CN115857559A - 一种纯角度目标跟踪方法及系统 - Google Patents
一种纯角度目标跟踪方法及系统 Download PDFInfo
- Publication number
- CN115857559A CN115857559A CN202211577437.2A CN202211577437A CN115857559A CN 115857559 A CN115857559 A CN 115857559A CN 202211577437 A CN202211577437 A CN 202211577437A CN 115857559 A CN115857559 A CN 115857559A
- Authority
- CN
- China
- Prior art keywords
- target
- angle
- tracking
- track
- prediction
- 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
Links
Images
Landscapes
- Radar Systems Or Details Thereof (AREA)
Abstract
本发明公开了一种适用于非等间隔探测设备的纯角度目标跟踪方法,其主要包括以下步骤:S1、目标跟踪系统初始化;S2、目标跟踪系统的航迹起始;S3、已建立航迹的目标角速度信息计算;S4、跟踪关联与继续维持;S5、候选目标判断与航迹更新;S6、当前时刻航迹输出。本发明可适应不同目标角度变化情况的纯角度跟踪。
Description
技术领域
本发明涉及信息融合的多目标跟踪技术领域,尤其涉及一种面向非等间隔探测设备的纯角度目标跟踪处理方法及系统。
背景技术
目标跟踪是指对探测设备接收到的量测进行滤波处理,然后对当前时刻的目标进行状态估计,并且预测下一时刻目标运动状态的过程。在实际情况中,存在目标模型和量测信息的不确定性,因此需要对目标进行状态估计处理。通常,由于目标没有特定的轨迹,不能使用置信度对目标行为方式进行建模,因此在目标建模的过程中必然存在不确定性;目标的运动方式也很复杂,具有一定的随机性和不确定性,在实际情况中欲建立一个时刻精确的目标运动模型几乎是不现实的。然而在使用滤波方法时需要确定运动模型,一旦出现目标运动轨迹与假设的运动模型不匹配的情况,滤波方法的跟踪误差会变得非常大,甚至导致滤波结果发散。另外,接收器在接收量测数据的过程中也会产生不确定性,由于信源中包含了杂波和噪声,传感器接收到的量测数据除了含有与目标状态有关的量测信息,还包括杂波噪声产生的虚假量测。如果使用并非目标产生的量测数据,就会对后续的状态估计产生影响。
纯角度目标跟踪是利用目标本身的有源辐射如电磁辐射、红外辐射、声波辐射等采用单站测量或观测站测得运动目标的角度信息并利用这些随时间变化的目标角度序列来实时估计目标运动参数的技术。由于量测信息少,目标运动模型的建立更加困难。纯角度跟踪问题一直是研究的热点和难点。但其应用广泛,如使用红外传感器、被动声呐传感器等进行目标跟踪,因此吸引了一大批学者进行纯角度跟踪的研究。
纯角度目标跟踪因为是通过被动观测设备来获得目标的角度信息,这种被动跟踪因受限于传感器不能获得目标的距离信息,其量测为极坐标系下的纯角度,常需将其转换到直角坐标系,一方面存在非线性且可观测性差的问题,另一方面由于将极坐标系下的量测转换到直角坐标系下会造成量测误差起偏,误差分布改变并与量测值相关,使得纯角度目标跟踪系统的可观测,也让多目标跟踪算法存在预测跟踪困难、收敛速度慢、滤波器稳定性差等难题。针对纯角度目标跟踪的测量值与目标状态之间存在的非线性关系,目前在理论上还没有形成一套完整的预测跟踪理论,而通常的方法是进行局部线性化近似,主要是多点外推、αβ滤波、广卡尔曼滤波、统计线性化滤波和迭代滤波等,而这些方法在进行线性化的同时,也引入了较多的误差项,从而得不到目标信息的最佳预测和估计。
发明内容
本发明主要目的在于提出一种纯角度目标跟踪方法,适用于非等间隔探测设备纯角度目标跟踪系统的目标信息的最佳预测和估计。
