点迹融合模块输出后输出：关联成功的第一类探测信息与对应的历史航迹融合形成的第一确定航迹。
具体原理如下：(本原理中，传感器均指代第一类传感器，对应的测量信息即指代第一类测量信息)
在集中式融合结构下，融合中心可以得到所有传感器传送来的原始数据，数据量最大、最完整，往往可以提供最优的融合性能。本节采用序贯滤波方法实现同型传感器点迹间的融合，具体步骤如下：
已知在tk+1时刻有N个传感器量测与目标j关联(根据第一关联结果得到)，融合中心在k时刻对于目标j运动状态的融合估计为相应的误差协方差矩阵为/>则融合中心对于目标运动状态的一步预测为
由于各传感器在同一时刻的量测噪声之间互不相关，所以在融合中心可以按照传感器的序号1→N对融合中心的目标运动状态估计值进行序贯更新，其中传感器1的量测对于融合中心状态估计值更新为
传感器1＜i≤N的量测对于融合中心状态估计值的更新为
融合中心最终的状态估计为
在本公开的一种示例性实施例中，步骤S500，具体包括：
步骤S510，将多个所述第二类测量信息与多个所述第一确定航迹进行异构点迹关联；
步骤S520，若关联成功，则根据第二关联结果，将多个所述第二类测量信息与多个所述第一确定航迹进行异构点迹融合，得到多个所述第二确定航迹；
步骤S530，若关联失败，则输出多个所述第一确定航迹。
其中，步骤S510，具体可以包括：
依次对每一所述第二类测量信息与多个所述第一确定航迹对应的航迹点进行异构点迹关联；
所述异构点迹关联包括：
确定所述第二类测量信息对应的航迹点与多个所述第一确定航迹对应的航迹点进行相似性判断，得到多个所述相似值；
确定多个所述相似值内的最大相似值对应的关联误差；
若所述关联误差小于或等于设定误差，则将所述第二类测量信息与所述最大相似值对应的所述第一确定航迹进行关联；
若所述关联误差大约设定误差，则该所述第二测量信息关联失败。
本实施例中，异构点迹关联的步骤可以通过异构点迹关联模块实现。
向异构点迹关联模块输入：多个第二类测量信息与多个第一确定航迹。
异构点迹关联模块处理后输出：多个第二类测量信息与多个第一确定航迹的第二关联结果。
具体原理如下：(本原理中，传感器均指代第二类传感器，对应的测量信息即指代第二类测量信息，系统航迹指代第一确定航迹)
由于一个系统航迹对应一个目标，一个ESM测量对应一个辐射源，而一个目标可以装载多个辐射源，因此一个目标可以和多个ESM测量进行关联，而一个ESM测量至多可以和一个系统航迹关联。那么，对于某一时刻多个ESM测量点迹与系统航迹点的关联问题就可以转化为多假设检验问题：
H0：ESM测量点迹和所有系统航迹点无关；
Hj：ESM测量点迹和第j个系统航迹点关联，j≠0。
以ESM方位角测量为例(高低角或距离信息处理方案相同)，设在时刻ti共有m个系统航迹，βe(ti)是ti时刻ESM传感器的方位角观测值，βj(ti)是时刻ti时第j个系统航迹的方位角估计值。系统航迹与ESM方位测量误差是相互独立、零均值、恒定方差的高斯分布，其测量误差方差分别为和/>给定的允许漏关联概率为α。基于上述给定的条件，以下分别分析基于统计理论的关联算法的计算过程。
令
由于ESM方位角测量误差服从零均值的高斯分布。因而当假设Hj成立时，dj服从自由度为nj的χ2分布。据此构建基于统计理论的关联判别函数：
Pj＝Pr(d＞dj)
根据上式求得对于所有系统航迹点与ESM航迹点相似性最大的Pj，即
Ps＝max{Pj|j＝1,2,...,m}
下面采用单门限关联判定规则，引入低门限TL，则
ds≤TL：接受HS，即βe(ti)与系统航迹βS(ti)关联成立；
ds＞TL：接受H0，即βe(ti)与m条系统航迹关联皆不成立。
