论文部分内容阅读
在现代化战争背景下,复杂环境中的多传感器目标跟踪技术面临高目标漏检、高杂波干扰的严峻挑战。在多传感器目标跟踪应用中,通常有集中式和分布式两种融合系统。相比于集中式,分布式融合系统具备去中心化能力,系统鲁棒性更好,且节点(传感器)间通信量较集中式大大减少,故在工程应用中被广泛采用。本文在分布式融合系统框架下,探讨了高目标漏检、高杂波干扰的复杂环境下的多传感器目标跟踪技术,主要包含单传感器目标跟踪和多传感器航迹融合两方面内容。本工作着重研究了以目标存在概率为航迹管理手段的单传感器目标自动跟踪技术与多传感器航迹融合方法。本文的研究内容以及创新点如下:
(1)深入研究了综合概率数据关联算法。该算法是一种单传感器目标自动跟踪技术,在概率数据关联方法的基础上对目标存在事件进行马尔科夫链建模,通过引入目标存在概率并递归计算,对航迹进行管理,解决复杂环境下的目标自动跟踪难题。本文从航迹初始化、航迹管理(包括目标航迹快速确认与维持,虚假航迹识别并剔除)多个方面分析该算法,并介绍算法内部所需其他的技术手段。
(2)提出了改进航迹关联及融合算法。传统航迹关联及融合算法应用广泛,但无航迹管理功能。本文对传统航迹关联及融合算法进行改进,传感器将满足航迹上传条件的航迹上传至融合中心,减少传感器与融合中心间的通信量。并在融合中心中引入目标存在概率作为航迹质量衡量手段并进行航迹管理,使得该算法在复杂环境下表现更优。然而,改进航迹关联及融合算法中,融合中心对各传感器的航迹进行一对一硬关联,导致在复杂环境下航迹关联正确率急剧下降。
(3)提出了改进全近邻融合算法。全近邻融合算法的核心思想是:将各传感器中满足上传门限值的航迹传输至融合中心,在融合中心利用数据关联思想对所有航迹进行全关联,在复杂环境下关联容错性更强。然而,全近邻融合算法中,各传感器航迹的上传门限值通常较低,导致大量航迹需在融合中心完成关联,增加了融合计算量;同时,在对航迹进行融合时,由于考虑航迹间互协方差,各传感器需额外上传航迹的卡尔曼增益矩阵以迭代计算互协方差,加大了传感器与融合中心的通信量。基于以上问题,本文在融合中心中加入跟踪门技术以减少关联航迹数,并在融合阶段采用交叉协方差融合方法避免计算互协方差,对全近邻融合算法加以改进,大大节约通讯和计算成本同时保证算法性能。
(1)深入研究了综合概率数据关联算法。该算法是一种单传感器目标自动跟踪技术,在概率数据关联方法的基础上对目标存在事件进行马尔科夫链建模,通过引入目标存在概率并递归计算,对航迹进行管理,解决复杂环境下的目标自动跟踪难题。本文从航迹初始化、航迹管理(包括目标航迹快速确认与维持,虚假航迹识别并剔除)多个方面分析该算法,并介绍算法内部所需其他的技术手段。
(2)提出了改进航迹关联及融合算法。传统航迹关联及融合算法应用广泛,但无航迹管理功能。本文对传统航迹关联及融合算法进行改进,传感器将满足航迹上传条件的航迹上传至融合中心,减少传感器与融合中心间的通信量。并在融合中心中引入目标存在概率作为航迹质量衡量手段并进行航迹管理,使得该算法在复杂环境下表现更优。然而,改进航迹关联及融合算法中,融合中心对各传感器的航迹进行一对一硬关联,导致在复杂环境下航迹关联正确率急剧下降。
(3)提出了改进全近邻融合算法。全近邻融合算法的核心思想是:将各传感器中满足上传门限值的航迹传输至融合中心,在融合中心利用数据关联思想对所有航迹进行全关联,在复杂环境下关联容错性更强。然而,全近邻融合算法中,各传感器航迹的上传门限值通常较低,导致大量航迹需在融合中心完成关联,增加了融合计算量;同时,在对航迹进行融合时,由于考虑航迹间互协方差,各传感器需额外上传航迹的卡尔曼增益矩阵以迭代计算互协方差,加大了传感器与融合中心的通信量。基于以上问题,本文在融合中心中加入跟踪门技术以减少关联航迹数,并在融合阶段采用交叉协方差融合方法避免计算互协方差,对全近邻融合算法加以改进,大大节约通讯和计算成本同时保证算法性能。