本文選用當(dāng)今最為流行、應(yīng)用最廣泛的雷達(dá)和紅外作為傳感器，在紅外/雷達(dá)雙模導(dǎo)引頭的多傳感器平臺(tái)下展開(kāi)研究，設(shè)計(jì)并仿真實(shí)現(xiàn)了更接近真實(shí)的軍事與民用環(huán)境的多模型機(jī)動(dòng)目標(biāo)跟蹤算法。仿真結(jié)果驗(yàn)證了該算法跟蹤性能的有效性。

0 引言

隨著信息技術(shù)的快速發(fā)展和現(xiàn)代軍事及民用需求的不斷提高，對(duì)目標(biāo)跟蹤的精度也相應(yīng)地提出了更高的要求。在真實(shí)的目標(biāo)跟蹤系統(tǒng)中，目標(biāo)的狀態(tài)總是處在不斷變化中，當(dāng)目標(biāo)真實(shí)運(yùn)動(dòng)模型與算法模型不匹配時(shí)，跟蹤精度會(huì)明顯下降，此時(shí)采用多模型(MulTIpleModel,MM)機(jī)動(dòng)目標(biāo)跟蹤算法將會(huì)成為最佳選擇。然而，當(dāng)今的多模型目標(biāo)跟蹤方法大都停留在理論層面，對(duì)于多模型的實(shí)際應(yīng)用價(jià)值及各模型的應(yīng)用場(chǎng)合都需要做進(jìn)一步的研究。

本文選用當(dāng)今最為流行、應(yīng)用最廣泛的雷達(dá)和紅外作為傳感器，在紅外/雷達(dá)雙模導(dǎo)引頭平臺(tái)下開(kāi)展對(duì)交互式多模型機(jī)動(dòng)目標(biāo)跟蹤算法的研究，并加入噪聲干擾，更接近真實(shí)的軍事與民用環(huán)境。首先搭建紅外/雷達(dá)雙模導(dǎo)引頭仿真平臺(tái)，進(jìn)而設(shè)計(jì)基于多傳感器的多模型機(jī)動(dòng)目標(biāo)跟蹤算法，采用擴(kuò)展卡爾曼濾波，最終實(shí)現(xiàn)算法的軟件仿真及跟蹤性能評(píng)估，驗(yàn)證了所設(shè)計(jì)方法的有效性和實(shí)用性。

1 多傳感器平臺(tái)搭建

雷達(dá)和紅外傳感器是目前常用的兩種目標(biāo)探測(cè)和跟蹤傳感器，采用雷達(dá)為主、紅外成像傳感器探測(cè)為輔的信息融合系統(tǒng)進(jìn)行目標(biāo)跟蹤能夠使系統(tǒng)降低對(duì)敵方干擾的脆弱性，提高系統(tǒng)可靠性，現(xiàn)已廣泛應(yīng)用于各個(gè)領(lǐng)域。因此，本文選取雷達(dá)與紅外雙模導(dǎo)引頭作為傳感器，模擬生成多傳感器的數(shù)據(jù)生成模塊，為多模型機(jī)動(dòng)目標(biāo)跟蹤算法提供良好的檢測(cè)平臺(tái)。

毫米波雷達(dá)導(dǎo)引頭的觀測(cè)數(shù)據(jù)包括觀測(cè)系下的視線方位角、視線俯仰角、彈目距離、多普勒頻率、雷達(dá)信噪比等信號(hào)。經(jīng)過(guò)坐標(biāo)轉(zhuǎn)換，得到的參考系下的雷達(dá)觀測(cè)數(shù)據(jù)，建立如下雷達(dá)觀測(cè)方程：

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

紅外成像導(dǎo)引頭的觀測(cè)數(shù)據(jù)包括觀測(cè)系下的視線方位角，視線俯仰角等信號(hào)。經(jīng)坐標(biāo)轉(zhuǎn)換得到參考系下的紅外觀測(cè)數(shù)據(jù)，建立如下紅外觀測(cè)方程：

