CN113495269A - 一种局域监视多雷达目标跟踪方法 - Google Patents

一种局域监视多雷达目标跟踪方法 Download PDF

Info

Publication number
CN113495269A
CN113495269A CN202010269766.5A CN202010269766A CN113495269A CN 113495269 A CN113495269 A CN 113495269A CN 202010269766 A CN202010269766 A CN 202010269766A CN 113495269 A CN113495269 A CN 113495269A
Authority
CN
China
Prior art keywords
target
intensity
sensors
local area
tracking
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.)
Pending
Application number
CN202010269766.5A
Other languages
English (en)
Inventor
郭晗
吴礼
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.)
Nanjing University of Science and Technology
Original Assignee
Nanjing University of Science and Technology
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 Nanjing University of Science and Technology filed Critical Nanjing University of Science and Technology
Priority to CN202010269766.5A priority Critical patent/CN113495269A/zh
Publication of CN113495269A publication Critical patent/CN113495269A/zh
Pending legal-status Critical Current

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

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

本发明提出了一种局域监视多雷达目标跟踪方法，包括：采用两部传感器进行局域监视，且目标始终运动在两部传感器的检测范围内；预测目标运动强度；对预测强度进行更新；对更新后的预测强度进行剪枝、合并；对目标数目与状态进行估计。本发明优化了整合多传感器数据时的匹配误差问题，不仅增加了探测和跟踪范围，还拥有更高的检测精度和跟踪精度。