本发明所采用的技术方案是:
提供一种纯角度目标跟踪方法,包括以下步骤:
S1、目标跟踪系统初始化:目标跟踪系统根据目标角速度及其误差特性设定使用非等间隔目标角度预测法或使用多点外推算法的目标角速度分界门限值,并按照常规跟踪门规则设定目标跟踪系统的相关跟踪关联门限;
S2、目标跟踪系统航迹起始:目标跟踪系统获取连续三个探测时刻的目标量测信息,并完成航迹起始;
S3、已建立航迹的目标角速度信息计算:目标跟踪系统获取多个探测时刻目标量测信息利用角度变化与时间变化计算获得目标的角速度信息;
S4、跟踪关联与继续维持:目标跟踪系统利用目标量测信息并计算获得的当前目标角速度信息,与步骤S1中设定的目标角速度分界门限值进行比较,当前目标角速度大于步骤S1中设定的目标角速度分界门限值,则使用非等间隔目标角度预测法计算目标预测角度值并确定目标预测点,否则使用多点外推算法计算目标预测角度值并确定目标预测点;
S5、候选目标判断与航迹更新:目标跟踪系统继续获取多个目标角度量测信息与步骤S4中的目标预测角度值进行比较,跟踪门限范围内的目标内的目标作为候选量测,并利用候选量测信息与步骤S4中的目标预测点比较,距离目标预测点最近的候选量测作为该目标的最终更新量测,并对目标航迹进行数据更新;
S6、当前时刻航迹输出:目标跟踪系统对量测更新后的航迹进行编批、撤销等航迹管理,最终获得目标当前时刻的航迹并进行输出,同时进入步骤S4进行下次航迹更新与输出。
接上述技术方案,步骤S1中的非等间隔目标角度预测法是指利用公式
进行目标角度预测计算,其中,β1、β2、β3为已知已观测到的目标方位角,β4是目标预测方位角,T12、T23、T24、T13、T14为目标匀速直线运动时相应的运动距离对应的时间间隔。
接上述技术方案,步骤S1中的设定目标角速度分界门限值是指将目标角速度分界门限值设定为角速度误差的3~4倍。
接上述技术方案,步骤S1中的按照常规跟踪门规则设定目标跟踪系统的相关跟踪门限是指采用椭圆形跟踪规则生成角度跟踪门限。
接上述技术方案,步骤S2中的目标跟踪系统获取目标量测信息是指通过纯角度探测设备获得目标的方位、俯仰角度量测信息,并进行系统误差配准、野值剔除、空间配准处理形成目标量测信息。
接上述技术方案,步骤S3中的逻辑法是指对目标初始速度范围内的目标的起始航迹先进行假设,再经第三点确认。
接上述技术方案,步骤S4中的使用非等间隔目标角度预测法计算目标预测角度值是指根据当前目标量测信息对应时刻和航迹前三个探测时刻采用公式(1)直接计算获得当前时刻的角度值。
接上述技术方案,步骤S4中的使用多点外推算法计算目标预测角度值是指直接采用前一探测时刻目标量测信息和步骤S3中获得的目标角速度预测计算目标角度作为当前时刻的角度预测值。
本发明还提供了一种纯角度目标跟踪系统,包括:
初始化模块,用于根据目标角速度及其误差特性设定使用非等间隔目标角度预测法或使用多点外推算法的目标角速度分界门限值,并按照常规跟踪门规则设定目标跟踪系统的相关跟踪关联门限;
航迹起始模块,用于获取连续三个探测时刻的目标量测信息,并完成航迹起始;
目标角速度信息计算模块,用于获取多个探测时刻目标量测信息利用角度变化与时间变化计算获得目标的角速度信息;
跟踪关联与继续维持模块,用于利用当前目标量测信息并计算获得的当前目标角速度信息,与设定的目标角速度分界门限值进行比较,当前目标角速度大于设定的目标角速度分界门限值,则使用非等间隔目标角度预测法计算目标预测角度值并确定目标预测点,否则使用多点外推算法计算目标预测角度值并确定目标预测点;
候选目标判断与航迹更新模块,用于继续获取多个目标角度量测信息与目标预测角度值进行比较,跟踪门限范围内的目标内的目标作为候选量测,并利用候选量测信息与目标预测点比较,距离目标预测点最近的候选量测作为该目标的最终更新量测,并对目标航迹进行数据更新;
当前时刻航迹输出模块,用于对量测更新后的航迹进行编批、撤销等航迹管理,最终获得目标当前时刻的航迹并进行输出,同时通过跟踪关联与继续维持模块进行下次航迹更新与输出。
