[发明专利]基于雷达与循环神经网络补全红外融合的动目标跟踪方法

说明书

本发公开了一种基于雷达与循环神经网络补全红外融合的动目标跟踪方法。其方案为：对同一目标、多种不同运动状态航迹的雷达数据进行预处理；利用预处理后数据分别对构建的第一、第二循环神经网络模型进行训练，分别确定出雷达数据的属性与时间的拟合关系，及雷达数据属性之间回归关系，对用训练后的两个循环神经网络模型级联而成的新的循环神经网络进行测试，当测试的正确性满足要求时，用该网络补全完红外数据的距离信息，融合补全后的红外数据和雷达数据的距离、方位角、俯仰角这三种信息，并进行交互式扩展卡尔曼滤波处理，完成目标的跟踪。本发明避免了红外数据缺少距离信息的缺陷，提高了目标跟踪的正确率，可用于防空、导航和交通管制。

技术领域

本发明属于通信技术领域，特别涉及一种动目标跟踪方法，可用于防空、导航和交通管制。

背景技术

目标跟踪的基本概念是在50年代形成的，然而直至70年代初期，由于防空、导航和交通管制等航空航天领域的应用需要，目标跟踪理论才真正的引起人们的注意。之后，各种雷达、红外、声纳和激光等目标跟踪系统相继得到发展并且日渐完善。在军事和民用领域，实现可靠而精确的跟踪目标始终是目标跟踪系统设计的主要目的。为此，几十年来许多科学家和工程师一直致力于该项课题的研究。

所谓目标跟踪，就是为了维持对一个或多个目标当前状态的估计而对所接收到的传感器量测数据信息进行处理的过程。跟踪过程实质上是一个消除误差的处理过程，而误差主要来源于观测主体通过传感器观测到的客体运动状态与客体实际运动状态之间的噪声。目标跟踪是一个典型的不确定性问题，跟踪的不确定性主要来源于目标模型的不确定性、观测的不确定性及多目标密集回波环境造成的测量数据的模糊和不确定性等等。

作为一种主动传感器，雷达能够提供跟踪目标量测的完整状态信息，即距离、方位角、俯仰角，因此在目标搜索与跟踪等方面具有重要作用。由于受波束宽度的限制，雷达探测的测角精度普遍不高，特别是俯仰角度的测量精度较低.并且因为雷达在工作时要向空中辐射大功率电磁波，因而易遭受电子干扰和反辐射导弹的攻击。红外传感器通过接收目标辐射的热能进行探测，且无需辐射任何能量，因而具有较强的抗干扰能力，不易被侦察或定位。但是红外传感器也存在一些不足，它不能提供目标的距离信息，作用距离较近，并且受气候影响大。雷达高精度的距离测量和红外传感器高精度的角度测量可以信息互补.通过数据融合技术，给出对目标位置的精确估计，改善对目标的跟踪和识别。所以在大多数情况下，红外传感器与雷达配合使用，成为相互独立又彼此补充的探测跟踪手段。因此，将雷达信息和红外信息融合起来，是一种目标跟踪常用有效的方式。

李世忠等在IMM-EKF雷达与红外序贯滤波跟踪机动目标的文章中介绍了下的两种方法：

一种是雷达/红外数据压缩融合算法，它是基于角度合成的异类传感器航迹数据融合算法，其通过将角度的量测噪声方差近似为精度，并以精度作为权值对角度进行加权平均合成，再对时间对准之后进行同步融合得到融合航迹，但是在雷达/红外数据采样周期不同的情况下，会在数据融合过程中因时间对准而产生误差。

另一种是雷达/红外序贯融合算法，其在滤波过程中将雷达数据滤波之后的一步预测状态及其协方差矩阵作为红外的中间状态和协方差信息，再同红外的量测信息进行融合滤波实现对于目标的跟踪，该方法虽说避免了在雷达/红外数据采样周期不同的情况下，需要进行时间同步对准的问题，但是由于该方法是在滤波的过程中对于缺失距离属性的红外数据加以预测更新，实现雷达/红外数据融合，因此不可避免的产生了过程误差。

上述两种雷达/红外数融合算法产生的时间对准误差和过程误差，降低了目标跟踪的精度。

发明内容

本发明的目的在于针对上述现有技术的不足，提出一种基于雷达与循环神经网络补全红外融合的动目标跟踪方法，以避免雷达与红外数据融合中产生的上述误差，提高多传感器单目标跟踪的精度。

实现本发明目的技术方案包括如下步骤：