基于雷达/红外量测数据坐标转换的目标跟踪方法

摘要

本发明涉及一种基于雷达/红外量测数据坐标转换的目标跟踪方法，即通过对雷达传感器和红外传感器量测数据坐标系的转换，并结合目标跟踪的交互多模方法形成的一种目标跟踪方法。首先，通过人机交互接口模块对多模型进行选择与相关参数设定；其次，通过雷达红外数据接口模块接收雷达传感器和红外传感器量测的数据值；第三，通过数据量测转换模块得到转换量测的误差协方差；第四，通过交互多模目标跟踪模块对机动目标进行跟踪；第五，通过目标状态估计输出模块得到对跟踪目标位置及状态的估计值。该方法计算简单，不需要对角度量测模型进行线性化处理，没有模型线性化误差，用于雷达/红外传感器机动目标跟踪系统中，实时性较好，跟踪精度较高。

主权项

1.一种基于雷达/红外量测数据坐标转换的目标跟踪方法，该方法是基于仿真原型系统，该系统具有人机交互接口模块、雷达红外数据接口模块、数据量测转换模块、交互多模目标跟踪模块、目标状态估计输出模块等五个功能模块，假设模型个数为r个；该方法包括如下步骤：步骤一获得数据及相关初始化操作通过雷达红外数据接口模块获得雷达传感器和红外传感器的量测数据，并将其用于数据量测转换模块和交互多模目标跟踪模块，通过人机交互接口模块对多模型进行选择与相关参数设定；步骤二计算目标的转移概率权值在交互多模目标跟踪模块中，可通过计算公式(1)得到目标的转移概率权值：$u_{\mathrm{ij}}(k-1)={\rho }_{\mathrm{ij}}{u}_i(k-1)/{\bar{C}}_j(k-1),i,j=1,...,r---\left(1\right)$其中，u_i(k-1)为k-1时刻目标处于模型i的概率，ρ_ij为模型i转换到j的概率，为归一化常数，其值可通过计算公式(2)得到：${\bar{C}}_j(k-1)=\underset{i=1}{\overset{r}{\Sigma }}{\rho }_{\mathrm{ij}}{u}_i(k-1),j=1,...,r;---\left(2\right)$步骤三计算各滤波器输入值在交互多模目标跟踪模块中，可通过计算公式(3)、公式(4)得到各滤波器的输入值：${\hat{X}}_j^0(k-1)=\underset{i=1}{\overset{r}{\Sigma }}{u}_{\mathrm{ij}}(k-1){\hat{X}}_i(k-1),j=1,...,r---\left(3\right)$$P_j^0(k-1)=\underset{i=1}{\overset{r}{\Sigma }}{u}_{\mathrm{ij}}(k-1)[P_i(k-1)+{\hat{X}}_{\mathrm{ij}}(k-1)·{\tilde{X}}_{\mathrm{ij}}^T(k-1)],j=1,...,r---\left(4\right)$其中，X为状态向量，为估计向量的误差向量，且步骤四更新各模型目标状态在交互多模目标跟踪模块中，可通过计算公式(5～9)对输入进行滤波：$\hat{X}\left(k\right|k-1)=F\hat{X}(k-1)---\left(5\right)$P(k|k-1)＝FP(k-1)F^T+qGG^T            (6)K(k)＝P(k|k-1)H^T[HP(k|k-1)H^T+R(k)]^-1(7)$\hat{X}\left(k\right)=\hat{X}\left(k\right|k-1)+K\left(k\right)[Z\left(k\right)-H\hat{X}\left(k\right|(k-1))]---\left(8\right)$P(k)＝P(k|k-1)-K(k)HP(k|k-1)    (9)其中，F为状态转移方程，q为协方差，G为噪声增益，H为量测矩阵，滤波后输出和R(k)为观测协方差矩阵，在数据量测转换模块中，可通过计算公式(10)得到：$R\left(k\right)=C·\left[\begin{array}{cccc}{\sigma }_{R_R}^2& 0& 0& 0\\ 0& {\sigma }_{{\theta }_R}^2& 0& 0\\ 0& 0& {\sigma }_{{\theta }_I}^2& 0\\ 0& 0& 0& {\sigma }_{{\phi }_I}^2\end{array}\right]·C^T---\left(10\right)$其中，由雷达传感器和红外传感器的量测精度计算得到，C＝(M^TM)^-1M^T，而M可通过计算公式(11)得到：其中，$R_R=\sqrt{{(x-x_R)}^2+{(y-y_R)}^2+{(z-z_R)}^2},$$R_I=\sqrt{{(x-x_I)}^2+{(y-y_I)}^2+{(z-z_I)}^2},$而x，y，z可通过计算公式(12)得到：其中，x_R，y_R，z_R，R_R，θ_R，θ_I，可由雷达红外数据接口模块得到；步骤五更新模型概率在交互多模目标跟踪模块中，可通过计算公式(13)得到新的模型概率：$u_j\left(k\right)={\Lambda }_j\left(k\right)/{\bar{C}}_j(k-1)/C,j=1,...,r---\left(13\right)$其中，似然函数值可通过计算公式(14)得到：${\Lambda }_j\left(k\right)=N[Z\left(k\right);{\hat{Z}}^j[k|k-1;{\hat{X}}_j^0(k-1)],S^j[k;P_j^0(k-1)]],j=1,...,r---\left(14\right)$而归一化常数可通过计算公式(15)得到：$C=\underset{j=1}{\overset{r}{\Sigma }}{\Lambda }_j\left(k\right){\bar{C}}_j(k-1);---\left(15\right)$步骤六输出各滤波器值在目标状态估计输出模块中，可通过计算公式(16)、公式(17)得到各滤波器的输出值：$\hat{X}\left(k\right)=\underset{j=1}{\overset{r}{\Sigma }}{\hat{X}}_j\left(k\right)u_j\left(k\right)---\left(16\right)$$P\left(k\right)=\underset{j=1}{\overset{r}{\Sigma }}{u}_j\left(k\right)(P_j\left(k\right)+[{\hat{X}}_j\left(k\right)-\hat{X}\left(k\right)]·{[{\hat{X}}_j\left(k\right)-\hat{X}\left(k\right)]}^T);---\left(17\right)$步骤七重复步骤二～步骤六，实现对机动目标的连续跟踪。