本发明还提供一种计算机存储介质,其内存储有可被处理器执行的计算机程序,该计算机程序执行上述技术方案所述的纯角度目标跟踪方法。
本发明产生的有益效果是:本发明通过目标跟踪系统根据目标角速度设定其的目标角速度分界门限值,分别采用非等间隔目标角度预测法或使用多点外推算法进行纯角度目标跟踪预测。本发明的方法有效解决了目标大角度变化情况下常规角度预测算法因目标运动非线性特性导致预测误差大、跟踪困难的问题,同时在目标角度变化小、误差相较于角度变化显著时结合多点外推算法进行目标角度预测,适应不同目标角度变化情况纯角度跟踪。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍,显而易见地,下面描述中的附图是本发明的一些实施例,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他的附图。
图1是本发明实施例的纯角度目标跟踪方法流程图;
图2是本发明的传统目标跟踪系统示意图;
图3是本发明实施例的非等间隔探测目标直线运动示意图;
图4是本发明实施例的余切关系定理二维平面几何关系示意图;
图5是本发明实施例的逻辑法跟踪起始策略示意图;其中(a)为前两个探测时刻的量测点a、b作为候选航迹的示意图;(b)由三个探测时刻的量测点完成的航迹起始示意图;
图6是本发明实施例的航迹跟踪维持策略示意图。
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,以下结合附图及实施例,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用以解释本发明,并不用于限定本发明。
本发明提供一种纯角度目标跟踪方法,如图1所示,包括以下步骤:
S1、目标跟踪系统初始化:目标跟踪系统根据目标角速度及其误差特性设定使用非等间隔目标角度预测法或使用多点外推算法的目标角速度分界门限值,并按照常规跟踪门规则设定目标跟踪系统的相关跟踪关联门限;
S2、目标跟踪系统航迹起始:目标跟踪系统获取连续三个探测时刻的目标量测信息,并完成航迹起始;
S3、已建立航迹的目标角速度信息计算:目标跟踪系统获取多个探测时刻目标量测信息利用角度变化与时间变化计算获得目标的角速度信息;
S4、跟踪关联与继续维持:目标跟踪系统利用当前目标量测信息并计算获得的当前目标角速度信息,与步骤S1中设定的目标角速度分界门限值进行比较,当前目标角速度大于步骤S1中设定的目标角速度分界门限值,则使用非等间隔目标角度预测法计算目标预测角度值并确定目标预测点,否则使用多点外推算法计算目标预测角度值并确定目标预测点;
S5、候选目标判断与航迹更新:目标跟踪系统继续获取多个目标角度量测信息与步骤S4中的目标预测角度值进行比较,跟踪门限范围内的目标内的目标作为候选量测,并利用候选量测信息与步骤S4中的目标预测点比较,距离目标预测点最近的候选量测作为该目标的最终更新量测,并对目标航迹进行数据更新;
S6、当前时刻航迹输出:目标跟踪系统对量测更新后的航迹进行编批、撤销等航迹管理,最终获得目标当前时刻的航迹并进行输出,同时进入步骤S4进行下次航迹更新与输出。
如图2所示,常规目标跟踪系统主要由数据录取及预处理、数据关联、跟踪滤波、跟踪门规则、跟踪维持、跟踪起始与终止等组成,主要工作步骤如下:
(1)量测数据录取及预处理:传感器接收到的原始回波数据经过前端信号处理后,通过数据预处理而生成的点迹被称为量测。在对量测进行正式处理之前,需要对其进行一系列的校正预处理工作。一般的预处理方式包括系统误差配准、野值剔除、空间配准等。
(2)数据关联及跟踪门规则建立:数据关联通过跟踪波门滤除一些由杂波、噪声产生的虚假量测或由其他目标产生的目标点迹。在数据关联中,由于杂波和多个目标的存在,在同一个跟踪波门内会同时出现多个点迹需要通过门限对候选点迹进行筛选。
(3)跟踪滤波:跟踪起始与终止实现目标的航迹的建立和撤销,跟踪滤波采用合适的滤波方法对检测到的目标进行状态估计,进而生成完整且正确的目标航迹,如图6所示。