Description

一种局域监视多雷达目标跟踪方法
技术领域
本发明属于目标检测技术领域，具体为一种局域监视多雷达目标跟踪方法。
背景技术
局域监视雷达目标跟踪在民用和军用领域都有着重要的作用，因此局域监视目标跟踪的研究具有广阔的前景和重要的实践意义。多传感器系统通过雷达目标探测信息共享，更高效地实现区域内目标的探测、识别、跟踪等任务，提高目标探测性能及可靠性。在采用多雷达对目标进行追踪时，对数据进行关联时，需要将各传感器的测量值统合进同一个坐标系时，此时匹配误差问题问题是不可避免的，现有的很多研究多传感器多目标跟踪时都忽视了这个误差。
发明内容
本发明的目的在于提出了一种局域监视多雷达目标跟踪方法。
实现本发明目的的技术解决方案为：一种局域监视多雷达目标跟踪方法，具体步骤为：
步骤1：采用两部传感器进行局域监视，且目标始终运动在两部传感器的检测范围内；
步骤2：预测目标运动强度；
步骤3：对预测强度进行更新；
步骤4：对更新后的预测强度进行剪枝、合并；
步骤5：对目标数目与状态进行估计。
本发明与现有技术相比，其显著优点为：本发明优化了整合多传感器数据时的匹配误差问题，不仅增加了探测和跟踪范围，还拥有更高的检测精度和跟踪精度。
下面结合附图对本发明做进一步详细的描述。
附图说明
图1为杂波环境下各目标真实轨迹及测量值点迹示意图。
图2为基于匹配误差的GMPHD算法多目标跟踪图。
图3为目标个数跟踪图。
图4为多目标跟踪结果OSPA距离图。
具体实施方式
一种局域监视多雷达目标跟踪方法，具体步骤为：
步骤1：采用两部传感器进行局域监视，且目标始终运动在两部传感器的检测范围内；
步骤2：预测目标运动强度；
假设传感器的后验强度满足高斯混合形式：
Figure BDA0002442716810000021
预测强度满足高斯混合形式：
vk|k-1＝vs,k|k-1+vβ,k|k-1+γ(xk,bk)
则：
Figure BDA0002442716810000022
Figure BDA0002442716810000023
Figure BDA0002442716810000024
Figure BDA0002442716810000025
Figure BDA0002442716810000026
Figure BDA0002442716810000027
Figure BDA0002442716810000028
Figure BDA0002442716810000029
Figure BDA00024427168100000210
Figure BDA00024427168100000211
步骤3：对预测强度进行更新，预测强度表示为：
Figure BDA00024427168100000212
依次更新每个传感器的后验强度：
Figure BDA0002442716810000031
Figure BDA0002442716810000032
其中：
Figure BDA0002442716810000033
Figure BDA0002442716810000034
Figure BDA0002442716810000035
Figure BDA0002442716810000036
Figure BDA0002442716810000037
Figure BDA0002442716810000038
Figure BDA0002442716810000039
Figure BDA00024427168100000310
Figure BDA00024427168100000311
在更新步骤中，两次卡尔曼滤波过程并不是最优的，这样做的目的是为了保证在每个时刻更新的后验强度具有相同的形式，状态估计
Figure BDA00024427168100000312
和偏差估计
Figure BDA00024427168100000313
能够以解耦的形式表示。
步骤4：对更新后的预测强度进行剪枝、合并
经过更新后高斯项目的数目将随时间无限制的增加，因此需要采用剪枝合并的方法来解决这一问题。设定修剪阈值为τ，对更新得到的高斯分布进行剪枝，删除小于该阈值的高斯分布，具体为：
Figure BDA00024427168100000314
合并接近的高斯分布，即集合：
Figure BDA00024427168100000315
合并后，新的高斯分布：
Figure BDA0002442716810000041
Figure BDA0002442716810000042
步骤5：对目标数目与状态进行估计：
目标数目估计为：
Figure BDA0002442716810000043
取整后可获得目标数目，按照上述步骤输出合并后状态记作。
Figure BDA0002442716810000044
实施例1
一种局域监视多雷达目标跟踪系统，设定监视区域为[-80m,80m]×[-80m,80m]的二维平面，各目标的初始状态如下表所示，目标5为目标2在k＝50s时刻衍生出的目标，整个过程中杂波的出现服从泊松分布。
Figure BDA0002442716810000045
相关参数设置如下：
Figure BDA0002442716810000046
Figure BDA0002442716810000047
采样间隔T＝1s，ω＝0.025，目标存活概率Ps＝0.95，检测概率PD＝0.99，合并门限为5，允许最大高斯分量个数Jmax＝100，取剪枝阈值τ＝10-5，每次扫描平均杂波数为3，选取OSPA距离为评价指标c＝10,p＝2，仿真时长100s。
采用两部传感器进行局域监视，且目标始终运动在两部传感器的检测范围内
Figure BDA0002442716810000051
其中
Figure BDA0002442716810000052
为标号l传感器的位置，
Figure BDA0002442716810000053
为该传感器测量偏置，测量噪声
Figure BDA0002442716810000054
设定为协方差矩阵为
Figure BDA0002442716810000055
的0均值高斯白噪声。设两部传感器的位置位于坐标(0,0)m，(80,80)m。两部传感器的偏置设定为(0,π/360)和(4,π/120)。对GMPHD-RE算法进行仿真，同时与GM-PHD算法进行算法性能对比。
由图1可见本发明中多传感器可在较强杂波的非线性条件下进行量测与跟踪。如图2所示，通过GMPHD-RE算法的跟踪点迹与真实轨迹基本一致。图3中，跟踪模型数量随时间变化，目标最少时为1，最多时为5，且有4个目标误跟点。图4对比了未引入偏置误差的GMPHD算法与GMPHD-RE算法的OSPA距离。

Claims (3)

