[發(fā)明專利]一種高機(jī)動(dòng)目標(biāo)跟蹤算法

無效

• 申請(qǐng)?zhí)枺?/td>: 201110433422.4
• 申請(qǐng)日: 2011-12-22
• 公開（公告）號(hào): CN102568004A
• 公開（公告）日: 2012-07-11
• 發(fā)明（設(shè)計(jì)）人: 李忠民;賈杰
• 申請(qǐng)（專利權(quán)）人: 南昌航空大學(xué)
• 主分類號(hào): G06T7/20
• 分類號(hào): G06T7/20
• 代理公司: 南昌市平凡知識(shí)產(chǎn)權(quán)代理事務(wù)所 36122
• 代理人: 張文杰

技術(shù)領(lǐng)域

本發(fā)明涉及信息技術(shù)領(lǐng)域，可用于在軍事和民用領(lǐng)域中對(duì)高機(jī)動(dòng)目標(biāo)的實(shí)時(shí)跟蹤中，特別涉及一種高機(jī)動(dòng)目標(biāo)跟蹤算法。

背景技術(shù)

在軍事和民用領(lǐng)域，譬如反導(dǎo)和空中交通管制中，可靠而精確的跟蹤目標(biāo)始終是目標(biāo)跟蹤系統(tǒng)設(shè)計(jì)的主要目的。機(jī)動(dòng)目標(biāo)的跟蹤問題一直是人們研究的重點(diǎn)，實(shí)現(xiàn)機(jī)動(dòng)目標(biāo)精確跟蹤，首要解決的問題就是使所建立的目標(biāo)運(yùn)動(dòng)模型與實(shí)際的目標(biāo)運(yùn)動(dòng)模型匹配。

在機(jī)動(dòng)目標(biāo)模型的建立過程中，探測(cè)器所得到的機(jī)動(dòng)目標(biāo)的運(yùn)動(dòng)狀態(tài)存在著誤差并且還存在一些不可預(yù)測(cè)的情況，如主觀操作及周圍環(huán)境的變化等因素，因此需要在機(jī)動(dòng)目標(biāo)模型中引入狀態(tài)噪聲和觀測(cè)噪聲，其中，引入的觀測(cè)噪聲與所采用探測(cè)器的精度有一定的關(guān)系，觀測(cè)噪聲可以通過大量的實(shí)驗(yàn)得到其統(tǒng)計(jì)特性，然而，狀態(tài)噪聲的統(tǒng)計(jì)特性則較難進(jìn)行準(zhǔn)確的估計(jì)，這需要進(jìn)行人為的假設(shè)。例如，如果目標(biāo)作勻速直線運(yùn)動(dòng)，可假設(shè)此時(shí)其狀態(tài)噪聲為服從零均值白色高斯分布。但上述假設(shè)對(duì)做非勻速直線機(jī)動(dòng)的目標(biāo)則不盡合理。機(jī)動(dòng)目標(biāo)跟蹤基本原理如圖1所示。