其中ds为与Ps对应的关联误差。低门限TL选择为确定漏关联概率对应的判定门限。漏关联概率即来自于同一目标的测量信息未关联的概率。低门限TL的计算思路是错误拒绝与ESM航迹关联的概率要小于预先给定的漏关联概率。由检验的显著性水平α确定：
在本公开的一种示例性实施例中，步骤S520，具体可以包括：
根据所述第二关联结果确定每一所述第二类测量信息关联的所述第一确定航迹；
根据方差加权融合方法将每一所述第二类测量信息与其对应的所述第一确定轨进行融合，得到多个所述第二确定航迹。
本实施例中，异构点迹融合可以通过异构点迹融合模块实现。
向异构点迹融合模块输入：多个第二类测量信息、多个第一确定航迹以及第二关联结果。
异构点迹融合模块处理后输出：多个第二类测量信息与多个第一确定航迹融合形成的第二确定航迹。
具体原理如下：(本原理中，传感器均指代第二类传感器，对应的测量信息即指代第二类测量信息，融合前的系统航迹指代第一确定航迹，融合后的系统轨迹指代第二确定轨迹)
若ESM测量与第j个系统航迹关联成功，则采用方差加权融合方法对ESM测量与第j个系统航迹进行融合。以方位角融合为例(高低角或距离信息处理方案相同)，步骤如下：
假设目标的真实方位角为β，ESM方位角测量误差均值为0，方差为的高斯分布，则有
系统航迹方位角误差服从均值为0，方差为的高斯分布，则有
将ESM方位角测量值与系统航迹方位角估计值进行加权融合，得到融合后的方位估计值为
系统航迹与ESM测量误差不相关，则融合后误差方差为
为使最小，有：
代入可得：
可以得出
融合后的方位角方差小于单独的系统航迹方差与ESM测量方差。
值得说明的是，本实施例中，在确定可能航迹、第一确定航迹和第二确定航迹时，均可以通过航迹建立及管理模块实现，航迹建立及管理模块会对接收到的信息进行处理，从而根据不同的信息输出不同的航迹信息。
向航迹建立及管理模块输入：第一类测量信息、第二类测量信息、第一关联结果、第二关联结果和第一确定轨迹中的至少一种。
航迹建立及管理模块根据得到的信息处理后输出：可能航迹、确定航迹、撤销航迹。
具体原理如下：
航迹数据建航是航迹形成的第一步，航迹数据建航的准确度和速度，直接影响到后续航迹关联和滤波的进行。若航迹数据建航不正确，后续的航迹维持就难以进行，甚至还会引起相关数据“组合爆炸”，使数据处理计算量急剧增大。航迹数据建航算法要求当目标进入雷达探测范围时，航迹数据建航算法要及时准确地建立目标航迹。
在航迹管理过程中存在以下三种类型航迹：(原理示意图如图3所示)
可能航迹：由一些航迹/点迹组成、但还未达到建航规模的航迹；
确定航迹：已达到建航规模，且具有稳定输出的航迹；
撤销航迹：由孤立的航迹/点迹组成的航迹，航迹撤销的的主要任务是及时删除随机干扰和虚假航迹。
采用基于航迹/点迹关联的滑窗法进行航迹数据建航(方案如图4所示)，航迹数据建航方案如下图所示。当某个局部点迹与所有系统航迹均未关联成功时，则建立一个新的可能航迹，存储该点迹信息。如果在之后的n次传感器扫描中，没有出现与该可能航迹关联成功的点，则认为是虚假目标，该可能航迹变为撤销航迹，不再对撤销航迹进行关联与融合；如果在之后的n次传感器扫描中，出现与该可能航迹关联成功的点，则该可能航迹的点迹规模加一，当可能航迹的点迹规模达到m个时，即航迹数据建航成功，该可能航迹变为确定航迹，之后通过点迹关联与融合维持确定航迹。
根据本公开的一个方面，提供一种多源异构点迹融合的跟踪装置，包括：
获取模块，用于获取测量信息；
识别模块，用于从所述测量信息中识别出多个第一类测量信息和多个第二类测量信息；
空间配准模块，用于对多个所述第一类测量信息进行空间配准，以使多个所述第一类测量信息处于同一坐标系下；
同型点迹融合模块，用于对处于同一坐标系下的多个所述第一类测量信息进行同型点迹融合，得到多个第一确定航迹；
