專(zhuān)利名稱(chēng)：：基于雷達(dá)/紅外量測(cè)數(shù)據(jù)坐標(biāo)轉(zhuǎn)換的目標(biāo)跟蹤方法
技術(shù)領(lǐng)域：
：本算法涉及一種基于雷達(dá)/紅外量測(cè)數(shù)據(jù)坐標(biāo)轉(zhuǎn)換的目標(biāo)跟蹤方法，特別是用于雷達(dá)/紅外傳感器的機(jī)動(dòng)目標(biāo)跟蹤系統(tǒng)中，屬于雷達(dá)數(shù)據(jù)處理領(lǐng)域。
背景技術(shù)：
：現(xiàn)代雷達(dá)系統(tǒng)一般都由以下兩個(gè)重大組成部分，S卩雷達(dá)信號(hào)處理器部分和雷達(dá)數(shù)據(jù)處理器部分。雷達(dá)信號(hào)處理器作為第一次處理，將處理后的信號(hào)送入雷達(dá)數(shù)據(jù)處理器作第二次處理。雷達(dá)數(shù)據(jù)處理器在獲得目標(biāo)的位置、運(yùn)動(dòng)參數(shù)等數(shù)據(jù)后進(jìn)行互聯(lián)、跟蹤、濾波、平滑、預(yù)測(cè)等運(yùn)算，從而有效地抑制雷達(dá)測(cè)量過(guò)程中引入的隨機(jī)誤差，精確估計(jì)目標(biāo)位置和有關(guān)的運(yùn)動(dòng)參數(shù)，預(yù)測(cè)目標(biāo)下一時(shí)刻位置，并形成穩(wěn)定的目標(biāo)軌跡。作為數(shù)據(jù)處理的功能之--對(duì)機(jī)動(dòng)目標(biāo)的跟蹤，已經(jīng)成為現(xiàn)代雷達(dá)跟蹤系統(tǒng)中一個(gè)重要的組成部分。對(duì)機(jī)動(dòng)目標(biāo)的跟蹤方法可以概括為以下兩類(lèi)，即具有機(jī)動(dòng)檢測(cè)的方法和無(wú)需機(jī)動(dòng)檢測(cè)的自適應(yīng)跟蹤方法?，F(xiàn)今，在雷達(dá)跟蹤系統(tǒng)中比較流行的目標(biāo)跟蹤方法是具有自適應(yīng)能力的交互式多模型方法(I畫(huà))，該方法通過(guò)引入多個(gè)目標(biāo)運(yùn)動(dòng)模型，并對(duì)每個(gè)模型的狀態(tài)估計(jì)按一定的概率加權(quán)來(lái)實(shí)現(xiàn)對(duì)機(jī)動(dòng)目標(biāo)的跟蹤。采用多模型交互的跟蹤方法，可大大增加估計(jì)的準(zhǔn)確度，減少估計(jì)誤差。另一方面，雷達(dá)/紅外異質(zhì)傳感器信息融合應(yīng)用于目標(biāo)跟蹤，也是雷達(dá)系統(tǒng)一個(gè)重要的應(yīng)用方向。其相比于單傳感器，具有明顯的優(yōu)勢(shì)(1)雷達(dá)是主動(dòng)傳感器，易受電磁干擾，當(dāng)目標(biāo)采取隱身措施或者播撒箔條屏障時(shí)，對(duì)目標(biāo)的探測(cè)精度較低，而紅外是被動(dòng)傳感器，不易受電子干擾的影響，兩者結(jié)合可以提高抗干擾性；(2)雷達(dá)測(cè)距精度較高，測(cè)角精度較低，而紅外測(cè)角精度較高，兩者結(jié)合，可以有效提高跟蹤精度。具有這些優(yōu)勢(shì)的同時(shí)，雷達(dá)/紅外異質(zhì)傳感器用于目標(biāo)跟蹤也具有一定的困難性(1)紅外傳感器是角度量測(cè)，容易使得量測(cè)模型出現(xiàn)強(qiáng)非線性，因此需要使用新的適合雷達(dá)/紅外傳感器機(jī)動(dòng)目標(biāo)跟蹤系統(tǒng)的非線性濾波方法；(2)空中目標(biāo)運(yùn)動(dòng)存在機(jī)動(dòng)性，因此在跟蹤中需要使用目標(biāo)跟蹤方法。因此，在實(shí)際雷達(dá)/紅外傳感器機(jī)動(dòng)目標(biāo)跟蹤系統(tǒng)中，出于實(shí)時(shí)性的要求，MM中各濾波器的濾波方法不能計(jì)算太復(fù)雜；出于跟蹤精度的要求，各濾波器的濾波方法估計(jì)精度不能太低。用于雷達(dá)/紅外傳感器機(jī)動(dòng)目標(biāo)跟蹤系統(tǒng)的傳統(tǒng)的計(jì)算簡(jiǎn)單的濾波方法是擴(kuò)展卡爾曼濾波方法(EKF)，但是EKF存在模型線性化誤差，當(dāng)角度量測(cè)接近90度時(shí)，角度量測(cè)模型會(huì)出現(xiàn)很強(qiáng)的非線性，容易導(dǎo)致濾波發(fā)散，大大降低跟蹤精度。由于雷達(dá)/紅外傳感器機(jī)動(dòng)目標(biāo)跟蹤系統(tǒng)一般是混合坐標(biāo)系濾波，因此另一種方法是將雷達(dá)和紅外的量測(cè)值轉(zhuǎn)換到直角坐標(biāo)系進(jìn)行同一坐標(biāo)系濾波，即轉(zhuǎn)換量測(cè)濾波(CMF)，但是該方法的難點(diǎn)是如何精確計(jì)算轉(zhuǎn)換量測(cè)誤差的協(xié)方差。