經(jīng)過國(guó)內(nèi)外學(xué)者幾十年來的不斷研究，提出了很多的目標(biāo)模型和跟蹤算法，歸納起來主要有以下幾種：針對(duì)勻速直線運(yùn)動(dòng)的CV模型和針對(duì)勻加速度運(yùn)動(dòng)的CA模型是時(shí)常系統(tǒng)下提出的機(jī)動(dòng)目標(biāo)模型，這兩種模型是最早也是比較簡(jiǎn)單和常見的兩種運(yùn)動(dòng)模型，同時(shí)這兩種模型還具有計(jì)算簡(jiǎn)單的優(yōu)點(diǎn)，但是適用性較差，尤其是在目標(biāo)的機(jī)動(dòng)性能不斷增強(qiáng)和機(jī)動(dòng)方式多樣性不斷的增多的今天；七十年代R.?A.?Singer提出了零均值、一階時(shí)間相關(guān)的機(jī)動(dòng)加速度模型（Singer模型），機(jī)動(dòng)加速度模型將目標(biāo)的機(jī)動(dòng)加速度表示為隨機(jī)狀態(tài)噪聲驅(qū)動(dòng)的結(jié)果，與CV/CA模型不同，機(jī)動(dòng)加速度模型用有色噪聲而不是用白噪聲描述機(jī)動(dòng)控制項(xiàng)更加的切合實(shí)際。但機(jī)動(dòng)加速度模型也存在一些局限性，它只適用于等速至等加速范圍內(nèi)的目標(biāo)運(yùn)動(dòng)，如果目標(biāo)的機(jī)動(dòng)性能超過這個(gè)范圍，此時(shí)采用這種模型將引起較大的模型誤差，從而使目標(biāo)的跟蹤性能降低，周宏仁教授于八十年代提出了機(jī)動(dòng)目標(biāo)的“當(dāng)前”統(tǒng)計(jì)（CS）模型，“當(dāng)前”統(tǒng)計(jì)模型與Singer模型相比主要做了兩方面的改進(jìn)，首先增加了加速度的均值項(xiàng)，其次目標(biāo)機(jī)動(dòng)加速度的統(tǒng)計(jì)特性采用修正的瑞利-馬爾科夫過程描述，與Singer模型相比，“當(dāng)前”統(tǒng)計(jì)模型考慮到當(dāng)前時(shí)刻的具體機(jī)動(dòng)，目標(biāo)機(jī)動(dòng)范圍和強(qiáng)度變化得到更加真實(shí)地反映，比較適合于目標(biāo)的機(jī)動(dòng)實(shí)際；1984-1989年Blom和?Bar-Shalom提出了交互式多模型（IMM）算法，該算法具有Markov轉(zhuǎn)移概率，交互式多模型算法中有多個(gè)模型并行工作，多個(gè)濾波器交互作用得到目標(biāo)狀態(tài)估計(jì)的結(jié)果，由于該算法達(dá)到全面自適應(yīng)的能力，是一種比較理想的算法；1997年，機(jī)動(dòng)目標(biāo)的Jerk模型被K.Mehrotra和P.R.Mahapatra等人提出。借助于Singer模型思想，Jerk模型假設(shè)目標(biāo)Jerk服從零均值、平穩(wěn)的一階時(shí)間相關(guān)過程，而且時(shí)間相關(guān)函數(shù)為指數(shù)衰減形式，與Singer相比，該模型在狀態(tài)向量中增加了目標(biāo)的加速度變化率（Jerk），Jerk模型是現(xiàn)在已知的模型階數(shù)較高也是比較精確的模型；近年來，還有一些基于不敏kalman濾波、粒子濾波等非線性濾波的機(jī)動(dòng)目標(biāo)跟蹤算法相繼被很多學(xué)者提出，這些方法不受線性誤差或高斯噪聲的假定限制，但計(jì)算量比較大；此外為了克服單一模型的不足，還有很多學(xué)者提出了一些改進(jìn)的????????????????????????????????????????????????、濾波算法以及一些多種方法的組合算法。

Singer模型提出比較早，但對(duì)強(qiáng)機(jī)動(dòng)目標(biāo)的跟蹤效果相對(duì)較差。與Singer模型相比，“當(dāng)前”統(tǒng)計(jì)模型不僅能夠?qū)崟r(shí)地正確估計(jì)目標(biāo)狀態(tài)，計(jì)算量相差不大，并且不存在估計(jì)修正和時(shí)間滯后問題，由于它依賴于目標(biāo)的機(jī)動(dòng)頻率和最大加速度等相關(guān)因素，限制了它的使用范圍。相比之下，雖然Jerk模型僅僅在Singer模型的基礎(chǔ)上增加一維向量即加速度變化率（簡(jiǎn)稱Jerk機(jī)動(dòng)），卻將目標(biāo)的加速度引入到模型中，能夠更加精確的描述目標(biāo)的模型，該模型也具有一些不足，在跟蹤具有階躍加速度變化率的目標(biāo)時(shí)，Jerk模型存在穩(wěn)態(tài)確定性誤差問題。交互式多模型（IMM）算法是目前較好的目標(biāo)跟蹤算法，具有可調(diào)制性，但它也存在一些不足，由于交互式多模型中用到多個(gè)并行的Kalman濾波器，跟蹤機(jī)動(dòng)性能的提高是以較大的計(jì)算資源來換取的；同時(shí)由于模型之間的準(zhǔn)確轉(zhuǎn)換概率在驗(yàn)前無法獲得，IMM算法的使用和跟蹤精度也因?yàn)槭孪却_定模型之間的轉(zhuǎn)換概率導(dǎo)致受限。