1.一种局域监视多雷达目标跟踪方法，其特征在于，具体步骤为：
步骤1：采用两部传感器进行局域监视，且目标始终运动在两部传感器的检测范围内；
步骤2：预测目标运动强度；
步骤3：对预测强度进行更新；
步骤4：对更新后的预测强度进行剪枝、合并；
步骤5：对目标数目与状态进行估计。
2.根据权利要求1所述的局域监视多雷达目标跟踪方法，其特征在于，预测目标运动强度，具体为：
假设传感器的后验强度满足高斯混合形式：
Figure FDA0002442716800000011
预测强度满足高斯混合形式：
vk|k-1＝vs,k|k-1+vβ,k|k-1+γ(xk,bk)
则：
Figure FDA0002442716800000012
Figure FDA0002442716800000013
Figure FDA0002442716800000014
Figure FDA0002442716800000015
Figure FDA0002442716800000016
Figure FDA0002442716800000017
Figure FDA0002442716800000018
Figure FDA0002442716800000019
Figure FDA00024427168000000110
Figure FDA00024427168000000111
3.根据权利要求1所述的局域监视多雷达目标跟踪方法，其特征在于，预测目标运动强度具体为：
预测强度表示为：
Figure FDA0002442716800000021
依次更新每个传感器的后验强度：
Figure FDA0002442716800000022
Figure FDA0002442716800000023
其中：
Figure FDA0002442716800000024
Figure FDA0002442716800000025
Figure FDA0002442716800000026
Figure FDA0002442716800000027
Figure FDA0002442716800000028
Figure FDA0002442716800000029
Figure FDA00024427168000000210
Figure FDA00024427168000000211
Figure FDA00024427168000000212
CN202010269766.5A 2020-04-08 2020-04-08 一种局域监视多雷达目标跟踪方法 Pending CN113495269A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010269766.5A CN113495269A (zh) 2020-04-08 2020-04-08 一种局域监视多雷达目标跟踪方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010269766.5A CN113495269A (zh) 2020-04-08 2020-04-08 一种局域监视多雷达目标跟踪方法

Publications (1)

Publication Number Publication Date
CN113495269A true CN113495269A (zh) 2021-10-12

Family

ID=77995768

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010269766.5A Pending CN113495269A (zh) 2020-04-08 2020-04-08 一种局域监视多雷达目标跟踪方法

Country Status (1)

Country Link
CN (1) CN113495269A (zh)

Similar Documents

Publication Publication Date Title
CN114859339B (zh) 一种基于毫米波雷达的多目标跟踪方法
CN109633589A (zh) 目标跟踪中基于多模型优化多假设的多目标数据关联方法
CN111580084B (zh) 一种面向多距离扩展目标的多伯努利检测前跟踪方法
CN109791200B (zh) 基于轨迹跟踪的导线和塔架分类
CN109521404B (zh) 基于fmcw雷达的振动测量的准确度评估方法和系统
CN103885057A (zh) 自适应变滑窗多目标跟踪方法
CN111736145A (zh) 一种基于高斯混合概率假设密度滤波的多机动目标多普勒雷达跟踪方法
CN110209180B (zh) 一种基于HuberM-Cubature卡尔曼滤波的无人水下航行器目标跟踪方法
CN114019498A (zh) 一种基于分数阶卡尔曼滤波的毫米波雷达单目标跟踪方法
CN112881993B (zh) 自动识别雷达分布杂波引起虚假航迹的方法
CN110361744A (zh) 基于密度聚类的rbmcda水下多目标跟踪方法
CN111562570A (zh) 基于毫米波雷达的面向自动驾驶的车辆感知方法
CN110738275A (zh) 基于ut-phd的多传感器序贯融合跟踪方法
CN114779230B (zh) 一种对象跟踪方法、装置、电子设备及车辆
CN113960587B (zh) 基于类别信息反馈的毫米波雷达多目标跟踪方法
CN117169818B (zh) 一种面向海面机动目标跟踪的雷达波形设计方法
CN111274529B (zh) 一种鲁棒的高斯逆威沙特phd多扩展目标跟踪算法
CN113495269A (zh) 一种局域监视多雷达目标跟踪方法
CN113866754B (zh) 基于高斯分布波门的运动目标航迹关联方法
Nandakumaran et al. Improved multitarget tracking using probability hypothesis density smoothing
CN113376626A (zh) 基于immpda算法的高机动目标跟踪方法
CN113486300A (zh) 一种无人驾驶车辆多目标跟踪方法
CN113238218A (zh) 基于phd滤波的临近空间高超声速目标跟踪方法
CN109934840A (zh) 基于gmphd滤波器的圆周sar运动目标跟踪方法
CN113534131B (zh) 基于gm-phd的运动参数估计组合平滑滤波方法

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
WD01 Invention patent application deemed withdrawn after publication

Application publication date: 20211012

WD01 Invention patent application deemed withdrawn after publication