發(fā)明內(nèi)容本發(fā)明的目的在于提供一種基于雷達(dá)/紅外量測(cè)數(shù)據(jù)坐標(biāo)轉(zhuǎn)換的目標(biāo)跟蹤方法，發(fā)明了一種將雷達(dá)傳感器(R)和紅外傳感器(IR)的量測(cè)數(shù)據(jù)轉(zhuǎn)換到直角坐標(biāo)系進(jìn)行同一坐標(biāo)系濾波的方法(R/IRCMF)，并結(jié)合用于機(jī)動(dòng)目標(biāo)跟蹤的I醒方法，形成了一種基于雷達(dá)/紅外量測(cè)數(shù)據(jù)坐標(biāo)轉(zhuǎn)換的目標(biāo)跟蹤方法，即R/IRCMF-MM目標(biāo)跟蹤方法。該方法由于不需要進(jìn)行量測(cè)模型的線性化處理，受角度量測(cè)的影響很小。因此，該目標(biāo)跟蹤方法沒(méi)有模型線性化誤差，對(duì)目標(biāo)的跟蹤精度較高。此外，該方法計(jì)算量與EKF相當(dāng)，故實(shí)時(shí)性較好。本發(fā)明方法是基于仿真原型系統(tǒng)，該系統(tǒng)具有人機(jī)交互接口模塊、雷達(dá)紅外數(shù)據(jù)接口模塊、數(shù)據(jù)量測(cè)轉(zhuǎn)換模塊、交互多模目標(biāo)跟蹤模塊、目標(biāo)狀態(tài)估計(jì)輸出模塊等五個(gè)功能模塊。其中，人機(jī)交互接口模塊完成多模型的選擇與相關(guān)參數(shù)設(shè)定；雷達(dá)紅外數(shù)據(jù)接口模塊主要完成對(duì)雷達(dá)傳感器和紅外傳感器量測(cè)數(shù)據(jù)值的接收；數(shù)據(jù)量測(cè)轉(zhuǎn)換模塊主要完成雷達(dá)傳感器和紅外傳感器的量測(cè)值從極坐標(biāo)系到直角坐標(biāo)系的轉(zhuǎn)換，并得到轉(zhuǎn)換量測(cè)的誤差協(xié)方差；交互多模目標(biāo)跟蹤模塊主要完成對(duì)機(jī)動(dòng)目標(biāo)的跟蹤；目標(biāo)狀態(tài)估計(jì)輸出模塊主要完成對(duì)跟蹤目標(biāo)位置及狀態(tài)估計(jì)值的輸出。本發(fā)明所涉及的方法流程包括以下步驟(1)獲得初始數(shù)據(jù)及相關(guān)初始化操作；(2)計(jì)算目標(biāo)的轉(zhuǎn)移概率權(quán)值；(3)計(jì)算各濾波器輸入值；(4)更新各模型目標(biāo)狀態(tài)；(5)更新模型概率；(6)輸出各組合濾波器值；(7)重復(fù)步驟(2)(6)，實(shí)現(xiàn)對(duì)機(jī)動(dòng)目標(biāo)的連續(xù)跟蹤。下面對(duì)該方法流程各步驟進(jìn)行詳細(xì)說(shuō)明，假設(shè)模型個(gè)數(shù)為r個(gè)，R/IRCMF-I固目標(biāo)跟蹤方法詳細(xì)步驟描述如下步驟一獲得數(shù)據(jù)及相關(guān)初始化操作通過(guò)雷達(dá)紅外數(shù)據(jù)接口模塊獲得雷達(dá)傳感器和紅外傳感器的量測(cè)數(shù)據(jù)，并將其用于數(shù)據(jù)量測(cè)轉(zhuǎn)換模塊和交互多模目標(biāo)跟蹤模塊，通過(guò)人機(jī)交互接口模塊對(duì)多模型進(jìn)行選擇與相關(guān)參數(shù)設(shè)定。步驟二計(jì)算目標(biāo)的轉(zhuǎn)移概率權(quán)值在交互多模目標(biāo)跟蹤模塊中，可通過(guò)計(jì)算公式(1)得到目標(biāo)的轉(zhuǎn)移概率權(quán)值("1)=-1)/^("1),"=1,…，"(1)其中，i)為zt-i時(shí)刻目標(biāo)處于模型/的概率，^為模型/轉(zhuǎn)換到y(tǒng)'的概率，Got-i)為歸一化常數(shù)，其值可通過(guò)計(jì)算公式(2)得到5("1)=^>,,("),7=1,…,r(2)步驟三計(jì)算各濾波器輸入值在交互多模目標(biāo)跟蹤模塊中，可通過(guò)計(jì)算公式(3)、公式(4)得到各濾波器的輸入值-1)=力("1力"1)，7=1,".，,(3)p;("i)^"々("i)[p,(卜i)+:^("i)爭(zhēng)-i)],y=i".,,r(4)其中，x為狀態(tài)向量，i為狀態(tài)向量的估計(jì)向量，且^(n)-義,ot-i)-《(/t-i)。步驟四更新各模型目標(biāo)狀態(tài)在交互多模目標(biāo)跟蹤模塊中，可通過(guò)計(jì)算公式(59)對(duì)輸入進(jìn)行濾波X(WA-1)=FX(A:_1)(5)P(/fc|A-l)=FP(A:-1)FT+《GGT(6)K("=P,-1)HT[HP(/tI/t_1)HT+1(7)紐)=X(/tI"1)+K(;fc)[Z(;t)-H紐|"l)](8)P(/t)=P,-l)-K("HP,-l)(9)其中，F(xiàn)為狀態(tài)轉(zhuǎn)移方程，《為協(xié)方差，G為噪聲增益，濾波后輸出{^(*)}^和^(半》;=1。ROt)為觀測(cè)協(xié)方差矩陣，在數(shù)據(jù)量測(cè)轉(zhuǎn)換模塊中，可通過(guò)計(jì)算公式(10)得到其中，《,《,《,《可由雷達(dá)和紅外的量測(cè)精度計(jì)算得到。C=(MTM)—'MT算公式(11)得到而M可通過(guò)計(jì)M=sin2(9。i。