基于多傳感器的多模型機動目標跟蹤算法設計

本文選用當今最為流行、應用最廣泛的雷達和紅外作為傳感器，在紅外/雷達雙模導引頭的多傳感器平臺下展開研究，設計并仿真實現了更接近真實的軍事與民用環境的多模型機動目標跟蹤算法。仿真結果驗證了該算法跟蹤性能的有效性。

0 引言

隨著信息技術的快速發展和現代軍事及民用需求的不斷提高，對目標跟蹤的精度也相應地提出了更高的要求。在真實的目標跟蹤系統中，目標的狀態總是處在不斷變化中，當目標真實運動模型與算法模型不匹配時，跟蹤精度會明顯下降，此時采用多模型(MulTIpleModel,MM)機動目標跟蹤算法將會成為最佳選擇。然而，當今的多模型目標跟蹤方法大都停留在理論層面，對于多模型的實際應用價值及各模型的應用場合都需要做進一步的研究。

本文選用當今最為流行、應用最廣泛的雷達和紅外作為傳感器，在紅外/雷達雙模導引頭平臺下開展對交互式多模型機動目標跟蹤算法的研究，并加入噪聲干擾，更接近真實的軍事與民用環境。首先搭建紅外/雷達雙模導引頭仿真平臺，進而設計基于多傳感器的多模型機動目標跟蹤算法，采用擴展卡爾曼濾波，最終實現算法的軟件仿真及跟蹤性能評估，驗證了所設計方法的有效性和實用性。

1 多傳感器平臺搭建

雷達和紅外傳感器是目前常用的兩種目標探測和跟蹤傳感器，采用雷達為主、紅外成像傳感器探測為輔的信息融合系統進行目標跟蹤能夠使系統降低對敵方干擾的脆弱性，提高系統可靠性，現已廣泛應用于各個領域。因此，本文選取雷達與紅外雙模導引頭作為傳感器，模擬生成多傳感器的數據生成模塊，為多模型機動目標跟蹤算法提供良好的檢測平臺。

毫米波雷達導引頭的觀測數據包括觀測系下的視線方位角、視線俯仰角、彈目距離、多普勒頻率、雷達信噪比等信號。經過坐標轉換，得到的參考系下的雷達觀測數據，建立如下雷達觀測方程：

φR為雷達視線方位角，θR 為雷達視線俯仰角，r 為彈目距離。V1(k) 是均值為零、協方差陣為R1(k) 的白高斯噪聲向量。

紅外成像導引頭的觀測數據包括觀測系下的視線方位角，視線俯仰角等信號。經坐標轉換得到參考系下的紅外觀測數據，建立如下紅外觀測方程：

本文綜合應用點跡合并方法和點跡串行處理方法，搭建毫米波雷達和紅外數據融合的多傳感器平臺。假設雷達的掃描周期為5 ms,紅外的掃描周期為10 ms,所以首先將雷達和紅外點跡數據串行合并成為點跡數據流，進行點跡-航跡相關;對于在10 ms時刻，若雷達點跡和多個紅外點跡均與航跡相關上，則對這些點跡進行點跡壓縮合并，如圖1所示。

2 多模型跟蹤算法設計

本文選取目標跟蹤中經常使用的幾種目標運動模型組成模型集，然后根據模型間的配合規則設計多模型選取算法，如去掉不可能模型，合并相似模型，最可能模型選擇算法以及基于期望最大算法的迭代策略等，進而對所得到的融合數據應用擴展卡爾曼濾波算法建立外推點跡，最終形成新航跡。設計框圖如圖2所示。

2.1 模型集的確定

大部分的跟蹤算法都是基于模型的，因此目標運動模型設計是機動目標跟蹤的基本要素之一，也是一個關鍵的問題。在建立機動目標模型時，一般的原則是所建立的模型既要符合實際機動模式，又要便于數據處理。

本文選取目標跟蹤中常用的幾種運動模型組成模型集，包括CV模型、CA模型和當前統計模型。

2.2 配合規則

多模型算法按配合規則基本上可分為三代，靜態多模型算法(SMM)、交互式多模型算法(IMM)、變結構多模型算法(FSMM)。以上三代多模型算法跟蹤精度逐漸升高，同時算法的復雜度也依次升高、可實現性逐步變差。綜合考慮算法的實用性和代價，IMM算法的交互方式更合理有效一些，是目前研究應用最多、被認為是最成功的一種算法。

因此，本文采用IMM 算法作為模型之間的配合規則，完成多模型跟蹤算法的設計。

2.3 濾波處理

本文選用擴展卡爾曼濾波方法對融合后的數據進行濾波處理。首先建立狀態方程和觀測方程，根據前一個估計值和最近一個觀測數據來估計信號的當前值，并用狀態方程和遞推方法來進行估計，其解是以估計值形式給出的。由于濾波是采用遞推算法，所以數據存儲量少，運算量小，非常適合實時處理系統的應用。

3 跟蹤效果仿真

選取掃描周期TIR =0.02 s對目標進行跟蹤模擬。目標初始位置為(1 000,1 000,1 000)m,初始運動速度為(300,300,300)m/s,初始加速度為(10,10,10)m/s2.

圖3 分別為x 方向，y 方向，z 方向位置估計誤差。

圖4反映了位置估計誤差的RMSE.

圖5 為目標運動軌跡和跟蹤軌跡的三維仿真示意圖。

仿真結果顯示：在基于雷達/紅外雙模導引的多傳感器仿真平臺下，所設計的多模型機動目標跟蹤算法跟蹤精度相對較高，收斂較快，遲滯較小。

4 結語

本文主要研究基于多傳感器的多模型機動目標跟蹤算法，在更加接近真實環境的雷達紅外雙模導引模擬仿真平臺下設計了多模型機動目標跟蹤算法，并對其跟蹤性能進行仿真驗證，仿真結果證實了該算法的有效性和實用性。