本文綜合應(yīng)用點(diǎn)跡合并方法和點(diǎn)跡串行處理方法，搭建毫米波雷達(dá)和紅外數(shù)據(jù)融合的多傳感器平臺(tái)。假設(shè)雷達(dá)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(dá)和紅外點(diǎn)跡數(shù)據(jù)串行合并成為點(diǎn)跡數(shù)據(jù)流，進(jìn)行點(diǎn)跡-航跡相關(guān);對(duì)于在10 ms時(shí)刻，若雷達(dá)點(diǎn)跡和多個(gè)紅外點(diǎn)跡均與航跡相關(guān)上，則對(duì)這些點(diǎn)跡進(jìn)行點(diǎn)跡壓縮合并，如圖1所示。

2 多模型跟蹤算法設(shè)計(jì)

本文選取目標(biāo)跟蹤中經(jīng)常使用的幾種目標(biāo)運(yùn)動(dòng)模型組成模型集，然后根據(jù)模型間的配合規(guī)則設(shè)計(jì)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(jìn)而對(duì)所得到的融合數(shù)據(jù)應(yīng)用擴(kuò)展卡爾曼濾波算法建立外推點(diǎn)跡，最終形成新航跡。設(shè)計(jì)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(biāo)運(yùn)動(dòng)模型設(shè)計(jì)是機(jī)動(dòng)目標(biāo)跟蹤的基本要素之一，也是一個(gè)關(guān)鍵的問(wèn)題。在建立機(jī)動(dòng)目標(biāo)模型時(shí)，一般的原則是所建立的模型既要符合實(shí)際機(jī)動(dòng)模式，又要便于數(shù)據(jù)處理。

本文選取目標(biāo)跟蹤中常用的幾種運(yùn)動(dòng)模型組成模型集，包括CV模型、CA模型和當(dāng)前統(tǒng)計(jì)模型。

2.2 配合規(guī)則

多模型算法按配合規(guī)則基本上可分為三代，靜態(tài)多模型算法(SMM)、交互式多模型算法(IMM)、變結(jié)構(gòu)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(shí)算法的復(fù)雜度也依次升高、可實(shí)現(xiàn)性逐步變差。綜合考慮算法的實(shí)用性和代價(jià)，IMM算法的交互方式更合理有效一些，是目前研究應(yīng)用最多、被認(rèn)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(guī)則，完成多模型跟蹤算法的設(shè)計(jì)。

2.3 濾波處理

本文選用擴(kuò)展卡爾曼濾波方法對(duì)融合后的數(shù)據(jù)進(jìn)行濾波處理。首先建立狀態(tài)方程和觀測(cè)方程，根據(jù)前一個(gè)估計(jì)值和最近一個(gè)觀測(cè)數(shù)據(jù)來(lái)估計(jì)信號(hào)的當(dāng)前值，并用狀態(tài)方程和遞推方法來(lái)進(jìn)行估計(jì)，其解是以估計(jì)值形式給出的。由于濾波是采用遞推算法，所以數(shù)據(jù)存儲(chǔ)量少，運(yùn)算量小，非常適合實(shí)時(shí)處理系統(tǒng)的應(yīng)用。

3 跟蹤效果仿真

選取掃描周期TIR =0.02 s對(duì)目標(biāo)進(jìn)行跟蹤模擬。目標(biāo)初始位置為(1 000,1 000,1 000)m,初始運(yùn)動(dòng)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(jì)誤差。

圖4反映了位置估計(jì)誤差的RMSE.

圖5 為目標(biāo)運(yùn)動(dòng)軌跡和跟蹤軌跡的三維仿真示意圖。

仿真結(jié)果顯示：在基于雷達(dá)/紅外雙模導(dǎo)引的多傳感器仿真平臺(tái)下，所設(shè)計(jì)的多模型機(jī)動(dòng)目標(biāo)跟蹤算法跟蹤精度相對(duì)較高，收斂較快，遲滯較小。

4 結(jié)語(yǔ)

本文主要研究基于多傳感器的多模型機(jī)動(dòng)目標(biāo)跟蹤算法，在更加接近真實(shí)環(huán)境的雷達(dá)紅外雙模導(dǎo)引模擬仿真平臺(tái)下設(shè)計(jì)了多模型機(jī)動(dòng)目標(biāo)跟蹤算法，并對(duì)其跟蹤性能進(jìn)行仿真驗(yàn)證，仿真結(jié)果證實(shí)了該算法的有效性和實(shí)用性。