cos^sin<9fisin2《|"/|sin^cos《0cos《sin《"乃lsin^sin《cos(11)其中，A=U+Cy-h)2+h)2，《,=U+("")2+(")2算公式(12)得到而x，y，z可通過(guò)計(jì)A=arccos《=arccos%=arcsin-■X—xftn,)2+("力)2(12)其中，&，力，&，，《，《，外可由雷達(dá)紅外數(shù)據(jù)接口模塊得到。步驟五更新模型概率在交互多模目標(biāo)跟蹤模塊中，可通過(guò)計(jì)算公式(13)得到新的模型概率:，=八#拳-1)/C,/=l,.."r其中，似然函數(shù)值可通過(guò)計(jì)算公式(14)得到A)=W[Z(";峰Il)]，S快P;(")]],/=(13)(14)而歸一化常數(shù)可通過(guò)計(jì)算公式(15)得到:ocoooboo2-^-oo2&oo,oooc一lRc=lX("，-0(15)步驟六輸出各組合濾波器值在目標(biāo)狀態(tài)估計(jì)輸出模塊中，可通過(guò)計(jì)算公式(16)、公式(17)得到各濾波器的輸出值-細(xì)=力*(16)PW=t")W(P,("+[t("-細(xì))].("-紐)了)(17)步驟七重復(fù)步驟五步驟六，實(shí)現(xiàn)對(duì)機(jī)動(dòng)目標(biāo)的連續(xù)跟蹤。本發(fā)明是一種基于雷達(dá)/紅外量測(cè)數(shù)據(jù)坐標(biāo)轉(zhuǎn)換的目標(biāo)跟蹤方法，其優(yōu)點(diǎn)在于不需要對(duì)角度量測(cè)模型進(jìn)行線性化處理，沒(méi)有模型線性化誤差，用于雷達(dá)/紅外傳感器機(jī)動(dòng)目標(biāo)跟蹤系統(tǒng)中，實(shí)時(shí)性較好，跟蹤精度較高。圖l所示為本發(fā)明R/IRCMF-I顧目標(biāo)跟蹤方法流程圖圖2所示為本發(fā)明CMF方法具體實(shí)現(xiàn)流程圖圖3所示為本發(fā)明基于CMF的I麗方法具體實(shí)現(xiàn)流程圖具體實(shí)施例方式下面結(jié)合附圖與實(shí)施例進(jìn)一步說(shuō)明本發(fā)明的應(yīng)用方法?；诒景l(fā)明開(kāi)發(fā)了仿真原型系統(tǒng)，該系統(tǒng)包括人機(jī)交互接口模塊、雷達(dá)紅外數(shù)據(jù)接口模塊、數(shù)據(jù)量測(cè)轉(zhuǎn)換模塊、交互多模目標(biāo)跟蹤模塊、目標(biāo)狀態(tài)估計(jì)輸出模塊等五個(gè)功能模塊。第一，通過(guò)人機(jī)交互接口模塊對(duì)多模型進(jìn)行選擇與相關(guān)參數(shù)設(shè)定，本實(shí)施例選擇如下兩個(gè)目標(biāo)運(yùn)動(dòng)模型(r-2):(1)勻速運(yùn)動(dòng)模型，該目標(biāo)狀態(tài)包含3個(gè)坐標(biāo)系上的位置和速度。狀態(tài)轉(zhuǎn)移矩陣F，噪聲增益矩陣G和量測(cè)矩陣H定義為<formula>formulaseeoriginaldocumentpage9</formula>其過(guò)程噪聲的強(qiáng)度為7.5。(2)勻加速運(yùn)動(dòng)模型，該目標(biāo)狀態(tài)包含3個(gè)坐標(biāo)系上的位置，速度和加速度。狀態(tài)轉(zhuǎn)移矩陣F，噪聲增益矩陣G和量測(cè)矩陣H定義為<formula>formulaseeoriginaldocumentpage10</formula>其過(guò)程噪聲強(qiáng)度為IO。兩個(gè)模型的初始化概率為A(l)-0.9，//2(1)=0.1，模型轉(zhuǎn)移概率矩陣為:<formula>formulaseeoriginaldocumentpage10</formula>第二，通過(guò)雷達(dá)紅外數(shù)據(jù)接口模塊接收雷達(dá)傳感器和紅外傳感器量測(cè)的數(shù)據(jù)值，本實(shí)施例接收到的傳感器仿真量測(cè)值分別是雷達(dá)傳感器定位在(0,0,0)，距離噪聲是零均值的高斯白噪聲，標(biāo)準(zhǔn)差為20m，方位角噪聲是零均值的高斯白噪聲，標(biāo)準(zhǔn)差為7mrad。紅外傳感器定位在(20000,0,0)，方位角和俯仰角的噪聲都是零均值的高斯白噪聲，標(biāo)準(zhǔn)差都是2mrad。第三，通過(guò)數(shù)據(jù)量測(cè)轉(zhuǎn)換模塊得到轉(zhuǎn)換量測(cè)的誤差協(xié)方差，即對(duì)實(shí)施例通過(guò)計(jì)算公式(IO)得到轉(zhuǎn)換量測(cè)的誤差協(xié)方差<formula>formulaseeoriginaldocumentpage10</formula>(10)其中，《，《,《，《可由雷達(dá)紅外數(shù)據(jù)接口模塊得到。