(4)多目标状态估计:经过跟踪滤波形成多目标跟踪轨迹即航迹,航迹形成后可基于航迹历史数据等信息实现多目标状态估计等操作。
相对于常规目标跟踪系统,本发明通过目标跟踪系统根据目标角速度设定其目标角速度分界门限值,采用非等间隔目标角度预测法或使用多点外推方法的分界值进行纯角度目标跟踪预测。本发明的方法有效解决了目标大角度变化情况下常规角度预测算法因目标运动非线性特性导致预测误差大、跟踪困难的问题,同时在目标角度变化小、误差相较于角度变化显著导时结合多点外推方法进行目标角度预测,适应不同目标角度变化情况纯角度跟踪。
其中,如图5所示,航迹起始主要通过获取连续三个探测时刻的目标量测信息并通过逻辑法完成。逻辑法航迹起始首先对满足图5的(a)图中范围内的前两个探测时刻的量测点a、b作为候选航迹,通过候选航迹预测获得第三个探测时刻的预测点c,若第三个探测时刻存在预测点门限范围内的量测点则由三个探测时刻的量测点则完成航迹起始,如图5中的(b)所示。
作为优选实施例,如图3所示,步骤S1中的非等间隔目标角度预测法是指利用公式
进行目标角度计算,其中,β1、β2、β3为已知已观测到的目标方位角,β4是目标预测方位角,T12、T23、T24、T13、T14为目标匀速直线运动时相应的运动距离对应的时间间隔。
基于余切关系定理,下面将推导非等间隔目标角度预测法的公式。
如图4所示,余切关系定理课描述为在平面上P点与ABC的关系如图1所示满足余切关系:
l2cotαC-(l1+l2)cotαB+l1αA=0 (2)
下面以方位角度的预测推导为例,俯仰角度的推导也可采用同样的方式进行推导。假设观测站与目标布设关系如图3所示:
由已知的余切关系定理公式(2)可得到如下关系式:
其中,l13=l12+l23,l14=l12+l24,由图中的关系还可以获得:
其中β1、β2、β3、β4为观测到的目标方位角。将上式(4)代入式(3),并进行变换可得到:
再次经过系列运算可得到:
因而得到如下关系式:
进而可得到如下关系式:
当目标匀速直线运动时,相应的运动距离仅与彼此的时间间隔有关,假设l12、l23、l24、l13、l14对应的时间间隔分别为T12、T23、T24、T13、T14,可得到公式(1)。
基于公式(1),当目标匀速直线运动且在已知β1、β2、β3及其对应探测间隔时间情况下可对目标方位角β4进行预测。利用前三个探测时刻的时刻信息以及对应时刻探测的目标角度,可以实现非等间隔情况下对下一时刻目标角度的预测,从而为纯角度目标跟踪系统的目标角度预测提供了一种新的手段。
作为优选实施例,步骤S1中的设定目标角速度分界门限值是指根据标误差特性,将目标角速度分界门限值设定为角度误差的3~4倍。
作为优选实施例,步骤S1中的设定目标角速度分界门限值是指将目标角速度分界门限值设定为角速度误差的3~4倍。
作为优选实施例,步骤S1中的按照常规跟踪门规则设定目标跟踪系统的相关跟踪门限是指采用椭圆形跟踪规则生成角度跟踪门限。
作为优选实施例,步骤S2中的目标跟踪系统获取目标量测信息是指通过纯角度探测设备获得目标的方位、俯仰角度量测信息,并进行系统误差配准、野值剔除、空间配准处理形成目标量测信息。
作为优选实施例,步骤S3中的逻辑法是指对目标初始速度范围内的目标经过假设起始,再经第三点确认。
作为优选实施例,步骤S4中的使用非等间隔目标角度预测法计算目标预测角度值是指步骤S4获得当前目标量测信息对应时刻和航迹前述三个探测时刻采用公式(1)直接计算获得当前时刻的角度值。
利用前三个探测时刻的时刻信息以及对应时刻探测的目标角度,可以实现非等间隔情况下对下一时刻目标角度的预测,从而为纯角度目标跟踪系统的目标角度预测提供了一种新的手段。
作为优选实施例,步骤S4中的使用多点外推算法计算目标预测角度值是指直接采用前一探测时刻目标量测信息和步骤S3中获得的目标角速度预测计算目标角度作为当前时刻的角度预测值。
考虑到目标距离较远时,对于纯角度被动探测设备非等间隔期内角度变化小,当角度变化小于误差波动或与误差波动相当时因式(1)采用余切函数会使得预测值误差偏大,因此对于目标较远角度变化小时可结合传统的多点外推方法进行目标角度预测。
