CN117669961A - 一种分布式一体化传感器跟踪资源管理方法、介质及装置 - Google Patents
一种分布式一体化传感器跟踪资源管理方法、介质及装置 Download PDFInfo
- Publication number
- CN117669961A CN117669961A CN202311676868.9A CN202311676868A CN117669961A CN 117669961 A CN117669961 A CN 117669961A CN 202311676868 A CN202311676868 A CN 202311676868A CN 117669961 A CN117669961 A CN 117669961A
- Authority
- CN
- China
- Prior art keywords
- integrated sensor
- pcrlb
- tracking
- sensor
- target
- 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
- 238000007726 management method Methods 0.000 title claims abstract description 19
- 238000000034 method Methods 0.000 claims abstract description 17
- 238000001514 detection method Methods 0.000 claims abstract description 12
- 238000001914 filtration Methods 0.000 claims abstract description 6
- 238000005259 measurement Methods 0.000 claims description 18
- 239000011159 matrix material Substances 0.000 claims description 13
- 230000015654 memory Effects 0.000 claims description 8
- 230000008569 process Effects 0.000 claims description 6
- 239000000523 sample Substances 0.000 claims description 4
- 230000007704 transition Effects 0.000 claims description 3
- 230000010485 coping Effects 0.000 abstract description 2
- 230000005855 radiation Effects 0.000 abstract description 2
- 230000006870 function Effects 0.000 description 3
- 238000013468 resource allocation Methods 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000001133 acceleration Effects 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 229920001690 polydopamine Polymers 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
Landscapes
- Radar Systems Or Details Thereof (AREA)
Abstract
本发明提供一种分布式一体化传感器跟踪资源管理方法、介质及装置，所述方法包括：步骤1，用分布式一体化传感器系统的有源探测量测起始航迹；步骤2，计算目标的PCRLB信息增量；步骤3，基于PCRLB信息增量，分配分布式一体化传感器跟踪资源；步骤4，基于卡尔曼滤波更新航迹；步骤5，下一时刻依据PCRLB信息增量最大准则切换一体化传感器。本发明每次根据PCRLB信息增量仅选择一个一体化传感器有源量测更新跟踪航迹，不需要多个一体化传感器中断已有工作计划而同时工作于探测跟踪模式，不影响分布式一体化传感器系统的同时多功能能力，并减少了系统的有源辐射数量，更有利于提升分布式一体化系统对复杂电磁环境的应对能力。
Description
技术领域
本发明涉及传感器资源管理技术领域，具体而言，涉及一种分布式一体化传感器跟踪资源管理方法、介质及装置。
背景技术
当利用分布式多平台的有源探测功能对目标进行持续监视跟踪时，目前多传感器协同工作模式有两种：一是各传感器独自对空间中的目标进行探测跟踪，然后由融合中心对多个传感器的航迹跟踪结果进行融合形成统一航迹；二是采用多个传感器同时对同一目标进行探测跟踪，直接利用多个传感器获得的点迹数据进行融合。