C=(MTM)—'MT，而M可通過(guò)計(jì)算公式(11)得到<formula>formulaseeoriginaldocumentpage10</formula>(11)其中，&=V0c-;O2+(y-;O2+(z-^)2，/,=v(n,)2+("X)2+(z-J，而X，y，Z可通過(guò)計(jì)算公式(12)得到n)2+(y-7w)2+(z一z)2<9K=arccos《=arccos'=arcsin-z—^(12)其中，A，A,&，4，&，e,，外可由第二步中傳感器仿真量測(cè)值得到。第四，通過(guò)交互多模目標(biāo)跟蹤模塊對(duì)機(jī)動(dòng)目標(biāo)進(jìn)行跟蹤，即對(duì)實(shí)施例依次進(jìn)行如下處理:(i)通過(guò)計(jì)算公式(1)得到目標(biāo)的轉(zhuǎn)移概率權(quán)值；(")=W-1)/^("1),'',/=1，…，"(ii)通過(guò)計(jì)算公式(3)、公式(4)得到各濾波器輸入值；g(卜1)=力——1),/=1,…,rp;w,lx("i)[e("i)+^("i)爭(zhēng)-1)]，y=w(iii)通過(guò)計(jì)算公式(59)得到各模型目標(biāo)狀態(tài)的更新值；P(fcIA;-1)=FP(/i:-1)FT+grGGTK("=P(AIA_1)HT「HP(AI&-1)HT+R(AX(W=X,-1)+K(A)LZ(A)-HX(A:I/t-1)P(W=P(/tI/fc-1)-K,P(;tI"1)(iv)通過(guò)計(jì)算公式(12)得到模型的更新概率",A/A:)A("1)/C,X…,r第五，通過(guò)目標(biāo)狀態(tài)估計(jì)輸出模塊得到對(duì)跟蹤目標(biāo)位置及狀態(tài)的估計(jì)值，過(guò)計(jì)計(jì)算公式(15)、公式(16)得到各濾波器的輸出值紐)(1)(3)(4)(5)(6)(7)(8)(9)(13)即對(duì)實(shí)施例通(16)P(W=實(shí)",(P,(A)+[夂—紐)](A)_每)了)(17)此后，經(jīng)過(guò)一段時(shí)間對(duì)機(jī)動(dòng)目標(biāo)的連續(xù)跟蹤，便可得到機(jī)動(dòng)目標(biāo)各時(shí)刻狀態(tài)的估計(jì)值及其運(yùn)動(dòng)軌跡。本發(fā)明方法經(jīng)過(guò)仿真系統(tǒng)的具體實(shí)施，其計(jì)算簡(jiǎn)單，用于雷達(dá)/紅外傳感器機(jī)動(dòng)目標(biāo)跟蹤系統(tǒng)中，實(shí)時(shí)性較好，跟蹤精度較高。權(quán)利要求1、一種基于雷達(dá)/紅外量測(cè)數(shù)據(jù)坐標(biāo)轉(zhuǎn)換的目標(biāo)跟蹤方法，該方法是基于仿真原型系統(tǒng)，該系統(tǒng)具有人機(jī)交互接口模塊、雷達(dá)紅外數(shù)據(jù)接口模塊、數(shù)據(jù)量測(cè)轉(zhuǎn)換模塊、交互多模目標(biāo)跟蹤模塊、目標(biāo)狀態(tài)估計(jì)輸出模塊等五個(gè)功能模塊，該方法包括如下步驟步驟一獲得數(shù)據(jù)及相關(guān)初始化操作通過(guò)雷達(dá)紅外數(shù)據(jù)接口模塊獲得雷達(dá)傳感器和紅外傳感器的量測(cè)數(shù)據(jù)，并將其用于數(shù)據(jù)量測(cè)轉(zhuǎn)換模塊和交互多模目標(biāo)跟蹤模塊，通過(guò)人機(jī)交互接口模塊對(duì)多模型進(jìn)行選擇與相關(guān)參數(shù)設(shè)定；步驟二計(jì)算目標(biāo)的轉(zhuǎn)移概率權(quán)值在交互多模目標(biāo)跟蹤模塊中，可通過(guò)計(jì)算公式(1)得到目標(biāo)的轉(zhuǎn)移概率權(quán)值uij(k-1)＝ρijui(k-1)/<overscore>C</overscore>j(k-1)，i，j＝1，...，r(1)其中，ui(k-1)為k-1時(shí)刻目標(biāo)處于模型i的概率，ρij為模型i轉(zhuǎn)換到j(luò)的概率，<overscore>C</overscore>j(k-1)為歸一化常數(shù)，其值可通過(guò)計(jì)算公式(2)得到<mathsid="math0001"num="0001"><math><![CDATA[<mrow><msub><mover><mi>C</mi><mo>‾</mo></mover><mi>j</mi></msub><mrow><mo>(</mo><mi>k</mi><mo>-</mo><mn>1</mn><mo>)</mo></mrow><mo>=</mo><munderover><mi>Σ</mi><mrow><mi>i</mi><mo>=</mo><mn>1</mn></mrow><mi>r</mi></munderover><msub><mi>p</mi><mi>ij</mi></msub><msub><mi>u</mi><mi>i</mi></msub><mrow><mo>(</mo><mi>k</mi><mo>-</mo><mn>1</mn><mo>)</mo></mrow><mo>,</mo></mrow>]]></math>id="icf0001"file="A2009100935160002C1.tif"wi="41"he="9"top="133"left="64"img-content="drawing"img-format="tif"orientation="portrait"inline="yes"/></maths>j＝1，...