一种编队目标分散机动模式下的跟踪方法与流程

本申请是申请日为2014年9月18日、申请号为2014104784959、发明名称为“典型机动编队目标跟踪建模方法”的专利申请的分案申请。

本发明属于雷达信息融合技术领域，提供了几种典型机动编队目标跟踪建模方法。

背景技术：

近年来，随着传感器性能尤其是分辨率的提高，越来越多的学者开始关注如何利用多个传感器获得的综合信息改善编队目标的跟踪性能，这使得编队目标跟踪领域出现许多有待解决的关键问题。在编队目标运动过程中，基于特定的战术或目的，编队目标随时会发生转弯、爬升、俯冲等整体机动，还会出现分裂、合并、分散等编队目标特有的机动模式，在这种情况下，编队内目标结构将发生变化，导致多传感器对编队内个体目标的分辨状态更为复杂，杂波环境下多传感器机动编队目标的精确跟踪问题变得十分困难。传统的多传感器机动目标跟踪技术难以跟踪机动编队目标，主要原因为：(1)当编队目标发生分裂、合并或分散时，传统的机动目标跟踪模型不再匹配；(2)编队内目标一般相距较近，因而回波交叉影响严重，再加上杂波的影响，当编队发生机动时，易出现跟丢、跟错等现象；(3)利用组网传感器探测编队目标时，因传感器与编队内目标的角度不同，各传感器对同一机动编队目标的探测状态可能不一致，实现多传感器信息的互补和剔除更加困难。现有机动编队目标跟踪算法大多基于编队整体对分裂、合并进行研究，对多传感器探测下发生机动时编队内目标的航迹更新问题尚未有文献报道，已不能满足目标跟踪领域的实际工程需求。

针对上述问题，有必要深入分析多传感器探测下编队发生机动时编队内目标的量测特性，研究如何建立编队整体机动、分裂、合并、分散等典型编队机动模式下的编队跟踪模型，以实现各机动模式下编队内目标的状态更新。

技术实现要素：

要解决的技术问题

在航迹维持阶段，编队目标会发生各种机动，此时编队内目标回波的相对位置结构发生缩放、剪切、旋转等仿射变换，传统的机动目标跟踪算法因对机动编队目标回波复杂性考虑不足，难以取得理想的跟踪效果，且现有机动编队目标跟踪算法只简单的基于编队整体进行了研究，无法准确、实时的完成机动编队内各目标的状态更新。为弥补上述不足，本发明基于编队机动时的量测特性，建立整体机动、分裂、合并、分散四种典型的机动编队目标跟踪模型。

技术方案

本发明所述的典型机动编队目标跟踪模型的建立，包括以下技术流程：编队整体加速度的求取、编队内目标的外推、关联波门的建立、杂波剔除模型及点迹合并模型的建立、互联点迹的获取、编队内目标的状态估计。

有益效果

(1)基于多帧关联模型，充分利用了k-1时刻中各目标的状态更新值，节省了一个周期，缩短航迹确认及点-航关联的时间；

(2)以u1(k-1)中的各目标为航迹头，保证了分散后航迹的个数与原u1(k-1)中的目标个数吻合；

(3)对杂波鲁棒性较好，利用3/4航迹起始模型剔除了绝大部分杂波，保证了编队内目标跟踪的精确性。

附图说明

图1是编队整体、分裂、合并、分散机动跟踪模型流程图；

具体实施方式

以下结合说明书附图对本发明作进一步详细描述。参照说明书附图，本发明的具体实施方式分以下几个内容：

一、编队整体机动跟踪模型的建立

(1)计算装置1接受k时刻探测设备所得量测集利用循环阈值模型获得z1(k)，并利用u(k-1)，求出编队目标u(k)因发生整体机动而产生的加速度

式中，t为采样周期。

(2)计算装置2接受来自计算装置1的输出结果求出u(k-1)中各目标航迹的一步预测值集合其中，tu(k)为编队u(k)中的目标个数，一般情况下tu(k)＝tu(k-1)；则

式中，f(k)∈r^n,n为状态转移矩阵；

(3)计算装置3接受来自计算装置2的输出结果，以为中心建立关联波门，若z1(k)中的量测zi(k)满足式(4)，则判定zi(k)落入的波门中。

式中，l为常量系数，主要受量测噪声和杂波密度的影响，量测噪声和杂波密度越大，l越大。(4)计算装置4接受计算装置3的输出结果，设落入关联波门的量测集合为按照传感器的来源不同对进行分类，则可写为

式中，为中来源于传感器s的量测个数；ni为中量测来源的传感器个数。

因各传感器上报到融合中心的点迹集合中包括编队内目标的真实回波和杂波，在此根据ni分为以下三种情况剔除杂波，确定的关联量测

①若ni≥2，首先需要建立点迹合并模型，本小节利用广义s-d分配的原则进行静态互联，根据静态关联结果对各传感器量测进行组合，消除多个传感器对应同一目标的冗余信息，并对各组合进行有效性判断，然后将被接受组合中所有量测点进行点迹压缩以获得一个等效量测点，实现多传感器点迹互联，同时剔除中的其他点迹，达到消除杂波的目的，最后选取等效量测点为互联量测