本发明实施例纯角度目标跟踪系统主要用于实现上述方法实施例,该纯角度目标跟踪系统主要包括以下模块:
初始化模块,用于根据目标角速度及其误差特性设定使用非等间隔目标角度预测法或使用多点外推算法的目标角速度分界门限值,并按照常规跟踪门规则设定目标跟踪系统的相关跟踪关联门限;
航迹起始模块,用于获取连续三个探测时刻的目标量测信息,并完成航迹起始;
目标角速度信息计算模块,用于获取多个探测时刻目标量测信息利用角度变化与时间变化计算获得目标的角速度信息;
跟踪关联与继续维持模块,用于利用当前目标量测信息并计算获得的当前目标角速度信息,与设定的目标角速度分界门限值进行比较,当前目标角速度大于设定的目标角速度分界门限值,则使用非等间隔目标角度预测法计算目标预测角度值并确定目标预测点,否则使用多点外推算法计算目标预测角度值并确定目标预测点;
候选目标判断与航迹更新模块,用于继续获取多个目标角度量测信息与目标预测角度值进行比较,跟踪门限范围内的目标内的目标作为候选量测,并利用候选量测信息与目标预测点比较,距离目标预测点最近的候选量测作为该目标的最终更新量测,并对目标航迹进行数据更新;
当前时刻航迹输出模块,用于对量测更新后的航迹进行编批、撤销等航迹管理,最终获得目标当前时刻的航迹并进行输出,同时通过跟踪关联与继续维持模块进行下次航迹更新与输出。
在系统优选实施例中,各个模块具体用于实现上述优选方法实施例,在此不赘述。
本申请还提供一种非暂态计算机可读存储介质,如闪存、硬盘、多媒体卡、卡型存储器(例如,SD或DX存储器等)、随机访问存储器(RAM)、静态随机访问存储器(SRAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、可编程只读存储器(PROM)、磁性存储器、磁盘、光盘、服务器、App应用商城等等,其上存储有计算机程序,程序被处理器执行时实现相应功能。本实施例的计算机可读存储介质用于在被处理器执行时实现方法实施例的纯角度目标跟踪方法。
综上,本发明非等间隔情况下纯角度预测跟踪法,可以实现非等间隔探测纯角度跟踪系统的纯角度预测,有效解决了目标大角度变化情况下常规角度预测算法因目标运动非线性特性导致预测误差大、跟踪困难的问题;同时在目标角度变化小、误差相较于角度变化显著导致式(1)存在预测不准的情况则结合多点外推的传统算法实现目标角度预测,从而建立了一种适用于非等间隔被动探测探测设备适应不同目标角度变化情况纯角度跟踪问题较为完整的解决方案。
应当理解的是,对本领域普通技术人员来说,可以根据上述说明加以改进或变换,而所有这些改进和变换都应属于本发明所附权利要求的保护范围。
Claims (10)
1.一种纯角度目标跟踪方法,其特征在于,包括以下步骤:
S1、目标跟踪系统初始化:根据目标角速度及其误差特性设定使用非等间隔目标角度预测法或使用多点外推算法的目标角速度分界门限值,并按照常规跟踪门规则设定目标跟踪系统的相关跟踪关联门限;
S2、目标跟踪系统航迹起始:获取连续三个探测时刻的目标量测信息,并完成航迹起始;
S3、已建立航迹的目标角速度信息计算:获取多个探测时刻目标量测信息利用角度变化与时间变化计算获得目标的角速度信息;
S4、跟踪关联与继续维持:利用当前目标量测信息并计算获得的当前目标角速度信息,与设定的目标角速度分界门限值进行比较,当前目标角速度大于设定的目标角速度分界门限值,则使用非等间隔目标角度预测法计算目标预测角度值并确定目标预测点,否则使用多点外推算法计算目标预测角度值并确定目标预测点;
S5、候选目标判断与航迹更新:继续获取多个目标角度量测信息与目标预测角度值进行比较,跟踪门限范围内的目标内的目标作为候选量测,并利用候选量测信息与步骤S4中的目标预测点比较,距离目标预测点最近的候选量测作为该目标的最终更新量测,并对目标航迹进行数据更新;
S6、当前时刻航迹输出:对量测更新后的航迹进行编批、撤销等航迹管理,最终获得目标当前时刻的航迹并进行输出,同时进入步骤S4进行下次航迹更新与输出。
