目标管理多传感器多目标航迹关联与融合算法研究.docx

目标管理多传感器多目标航迹关联与融合算法研究.docx

《目标管理多传感器多目标航迹关联与融合算法研究.docx》由会员分享，可在线阅读，更多相关《目标管理多传感器多目标航迹关联与融合算法研究.docx（54页珍藏版）》请在冰豆网上搜索。

目标管理多传感器多目标航迹关联与融合算法研究

（目标管理）多传感器多目标航迹关联与融合算法研究

分类号密级

UDC注1

学位论文

多传感器多目标

航迹关联与融合算法研究

（题名和副题名）

程跃兵

（作者姓名）

指导教师姓名戴跃伟教授

闫玉德副教授

申请学位级别硕士专业名称控制理论与控制工程

论文提交日期2010.05论文答辩日期2010.06

学位授予单位和日期南京理工大学

答辩委员会主席

评阅人

年月日

声明

本学位论文是我在导师的指导下取得的研究成果，尽我所知，在本学位论文中，除了加以标注和致谢的部分外，不包含其他人已经发表或公布过的研究成果，也不包含我为获得任何教育机构的学位或学历而使用过的材料。

与我一同工作的同事对本学位论文做出的贡献均已在论文中作了明确的说明。

研究生签名：

年月日

学位论文使用授权声明

南京理工大学有权保存本学位论文的电子和纸质文档，可以借阅或上网公布本学位论文的部分或全部内容，可以向有关部门或机构送交并授权其保存、借阅或上网公布本学位论文的部分或全部内容。

对于保密论文，按保密的有关规定和程序处理。

研究生签名：

年月日

摘要

随着现代科技的飞速发展以及现代战争的需求，在机动目标跟踪领域应用信息融合技术是近年来研究的热点。

面对现代战场中敌方飞行目标的高机动性和复杂性，为了对目标实施有效地打击和防御，必须有机结合多部传感器提供目标的信息，进行精确地跟踪。

本文结合某项科研项目，利用分布式雷达组网技术，对本文采用的IMM滤波、航迹关联与融合算法予以软件实现，并进行一系列计算机仿真。

首先，介绍了目标跟踪领域中的量测数据预处理技术，以及在kalman滤波基础上分析了交互式多模型跟踪算法，并通过仿真实例，证明了该算法是行之有效的。

为后续研究航迹关联与融合算法提供了数据支持。

其次，基于实际工程研究背景，对目前广泛采用的加权、修正、独立序贯分布式航迹关联算法进行了总结讨论，并分析了在航迹交叉、分岔以及合并的情况下，独立序贯算法的理论可行性，并通过多组仿真实例，证明了算法的实用性。

最后，本文介绍了目标跟踪中几种常见的航迹融合算法，包括集中式和分布式两种。

鉴于集中式计算量大和对系统处理器的要求较高，本文采用分布式融合算法，并对关联成功的航路，采用无反馈最优分布式融合算法进行50次MonteCarlo仿真实验，验证了此算法的可靠性。

本文从工程领域角度出发，探讨了目标跟踪中数据融合的关键技术，为实际工程应用提供了有用的参考。

关键词：

多传感器，目标跟踪，IMM滤波，航迹关联，航迹融合

Abstract

Alongwiththerapiddevelopmentofmoderntechnologyandthedemandofmodernwar,Informationfusiontechnologyhasbecomethehotspotinthemaneuveringtargettrackingfield.Inthefaceofmodernbattlewiththeenemyflyinghighmaneuverabilityandcomplexityoftargets,inordertostrikeanddefendeffectively,wemustcombineorganicallymultiplesensorsinformationtoaccuratelytrack.

Combiningaresearchprojectinthisdissertation,Numberofradarsareusedtocomposethedistributionalnetwork,softwarerealizationofIMMfiltering,trackcorrelationandtrackfusionalgorithmarefinished,alsoaseriesofcomputersimulationarecarriedon.

Firstly,measurementdatapreprocessestechnologiesinthefieldofthetargettrackingareintroduced,andbasedonkalmanfilteringtechnologyofthetargettrackingfield,thedissertationanalysesinteractivemodelfilteralgorithm,throughthesimulationexamples,andprovesthatthealgorithmiseffective.Datasupportforresearchingsubsequenttrackcorrelationandtrackfusionalgorithmisprovided.