②若ni＝1，不需要建立点迹合并模型，在此选取中与空间距离最近的量测为关联量测其中

③若ni＝0，基于获取虚拟量测为关联量测且

式中，h(k)为量测矩阵。

(5)计算装置5接受计算装置4的输出结果后，利用交互多模型算法对编队u(k)中的第i个目标进行滤波。

式中，m为模型个数；为k时刻对编队u(k)中的目标i滤波的模型j的概率；pij(k|k)分别为基于模型j的状态更新值和协方差更新值。

(6)存储装置6存储计算装置5输出的状态更新值和协方差更新值。

二、编队分裂跟踪模型的建立

计算装置7接受k时刻存储装置6的数据u(k-1)，因对u(k-1)与u1(k)或u2(k)而言，编队发生了整体机动，所以u1(k)和u2(k)内各目标的状态更新可基于编队机动跟踪模型直接获得。因为u1(k)和u2(k)由u(k-1)分裂而来，所以一般情况下

但此处在k时刻分别基于z1(k)和z2(k)对u(k-1)中的所有航迹均进行了延续，所以u1(k)和u2(k)中必然存在虚假航迹，需要进一步删除。然而虚假航迹的删除过程在一个探测周期内很难完成，因此通过对各时刻航迹建立航迹质量，利用多帧互联模式终结虚假航迹并完成编队的分裂，具体描述为：

(1)设为k时刻编队u1(k)中的目标i的状态更新值，定义其航迹质量为

式中，为k-1时刻编队u1(k)中的目标i的航迹质量，若k时刻为编队开始发生分裂的时刻，定义ni为编队u1(k)中目标i关联波门内量测来源的传感器个数。

(2)滑窗的建立

建立一个[k,k+h]的滑窗，若

则判断编队u1(k)中航迹i为虚假航迹，将其删除；a为删除参数，与杂波密度有关，杂波密度越大，a的取值越小。

(3)设在k+h时刻，若则停止虚假航迹的判断；否则增加窗口长度继续判别。

三、编队合并跟踪模型的建立

计算装置8接受存储装置6的数据u1(k-1)和u2(k-1)，基于z(k)，分别对编队u1(k-1)和u2(k-1)中的所有目标航迹进行状态更新，获得和

当编队u1(k-1)和u2(k-1)合并成u(k)后，u1(k)和u2(k)中的目标属于同一个编队，各目标间的空间距离和运动方式应该满足编队的定义，所以首先需要基于u1(k)和u2(k)重新进行编队的分割。设和为u1(k)和u2(k)中任意两个目标的状态更新值，若

则判定这两个目标属于同一个编队。式中，d0为常数阈值；γ为服从自由度为nx的χ²分布的门限值，这里nx为状态估计向量的维数；且

式中，和为两目标的状态估计误差协方差。

在此基于编队分割中的循环阈值模型完成k时刻编队的重新识别，设识别后得到一个新的编队若则编队的合并完结；否则利用k+1时刻的关联编队量测重复上述步骤，继续进行编队的合并判别。

四、编队分散跟踪模型的建立

(1)计算装置9接受存储装置8的数据u1(k-1)，以u1(k-1)作为航迹起始过程第一次扫描所得到的量测集合，分别为后三次扫描得到的量测集合；以为中心建立波门，若满足

d′ij[ri(k-1)+rj(k)]^-1dij≤γ(16)

则判定可与zj(k)互联，并建立可能航迹d1。式中，rj(k)为对应于zj(k)的量测噪声协方差；γ为常数阈值，可由χ²分布表查。

式中，和分别为目标i在x、y方向上的速度最大值和最小值；为的协方差。

(2)计算装置10接受计算装置9的输出结果，对可能航迹d1进行直线外推，并以外推点为中心，建立关联波门ω(k+1)，其由航迹外推误差协方差确定。若量测zi(k+1)落入关联波门ω(k+1)内，假设zi(k+1)与zj(k)的连线与该航迹的夹角为α，若α≤σ(σ一般由测量精度决定，为了保证以很高的概率起始目标的航迹，可以选择较大的σ)，则认为zi(k+1)可与d1互联。若存在多个点满足要求，则选取离外推点最近的量测互联。

若没有量测落入ω(k+1)中，则将d1继续直线外推，以外推点为中心，建立后续关联波门ω(k+2)，其大小由航迹外推误差协方差确定。若量测zi(k+2)落入关联波门ω(k+2)内，假设zi(k+2)与zi(k+1)的连线与该航迹的夹角为β，若β≤σ，则判定zi(k+2)可与d1互联。若存在多个点满足要求，则选取离外推点最近的量测互联。

若在第四次扫描中，没有量测落入后续关联波门ω(k+2)中，则删除该可能航迹。

(3)在各个周期中不与任何航迹互联的量测用来开始一条新的可能航迹，转步骤(1)。

设在k+2时刻以为起点的量测集合为{zj(k)、zm(k+1)}，则说明目标i在k时刻和k+1时刻的互联量测为zj(k)和zm(k+1)。

(4)计算装置11接受计算装置10的输出结果——目标i在k时刻的互联量测为zj(k)后，利用imm模型的思想对目标进行滤波。