异构点迹融合模块，用于将多个所述第一系统航迹与多个所述第二类测量信息进行异构点迹融合，得到多个第二确定航迹；
输出模块，用于输出多个所述第二确定航迹；
其中，所述第一类测量信息由第一类传感器测得，所述第二类测量信息由第二类传感器测得，所述第一类传感器和所述第二类传感器能够测量的信息存在差异。
本装置能够将第一类测量信息和第二类测量信息进行区分，并将空间配准后的第一类探测信息与历史航迹进行同型融合，得到第一确定航迹。然后将第二类测量信息与第一确定航迹进行异构点迹融合，得到第二确定航迹。实现了在多探测目标、多类传感器且，每一类传感器具有多个的情况下的航迹建立。
此外，尽管在附图中以特定顺序描述了本公开中方法的各个步骤，但是，这并非要求或者暗示必须按照该特定顺序来执行这些步骤，或是必须执行全部所示的步骤才能实现期望的结果。附加的或备选的，可以省略某些步骤，将多个步骤合并为一个步骤执行，以及/或者将一个步骤分解为多个步骤执行等。
通过以上的实施方式的描述，本领域的技术人员易于理解，这里描述的示例实施方式可以通过软件实现，也可以通过软件结合必要的硬件的方式来实现。因此，根据本公开实施方式的技术方案可以以软件产品的形式体现出来，该软件产品可以存储在一个非易失性存储介质(可以是CD-ROM，U盘，移动硬盘等)中或网络上，包括若干指令以使得一台计算设备(可以是个人计算机、服务器、移动终端、或者网络设备等)执行根据本公开实施方式的方法。
在本公开的示例性实施例中，还提供了一种能够实现上述方法的电子设备。
所属技术领域的技术人员能够理解，本公开的各个方面可以实现为系统、方法或程序产品。因此，本公开的各个方面可以具体实现为以下形式，即：完全的硬件实施方式、完全的软件实施方式(包括固件、微代码等)，或硬件和软件方面结合的实施方式，这里可以统称为“电路”、“模块”或“系统”。
根据本公开的这种实施方式的电子设备。电子设备仅仅是一个示例，不应对本公开实施例的功能和使用范围带来任何限制。
电子设备以通用计算设备的形式表现。电子设备的组件可以包括但不限于：上述至少一个处理器、上述至少一个储存器、连接不同系统组件(包括储存器和处理器)的总线。
其中，所述储存器存储有程序代码，所述程序代码可以被所述处理器执行，使得所述处理器执行本说明书上述“示例性方法”部分中描述的根据本公开各种示例性实施方式的步骤。
储存器可以包括易失性储存器形式的可读介质，例如随机存取储存器(RAM)和/或高速缓存储存器，还可以进一步包括只读储存器(ROM)。
储存器还可以包括具有一组(至少一个)程序模块的程序/实用工具，这样的程序模块包括但不限于：操作系统、一个或者多个应用程序、其它程序模块以及程序数据，这些示例中的每一个或某种组合中可能包括网络环境的实现。
总线可以为表示几类总线结构中的一种或多种，包括储存器总线或者储存器控制器、外围总线、图形加速端口、处理器或者使用多种总线结构中的任意总线结构的局域总线。
电子设备也可以与一个或多个外部设备(例如键盘、指向设备、蓝牙设备等)通信，还可与一个或者多个使得用户能与该电子设备交互的设备通信，和/或与使得该电子设备能与一个或多个其它计算设备进行通信的任何设备(例如路由器、调制解调器等等)通信。这种通信可以通过输入/输出(I/O)接口进行。并且，电子设备还可以通过网络适配器与一个或者多个网络(例如局域网(LAN)，广域网(WAN)和/或公共网络，例如因特网)通信。如图所示，网络适配器通过总线与电子设备的其它模块通信。应当明白，尽管图中未示出，可以结合电子设备使用其它硬件和/或软件模块，包括但不限于：微代码、设备驱动器、冗余处理器、外部磁盘驱动阵列、RAID系统、磁带驱动器以及数据备份存储系统等。