多功能一体化传感器具备侦察、通信和探测等功能。如果分布式一体化传感器工作于第一种多传感器协同工作模式，只是将航迹结果融合，跟踪精度提高有限，也并没有提升整个系统的目标跟踪容量。如果分布式一体化传感器工作于第二种多传感器协同工作模式，将多个传感器的点迹融合可以提高跟踪精度，但是多个一体化传感器需要时间上协同对准，而且需要多个一体化传感器中断当前的工作任务和计划，然后同时工作于探测模式对目标进行跟踪监视，增加了系统的射频暴露风险，限制了分布式一体化传感器系统的多功能同时工作能力，不满足对复杂电磁环境的侦探通等同时能力需求。
发明内容
本发明旨在提供一种分布式一体化传感器跟踪资源管理方法、介质及装置，以解决上述存在的问题。
本发明提供的一种分布式一体化传感器跟踪资源管理方法，包括如下步骤：
步骤1，用分布式一体化传感器系统的有源探测量测起始航迹；
步骤2，计算目标的PCRLB信息增量；
步骤3，基于PCRLB信息增量，分配分布式一体化传感器跟踪资源；
步骤4，基于卡尔曼滤波更新航迹；
步骤5，下一时刻依据PCRLB信息增量最大准则切换一体化传感器。
进一步的，步骤2中，计算目标的PCRLB信息增量包括：
计算k+1时刻的信息熵：
计算k时刻的信息熵：
其中，
定义PCRLB信息增量为：
其中，为k时刻相应的PCRLB，/>为k+1时刻相应的PCRLB。
进一步的，步骤3中，分配分布式一体化传感器跟踪资源的策略如下：
(1)根据目标优先级或威胁程度对下一时刻需要跟踪处理的目标优先级进行排序；
(2)根据目标优先级排序结果，依次计算k时刻各传感器对目标的PCRLB信息增量；
(3)分配目标的跟踪传感器资源，即选择使目标的PCRLB信息增量最大的一体化传感器作为跟踪传感器；
(4)当多个目标选择同一传感器时，优先级高的目标优先选择传感器资源，其他传感器选择次优传感器作为跟踪传感器；
(5)进行k+1时刻的迭代。
进一步的，当跟踪目标数大于传感器数时，采用分时策略处理多目标的同时任务请求。
进一步的，步骤4中，基于卡尔曼滤波更新航迹包括：
(1)状态的一步预测：
(2)协方差的一步预测：
P(k|k-1)＝F(k-1)P(k-1|k-1)F(k-1)T+Q(k)
(3)如果下一时刻量测为传感器i的有源探测量测，则量测的一步预测：
(4)得到状态更新和协方差更新：
新息协方差：
S(k)＝Hi(k)P(k|k-1)Hi(k)T+R(k)
增益为：
K(k)＝P(k|k-1)Hi(k)TS(k)-1
状态更新方程：
协方差更新方程：
P(k|k)＝[I-K(k)Hi(k)]P (k|k-1)[I+K(k)Hi(k)]T-K(k)R(k)K(k)T
其中，F(k)是线性化的状态转移矩阵，Hi(k)是线性化后的测量矩阵；Q(k)为过程噪声的误差协方差矩阵，R(k)为观测噪声的误差协方差矩阵。
本发明还提供一种计算机终端存储介质，存储有计算机终端可执行指令，所述计算机终端可执行指令用于执行上述的分布式一体化传感器跟踪资源管理方法。
本发明还提供一种计算装置，包括：
至少一个处理器；以及与所述至少一个处理器通信连接的存储器；其中，所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行上述的分布式一体化传感器跟踪资源管理方法。
综上所述，由于采用了上述技术方案，本发明的有益效果是：
本发明每次根据PCRLB信息增量仅选择一个一体化传感器有源量测更新跟踪航迹，不需要多个一体化传感器中断已有工作计划而同时工作于探测跟踪模式，不影响分布式一体化传感器系统的同时多功能能力，并减少了系统的有源辐射数量，更有利于提升分布式一体化系统对复杂电磁环境的应对能力。
附图说明
为了更清楚地说明本发明实施例的技术方案，下面将对实施例中的附图作简单地介绍，应当理解，以下附图仅示出了本发明的某些实施例，因此不应被看作是对范围的限定，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相关的附图。
图1为本发明实施例中分布式一体化传感器跟踪资源管理方法的流程图。
图2为本发明实施例中一个应用示例的基于PCRLB信息增量的多传感器跟踪资源分配结果展示图。
图3为本发明实施例中一个应用示例的不同跟踪方法的跟踪轨迹对比图。
图4为本发明实施例中一个应用示例的不同跟踪方法的跟踪位置误差对比图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本发明实施例的组件可以以各种不同的配置来布置和设计。
因此，以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围，而是仅仅表示本发明的选定实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