Secondly,basedonthepracticalengineeringresearchbackground,thedistributedcorrelationalgorithmswhicharecurrentlywidespreadadoptionaresummarizedanddiscussedinthedissertation.Includeweighting,fixed,independentsequentialcorrelationalgorithm,andanalyzeswhentrackiscrossing,bifurcatingandcombining,andthefeasibilityofthealgorithmthoughttheseveralofsimulationexamplesisproved.

Finally,thedissertationdescribesseveralcommontrackfusionalgorithmsofthetargettrackingfield,includingcentralizedanddistributedstructure.Sincecentralizedstructurehaslargeamountofcalculationandthehighrequirementsofsystemprocessor,thedissertationadoptsthedistributedfusionalgorithm,andassociatedsuccessfulroute,withnofeedbackoptimaldistributedfusionalgorithm50timesMonteCarlosimulationtoverifythealgorithmreliability.

FromtheAngleofengineeringarea,thekeyoftargettrackingdatafusionareaisdiscussedinthisdissertation,andusefulreferenceforthepracticalengineeringapplicationisprovided.

Keywords：

Multi-sensor,targettracking,IMMfiltering,trackcorrelation,trackfusion

摘要I

AbstractII

1绪论1

1.1论文研究背景与意义1

1.2国内外发展及研究现状2

1.3航迹关联与融合算法发展现状3

1.3.1航迹关联算法发展概况3

1.3.2航迹融合算法发展概况4

1.4本文的主要研究工作及内容安排5

2多传感器多目标信息融合理论基础7

2.1信息融合的定义7

2.2信息融合的基本原理7

2.3信息融合的系统结构8

2.3.1信息融合的层次结构8

2.3.2信息融合的体系结构9

2.4信息融合的技术与应用10

2.4.1信息融合的基本技术和方法10

2.4.2信息融合的应用11

2.5本论文研究的主要问题及解决思路11

2.6本章小结12

3多目标跟踪中的数据处理13

3.1量测数据预处理技术13

3.1.1坐标变换13

3.1.2时间配准算法16

3.1.3空间配准算法17

3.2卡尔曼滤波19

3.3交互式多模型跟踪算法20

3.4仿真分析23

3.4.1仿真指标23

3.4.2滤波仿真结果24

3.5本章小结29

4基于统计理论的航迹关联算法31

4.1算法描述31

4.1.1加权航迹关联算法32

4.1.2修正航迹关联算法32

4.1.3独立序贯航迹关联算法33

4.1.4典型情况下的航迹关联34

4.2独立序贯算法软件实现36

4.3仿真分析37

4.4本章小结42

5基于统计理论的航迹融合算法43

5.1集中式融合系统43

5.1.1并行滤波43

5.1.2序贯滤波44

5.1.3数据压缩滤波45

5.2分布式融合系统46

5.2.1简单凸组合航迹融合算法46

5.2.2BarShalom-Campo航迹融合算法47

5.2.3无反馈的最优分布式航迹融合算法47

5.3仿真分析49

5.4本章小结54

6总结与展望55

6.1本论文工作总结55

6.2展望56

致谢57

参考文献59

1绪论

1.1论文研究背景与意义

在现代和未来的战争中，随着战争形式的信息化、武器种类的先进化、空间情形的复杂化以及目标环境的多样化，信息瞬息万变，为了获得更佳的作战效果，利用单个传感器的量测信息远远不能满足性能要求，这就决定了在战场上要用到种类繁多的传感器提供观测信息，进行优化处理，最终来获取目标的状态估计、目标属性、火力控制、精确制导等信息。

但是多传感器的使用必然会带来更为复杂的问题：

信息量的巨大化、信息表现形式的多样化以及处理信息的复杂化等，给实际系统的解决增加了沉重的计算负担，这些问题将大大超过人脑的信息综合处理及分析能力。

经过多年的经验及总结，人们自然而然地将这些多种多样的信息进行综合利用、智能处理，去除掉那些冗余的信息，一方面减轻了人工处理信息的工作量，另一方面提高了系统的容错性、健壮性以及重组能力。