通过以上的实施方式的描述，本领域的技术人员易于理解，这里描述的示例实施方式可以通过软件实现，也可以通过软件结合必要的硬件的方式来实现。因此，根据本公开实施方式的技术方案可以以软件产品的形式体现出来，该软件产品可以存储在一个非易失性存储介质(可以是CD-ROM，U盘，移动硬盘等)中或网络上，包括若干指令以使得一台计算设备(可以是个人计算机、服务器、终端装置、或者网络设备等)执行根据本公开实施方式的方法。
在本公开的示例性实施例中，还提供了一种计算机可读存储介质，其上存储有能够实现本说明书上述方法的程序产品。在一些可能的实施方式中，本公开的各个方面还可以实现为一种程序产品的形式，其包括程序代码，当所述程序产品在终端设备上运行时，所述程序代码用于使所述终端设备执行本说明书上述“示例性方法”部分中描述的根据本公开各种示例性实施方式的步骤。
所述程序产品可以采用一个或多个可读介质的任意组合。可读介质可以是可读信号介质或者可读存储介质。可读存储介质例如可以为但不限于电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。可读存储介质的更具体的例子(非穷举的列表)包括：具有一个或多个导线的电连接、便携式盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。
计算机可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了可读程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。可读信号介质还可以是可读存储介质以外的任何可读介质，该可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。
可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于无线、有线、光缆、RF等等，或者上述的任意合适的组合。
可以以一种或多种程序设计语言的任意组合来编写用于执行本公开操作的程序代码，所述程序设计语言包括面向对象的程序设计语言—诸如Java、C++等，还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算设备上执行、部分地在用户设备上执行、作为一个独立的软件包执行、部分在用户计算设备上部分在远程计算设备上执行、或者完全在远程计算设备或服务器上执行。在涉及远程计算设备的情形中，远程计算设备可以通过任意种类的网络，包括局域网(LAN)或广域网(WAN)，连接到用户计算设备，或者，可以连接到外部计算设备(例如利用因特网服务提供商来通过因特网连接)。
此外，上述附图仅是根据本公开示例性实施例的方法所包括的处理的示意性说明，而不是限制目的。易于理解，上述附图所示的处理并不表明或限制这些处理的时间顺序。另外，也易于理解，这些处理可以是例如在多个模块中同步或异步执行的。
应当注意，尽管在上文详细描述中提及了用于动作执行的设备的若干模块或者单元，但是这种划分并非强制性的。实际上，根据本公开的实施方式，上文描述的两个或更多模块或者单元的特征和功能可以在一个模块或者单元中具体化。反之，上文描述的一个模块或者单元的特征和功能可以进一步划分为由多个模块或者单元来具体化。
以上所述，仅为本公开的具体实施方式，但本公开的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本公开揭露的技术范围内，可轻易想到的变化或替换，都应涵盖在本公开的保护范围之内。因此，本公开的保护范围应以权利要求的保护范围为准。