，r；(2)步驟三計(jì)算各濾波器輸入值在交互多模目標(biāo)跟蹤模塊中，可通過(guò)計(jì)算公式(3)、公式(4)得到各濾波器的輸入值<mathsid="math0002"num="0002"><math><![CDATA[<mrow><msubsup><mover><mi>X</mi><mo>^</mo></mover><mi>j</mi><mn>0</mn></msubsup><mrow><mo>(</mo><mi>k</mi><mo>-</mo><mn>1</mn><mo>)</mo></mrow><mo>=</mo><munderover><mi>Σ</mi><mrow><mi>i</mi><mo>=</mo><mn>1</mn></mrow><mi>r</mi></munderover><msub><mi>u</mi><mi>ij</mi></msub><mrow><mo>(</mo><mi>k</mi><mo>-</mo><mn>1</mn><mo>)</mo></mrow><msub><mover><mi>X</mi><mo>^</mo></mover><mi>i</mi></msub><mrow><mo>(</mo><mi>k</mi><mo>-</mo><mn>1</mn><mo>)</mo></mrow><mo>,</mo></mrow>]]></math>id="icf0002"file="A2009100935160002C2.tif"wi="52"he="9"top="168"left="60"img-content="drawing"img-format="tif"orientation="portrait"inline="yes"/></maths>j＝1，...，r(3)<mathsid="math0003"num="0003"><math><![CDATA[<mrow><msubsup><mi>P</mi><mi>j</mi><mn>0</mn></msubsup><mrow><mo>(</mo><mi>k</mi><mo>-</mo><mn>1</mn><mo>)</mo></mrow><mo>=</mo><munderover><mi>Σ</mi><mrow><mi>i</mi><mo>=</mo><mn>1</mn></mrow><mi>r</mi></munderover><msub><mi>u</mi><mi>ij</mi></msub><mrow><mo>(</mo><mi>k</mi><mo>-</mo><mn>1</mn><mo>)</mo></mrow><mo>[</mo><msub><mi>P</mi><mi>i</mi></msub><mrow><mo>(</mo><mi>k</mi><mo>-</mo><mn>1</mn><mo>)</mo></mrow><mo>+</mo><msub><mover><mi>X</mi><mo>~</mo></mover><mi>ij</mi></msub><mrow><mo>(</mo><mi>k</mi><mo>-</mo><mn>1</mn><mo>)</mo></mrow><mo>·</mo><msubsup><mover><mi>X</mi><mo>~</mo></mover><mi>ij</mi><mi>T</mi></msubsup><mrow><mo>(</mo><mi>k</mi><mo>-</mo><mn>1</mn><mo>)</mo></mrow><mo>]</mo><mo>,</mo></mrow>]]></math>id="icf0003"file="A2009100935160002C3.tif"wi="88"he="8"top="182"left="43"img-content="drawing"img-format="tif"orientation="portrait"inline="yes"/></maths>j＝1，...，r(4)其中，x為狀態(tài)向量，id="icf0004"file="A2009100935160002C4.tif"wi="2"he="3"top="198"left="62"img-content="drawing"img-format="tif"orientation="portrait"inline="yes"/>為狀態(tài)向量的估計(jì)向量，且id="icf0005"file="A2009100935160002C5.tif"wi="47"he="4"top="198"left="116"img-content="drawing"img-format="tif"orientation="portrait"inline="yes"/>步驟四更新各模型目標(biāo)狀態(tài)在交互多模目標(biāo)跟蹤模塊中，可通過(guò)計(jì)算公式(5～9)對(duì)輸入進(jìn)行濾波<mathsid="math0004"num="0004"><math><![CDATA[<mrow><mover><mi>X</mi><mo>^</mo></mover><mrow><mo>