久久一区二区免费播放,国产在线欧美日韩一区二区,国产综合色在线视频,精品伊人久久久香线蕉,精品视频麻豆网站,玖玖国产,国内精品久久久久影,在线观看精品视频一区二区三区,午夜久久影院,国产精品一区久久

一種基于編隊(duì)有源組網(wǎng)的弱目標(biāo)檢測(cè)與跟蹤方法
【專(zhuān)利摘要】本發(fā)明公開(kāi)了一種基于編隊(duì)有源組網(wǎng)的弱目標(biāo)檢測(cè)與跟蹤方法，包含以下步驟：一、將所有候選量測(cè)—目標(biāo)互聯(lián)情況組合成為候選集合Zt,k，計(jì)算Zt,k的互聯(lián)評(píng)分集合Λt,k；二、根據(jù)規(guī)則從候選集合Zt,k中選取可行的量測(cè)—目標(biāo)互聯(lián)劃分，組織形成等效測(cè)量信息；三、根據(jù)等效測(cè)量信息，基于多假設(shè)處理邏輯，將所有可能的目標(biāo)航跡以樹(shù)的形式組織起來(lái)，通過(guò)時(shí)間積累，刪除未通過(guò)檢驗(yàn)的樹(shù)，實(shí)現(xiàn)虛警的剔除、目標(biāo)信息的提取，以及航跡的起始、維持與終結(jié)；四、根據(jù)當(dāng)前時(shí)刻航跡樹(shù)的特點(diǎn)，設(shè)計(jì)目標(biāo)顯示邏輯，實(shí)現(xiàn)對(duì)目標(biāo)數(shù)目的估計(jì)，并實(shí)時(shí)顯示出目標(biāo)的航跡批號(hào)與相關(guān)的運(yùn)動(dòng)參數(shù)。本發(fā)明對(duì)目標(biāo)的位置估計(jì)精度明顯優(yōu)于任一平臺(tái)的精度。
【專(zhuān)利說(shuō)明】—種基于編隊(duì)有源組網(wǎng)的弱目標(biāo)檢測(cè)與跟蹤方法
【技術(shù)領(lǐng)域】:
[0001]本發(fā)明涉及數(shù)據(jù)融合領(lǐng)域，特別涉及多平臺(tái)組網(wǎng)融合檢測(cè)與跟蹤技術(shù)，具體是指一種基于多機(jī)編隊(duì)有源組網(wǎng)的弱目標(biāo)檢測(cè)與跟蹤技術(shù)。
【背景技術(shù)】:
[0002]當(dāng)前，隨著各國(guó)航空武器裝備的不斷改進(jìn)、升級(jí)與推陳出新，戰(zhàn)場(chǎng)探測(cè)環(huán)境充斥著各種干擾，航空武器呈隱形化、小型化的發(fā)展趨勢(shì)(如B-2 二代隱身機(jī)的雷達(dá)散射截面積RCS只有10_3m2)。在這一背景下，單一平臺(tái)傳感器已無(wú)法在復(fù)雜戰(zhàn)場(chǎng)環(huán)境下實(shí)現(xiàn)對(duì)弱信號(hào)目標(biāo)(如隱身飛機(jī)、低空目標(biāo)、小型無(wú)人機(jī)等)的檢測(cè)與跟蹤，通常只能發(fā)現(xiàn)一些不連續(xù)的點(diǎn)跡，無(wú)法形成較為穩(wěn)定、完整地航跡文件上報(bào)[1_2]。從而，對(duì)未來(lái)戰(zhàn)場(chǎng)環(huán)境下態(tài)勢(shì)的準(zhǔn)確、有效感知提出了越來(lái)越嚴(yán)峻地挑戰(zhàn)。
[0003]由于隱身目標(biāo)無(wú)法在全方向、全頻段上都保持較好的隱身效果，電磁干擾技術(shù)難以在全空域、全頻段起作用。因此，針對(duì)復(fù)雜環(huán)境下弱目標(biāo)的檢測(cè)與跟蹤問(wèn)題，通過(guò)多平臺(tái)組網(wǎng)，大范圍、多角度、多頻段的觀測(cè)目標(biāo)，成為一種可行的處理思路，基于這一思路，美軍目前研制有導(dǎo)彈防御系統(tǒng)、精確定位與打擊系統(tǒng)等；而在算法理論實(shí)現(xiàn)方面，國(guó)內(nèi)外學(xué)者則分別從低可觀測(cè)目標(biāo)跟蹤算法設(shè)計(jì)與多平臺(tái)融合濾波模型兩方面開(kāi)展研究工作。前者的研究主要是通過(guò)一體化考慮航跡檢測(cè)與跟蹤環(huán)節(jié)，通過(guò)時(shí)間積累，提升對(duì)低可觀測(cè)目標(biāo)的感知能力，比較有代表性的工作有:美國(guó)Connecticut大學(xué)Bar-Shalom等通過(guò)引入目標(biāo)回波強(qiáng)度信息，結(jié)合極大似然估計(jì)理論，提出極大似然-概率數(shù)據(jù)關(guān)聯(lián)方法(MaximumLikelihood-Probability Data Association, ML-PDA),并設(shè)計(jì)自適應(yīng)滑窗工作方式，實(shí)現(xiàn)虛警率時(shí)變情況下目標(biāo)的檢測(cè)與跟蹤處理[3_5];美國(guó)學(xué)者Blackman等采用多假設(shè)檢驗(yàn)方法(Multistage Hypothesis Testing)將所有可能的目標(biāo)軌跡以樹(shù)的形式組織起來(lái),通過(guò)時(shí)間積累，刪減或保留樹(shù)，提取真實(shí)目標(biāo)并完成虛警的刪除&7]。后者研究主要是通過(guò)研究多平臺(tái)觀測(cè)的融合策略，提升對(duì)目標(biāo)的有效跟蹤精度，較有代表性的工作有:美國(guó)Bar-Shalom等將不同探測(cè)背景下的多平臺(tái)融合跟蹤問(wèn)題(如多平臺(tái)無(wú)源定位、不同分辨力雷達(dá)組網(wǎng)、目標(biāo)分裂情況)轉(zhuǎn)換為多維分配問(wèn)題進(jìn)行求解;海軍航空工程學(xué)院何友等采用基于數(shù)據(jù)壓縮、順序結(jié)構(gòu)、并行結(jié)構(gòu)三種方法實(shí)現(xiàn)多平臺(tái)多目標(biāo)的融合跟蹤[11]。