Claims (10)

1. 一种多源异构点迹融合的跟踪方法，其特征在于，包括： 获取测量信息；
从所述测量信息中识别出多个第一类测量信息和多个第二类测量信息；对多个所述第一类测量信息进行空间配准，以使多个所述第一类测量信息
处于同一坐标系下；
对处于同一坐标系下的多个所述第一类测量信息进行同型点迹融合，得到多个第一确定航迹；
将多个所述第一确定航迹与多个所述第二类测量信息进行异构点迹融合， 得到多个第二确定航迹；
输出多个所述第二确定航迹；
其中，所述第一类测量信息由第一类传感器测得，所述第二类测量信息由第二类传感器测得，所述第一类传感器和所述第二类传感器能够测量的信息存在差异。
2. 根据权利要求 1 所述的多源异构点迹融合的跟踪方法，其特征在于，所述对处于同一坐标系下的多个所述第一类测量信息进行同型点迹融合，得到第一确定航迹，包括：
将处于同一坐标系下的多个所述第一类测量信息与多个历史航迹进行同型点迹关联；
若关联成功，则根据第一关联结果，将多个所述第一类测量信息与多个所述历史航迹进行同型点迹融合，得到多个所述第一确定航迹；
若关联失败，则根据多个所述第一类测量信息和多个所述历史航迹， 得到多个可能航迹。
3. 根据权利要求 1 所述的多源异构点迹融合的跟踪方法，其特征在于，所述将多个所述第一确定航迹与多个所述第二类测量信息进行异构点迹融合，得到多个第二确定航迹，包括：
将多个所述第二类测量信息与多个所述第一确定航迹进行异构点迹关联； 若关联成功，则根据第二关联结果，将多个所述第二类测量信息与多个所
述第一确定航迹进行异构点迹融合，得到多个所述第二确定航迹；
若关联失败，则输出多个所述第一确定航迹。
4. 根据权利要求 2 所述的多源异构点迹融合的跟踪方法，其特征在于，所述将处于同一坐标系下的多个所述第一类测量信息与多个历史航迹进行同型点迹关联，包括：
依次确定每一所述第一类测量信息的表征位置与多个所述历史航迹对应的待测目标在当前时刻的预测位置的距离差；
确定多个所述距离差中的最小距离差；
若所述最小距离差小于或等于设定距离差，则该所述第一类测量信息与所述最小距离差对应的所述历史航迹关联成功；
若所述最小距离差大于所述设定距离差，则该所述第一类测量信息关联失败。
5. 根据权利要求 2 所述的多源异构点迹融合的跟踪方法，其特征在于，所述根据第一关联结果，将多个所述第一类测量信息与多个所述历史航迹进行同型点迹融合，得到多个所述第一确定航迹，包括：
根据所述第一关联结果，确定每一所述历史航迹关联成功的至少一个所述第一类测量信息；
依次对每一所述历史航迹执行同型点迹融合，得到所述第一确定航迹； 所述同型点迹融合包括：
依次使用所述历史航迹对应的至少一个所述第一类测量信息，对所述历史航迹在当前时刻的预测状态进行更新，得到第一确定状态；
根据所述第一确定状态确定所述第一确定航迹。
6. 根据权利要求 3 所述的多源异构点迹融合的跟踪方法，其特征在于，所述将多个所述第二类测量信息与多个所述第一确定航迹进行异构点迹关联，包括：
依次对每一所述第二类测量信息与多个所述第一确定航迹对应的航迹点进行异构点迹关联；
所述异构点迹关联包括：
确定所述第二类测量信息对应的航迹点与多个所述第一确定航迹对应的航迹点进行相似性判断，得到多个相似值；
确定多个所述相似值内的最大相似值对应的关联误差；
若所述关联误差小于或等于设定误差，则将所述第二类测量信息与所述最大相似值对应的所述第一确定航迹进行关联；
若所述关联误差大于设定误差，则该所述第二类测量信息关联失败。
7. 根据权利要求 3 所述的多源异构点迹融合的跟踪方法，其特征在于，所述根据第二关联结果，将多个所述第二类测量信息与多个所述第一确定航迹进行异构点迹融合，得到多个所述第二确定航迹，包括：
根据所述第二关联结果确定每一所述第二类测量信息关联的所述第一确定航迹；
根据方差加权融合方法将每一所述第二类测量信息与其对应的所述第一确定航迹进行融合，得到多个所述第二确定航迹。
8. 一种多源异构点迹融合的跟踪装置，其特征在于，包括： 获取模块，用于获取测量信息；
识别模块，用于从所述测量信息中识别出多个第一类测量信息和多个第二类测量信息；
空间配准模块，用于对多个所述第一类测量信息进行空间配准，以使多个所述第一类测量信息处于同一坐标系下；
同型点迹融合模块，用于对处于同一坐标系下的多个所述第一类测量信息进行同型点迹融合，得到多个第一确定航迹；
异构点迹融合模块，用于将多个所述第一确定航迹与多个所述第二类测量信息进行异构点迹融合，得到多个第二确定航迹；
输出模块，用于输出多个所述第二确定航迹；
其中，所述第一类测量信息由第一类传感器测得，所述第二类测量信息由第二类传感器测得，所述第一类传感器和所述第二类传感器能够测量的信息存在差异。
9.一种电子设备，其特征在于，所述电子设备包括：
处理器；
用于存储所述处理器可执行指令的存储器；
所述处理器，用于从所述存储器中读取所述可执行指令，并执行所述指令以实现上述权利要求 1-7 中任一项所述的方法。
10. 一种计算机可读存储介质，其特征在于，所述存储介质存储有计算机程序，所述计算机程序用于执行上述权利要求 1-7 中任一项所述的方法。
CN202110726487.1A 2021-06-29 2021-06-29 多源异构点迹融合的跟踪方法、装置、设备及存储介质 Active CN113484857B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110726487.1A CN113484857B (zh) 2021-06-29 2021-06-29 多源异构点迹融合的跟踪方法、装置、设备及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110726487.1A CN113484857B (zh) 2021-06-29 2021-06-29 多源异构点迹融合的跟踪方法、装置、设备及存储介质