(</mo><mi>k</mi><mo>|</mo><mi>k</mi><mo>-</mo><mn>1</mn><mo>)</mo></mrow><mo>=</mo><mi>F</mi><mover><mi>X</mi><mo>^</mo></mover><mrow><mo>(</mo><mi>k</mi><mo>-</mo><mn>1</mn><mo>)</mo></mrow><mo>-</mo><mo>-</mo><mo>-</mo><mrow><mo>(</mo><mn>5</mn><mo>)</mo></mrow></mrow>]]></math></maths>P(k|k-1)＝FP(k-1)FT+qGGT(6)K(k)＝P(k|k-1)HT[HP(k|k-1)HT+R(k)]-1(7)<mathsid="math0005"num="0005"><math><![CDATA[<mrow><mover><mi>X</mi><mo>^</mo></mover><mrow><mo>(</mo><mi>k</mi><mo>)</mo></mrow><mo>=</mo><mover><mi>X</mi><mo>^</mo></mover><mrow><mo>(</mo><mi>k</mi><mo>|</mo><mi>k</mi><mo>-</mo><mn>1</mn><mo>)</mo></mrow><mo>+</mo><mi>K</mi><mrow><mo>(</mo><mi>k</mi><mo>)</mo></mrow><mo>[</mo><mi>Z</mi><mrow><mo>(</mo><mi>k</mi><mo>)</mo></mrow><mo>-</mo><mi>H</mi><mover><mi>X</mi><mo>^</mo></mover><mrow><mo>(</mo><mi>k</mi><mo>|</mo><mi>k</mi><mo>-</mo><mn>1</mn><mo>)</mo></mrow><mo>]</mo><mo>-</mo><mo>-</mo><mo>-</mo><mrow><mo>(</mo><mn>8</mn><mo>)</mo></mrow></mrow>]]></math></maths>P(k)＝P(k|k-1)-K(k)HP(k|k-1)(9)其中，F(xiàn)為狀態(tài)轉(zhuǎn)移方程，q為協(xié)方差，G為噪聲增益，濾波后輸出id="icf0008"file="A2009100935160003C2.tif"wi="21"he="5"top="53"left="139"img-content="drawing"img-format="tif"orientation="portrait"inline="yes"/>和{Pj(k|k)}j＝1r。R(k)為觀測(cè)協(xié)方差矩陣，在數(shù)據(jù)量測(cè)轉(zhuǎn)換模塊中，可通過(guò)計(jì)算公式(10)得到<mathsid="math0006"num="0006"><math><![CDATA[<mrow><mi>R</mi><mrow><mo>(</mo><mi>k</mi><mo>)</mo></mrow><mo>=</mo><mi>C</mi><mo>·</mo><mfencedopen='['close=']'><mtable><mtr><mtd><msubsup><mi>σ</mi><msub><mi>r</mi><mi>R</mi></msub><mn>2</mn></msubsup></mtd><mtd><mn>0</mn></mtd><mtd><mn>0</mn></mtd><mtd><mn>0</mn></mtd></mtr><mtr><mtd><mn>0</mn></mtd><mtd><msubsup><mi>σ</mi><msub><mi>θ</mi><mi>R</mi></msub><mn>2</mn></msubsup></mtd><mtd><mn>0</mn></mtd><mtd><mn>0</mn></mtd></mtr><mtr><mtd><mn>0</mn></mtd><mtd><mn>0</mn></mtd><mtd><msubsup><mi>σ</mi><msub><mi>θ</mi><mi>I</mi></msub><mn>2</mn></msubsup></mtd><mtd><mn>0</mn></mtd></mtr><mtr><mtd><mn>0</mn></mtd><mtd><mn>0</mn></mtd><mtd><mn>0</mn></mtd><mtd><msubsup><mi>σ</mi><msub><mi>φ</mi><mi>I</mi></msub><mn>2</mn></msubsup></mtd></mtr></mtable></mfenced><mo>·</mo><msup><mi>C</mi><mi>T</mi></msup><mo>-</mo><mo>-</mo><mo>-</mo><mrow><mo>(</mo><mn>10</mn><mo>)</mo></mrow></mrow>]]></math></maths>其中，id="icf0010"file="A2009100935160003C4.tif"wi="22"he="5