[0004]然而，總體而言，以上兩方面的研究，前者目前主要基于單平臺(tái)傳感器開(kāi)展低可觀測(cè)目標(biāo)跟蹤算法模型的設(shè)計(jì)；而后者則通常假定目標(biāo)具有較高的可觀測(cè)概率，且主要針對(duì)航跡維持階段，較少考慮復(fù)雜環(huán)境下低可觀測(cè)目標(biāo)在航跡形成與航跡終止中存在的問(wèn)題；另外，當(dāng)前這兩方面的研究主要都是針對(duì)地面雷達(dá)組網(wǎng)融合問(wèn)題。
[0005]參考文獻(xiàn)
[0006][I]Hadzagic M., Michalska H., Lefebvre E.Track-Before-Detect Methodsin Tracking Low-Observable Targets: A Survey[J].Sensors&Transducers (S&Te-Digest), Special Issuse, 2005, (8):374-380.[0007][2]趙宗貴，熊朝華，王珂等.信息融合概率、方法與應(yīng)用[M].北京:國(guó)防工業(yè)出版社,2012.[0008][3]Hall D.L.，Llinas J.多傳感器數(shù)據(jù)融合手冊(cè)[M].北京:電子工業(yè)出版社，2008.[0009][4]Kirubarajan T., Bar-Shalom Y.Low observable target motion analysisusing amplitude information[J].1EEE Transactions on Aerospace and ElectronicSystems, 1996，32(4):1367-1384.[0010][5] Blanding ff.R., Willett P.K., Bar-Shalom Y.0ff-line and real-timemethods for ML-PDA track validation [J].1EEE Transactions on Signal Processing, 2007，55(5): 1994-2006.[0011][6]Blackman S.S.Multiple hypothesis tracking for multiple target tracking[J].1EEE Transactions on Aerospace and Electronic Systems, 2004, 19 (I): 5-18.[0012][7]Blostein S.D., Richardson H.S.A sequential detection approach to targettracking[J].1EEE Transactions on Aerospace and Electronic Systems, 1994,30(1):197-212.[0013][8]Deb S.,Yeddanapudi M.,Pattipati K., etc.An generalized S-D assignmentalgorithm for multisensor-multitarget state estimation[J].1EEE Transactions onAerospace and Electronic Systems, 1997, 33(2): 523-537.[0014][9] Chen H.M., Kirubarajan T., Bar-Shalom Y.Tracking of Spawning Targetswith Multiple Finite Resolution Sensors[J].1EEE Transactions on Aerospace andElectronic Systems, 2008, 44(1): 1-14.[0015][10] Chung Y.N., Chou P.H., Yang M.R.Multiple-target tracking withcompetitive Hopfield neural network based data association [J].1EEE Transactions onAerospace and Electronic Systems, 2007, 43 (3): 1180-1188.[0016][11]何友，王國(guó)宏，陸大鑫等.多傳感器信息融合及應(yīng)用(第二版)[M].北京:電子工業(yè)出版社，2007.
