天基扩展小目标跟踪技术研究

来源 :国防科技大学 | 被引量 : 0次 | 上传用户:cklove111
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
天基红外光学监视系统利用部署在多个轨道平台所组成的光学传感器星座,对弹道导弹、航天发射等重要事件进行实时探测、跟踪、识别以及预报。对国土安全可能存在重大威胁事件的即时发现,有助于快速反应及时决策,增强我国战略防御能力。在这种应用背景下,天基红外光学监视系统面临着多种类、多型号目标的威胁考验。所以天基光学监视系统采用的探测体制和其中涉及的信息处理技术对系统效能具有决定性影响。天基红外光学监视系统星座均由多轨道平台搭载多波段光学传感器组成,采用双/多星视线交叉定位的体制,完成对空间目标的立体定位跟踪的任务。要实现对全球较为理想的覆盖,所需的星座系统规模极大,效费比极低,且面临多目标机动场景时,局部空域内卫星资源严重不足,系统存在难以克服的局限性。研究探索一种系统性能更强、效费比更高的新的探测体制显得极为迫切。为此,本文讨论了一种基于主/被动联合的双模探测体制,将激光的一维测距能力与红外二维测角能力相结合,实现单星对单/多目标的快速跟踪和定位。在主/被动联合探测系统的信息处理子系统中,红外测角子系统信息处理涉及到不同尺度、单/多目标跟踪问题,激光测距子系统信息处理涉及激光回波数据实时提取、光束对多目标遍历策略制定的问题。另外,为实现对目标的立体跟踪,还涉及到异质传感器数据融合问题。本文在不同章节对这些问题进行讨论。第二章首先对红外与激光联合探测体制系统进行分析,给出了红外激光联合系统组成和信息处理框架,分析了以美国“空间跟踪与监视系统”为代表的传统预警体制面临的严峻挑战与不足,阐述了主被动联合探测体制的显著优势;在现有激光发展的水平基础上,初步探索了主被动联合探测的可行性,从数值上分析了激光回波理论强度,作为后续研究内容的铺垫;其次,对红外与激光成像模型和目标像面特性开展研究,阐述了两种不同传感器成像过程的建模方法。研究了由物到像的扩展目标像面仿真方法,在此基础上给出了一种不失一般性的、更为简洁的像面扩展目标仿真方法,为第三章的研究斑、面形态的扩展目标提供切入点;再次,梳理了目标在惯性系下的运动规律以及红外传感器成像过程;最后,构建了一个典型的群目标仿真场景,给出了群目标的在光学像面上的成像数据,作为第四章研究内容的数据输入。第三章针对不同尺度和形态的扩展目标跟踪问题开展研究,分别针对面状扩展目标提出基于高斯过程的扩展目标跟踪滤波器,针对斑状扩展目标提出了三维箱粒子PHD滤波器。针对面扩展目标量测信息丰富、形态相对显著的特点,提出了一种既能估计目标质心又能估计目标形态的方法。本章引入高斯过程方法描述目标扩展形态,建立适应于立体目标的测量方程与运动方程,利用扩展卡尔曼滤波器实现了目标质心跟踪与扩展形态的估计。通过仿真验证了所提的算法能够有效跟踪扩展目标质心与扩展形态。针对斑扩展目标形态信息较少的特点,重点关注了斑扩展目标的质心跟踪问题。由于斑目标的量测包含幅度值信息,其质心相比于形心能够更加准确的描述目标实际位置,为此本章推导了融合了幅值信息的似然函数。提出了一种简单有效的方法对图像量测进行划分和包装,进一步地给出了用三维箱实现标准概率假设密度滤波的详细步骤。通过仿真,我们验证了所提的滤波器在跟踪扩展目标方面有更好的性能。第四章针对半混叠群目标跟踪问题提出了基于超分辨与箱粒子PHD结合的跟踪方法,针对可分辨密集群跟踪问题提出了超图匹配标签多伯努利滤波器。处于半混叠状态的群目标在像面上呈现出多、混、密的特点,并随着传感器观测视角的变化而变化,其跟踪难点在于难以准确分辨群内目标数量,进而无法实现对多目标状态和数目的估计。为此,本章首先引入了超分辨方法用以实现对半混叠状态群的分辨能力;其次,鉴于超分辨算法引入较大计算开销和耗时,跟踪算法的执行方法参考箱粒子滤波,用箱粒子形式对目标状态进行描述以及对量测进行包装,进而将箱粒子作为概率假设密度滤波器的执行方法,最后通过增添航迹标签的方式实现多目标轨迹输出功能。标签箱粒子概率假设密度滤波器能够保证与传统点粒子概率假设密度滤波器具备相似的跟踪精度,又能够大大节省计算资源,能够显著降低计算耗时。针对可分辨群目标跟踪中存在的目标密集分布、视场抖动造成的数据关联难的问题,本章将群内多临近目标组成的群视为一个结构稳定的图,各目标为图中节点,通过引入超图理论描述多目标位置结构关系。根据群结构相对稳定的特点,摒弃传统依据距离计算关联强弱的逻辑,利用超图匹配方法实现帧间多目标的数据关联,避免了仅依靠距离判断关联逻辑造成的错误关联,显著提升了跟踪精确度和航迹输出的准确度。第五章侧重对主动传感器测距信息提取以及主被动传感器数据融合问题开展研究,提出了激光回波实时检测方法以及激光传感器对多目标遍历策略。由于激光回波为一维距离信息,而传统粒子为二维点,本章设计了一种能准确适应激光回波特性的线型粒子,并将其与传统的粒子滤波算法相结合,有效的实现了激光测距信息的实时检测和提取。