"top="107"left="32"img-content="drawing"img-format="tif"orientation="portrait"inline="yes"/>由雷達(dá)和紅外的量測(cè)精度計(jì)算得到，C＝(MTM)-1MT，而M可通過(guò)計(jì)算公式(11)得到其中，id="icf0012"file="A2009100935160003C6.tif"wi="57"he="6"top="184"left="31"img-content="drawing"img-format="tif"orientation="portrait"inline="yes"/>id="icf0013"file="A2009100935160003C7.tif"wi="56"he="6"top="184"left="92"img-content="drawing"img-format="tif"orientation="portrait"inline="yes"/>而x，y，z可通過(guò)計(jì)算公式(12)得到其中，xR，yR，zR，rR，θR，θI，id="icf0015"file="A2009100935160003C9.tif"wi="2"he="2"top="258"left="83"img-content="drawing"img-format="tif"orientation="portrait"inline="yes"/>可由雷達(dá)紅外數(shù)據(jù)接口模塊得到；步驟五更新模型概率在交互多模目標(biāo)跟蹤模塊中，可通過(guò)計(jì)算公式(12)得到新的模型概率uj(k)＝Λj(k)<overscore>C</overscore>j(k-1)/C，j＝1，...，r(13)其中，似然函數(shù)值可通過(guò)計(jì)算公式(13)得到<mathsid="math0007"num="0007"><math><![CDATA[<mrow><msub><mi>Λ</mi><mi>j</mi></msub><mrow><mo>(</mo><mi>k</mi><mo>)</mo></mrow><mo>=</mo><mi>N</mi><mo>[</mo><mi>Z</mi><mrow><mo>(</mo><mi>k</mi><mo>)</mo></mrow><msup><mover><mi>Z</mi><mo>^</mo></mover><mi>j</mi></msup><mo>[</mo><mi>k</mi><mo>|</mo><mi>k</mi><mo>-</mo><mn>1</mn><mo>;</mo><msubsup><mover><mi>X</mi><mo>^</mo></mover><mi>j</mi><mn>0</mn></msubsup><mrow><mo>(</mo><mi>k</mi><mo>-</mo><mn>1</mn><mo>)</mo></mrow><mo>]</mo><mo>,</mo><msup><mi>S</mi><mi>j</mi></msup><mo>[</mo><mi>k</mi><mo>;</mo><msubsup><mi>P</mi><mi>j</mi><mn>0</mn></msubsup><mrow><mo>(</mo><mi>k</mi><mo>-</mo><mn>1</mn><mo>)</mo></mrow><mo>]</mo><mo>]</mo><mo>,</mo></mrow>]]></math>id="icf0016"file="A2009100935160004C1.tif"wi="85"he="6"top="64"left="41"img-content="drawing"img-format="tif"orientation="portrait"inline="yes"/></maths>j＝1，...，r(14)而歸一化常數(shù)可通過(guò)計(jì)算公式(14)得到<mathsid="math0008"num="0008"><math><![CDATA[<mrow><mi>C</mi><mo>=</mo><munderover><mi>Σ</mi><mrow><mi>j</mi><mo>=</mo><mn>1</mn></mrow><mi>r</mi></munderover><msub><mi>Λ</mi><mi>j</mi></msub><mrow><mo>(</mo><mi>k</mi><mo>)</mo></mrow><msub><mover><mi>C</mi><mo>‾</mo></mover><mi>j</mi></msub><mrow><mo>(</mo><mi>k</mi><mo>-</mo><mn>1</mn><mo>)</mo></mrow><mo>;</mo><mo>-</mo><mo>-</mo><mo>-</mo><mrow><mo>(</mo><mn>15</mn><mo>)</mo></mrow></mrow>]]></math></maths>步驟六輸出各組合濾波器值在目標(biāo)狀態(tài)估計(jì)輸出模塊中，可通過(guò)計(jì)算公式(15)、公式(16)得到各濾波器的輸出值<mathsid="math0009"num="0009"><math