【發(fā)明內(nèi)容】

[0017]針對(duì)現(xiàn)有技術(shù)的不足，本發(fā)明的發(fā)明目的在于提供一種基于編隊(duì)有源組網(wǎng)的弱目標(biāo)檢測(cè)與跟蹤方法，通過(guò)融合處理多平臺(tái)組網(wǎng)協(xié)同探測(cè)獲取的冗余/虛假/沖突/不同置信度的信息，提取目標(biāo)的航跡與運(yùn)動(dòng)參數(shù)，實(shí)現(xiàn)對(duì)隱身目標(biāo)等低可觀測(cè)目標(biāo)的檢測(cè)與跟蹤。
[0018]本發(fā)明的發(fā)明目的通過(guò)以下技術(shù)方案來(lái)實(shí)現(xiàn):
[0019]一種基于編隊(duì)有源組網(wǎng)的弱目標(biāo)檢測(cè)與跟蹤方法，包含以下步驟:
[0020]第一步、將所有候選量測(cè)一目標(biāo)互聯(lián)情況組合成為候選集合Zt，k，計(jì)算候選集合Zt，k的互聯(lián)評(píng)分集合At，k;
[0021]第二步、根據(jù)規(guī)則從候選集合Zt，k中選取可行的量測(cè)一目標(biāo)互聯(lián)劃分，組織形成等效測(cè)量信息；
[0022]第三步、根據(jù)等效測(cè)量信息，將所有可能的目標(biāo)航跡以樹(shù)的形式組織起來(lái)，通過(guò)時(shí)間積累，刪除未通過(guò)檢驗(yàn)的樹(shù)，實(shí)現(xiàn)虛警的剔除、目標(biāo)信息的提取，以及航跡的起始、維持與終結(jié)；[0023]第四步、根據(jù)當(dāng)前時(shí)刻航跡樹(shù)的特點(diǎn)，設(shè)計(jì)目標(biāo)顯示邏輯，實(shí)現(xiàn)對(duì)目標(biāo)數(shù)目的估計(jì)，并實(shí)時(shí)顯示出目標(biāo)的航跡批號(hào)與相關(guān)的運(yùn)動(dòng)參數(shù)。
[0024]依據(jù)上述特征，所述候選集合Zt，k為:
【權(quán)利要求】
1.一種基于編隊(duì)有源組網(wǎng)的弱目標(biāo)檢測(cè)與跟蹤方法，包含以下步驟: 第一步、將所有候選量測(cè)一目標(biāo)互聯(lián)情況組合成為候選集合Zt，k，計(jì)算候選集合zt，k的互聯(lián)評(píng)分集合At k; 第二步、根據(jù)規(guī)則從候選集合Zt，k中選取可行的量測(cè)一目標(biāo)互聯(lián)劃分，組織形成等效測(cè)量信息; 第三步、根據(jù)等效測(cè)量信息，基于多假設(shè)處理邏輯，將所有可能的目標(biāo)航跡以樹(shù)的形式組織起來(lái)，通過(guò)時(shí)間積累，刪除未通過(guò)檢驗(yàn)的樹(shù)，實(shí)現(xiàn)虛警的剔除、目標(biāo)信息的提取，以及航跡的起始、維持與終結(jié)； 第四步、根據(jù)當(dāng)前時(shí)刻航跡樹(shù)的特點(diǎn)，設(shè)計(jì)目標(biāo)顯示邏輯，實(shí)現(xiàn)對(duì)目標(biāo)數(shù)目的估計(jì)，并實(shí)時(shí)顯示出目標(biāo)的航跡批號(hào)與相關(guān)的運(yùn)動(dòng)參數(shù)。
2.根據(jù)權(quán)利要求1所述的一種基于編隊(duì)有源組網(wǎng)的弱目標(biāo)檢測(cè)與跟蹤方法，其特征在于所述候選集合Zt，k為:
3.根據(jù)權(quán)利要求1所述的一種基于編隊(duì)有源組網(wǎng)的弱目標(biāo)檢測(cè)與跟蹤方法，其特征在于第二步中的規(guī)則設(shè)定為: a)每個(gè)平臺(tái)傳感器的量測(cè)都屬于一個(gè)目標(biāo)或虛警； b)每個(gè)平臺(tái)傳感器的量測(cè)只屬于一個(gè)目標(biāo)； 等效測(cè)量具體實(shí)現(xiàn)步驟為: (2.1)初始化互聯(lián)集合?k，即令?k = Φ ;(2.2)從當(dāng)前互聯(lián)評(píng)分集合At k中選出評(píng)分最高的元素Amax k = max{>t，k}，并將Afflax,k從Λ t，k中刪除，找出與Amax，k對(duì)應(yīng)的量測(cè)一目標(biāo)互聯(lián)情況Zmax，k，將Zmax，k加入互聯(lián)集合Ok中； (2.3)從當(dāng)前互聯(lián)評(píng)分集合Atk中選出評(píng)分最高的元素Λ 一，k，找出Λ 一，k所對(duì)應(yīng)的量測(cè)一目標(biāo)互聯(lián)情況Ztemp，k; (2.4)將Ztaiftk與Ok中的元素進(jìn)行比較，判斷是否滿足規(guī)則b)，若滿足，則將ZtMp，k加入互聯(lián)集合?k中；再判斷是否滿足規(guī)則a)，若滿足，則轉(zhuǎn)至(2.5)，反之，轉(zhuǎn)至(2.2)； (2.5)互聯(lián)集合Ok即為求解出的可行量測(cè)一目標(biāo)互聯(lián)劃分，通過(guò)量測(cè)組合形成一系列等效測(cè)量。
4.根據(jù)權(quán)利要求1所述的一種基于編隊(duì)有源組網(wǎng)的弱目標(biāo)檢測(cè)與跟蹤方法，其特征在于第三步具體實(shí)現(xiàn)步驟為: (3.1)候選航跡分支:根據(jù)k-Ι時(shí)刻各航跡的狀態(tài)與誤差協(xié)方差陣，通過(guò)卡爾曼濾波或無(wú)味卡爾曼濾波，獲得各航跡的新息協(xié)方差陣Slri與殘差f，進(jìn)一步得到k時(shí)刻量測(cè)與航跡預(yù)測(cè)位置的歸一化距離:
5.根據(jù)權(quán)利要求1所述的一種基于編隊(duì)有源組網(wǎng)的弱目標(biāo)檢測(cè)與跟蹤方法，其特征在于第四步具體實(shí)現(xiàn)步驟為: (4.1)主要航跡表的生成:將所有候選航跡的全局概率之和最接近的整數(shù)/V作為主要航跡的數(shù)目 ，從當(dāng)前所剩下的候選航跡中選出最能表現(xiàn)當(dāng)前態(tài)勢(shì)的％奪最佳目標(biāo)航跡，形成主要航跡表； (4.2)通用航跡表的生成與輸出:根據(jù)主要航跡表中的航跡文件形成或更新通用航跡，在建立通用航跡表的過(guò)程中，若一個(gè)通用航跡與一個(gè)家族樹(shù)關(guān)聯(lián)，且該家族樹(shù)在該時(shí)刻有主要航跡，則將這個(gè)主要航跡分配給該通用航跡，沒(méi)有分配出去的主要航跡作為新起始的通用航跡，而分配的主要航跡就用來(lái)代替原來(lái)通用航跡；將通用航跡表中的航跡輸出到顯示界面上，完成目標(biāo)實(shí)時(shí)顯示。
【文檔編號(hào)】G01S13/66GK104021292SQ201410250979
【公開(kāi)日】2014年9月3日 申請(qǐng)日期:2014年6月6日 優(yōu)先權(quán)日:2014年6月6日
【發(fā)明者】黃大羽 申請(qǐng)人:中國(guó)航空無(wú)線電電子研究所