此外,还利用仿真数据和来自不同地基激光测距装置的实测数据对所提出的线型粒子滤波器进行了验证,取得良好效果。由于激光光斑通常仅能覆盖单一目标,在面临多目标场景是,需要根据红外像面多目标分布位置,制定一个最优的指向策略。本章将像面多目标的光斑指向的遍历顺序问题建模为旅行商问题,利用遗传算法求得遍历用时最短的解,也就是指向策略;针对激光重频远高于红外帧频、且探测率低的特点,本章将激光回波数据在时域上进行积累,积累周期与红外帧频保持一致。这样既能增加一个周期内激光回波数量,又能达到异质传感器周期同步的目的。进一步地,利用提取的测距信息以及红外二维角信息,依次对各目标执行无迹扩展卡尔曼滤波算法。结合高精度测距信息后,目标三维状态跟踪精度会得到显著提高。提出了两种主动传感器对多目标遍历的方式,仿真了两种遍历模式下的目标群体跟踪精度,分析了两种模式的性能差异的原因,验证了循环遍历模式能够获得更优的跟踪精度,并说明了该遍历模式下跟踪精度的提高是以频繁调整测距传感器指向为代价的结论。本文立足主被动联合探测体制下的天基红外光学监视系统应用需求,提出了适用于该探测体制的信息处理算法,研究成果丰富了扩展目标跟踪、群目标跟踪等算法理论,为天基光学监视系统信息处理子系统的设计和研制提供了技术支撑。
其他文献
人们要认识事物之间的作用机制,使其能够为人类活动服务,就必须要了解不同事物之间的关系,其中因果关系是事物之间普遍存在的一个重要关系,探寻世界中变量间存在的因果关系可以帮助人们更好的认识事物的相互影响。然而,事物之间的关系总是错综复杂的,因果关系并不是显而易见的,在不同领域专家的辅助之下,可以人工对各个领域的系统建立模型,但是在缺乏专家知识的情况下,我们就需要基于一些在生产生活中获取到的观测数据进行
机械臂的目标分类抓取问题可以分为抓取检测和抓取执行两个部分。抓取检测部分是从相机的图像信息中识别出待抓取物体的类别并检测出机械臂末端的抓取位姿配置;机械臂抓取执行部分则是规划机械臂的轨迹并控制机械臂运动到目标位姿,从而实现对目标的抓取,并将其放置到确定位置。首先,本文搭建了机械臂分类抓取硬件系统,并通过手眼标定方法得到深度相机坐标系和机械臂基座坐标系的坐标转换关系。本文基于该硬件系统,提出并实现了
操舵系统是控制舰船、潜艇等军事装备运行轨迹和姿态的关键组成部分,其运行状态直接影响装备在实战环境下的战场生存能力,对确保装备能够安全可靠地实现多样化作战任务具有重要意义。在采用基于模型驱动的方法对操舵系统运动状态进行分析研究时,由于环境变化和量测误差等因素的影响,操舵系统物理模型中的摩擦系数、材料泊松比等关键参数会呈现出一定程度的不确定性。然而,现有的物理模型中,这些参数常常被视为常数而忽略了当这
现在外骨骼驱动器大多是采用常规驱动器(直驱)或者电机集成谐波减速器带动负载,由于外骨骼与环境之间的作用不同于其他机器人,是直接作用于人体肌肉关节,考虑到外骨骼人机交互的安全性和续航能力,本文研究串联弹性驱动器(Series Elastic Actuator,SEA)作为外骨骼驱动源具有的优点。本文是在详细研读了SEA在物理建模、控制算法、储能节能和应用领域等研究热点的论文基础上,从外骨骼对驱动器的
概率论与数理统计课程是我国高校理工科和经管类专业学生的基础课和必修课,以往教学方法下,学生会出现概念难以理解、方法难以掌握等问题,而疫情防控初期的大规模纯线上教学中又出现了网络(系统)卡顿、教师不适应线上教学、学生上网课时注意力不集中、教学评价模式单一、学生听课状态无法保障及教学效果不理想等问题。针对概率论与数理统计课程线上线下教学过程中存在的问题,提出三位一体的线上线下教学模式,为后疫情时代的课
随着全球卫星导航系统GNSS(Global Navigation Satellite System)技术日益成熟,GNSS已成为室外定位的最佳选择,在测绘、航空、航海、交通、气象等诸多环境中广泛应用。但在室内环境中,由于信号的遮挡,存在GNSS不可用的问题,因此,在室内环境中如何进行有效的定位,是一个亟待解决的问题。不同于以往足部式穿戴微惯导设备或者手持智能手机进行定位导航,本课题聚焦于穿戴更为方
世纪之交的几次局部战争中,无人机体现出极高的军事价值,成为各国军方研究的热点之一。近年来,通信技术的进步以及人工智能的应用,促进了无人机集群技术的发展,使得未来无人机集群化、有人/无人协同作战成为可能,推动着战争模式的根本性转变。融合导弹与无人机特性而设计的小型作战用无人机,为现代低成本高收益的作战模式提供了一种有效手段。本文以小型无人机为研究对象,针对多无人机在协同打击过程中的协同到达问题进行研
目标检测作为图像理解和计算机视觉的一个分支,是大量视觉任务的必要前提,当前也是机器学习领域中的一个热门方向。目标检测被广泛应用于许多的领域上,例如道路交通车辆以及标识、安保系统中的检测、军事领域中目标的识别。针对不同的应用场景而言,目标检测核心思想都是要解决物体在背景中的精确定位。对于红外图像中的目标,检测目标并对其物体轨迹进行分析是实际需求中必须要解决的难点。由于红外目标本身的特征弱、颜色缺失,
学位