实施例
本实施例提出一种基于后验克拉美-罗下界(Posterior Cramér-Rao LowerBound，PCRLB)信息增量的分布式一体化传感器跟踪资源管理方法。
PCRLB给出了系统可达到的最佳跟踪精度的一种度量，可基于目标和传感器的预测及测量进行独立计算。PCRLB的具体定义如下：
假设监视区域内某一目标的运动方程经过线性化、离散化为：
X(k+1)＝F(k)X(k)+V(k)
第i个一体化传感器的测量方程也经过相应的处理为：
Zi(k)＝Hi(k)X(k)+Wi(k)
其中，F(k)是线性化的状态转移矩阵，V(k)是状态噪声，Hi(k)是线性化后的测量矩阵，Wi(k)为观测噪声。
记Zk为截至k时刻所积累的各雷达测量值的集合，为基于该测量集对目标在k时刻的状态xk的有效无偏估计。PCRLB给出了该估计与真值的误差协方差阵的下界，即：
其中，E[ ]表示(xk,Zk)的期望。上式表明是一个半正定的矩阵，Jk称为Fisher信息阵，/>即为PCRLB。Jk可按下式进行迭代计算：
对于线性化后的状态方程与观测方程而言，有：
式中，Qk与Rk+1分别是过程噪声和观测噪声的误差协方差矩阵。得到递推公式为：
式中，Jx,k+1代表k+1时刻目标状态的先验信息，Jz,k+1是由当前测量带来的信息。显然，雷达与目标间的观测几何越好，表现为Jk+1的诸特征值越大且大小越均匀，即目标所获得的信息量越大，相应的跟踪误差越小。
本发明基于PCRLB计算不同传感器的跟踪行为带来的信息增量的差别，并以此作为传感器选择的依据。本发明的分布式一体化传感器跟踪资源管理方法包括如下步骤：
步骤1，起始航迹：
用分布式一体化传感器系统的有源探测量测起始航迹并滤波初始化，得到初始状态和初始协方差P(2|2)。
步骤2，计算目标的PCRLB信息增量：
k+1时刻相应的PCRLB为假设跟踪滤波将使得X(k+1|k+1)时有效无偏的，那么X(k+1|k+1)将服从以真值X(k+1)为期望，以/>为方差的标准分布，相应的信息熵计算得：
同时k时刻的信息熵为：
定义信息增量为：
对于一种资源分配方案带来的信息增量越大表示方案越优，以此作为资源调度或分配方案评价的性能指标。
步骤3，基于PCRLB信息增量，分配分布式一体化传感器跟踪资源：
以下一时刻目标的PCRLB信息增量最大化为目标，设计基于PCRLB信息增量的分配分布式一体化传感器跟踪资源的策略。
针对下一时刻需要对多目标同时进行跟踪的任务，可以依据不同目标的优先级处理多目标的同时任务请求，优先级高的目标优先选择传感器资源，其他目标可以选择PCRLB信息增量次最大值对应的传感器完成跟踪任务；当跟踪的目标数多于传感器数量时，可以依据不同目标的优先级通过分时策略处理多目标的同时任务请求。分配分布式一体化传感器跟踪资源的策略具体处理流程如下：
(1)根据目标优先级或威胁程度对下一时刻需要跟踪处理的目标优先级进行排序；
(2)根据目标优先级排序结果，依次计算k时刻各传感器对目标的PCRLB信息增量；
(3)分配目标的跟踪传感器资源，即选择使目标的PCRLB信息增量最大的一体化传感器作为跟踪传感器；
(4)当多个目标选择同一传感器时，优先级高的目标优先选择传感器资源，其他传感器选择次优传感器作为跟踪传感器；当跟踪目标数大于传感器数时，采用分时策略处理多目标的同时任务请求；
(5)进行k+1时刻的迭代。
这样多传感器多目标同时跟踪问题简化为多传感器PCRLB信息增量取大选择问题，不需要复杂优化算法来求解。
步骤4，基于卡尔曼滤波更新航迹：
(1)状态的一步预测：
(2)协方差的一步预测：
P(k|k-1)＝F(k-1)P(k-1|k-1)F(k-1)T+Q(k)
(3)如果下一时刻量测为传感器i的有源探测量测，则量测的一步预测：
(4)得到状态更新和协方差更新：
新息协方差：
S(k)＝Hi(k)P(k|k-1)Hi(k)T+R(k)
增益为：
K(k)＝P(k|k-1)Hi(k)TS(k)-1
状态更新方程：
协方差更新方程：
P(k|k)＝[I-K(k)Hi(k)]P (k|k-1)[I+K(k)Hi(k)]T-K(k)R(k)K(k)T
步骤5，下一时刻依据PCRLB信息增量最大准则切换一体化传感器，返回步骤2重复以上步骤。
此外，在一些实施例中，提出一种计算机终端存储介质，存储有计算机终端可执行指令，所述计算机终端可执行指令用于执行如前文实施例所述的分布式一体化传感器跟踪资源管理方法。计算机存储介质的示例包括磁性存储介质(例如，软盘、硬盘等)、光学记录介质(例如，CD-ROM、DVD等)或存储器，如存储卡、ROM或RAM等。计算机存储介质也可以分布在网络连接的计算机系统上，例如是应用程序的商店。
此外，在一些实施例中，提出一种计算装置，包括：至少一个处理器；以及与所述至少一个处理器通信连接的存储器；其中，所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行如前文实施例所述的分布式一体化传感器跟踪资源管理方法。计算装置的示例包括PC机、平板电脑、智能手机或PDA等。