3.根据权利要求1所述的纯角度目标跟踪方法,其特征在于,步骤S1中的设定目标角速度分界门限值是指将目标角速度分界门限值设定为角速度误差的3~4倍。
4.根据权利要求1所述的纯角度目标跟踪方法,其特征在于,步骤S1中的按照常规跟踪门规则设定目标跟踪系统的相关跟踪门限是指采用椭圆形跟踪规则生成角度跟踪门限。
5.根据权利要求1所述的纯角度目标跟踪方法,其特征在于,步骤S2中获取目标量测信息是指通过纯角度探测设备获得目标的方位、俯仰角度量测信息,并进行系统误差配准、野值剔除、空间配准处理形成目标量测信息。
6.根据权利要求1所述的纯角度目标跟踪方法,其特征在于,步骤S3中的逻辑法是指对目标初始速度范围内的目标的起始航迹先进行假设,再经第三点确认。
7.根据权利要求2所述的纯角度目标跟踪方法,其特征在于,步骤S4中使用非等间隔目标角度预测法计算目标预测角度值是指:获得当前目标量测信息对应时刻和航迹前三个探测时刻采用公式(1)直接计算获得当前时刻的角度值。
8.根据权利要求1所述的纯角度目标跟踪方法,其特征在于,步骤S4中的使用多点外推算法计算目标预测角度值是指直接采用前一探测时刻目标量测信息和步骤S3中获得的目标角速度预测计算的目标角度作为当前时刻的角度预测值。
9.一种纯角度目标跟踪系统,其特征在于,包括:
初始化模块,用于根据目标角速度及其误差特性设定使用非等间隔目标角度预测法或使用多点外推算法的目标角速度分界门限值,并按照常规跟踪门规则设定目标跟踪系统的相关跟踪关联门限;
航迹起始模块,用于获取连续三个探测时刻的目标量测信息,并完成航迹起始;
目标角速度信息计算模块,用于获取多个探测时刻目标量测信息利用角度变化与时间变化计算获得目标的角速度信息;
跟踪关联与继续维持模块,用于利用当前目标量测信息并计算获得的当前目标角速度信息,与设定的目标角速度分界门限值进行比较,当前目标角速度大于设定的目标角速度分界门限值,则使用非等间隔目标角度预测法计算目标预测角度值并确定目标预测点,否则使用多点外推算法计算目标预测角度值并确定目标预测点;
候选目标判断与航迹更新模块,用于继续获取多个目标角度量测信息与目标预测角度值进行比较,跟踪门限范围内的目标内的目标作为候选量测,并利用候选量测信息与目标预测点比较,距离目标预测点最近的候选量测作为该目标的最终更新量测,并对目标航迹进行数据更新;
当前时刻航迹输出模块,用于对量测更新后的航迹进行编批、撤销等航迹管理,最终获得目标当前时刻的航迹并进行输出,同时通过跟踪关联与继续维持模块进行下次航迹更新与输出。
10.一种计算机存储介质,其特征在于,其内存储有可被处理器执行的计算机程序,该计算机程序执行权利要求1-8中任一项所述的纯角度目标跟踪方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211577437.2A CN115857559A (zh) | 2022-12-09 | 2022-12-09 | 一种纯角度目标跟踪方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211577437.2A CN115857559A (zh) | 2022-12-09 | 2022-12-09 | 一种纯角度目标跟踪方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115857559A true CN115857559A (zh) | 2023-03-28 |
Family
ID=85671401
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211577437.2A Pending CN115857559A (zh) | 2022-12-09 | 2022-12-09 | 一种纯角度目标跟踪方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115857559A (zh) |
-
2022