><![CDATA[<mrow><mover><mi>X</mi><mo>^</mo></mover><mrow><mo>(</mo><mi>k</mi><mo>)</mo></mrow><mo>=</mo><munderover><mi>Σ</mi><mrow><mi>j</mi><mo>=</mo><mn>1</mn></mrow><mi>r</mi></munderover><msub><mover><mi>X</mi><mo>^</mo></mover><mi>j</mi></msub><mrow><mo>(</mo><mi>k</mi><mo>)</mo></mrow><msub><mi>u</mi><mi>j</mi></msub><mrow><mo>(</mo><mi>k</mi><mo>)</mo></mrow><mo>-</mo><mo>-</mo><mo>-</mo><mrow><mo>(</mo><mn>16</mn><mo>)</mo></mrow></mrow>]]></math></maths><mathsid="math0010"num="0010"><math><![CDATA[<mrow><mi>P</mi><mrow><mo>(</mo><mi>k</mi><mo>)</mo></mrow><mo>=</mo><munderover><mi>Σ</mi><mrow><mi>j</mi><mo>=</mo><mn>1</mn></mrow><mi>r</mi></munderover><msub><mi>u</mi><mi>j</mi></msub><mrow><mo>(</mo><mi>k</mi><mo>)</mo></mrow><mrow><mo>(</mo><msub><mi>P</mi><mi>j</mi></msub><mrow><mo>(</mo><mi>k</mi><mo>)</mo></mrow><mo>+</mo><mo>[</mo><msub><mover><mi>X</mi><mo>^</mo></mover><mi>j</mi></msub><mrow><mo>(</mo><mi>k</mi><mo>)</mo></mrow><mo>-</mo><mover><mi>X</mi><mo>^</mo></mover><mrow><mo>(</mo><mi>k</mi><mo>)</mo></mrow><mo>]</mo><mo>·</mo><msup><mrow><mo>[</mo><msub><mover><mi>X</mi><mo>^</mo></mover><mi>j</mi></msub><mrow><mo>(</mo><mi>k</mi><mo>)</mo></mrow><mo>-</mo><mover><mi>X</mi><mo>^</mo></mover><mrow><mo>(</mo><mi>k</mi><mo>)</mo></mrow><mo>]</mo></mrow><mi>T</mi></msup><mo>)</mo></mrow><mo>;</mo><mo>-</mo><mo>-</mo><mo>-</mo><mrow><mo>(</mo><mn>17</mn><mo>)</mo></mrow></mrow>]]></math></maths>步驟七重復(fù)步驟二～步驟六，實(shí)現(xiàn)對(duì)機(jī)動(dòng)目標(biāo)的連續(xù)跟蹤。全文摘要本發(fā)明涉及一種基于雷達(dá)/紅外量測(cè)數(shù)據(jù)坐標(biāo)轉(zhuǎn)換的目標(biāo)跟蹤方法，即通過(guò)對(duì)雷達(dá)傳感器和紅外傳感器量測(cè)數(shù)據(jù)坐標(biāo)系的轉(zhuǎn)換，并結(jié)合目標(biāo)跟蹤的交互多模方法形成的一種目標(biāo)跟蹤方法。首先，通過(guò)人機(jī)交互接口模塊對(duì)多模型進(jìn)行選擇與相關(guān)參數(shù)設(shè)定；其次，通過(guò)雷達(dá)紅外數(shù)據(jù)接口模塊接收雷達(dá)傳感器和紅外傳感器量測(cè)的數(shù)據(jù)值；第三，通過(guò)數(shù)據(jù)量測(cè)轉(zhuǎn)換模塊得到轉(zhuǎn)換量測(cè)的誤差協(xié)方差；第四，通過(guò)交互多模目標(biāo)跟蹤模塊對(duì)機(jī)動(dòng)目標(biāo)進(jìn)行跟蹤；第五，通過(guò)目標(biāo)狀態(tài)估計(jì)輸出模塊得到對(duì)跟蹤目標(biāo)位置及狀態(tài)的估計(jì)值。該方法計(jì)算簡(jiǎn)單，不需要對(duì)角度量測(cè)模型進(jìn)行線性化處理，沒(méi)有模型線性化誤差，用于雷達(dá)/紅外傳感器機(jī)動(dòng)目標(biāo)跟蹤系統(tǒng)中，實(shí)時(shí)性較好，跟蹤精度較高。文檔編號(hào)G01S13/66GK101661104SQ20091009351公開(kāi)日2010年3月3日申請(qǐng)日期2009年9月24日優(yōu)先權(quán)日2009年9月24日發(fā)明者傅重陽(yáng),尹繼豪,崔炳喆,王一飛,王義松申請(qǐng)人:北京航空航天大學(xué)