一个应用示例：
考虑我方有3个一体化传感器，在X和Y轴的两维平面内分别位于(10km，0)、(20km，0)和(38km，0)，目标平台初始位置(40km，250km)。在0～50s内，敌方平台沿X和Y方向速度(100，-100)m/s向东南方向匀速运动；51～100s内，敌方平台沿运动切线方向加速度为2(转弯率0.0141)进行转弯运动；101～200s内，敌方平台进行匀速直线运动。
设置分布式一体化传感器系统有源探测的距离噪声均方差为100m，角度噪声均方差为0.09°；系统的采样间隔为0.5s。
参与对比的目标跟踪方法有：
(1)所提的基于PCRLB信息增量的跟踪算法。
(2)只用传感器1、只用传感器2和只用传感器3对目标进行有源探测跟踪。
(3)3个传感器对目标同时进行量测并融合跟踪结果。
图2是基于PCRLB信息增量的多传感器资源分配结果。可以看出本发明的跟踪资源管理方法轮流选择传感器1和传感器3。这是因为传感器1和传感器3与目标的观测几何区别最大，即跟踪目标所获得的信息量最大，相应的跟踪误差最小。
图3和图4是本发明方法对目标的跟踪结果。从跟踪效果来看，本发明方法与多传感器同时协同跟踪方法性能类似，远远好于单一传感器的跟踪性能。但是本发明方法不要求多传感器同时工作于探测跟踪模式，有利于多功能的同时发挥，增强了系统的安全性。
以上所述仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。
Claims (7)
1.一种分布式一体化传感器跟踪资源管理方法，其特征在于，包括如下步骤：
步骤1，用分布式一体化传感器系统的有源探测量测起始航迹；
步骤2，计算目标的PCRLB信息增量；
步骤3，基于PCRLB信息增量，分配分布式一体化传感器跟踪资源；
步骤4，基于卡尔曼滤波更新航迹；
步骤5，下一时刻依据PCRLB信息增量最大准则切换一体化传感器。
2.根据权利要求1所述的分布式一体化传感器跟踪资源管理方法，其特征在于，步骤2中，计算目标的PCRLB信息增量包括：
计算k+1时刻的信息熵：
计算k时刻的信息熵：
其中，
定义PCRLB信息增量为：
其中，为k时刻相应的PCRLB，/>为k+1时刻相应的PCRLB。
3.根据权利要求1所述的分布式一体化传感器跟踪资源管理方法，其特征在于，步骤3中，分配分布式一体化传感器跟踪资源的策略如下：
(1)根据目标优先级或威胁程度对下一时刻需要跟踪处理的目标优先级进行排序；
(2)根据目标优先级排序结果，依次计算k时刻各传感器对目标的PCRLB信息增量；
(3)分配目标的跟踪传感器资源，即选择使目标的PCRLB信息增量最大的一体化传感器作为跟踪传感器；
(4)当多个目标选择同一传感器时，优先级高的目标优先选择传感器资源，其他传感器选择次优传感器作为跟踪传感器；
(5)进行k+1时刻的迭代。
4.根据权利要求3所述的分布式一体化传感器跟踪资源管理方法，其特征在于，当跟踪目标数大于传感器数时，采用分时策略处理多目标的同时任务请求。
5.根据权利要求1所述的分布式一体化传感器跟踪资源管理方法，其特征在于，步骤4中，基于卡尔曼滤波更新航迹包括：
(1)状态的一步预测：
(2)协方差的一步预测：
P(k|k-1)＝F(k-1)P(k-1|k-1)F(k-1)T+Q(k)
(3)如果下一时刻量测为传感器i的有源探测量测，则量测的一步预测：
(4)得到状态更新和协方差更新：
新息协方差：
S(k)＝Hi(k)P(k|k-1)Hi(k)T+R(k)
增益为：
K(k)＝P(k|k-1)Hi(k)TS(k)-1
状态更新方程：
协方差更新方程：
P(k|k)＝[I-K(k)Hi(k)]P(k|k-1)[I+K(k)Hi(k)]T-K(k)R(k)K(k)T
其中，F(k)是线性化的状态转移矩阵，Hi(k)是线性化后的测量矩阵；Q(k)为过程噪声的误差协方差矩阵，R(k)为观测噪声的误差协方差矩阵。
6.一种计算机终端存储介质，存储有计算机终端可执行指令，其特征在于，所述计算机终端可执行指令用于执行如权利要求1-5中任一权利要求所述的分布式一体化传感器跟踪资源管理方法。
7.一种计算装置，其特征在于，包括：
至少一个处理器；以及与所述至少一个处理器通信连接的存储器；其中，所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行如权利要求1-5中任一权利要求所述的分布式一体化传感器跟踪资源管理方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311676868.9A CN117669961A (zh) | 2023-12-07 | 2023-12-07 | 一种分布式一体化传感器跟踪资源管理方法、介质及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311676868.9A CN117669961A (zh) | 2023-12-07 | 2023-12-07 | 一种分布式一体化传感器跟踪资源管理方法、介质及装置 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN117669961A true CN117669961A (zh) | 2024-03-08 |