- 2022-12-09 CN CN202211577437.2A patent/CN115857559A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107045125B (zh) | 一种基于预测值量测转换的交互多模型雷达目标跟踪方法 | |
CN111736145B (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 | |
CN106872955B (zh) | 基于联合概率数据关联算法的雷达多目标跟踪优化方法 | |
CN107688179B (zh) | 基于多普勒信息辅助的综合概率数据互联方法 | |
Kalandros et al. | Tutorial on multisensor management and fusion algorithms for target tracking | |
KR101628154B1 (ko) | 수신 신호 세기를 이용한 다중 표적 추적 방법 | |
CN106443664B (zh) | 系统误差下基于拓扑信息的雷达与esm航迹关联方法 | |
Ma et al. | Target tracking system for multi-sensor data fusion | |
CN111722214A (zh) | 雷达多目标跟踪phd实现方法 | |
CN108519595A (zh) | 联合多传感器配准与多目标跟踪方法 | |
CN111830501B (zh) | Hrrp历史特征辅助的信号模糊数据关联方法及系统 | |
CN115204212A (zh) | 一种基于stm-pmbm滤波算法的多目标跟踪方法 | |
CN111274529B (zh) | 一种鲁棒的高斯逆威沙特phd多扩展目标跟踪算法 | |
CN114861725A (zh) | 一种目标感知跟踪的后处理方法、装置、设备及介质 | |
Ren et al. | Improved shape-based distance method for correlation analysis of multi-radar data fusion in self-driving vehicle | |
CN114119465A (zh) | 一种点云数据处理方法及装置 | |
CN116047495B (zh) | 一种用于三坐标雷达的状态变换融合滤波跟踪方法 | |
CN112666516A (zh) | 基于航迹信息场的无源跟踪方法 | |
Bu et al. | Joint data association, spatiotemporal bias compensation and fusion for multisensor multitarget tracking | |
CN115220002B (zh) | 一种固定单站的多目标数据关联跟踪方法和相关装置 | |
Li et al. | Target tracking in uncertain multipath environment using distributed angle-of-arrival observation | |
Chai et al. | Domain-knowledge-aided airborne ground moving targets tracking | |
CN115857559A (zh) | 一种纯角度目标跟踪方法及系统 | |
Xu et al. | Target tracking algorithm based on generalized regression neural network for passive bistatic radar | |
Qiu et al. | Multiple targets tracking by using probability data association and cubature 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 |