Publications (2)

Publication Number Publication Date
CN113484857A CN113484857A (zh) 2021-10-08
CN113484857B true CN113484857B (zh) 2024-04-12

Family

ID=77936426

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110726487.1A Active CN113484857B (zh) 2021-06-29 2021-06-29 多源异构点迹融合的跟踪方法、装置、设备及存储介质

Country Status (1)

Country Link
CN (1) CN113484857B (zh)

Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH11304916A (ja) * 1998-04-27 1999-11-05 Mitsubishi Electric Corp 目標追尾装置および目標追尾方法
CN103116688A (zh) * 2012-12-13 2013-05-22 中国航空无线电电子研究所 用于机载航电系统的多源异类传感器目标航迹关联方法
CN107133635A (zh) * 2017-03-30 2017-09-05 南京航空航天大学 一种多源异构飞行事故航迹数据融合方法
CN109508000A (zh) * 2018-12-16 2019-03-22 西南电子技术研究所（中国电子科技集团公司第十研究所） 异构多传感器多目标跟踪方法
CN111060877A (zh) * 2019-12-25 2020-04-24 智慧航海（青岛）科技有限公司 一种面向岸基雷达的数据处理方法
CN111257826A (zh) * 2020-01-15 2020-06-09 西安交通大学 一种多源异构传感器复合跟踪方法
CN111353450A (zh) * 2020-03-06 2020-06-30 北京波尔通信技术股份有限公司 一种基于异构电磁感知信息融合的目标识别系统和方法
CN111680728A (zh) * 2020-05-29 2020-09-18 航科院中宇（北京）新技术发展有限公司 一种基于多源异构航迹数据的数据置信融合方法及系统
CN111860589A (zh) * 2020-06-12 2020-10-30 中山大学 一种多传感器多目标协同探测信息融合方法、系统
CN112946624A (zh) * 2021-03-01 2021-06-11 西安交通大学 一种基于航迹管理方法的多目标跟踪算法

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10602242B2 (en) * 2017-06-14 2020-03-24 GM Global Technology Operations LLC Apparatus, method and system for multi-mode fusion processing of data of multiple different formats sensed from heterogeneous devices

