[发明专利]基于伪测量的带反馈机动目标异步航迹融合算法

说明书

本发明公了一种基于伪测量的带反馈机动目标异步航迹融合算法，首先对模型集进行输入交互，按照模型概率及模型转移概率计算各个模型的滤波初值；然后，融合中心基于卡尔曼滤波算法计算一步预测值，获取到滤波周期内新的传感器量测信息后，按照时间轴顺序排列，向融合时刻进行递推，将传感器观测矩阵、噪声、模型预测等信息加入其中，执行异步航迹融合；之后，进行二次滤波计算模型输出，在融合中心进行输出交互得到融合中心估计值和估计误差矩阵，并反馈回到符合反馈条件的传感器。本发明通过引入带反馈的融合结构来提升算法的整体精度，使之在多传感器机动目标跟踪中取得更好的效果。

技术领域

本发明涉及多传感器探测系统中一种基于伪测量的带反馈机动目标异步航迹融合算法，涉及机动目标跟踪、异步航迹融合和信息反馈等领域。

背景技术

目标跟踪是指对来自目标的量测值进行处理，以便保持对目标现时状态的估计。在目前的技术条件下，可通过雷达、红外、可见光等多种探测手段获得量测信息，但由于传感器自身工艺、设计原理以及探测环境等客观影响，量测信息中往往包含大量的随机噪声，目标跟踪技术通过滤波器的先验模型信息消除随机噪声的影响，最终的目的是得到对于目标更精确的估计值。目前，目标跟踪技术已经广泛应用于军事领域，如飞行器的监视与调度、精确制导导弹打击目标、战场敌情监控等。

随着探测手段的多样化，现代探测环境下越发强调多传感器复合探测手段的重要性，单个传感器发挥作用有限，有其固定的探测范围与侧重点。鉴于此，多传感器探测系统受到广泛关注，并已被大量应用于目标探测、识别和跟踪等多个领域。多传感器系统是一个具有高复杂度和集成度的系统，复杂度主要来源于两个方面：量测信息的不确定性与目标运动的复杂性，复杂条件下的目标跟踪主要解决两个方面问题，也是多传感器跟踪技术的重点问题：其一，目标运动模型和观测模型的合理建立；其二是采用合适的跟踪算法。

在多传感器系统实现中，多速率是无法回避的问题。在实际运行的监测系统中，传感器间采样开始时间不一致且采样速率不同，此外，在一个多传感器系统中，可能会包含电磁、热、文本、音频、视频、射频、网络资源等多种异类数据。与同类数据相比，异类数据提供的信息具有更强的多样性和互补性，但同时也引发异步采样的处理问题。另一方面，即使是相同采样速率的同类多传感器系统，不同的通信信道延迟也会造成传感器提供给融合中心的是异步数据。由此可见，在处理航迹的估计融合问题时，传感器异步数据如何融合是无法回避的问题。

针对异步传感器数据如何融合的问题，已有研究工作有Willsky等人于1989年提出的多尺度估计方法，Hong等人通过小波变换方法将针对异步量测问题构建的高阶系统分解为低阶系统，使用量测信息对低阶系统进行更新之后逆变换得到融合结果，Cristi和Tummala等人将状态空间的模型推断信息分解到各个不同频率对应的新息中，通过并行处理解决时序问题。以上工作均对传感器间的频率比要求较高，很难应用于实际。

1991年，为了解决高采样速率的光学传感器与低采样速率的雷达数据间的融合问题，Blair等人基于最小二乘原理，在雷达观测数据到达后，结合光学数据解算出量测估计值。该方法为跟踪算法提供了通过融合手段计算出的“伪”量测，使用量测估计值取代了真实量测，伪测量方法初见雏形。Alouani和Rice研究了分布式情境下的相同问题，提出了含反馈的线性加权算法(linear weighted fusion，LWF)，该算法使用上一时刻融合中心航迹信息以及局部航迹信息，按照最小协方差准则得到最优融合算法。基于以上学者的工作，HuY等人在考虑航迹误差的互相关性伪测量方法基础上，设计融合算法使用融合时间间隔内的所有量测信息，进一步提高了融合精度，并且计算过程中只需要局部航迹信息，从而减少通信负担，取得了比较好的异步航迹融合效果。