[發明專利]多傳感器協同跟蹤聯合優化決策方法

有效

• 申請號: 201810829480.0
• 申請日: 2018-07-26
• 公開（公告）號: CN109116349B
• 公開（公告）日: 2022-12-13
• 發明（設計）人: 賴作鎂;古博;喬文昇
• 申請（專利權）人: 西南電子技術研究所（中國電子科技集團公司第十研究所）
• 主分類號: G01S13/88
• 分類號: G01S13/88;G01S17/88
• 代理公司: 成都九鼎天元知識產權代理有限公司 51214
• 代理人: 古波

本發明公開的一種多傳感器協同跟蹤聯合優化決策方法，旨在提供一種計算效率高、優化決策參數準確的優化決策方法。本發明通過下述技術方案予以實現：多傳感器協同跟蹤系統在決策周期內預測傳感器的目標位置信息和融合量測信息，獲取決策周期時刻的融合量測狀態及其融合量測協方差，采用多源數據融合算法計算多傳感器協同跟蹤對目標的融合跟蹤誤差，根據本方飛機導航信息和雷達對目標的探測信息，計算本方輻射源相對于對方飛機的方位角及俯仰角和本方輻射源被對方飛機探測的跟蹤定位誤差，以多傳感器對目標的融合跟蹤誤差為約束條件和目標配對關系等為優化決策參數，建立多階段多約束的協同跟蹤決策模型，求解多階段傳感器優化決策及其優化決策參數。

技術領域

本發明涉及一種應用于機載多傳感器協同跟蹤領域，尤其是多傳感器協同目標跟蹤過程中對多傳感器協同的傳感器組合方式、傳感器與目標配對關系及傳感器的開關機時序進行優化決策的方法。

背景技術

在車載GPS衛星導航、公共場所的視頻安全監控系統、工業生產中的機器視覺等技術的核心之一就是多傳感器多目標跟蹤技術。隨著信息技術的蓬勃發展，多傳感器多目標跟蹤技術在多個領域都取得了廣泛應用。近年來，多傳感器多目標跟蹤技術這一研究領域得到了國內外學者的普遍關注。隨著目標機動性能和電子對抗能力的不斷提高，僅依靠單個傳感器跟蹤多個目標的方法達不到目標跟蹤的精度要求，于是人們開始探索利用多個傳感器進行目標跟蹤。多傳感器目標跟蹤技術能有效綜合多個同類或異類的傳感器的多種屬性信息，實現傳感器的性能互補、提高目標跟蹤的精度、擴展跟蹤的時空監視范圍。目標跟蹤的主要任務是利用傳感器獲得的量測信息，精確地估計目標的當前狀態和預測目標以后的狀態，包括位置、速度、加速度等運動參數，從而給出目標的運動軌跡。目標跟蹤根據被跟蹤目標個數以及設置的傳感器的個數可以劃分為四類：單傳感器單目標跟蹤，單傳感器多目標跟蹤，多傳感器單目標跟蹤，多傳感器多目標跟蹤。其中第一類為基本的單目標跟蹤問題，第二類屬于多目標跟蹤問題，前兩類為單傳感器跟蹤問題，后兩類為多傳感器融合跟蹤問題。協同跟蹤問題與一般跟蹤問題的區別在于傳感器跟蹤性能的度量以及傳感器行為的決策與執行。多傳感器多目標跟蹤技術將多個傳感器獲得的信息在融合中心有機合成，用以提高目標運動狀態估計的精度，其性能比單一傳感器要優越得多。跟蹤濾波理論、數據關聯、航跡關聯和航跡融合是多傳感器多目標跟蹤中的三個關鍵技術。數據關聯是多傳感器多目標跟蹤技術的核心環節和重點難點所在，多傳感器協同管理在多傳感器多目標跟蹤技術中起著重要的作用。在一個多傳感器的系統中，各個分散的傳感器獲得的數據會不可避免地受到許多因素制約，如環境狀態和傳感器本身的特性。多傳感器信息融合(Multi-sensor Information Fusion,MSIF)，是利用計算機技術將來自多傳感器或多源的信息和數據，在一定的準則下加以自動分析和綜合，以完成所需要的決策和估計而進行的信息處理過程。多目標跟蹤要從摻雜有雜波的多個觀測數據中按照來源估計出每個目標的運動狀態，復雜程度遠遠高于單目標跟蹤。多目標跟蹤的基本過程是：傳感器測量數據首先被送入數據關聯功能模塊，然后按照來源將量測數據進行分類即進行數據關聯。數據關聯完成后，數據被送入濾波和預測功能模塊，在該模塊中利用所有當前觀測周期內與航跡關聯的測量以及目標在先前觀測周期的狀態，估計目標的當前狀態并預測目標在下一個觀測周期的狀態。最后，濾波和預測模塊將各目標的當前狀態估計和預測及可靠性決策送入航跡關聯融合中心，在那里完成航跡關聯和航跡融合，并輸出最終的目標航跡。由于環境中噪聲的影響，量測數據中一般都含有噪聲和雜波，為了提高目標跟蹤的精度，需要對量測數據進行去噪處理以提高量測數據的信噪比。由于目標運動狀態的不可預知、目標運動狀態的不確定性、觀測信息的不確定性、多目標跟蹤中目標個數的不確定性和環境中的密集雜波造成系統量測數據模糊和不確定，這就要求多目標跟蹤系統必須適應上述變化，同時做出正確的相關決策。在進行多目標跟蹤的數據關聯以及濾波與預測等步驟之前，要首先為運動目標建立合理的數學模型，該數學模型把某一時刻的狀態變量表示為前一時刻狀態變量的函數。當運動目標為非機動目標時，運動模型比較容易建立。但當運動目標為機動目標時，用數學表達式準確描述目標運動狀態難度加大，所以為機動目標建立理想的運動模型以便精確進行跟蹤的難度也加大。