Patent Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH11304916A (ja) * 1998-04-27 1999-11-05 Mitsubishi Electric Corp 目標追尾装置および目標追尾方法
CN103116688A (zh) * 2012-12-13 2013-05-22 中国航空无线电电子研究所 用于机载航电系统的多源异类传感器目标航迹关联方法
CN107133635A (zh) * 2017-03-30 2017-09-05 南京航空航天大学 一种多源异构飞行事故航迹数据融合方法
CN109508000A (zh) * 2018-12-16 2019-03-22 西南电子技术研究所（中国电子科技集团公司第十研究所） 异构多传感器多目标跟踪方法
CN111060877A (zh) * 2019-12-25 2020-04-24 智慧航海（青岛）科技有限公司 一种面向岸基雷达的数据处理方法
CN111257826A (zh) * 2020-01-15 2020-06-09 西安交通大学 一种多源异构传感器复合跟踪方法
CN111353450A (zh) * 2020-03-06 2020-06-30 北京波尔通信技术股份有限公司 一种基于异构电磁感知信息融合的目标识别系统和方法
CN111680728A (zh) * 2020-05-29 2020-09-18 航科院中宇（北京）新技术发展有限公司 一种基于多源异构航迹数据的数据置信融合方法及系统
CN111860589A (zh) * 2020-06-12 2020-10-30 中山大学 一种多传感器多目标协同探测信息融合方法、系统
CN112946624A (zh) * 2021-03-01 2021-06-11 西安交通大学 一种基于航迹管理方法的多目标跟踪算法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
一种面向复杂体系作战的多源信息融合处理方法;刘晟 等;航空电子技术;第51卷(第3期);1-7 *

Also Published As

Publication number Publication date
CN113484857A (zh) 2021-10-08

Similar Documents

Publication Publication Date Title
Tian et al. Human body shadowing effect on UWB-based ranging system for pedestrian tracking
CN112946624B (zh) 一种基于航迹管理方法的多目标跟踪方法
US20180329022A1 (en) Method, apparatus and system for locating an object using cluster-type magnetic field
TW201440013A (zh) 基於虛擬地標之定位及地圖繪製技術
CN108933772B (zh) 攻击检测方法和装置、计算机可读存储介质与终端
Vo et al. An implementation of the multi-sensor generalized labeled multi-Bernoulli filter via Gibbs sampling
CN111683337A (zh) 基于Wifi和传感器的融合定位方法、系统、电子设备及存储介质
Tagne Fute et al. A new hybrid localization approach in wireless sensor networks based on particle swarm optimization and tabu search
Yu et al. Neural networks-based Wi-Fi/PDR indoor navigation fusion methods
Wettergren et al. Optimal placement of distributed sensors against moving targets
CN113484857B (zh) 多源异构点迹融合的跟踪方法、装置、设备及存储介质
Zhao et al. Factor graph based multi-source data fusion for wireless localization
Thomas et al. Comparison of nearest neighbor and probabilistic data association filters for target tracking in cluttered environment
CN116047558A (zh) 定位方法及装置
Chen et al. A multisensor fusion algorithm of indoor localization using derivative Euclidean distance and the weighted extended Kalman filter
CN114861725A (zh) 一种目标感知跟踪的后处理方法、装置、设备及介质
CN114222365A (zh) 一种基于单基站的超宽带定位方法、装置、计算单元、系统
EP4042177A1 (en) Automatic egress/ingress detection in an acoustic positioning system
Berry et al. On the use of entropy for optimal radar resource management and control
Chang et al. Investigation of weighted least squares methods for multitarget tracking with multisensor data fusion
Luo et al. Passive target tracking with intermittent measurement based on random finite set
Shalihan et al. Moving Object Localization based on the Fusion of Ultra-WideBand and LiDAR with a Mobile Robot
CN114185003B (zh) 一种基于多源信号融合的室内定位方法及系统
KR102666053B1 (ko) 측위 장치 및 방법
Ayabakan et al. Fault Tolerant Indoor Positioning Based on Federated Kalman Filter

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