在这种背景下，多传感器信息融合技术便应运而生。

促进多源信息融合理论发展的主要动因之一就是现代战争的迫切需要。

当前，信息融合技术正在迅猛发展，已经渗透到现代化战争的各个领域，随着计算机技术和传感器技术的发展，信息融合技术必将在现代和未来战争中发挥越来越重要的作用。

随着现代科技的飞速发展以及现代战争的需要，在机动目标跟踪领域应用信息融合技术是近年来研究的热点。

随着现代战场中目标的高机动性和复杂性，为了对目标进行精确的跟踪，则必须获得更多的目标信息。

然后将不同的传感器测得的目标信息进行有机融合，综合利用各个传感器的测量信息，克服了单个传感器的局限性，能全面准确描述被测对象。

与传统的单传感器系统相比，在机动目标跟踪领域采用多传感器信息融合系统具有以下优点[1-2]：

（1）增加系统的生存周期，提高系统的健壮性：

当有若干个传感器失效或受到干扰，或某个事件某个目标不在其测量范围内，一般至少会有一种传感器向系统提供信息，提高系统鲁棒性和可靠性，其生存能力大大增强。

（2）扩展空间和时间搜索范围，加快信息处理速度。

（3）改进探测性能：

对量测信息采取有效融合，提高探测的有效性。

（4）增加量测空间维数。

（5）提高空间分辨率，提高系统可信度。

（6）降低系统信息的不确定性：

多传感器的联合信息必然降低目标或者事件的模糊性，提高决策能力。

最近20年发生的几场高技术战争表明，传统的机械式作战已逐步成为历史，信息战和电子战已成为现代以及未来战争的主体。

由于电子信息技术的飞速发展，多兵种通过网络中心联合作战，协同各种武器平台共享战场作战信息，已成为海陆空天作战的主要方式。

多传感器信息融合系统充分发挥武器装备和作战部队的效能，使作战力量倍增，其重要性是显而易见的。

近年来，随着网络通信技术的发展，将分布在一个战场范围内的多部传感器利用通信网络实现信息共享，即网络化多传感器信息融合技术，是目前国内外学者研究的热点。

网络化多传感器信息融合技术的核心，就是通过一个公共的网络平台，将分布在较大战场范围内的若干目标探测单元即多传感器连接起来，使其同步工作，独立处理信息以及工作同步，有效提高目标的跟踪、监测预警能力，从而突破单个传感器在探测范围、精度以及响应速度方面的能力瓶颈，从而获得全战场范围内实时、高效、准确的目标信息，提高对未来战场高速机动目标的打击效能。

本文就是在这样的背景下展开研究工作的。

1.2国内外发展及研究现状

自1973年首次提出信息融合技术以后，在短短30多年时间里，各个领域的研究者都对信息融合技术在其研究领域的应用展开了理论研究，并进一步总结出了行之有效的工程实现方法，取得了一大批的科技成果。

在学术研究方面，美国三军数据融合年会、SPIE传感器融合年会和自动化会刊以及相关学术会议每年都有关于该技术的专门讨论。

1998年由NASA埃姆斯氏试验研究中心、IEEE信息处理学会和控制系统学会、美国陆军研究所等联合发起的国际信息融合年会，每年举办一次，系统地总结了该项技术的最新发展概况和研究成果。

除此之外，一些具有代表性的学术专著也都对信息融合的基础理论及在此领域的新思想、新方法以及新进展进行了全面系统的描述。

Llinas、Waltz、Hall、Bar-Shalom和Fortmann等人是活跃在此领域的国际大师。

信息融合的概念虽始于70年代初期，但真正的技术进步和发展乃是80年代的事，尤其是近几年来引起了世界范围内的普遍关注，美、英、法、俄、日等发达国家不但在所部署的一些重大研究项目上取得了突破性进展，而且已经取得了大量研究成果。

美国是最早应用信息融合技术的国家，是此项技术的前沿领跑者。

美国空军新型的GNCST系统可以接受E-8C、无人机、RC-135等平台上合成孔径雷达、信息侦察装置、光电等传感器近实时信息，在融合中心进行处理后以较高的精度和较快的速度传递给一线作战士兵。

美国海军的系统作战系统（CEC）把位于不同地点的并且具有不同特征的传感器所提供的各种数据和信息进行完全融合处理，使所有单元能共享每个传感器的测量数据。

CEC系统实现了武器平台之间的目标信息共享，分布处理的共享信息能够直接提供给本平台的武器系统和指控系统使用，具备航迹合成和识别功能。

英国的BAE系统公司开发的DDF信息融合新技术，已成功验证了将地面和空中的分散的传感器组网互联并融合其信息。

法国的“米卡”地空型防空导弹系统也是一个网络化、开放式、分散部署的模块集合系统，由于采用分散式的系统布局，探测模块、发射模块和战术指挥中心都是各自独立的，不会因为某个模块被击毁而使整个作战单元瘫痪，从而保证了整个系统较高的战场生存概率。

