基于多傳感器的多模型機動目標跟蹤算法設(shè)計

本文選用當今最為流行、應(yīng)用最廣泛的雷達和紅外作為傳感器，在紅外/雷達雙模導(dǎo)引頭的多傳感器平臺下展開研究，設(shè)計并仿真實現(xiàn)了更接近真實的軍事與民用環(huán)境的多模型機動目標跟蹤算法。仿真結(jié)果驗證了該算法跟蹤性能的有效性。

0 引言

隨著信息技術(shù)的快速發(fā)展和現(xiàn)代軍事及民用需求的不斷提高，對目標跟蹤的精度也相應(yīng)地提出了更高的要求。在真實的目標跟蹤系統(tǒng)中，目標的狀態(tài)總是處在不斷變化中，當目標真實運動模型與算法模型不匹配時，跟蹤精度會明顯下降，此時采用多模型(MulTIpleModel,MM)機動目標跟蹤算法將會成為最佳選擇。然而，當今的多模型目標跟蹤方法大都停留在理論層面，對于多模型的實際應(yīng)用價值及各模型的應(yīng)用場合都需要做進一步的研究。

本文選用當今最為流行、應(yīng)用最廣泛的雷達和紅外作為傳感器，在紅外/雷達雙模導(dǎo)引頭平臺下開展對交互式多模型機動目標跟蹤算法的研究，并加入噪聲干擾，更接近真實的軍事與民用環(huán)境。首先搭建紅外/雷達雙模導(dǎo)引頭仿真平臺，進而設(shè)計基于多傳感器的多模型機動目標跟蹤算法，采用擴展卡爾曼濾波，最終實現(xiàn)算法的軟件仿真及跟蹤性能評估，驗證了所設(shè)計方法的有效性和實用性。

1 多傳感器平臺搭建

雷達和紅外傳感器是目前常用的兩種目標探測和跟蹤傳感器，采用雷達為主、紅外成像傳感器探測為輔的信息融合系統(tǒng)進行目標跟蹤能夠使系統(tǒng)降低對敵方干擾的脆弱性，提高系統(tǒng)可靠性，現(xiàn)已廣泛應(yīng)用于各個領(lǐng)域。因此，本文選取雷達與紅外雙模導(dǎo)引頭作為傳感器，模擬生成多傳感器的數(shù)據(jù)生成模塊，為多模型機動目標跟蹤算法提供良好的檢測平臺。

毫米波雷達導(dǎo)引頭的觀測數(shù)據(jù)包括觀測系下的視線方位角、視線俯仰角、彈目距離、多普勒頻率、雷達信噪比等信號。經(jīng)過坐標轉(zhuǎn)換，得到的參考系下的雷達觀測數(shù)據(jù)，建立如下雷達觀測方程：

φR為雷達視線方位角，θR 為雷達視線俯仰角，r 為彈目距離。V1(k) 是均值為零、協(xié)方差陣為R1(k) 的白高斯噪聲向量。

紅外成像導(dǎo)引頭的觀測數(shù)據(jù)包括觀測系下的視線方位角，視線俯仰角等信號。經(jīng)坐標轉(zhuǎn)換得到參考系下的紅外觀測數(shù)據(jù)，建立如下紅外觀測方程：

本文綜合應(yīng)用點跡合并方法和點跡串行處理方法，搭建毫米波雷達和紅外數(shù)據(jù)融合的多傳感器平臺。假設(shè)雷達的掃描周期為5 ms,紅外的掃描周期為10 ms,所以首先將雷達和紅外點跡數(shù)據(jù)串行合并成為點跡數(shù)據(jù)流，進行點跡-航跡相關(guān);對于在10 ms時刻，若雷達點跡和多個紅外點跡均與航跡相關(guān)上，則對這些點跡進行點跡壓縮合并，如圖1所示。

2 多模型跟蹤算法設(shè)計

本文選取目標跟蹤中經(jīng)常使用的幾種目標運動模型組成模型集，然后根據(jù)模型間的配合規(guī)則設(shè)計多模型選取算法，如去掉不可能模型，合并相似模型，最可能模型選擇算法以及基于期望最大算法的迭代策略等，進而對所得到的融合數(shù)據(jù)應(yīng)用擴展卡爾曼濾波算法建立外推點跡，最終形成新航跡。設(shè)計框圖如圖2所示。

2.1 模型集的確定

大部分的跟蹤算法都是基于模型的，因此目標運動模型設(shè)計是機動目標跟蹤的基本要素之一，也是一個關(guān)鍵的問題。在建立機動目標模型時，一般的原則是所建立的模型既要符合實際機動模式，又要便于數(shù)據(jù)處理。

本文選取目標跟蹤中常用的幾種運動模型組成模型集，包括CV模型、CA模型和當前統(tǒng)計模型。

2.2 配合規(guī)則

多模型算法按配合規(guī)則基本上可分為三代，靜態(tài)多模型算法(SMM)、交互式多模型算法(IMM)、變結(jié)構(gòu)多模型算法(FSMM)。以上三代多模型算法跟蹤精度逐漸升高，同時算法的復(fù)雜度也依次升高、可實現(xiàn)性逐步變差。綜合考慮算法的實用性和代價，IMM算法的交互方式更合理有效一些，是目前研究應(yīng)用最多、被認為是最成功的一種算法。

因此，本文采用IMM 算法作為模型之間的配合規(guī)則，完成多模型跟蹤算法的設(shè)計。

2.3 濾波處理

本文選用擴展卡爾曼濾波方法對融合后的數(shù)據(jù)進行濾波處理。首先建立狀態(tài)方程和觀測方程，根據(jù)前一個估計值和最近一個觀測數(shù)據(jù)來估計信號的當前值，并用狀態(tài)方程和遞推方法來進行估計，其解是以估計值形式給出的。由于濾波是采用遞推算法，所以數(shù)據(jù)存儲量少，運算量小，非常適合實時處理系統(tǒng)的應(yīng)用。

3 跟蹤效果仿真

選取掃描周期TIR =0.02 s對目標進行跟蹤模擬。目標初始位置為(1 000,1 000,1 000)m,初始運動速度為(300,300,300)m/s,初始加速度為(10,10,10)m/s2.

圖3 分別為x 方向，y 方向，z 方向位置估計誤差。

圖4反映了位置估計誤差的RMSE.

圖5 為目標運動軌跡和跟蹤軌跡的三維仿真示意圖。

仿真結(jié)果顯示：在基于雷達/紅外雙模導(dǎo)引的多傳感器仿真平臺下，所設(shè)計的多模型機動目標跟蹤算法跟蹤精度相對較高，收斂較快，遲滯較小。

4 結(jié)語

本文主要研究基于多傳感器的多模型機動目標跟蹤算法，在更加接近真實環(huán)境的雷達紅外雙模導(dǎo)引模擬仿真平臺下設(shè)計了多模型機動目標跟蹤算法，并對其跟蹤性能進行仿真驗證，仿真結(jié)果證實了該算法的有效性和實用性。