Family
ID=90067795
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311676868.9A Pending CN117669961A (zh) | 2023-12-07 | 2023-12-07 | 一种分布式一体化传感器跟踪资源管理方法、介质及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117669961A (zh) |
-
2023
- 2023-12-07 CN CN202311676868.9A patent/CN117669961A/zh active Pending
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| JP6967621B2 (ja) | 地面点群ポイントを検出するための方法および装置 | |
| Miller et al. | A POMDP framework for coordinated guidance of autonomous UAVs for multitarget tracking | |
| CN109975773B (zh) | 毫米波雷达标定方法、装置、设备和存储介质 | |
| CN109444932B (zh) | 一种车辆定位方法、装置、电子设备及存储介质 | |
| EP1610152B1 (en) | Tracking of a moving object for a self-defence system | |
| CN110030999A (zh) | 一种基于惯性导航的定位方法、装置、系统和车辆 | |
| CN112526513A (zh) | 基于聚类算法的毫米波雷达环境地图构建方法及装置 | |
| CN113777600B (zh) | 一种多毫米波雷达协同定位跟踪方法 | |
| CN113432533B (zh) | 一种机器人定位方法、装置、机器人及存储介质 | |
| CA2279189A1 (en) | Multi target tracking initiation with passive angle measurements | |
| CN110530424B (zh) | 一种基于目标威胁度的空中目标传感器管理方法 | |
| CN113269811A (zh) | 数据融合方法、装置及电子设备 | |
| CN116088503A (zh) | 动态障碍物检测方法和机器人 | |
| WO2022116831A1 (zh) | 定位方法、装置、电子设备及可读存储介质 | |
| CN114625162A (zh) | 基于混合算法的无人机最优路径规划方法、系统及介质 | |
| CN117669961A (zh) | 一种分布式一体化传感器跟踪资源管理方法、介质及装置 | |
| CN110542422B (zh) | 机器人定位方法、装置、机器人及存储介质 | |
| KR101045348B1 (ko) | 직각 좌표계에서 도플러 속도를 이용한 표적 추적 방법 | |
| CN114993341B (zh) | 一种基于天基测量的运载火箭弹道估计方法及装置 | |
| CN110220513A (zh) | 一种目标定位的方法、系统、无人机及存储介质 | |
| Chhetri et al. | The use of particle filtering with the unscented transform to schedule sensors multiple steps ahead | |
| CN114705223A (zh) | 多移动智能体在目标跟踪中的惯导误差补偿方法及系统 | |
| CN114326809A (zh) | 返航点确定方法、装置、电子设备及可读存储介质 | |
| Lu et al. | A new performance index for measuring the effect of single target tracking with Kalman particle filter | |
| KR101921471B1 (ko) | 복수 표적 추적을 위한 복수 센서 관리 시스템 및 방법 |
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 |