俄罗斯军方也在数据融合和信息处理方面做了大量的研究工作，并成功运用在新型战斗机中。

通过将各个传感器提供的数据数字化并进行信息融合处理，这就为飞行员提供了一个空战景象的即时图像。

通过传感器融合可以为飞行员提供一个唯一的跟踪和识别目标，避免了传感器的重复跟踪，从而大大提高了战场作战能力。

除此之外，已经研制出来的还有AMSVI--自动多传感器部队识别系统，AIDD--炮兵情报数据融合，PART--军用双工无线电/雷达瞄准系统等军用融合系统。

近20年来，我国信息融合理论及应用也在不断发展、不断创新，我国“八五”规划亦已把信息融合技术列为发展计算机技术的关键技术之一，并部署了一些重点研究项目，尽可能给予了适当的经费投入。

在政府、军方的支持下，也出现了大批专著和译著。

大量的学术论文也相继涌现。

上世纪90年代初，这一领域在国内才逐渐形成高潮，并开始出现信息融合系统的实际应用，随后逐步在军事和民用的众多领域得到推广。

目前新一代舰载、弹载、机载和各种系统正在向多传感器多目标航迹融合方向发展。

近几年来，国家越来越重视信息融合技术的发展。

2009年11月，由中国航空学会主办的首届全国信息融合年会在山东烟台举行，来自国内航空、航天、船舶、电子等领域的多家单位从事信息融合研究与应用的百名专家学者代表参加了会议，会议内容涉及信息融合基础理论、信息融合算法、信息融合技术及信息融合应用等方面。

第二届全国信息融合年会将于2010年6月在杭州举行，全国信息融合年会的举办，进一步加强了我国信息融合领域的交流与合作，必将对今后我国信息融合事业的发展起到积极的推动作用！

尽管如此，我们所面临的挑战和困难还是十分严峻的，与国际先进水平技术相比，在信息融合理论与实践方面还存在着较大的差距，仍需加大步伐，努力掌握先进技术赶超其它国家。

1.3航迹关联与融合算法发展现状

1.3.1航迹关联算法发展概况

航迹关联问题就是确定几个不同传感器的量测信息是否来自同一个目标或者事件。

它在信息融合技术中占有极其重要的地位，是提高多传感器信息融合系统的预警能力和实现自动化信息处理的重要途径和关键技术。

航迹关联主要应用于分布式融合系统中，其处理过程是：

每个传感器根据自身的信息处理系统，对目标进行状态估计。

并按照一定的时间，把本传感器的所有航迹的状态送给系统的信息处理即融合中心，在信息处理中心经过坐标变换和时空对准，然后对各局部航迹进行关联判断，形成系统航迹。

航迹关联是分布式多传感器信息融合系统中的一个关键环节，有着潜在的实用价值和明确的应用前景。

目前，国内外研究学者和专家对各种航迹关联的理论和方法都有大量的研究[3-8]。

Singer和Kanyuch首先提出了加权航迹关联算法[9-11]。

后来Bar-Shalom对该算法中的距离度量提出了修正，即修正航迹关联算法[12-13]。

Kosaka等人研究了最近邻域（NN）法[14]。

Bowman则运用极大似然（ML）估计描述了航迹关联问题，Chang和Youens基于运筹学中的经典分配（CA）[15-16]问题来对航迹（测量）进行关联。

国内信息融合领域的权威之一何友教授在上述前人提到的加权关联法、修正关联法、K-NN法基础之上，提出了空间和时间联合融合的思想，在基于似然比检验上引入了独立序贯航迹关联和相关序贯航迹关联法[17-18]，并在基于双门限信号检测的基础上提出独立和统计双门限法[17]、MK-NN法、修正的K近邻法[19]以及多局部节点情况下的统计航迹关联算法。

以上方法从数学角度上讲，均属于统计方法。

由于目标分布、传感器测量误差、目标运动模型及信息处理方法等因素的影响，要判别来自部局部传感器的航迹是否来自一个目标是相当困难的，特别在目标交叉、分岔、密集等较多的场合。

尤其当系统包含导航较大、传感器有通信、校准等延迟误差时，统计算法将显得力不从心。

何友又将模糊模式识别的思想引入航迹关联问题，并将影响航迹关联结果的因素进行分类，由此产生了一系列模糊类航迹关联算法，文献[20-21]中提到了如模糊双门限法、基于模糊综合函数的航迹关联法、多因素模糊综合决策法、基于多局部节点下的模糊航迹法。

1.3.2航迹融合算法发展概况

对多传感器获得的目标航路信息，如何使来自同一个目标的信息融合为一体，并减少所提供目标信息的噪声值，这就是航迹融合。

其目的是利用多个传感器的测量数据更准确地估计系统状态，解决航迹求精，提高目标的跟踪精度。

航迹融合是多源信息融合理论的一个重要领域，基于航迹状态估计的航迹融合算法也日趋完善和发展。

从融合中心角度考虑，可以把航迹融合算法分为两种：

一种是基于测量值，另一种是基于各个局部传感器的状态估计值，即所谓的集中式航迹融合和分布式航迹融合。

集中式航迹融合算法是将各个传感器的测量值进行数据融合，只有一个融合中心。

20世纪70年代，Singer[22]在假设各个状态估计相互独立情况下，首次提出多传感器航迹融合问题，标志着多传感器航迹融合算法研究的开始。

在此基础上Bar-Shalom等人解决了在多传感器估计误差相互不独立情况下的多传感器航迹融合问题。

随后，Willner提出的集中式多传感器Kalman滤波算法[23]、以及Chong提出的分层估计融合算法[24]。

分布式航迹融合是非常有效的数据处理方法。

它将大系统划分为多个小系统，从而改变全局最优估计的数据处理结构，便于计算机实时并行处理。

其主要研究把融合估计如何分解为若干个局部估计，以及各个局部估计之间的组合问题。

在此基础上，Bierman从数据值稳定性的角度考虑，提出了平方根信息滤波和平滑形式的分布式估计方法，Roy等研究了平方根并行卡尔曼滤波器，Castanon等则把这些研究成果推广到非线性系统中去。

最近几年来，Hong研究了通信网络中具有不确定性的分布式多传感器融合方法。

我国对信息融合航迹融合算法研究起步较晚，始于20世纪末。

在上述研究成果上，何友等人提出了多坐标系中的分级式、混合式、带反馈式的航迹融合算法。

李晓榕等提出了基于最佳线性无偏估计和基于加权最小的二乘估计的融合规则。

王志胜等研究了基于非线性系统的最优融合估计理论，提出了非线性信息的统一决策、测量模型。

金学波等提出了相关估计方差说的分布式融合算法。

目前常采用的航迹融合算法有卡尔曼加权航迹融合、简单凸组合航迹融合、协方差加权航迹融合、最优分布式航迹融合算法、自适应航迹融合、模糊航迹融合、利用伪点迹的航迹融合，在实际应用过程中，应根据不同的情况，选择合适的算法。

1.4本文的主要研究工作及内容安排

航迹融合是多传感器信息融合中一个重要分支，在海、陆、空作战系统中都得到了广泛的应用。

多年来，许多研究工作者致力于此方面的研究，并取得了大量的研究成果。

本文在这些成果的基础上，对目标跟踪以及数据融合中关键技术做深入探讨与实现。

本文基于实际工程背景，研究内容属于某科研项目“网络化探测系统数据融合技术”的一部分，利用多部雷达组成分布式探测网，对本文采用的交互式多模型滤波算法、航迹关联、航迹融合算法进行软件实现，并模拟多批航路，进行一系列仿真分析，来证明算法的有效性。

本文内容安排如下：

第一章首先概述了本论文的研究背景，并简单介绍了国内外发展现状及航迹关联与融合算法的发展概况，最后对本论文研究内容及结构做出安排。

第二章叙述了多传感器多目标信息融合技术的基本理论，包括定义、基本原理、系统结构、技术应用等，为研究航迹关联、航迹融合算法打下理论基础，并对本论文的研究问题及解决思路进行介绍。

第三章介绍了目标跟踪领域中的量测预处理技术，以及对目标跟踪中交互式多模型跟踪算法理解分析和编程实现，并通过仿真实例来证明算法的实用性，为后续研究航迹关联、融合算法提供了数据支持。

第四章详细分析了用于分布式航迹关联的加权、修正、独立序贯航迹关联算法，以及将独立序贯法编程实现，并当目标交叉、分叉或密集情况