一种机载雷达与红外传感器航迹关联方法技术领域
本发明涉及一种机载雷达与红外传感器航迹关联方法。
背景技术
机动目标跟踪是一个典型的不确定性问题,其不确定性主要表现为目标运
动状态的不确定性和传感器量测起源的不确定性。
在雷达/红外传感器构成的双传感器探测系统中,雷达跟踪精度高,采集
全面,包括距离信息和角度等信息,但其干扰能力差;红外传感器只能测量角
度信息,而且角度跟踪精度较高,具有较强的抗干扰能力。利用两种传感器各
自的优点进行组合跟踪,一方面可同时利用各传感器所接收的信号进行融合,
另一方面利用各传感器提供的不同信息实现可靠决策,更充分地利用了信息资
源,进而提高跟踪系统的精度和可靠性。
异类传感器数据融合的关键是进行异类传感器的航迹关联,即确定主被动
传感器建立的航迹是否源于同一个目标。但是,由于被动传感器仅有角度测量
而没有距离测量,且主被动传感器的数据率往往不一致,因而在主被动传感器
数据关联中存在很大的不确定性,给主被动传感器航迹关联的实现带来许多困
难。异类传感器的数据关联与融合已成为当前的一个重要研究方向。目前,传统
的航迹关联算法有加权法、修正法、最近邻域法等,但在密集目标环境下,传统
的航迹关联算法关联正确率不高,而且当系统包含较大的导航、传感器校准及
转换和延迟误差时,这些方法显得力不从心,而且上述传统的航迹关联算法应
用于主被动传感器数据关联会面临许多困难。
发明内容
为了克服现有技术的上述缺点,本发明提供了一种机载雷达与红外传感器
航迹关联方法,充分利用了机载雷达和红外传感器观测到的角度信息(包括方
位角和俯仰角),首先基于模糊综合函数,利用机载雷达和红外传感器的观测
信息建立综合判别函数,然后制定决策准则,最后通过综合判别函数的统计特
性及关联率确定其判决门限,进行相关判决。
本发明解决其技术问题所采用的技术方案是:一种机载雷达与红外传感器
航迹关联方法,包括如下步骤:
步骤一、选取航迹关联判别函数:
(1)求取红外航迹与各个雷达航迹间关于方位角的综合相似度;
(2)求取红外航迹与各个雷达航迹间关于俯仰角的综合相似度;
(3)求取雷达航迹与红外传感器的综合相似度;
(4)选择具有最大综合相似度的雷达与红外传感器相关对作为最可能的雷
达与红外航迹相关对Sl;
步骤二、确定雷达与红外航迹关联的决策准则:
分别设置高、低门限TH、TL,按照以下决策准则判决雷达和红外的相关情况:
(1)若Sl≥TH,则雷达与红外航迹相关;
(2)若TL<Sl<TH,则雷达与红外航迹的相关性不确定;
(3)若Sl≤TH,则雷达与红外航迹不相关。
与现有技术相比,本发明的积极效果是:在对传感器量测起源不确定性问
题研究的基础上,以机载雷达和红外传感器为实例,基于模糊综合理论,提出
了一种主被动传感器航迹关联方法,不仅可以解决多传感器观测信息具有的量
测起源的不确定性问题,还可以应用于军事或民用领域中针对多传感器多目标
跟踪涉及到的航迹关联问题。
具体实施方式
假设有m条雷达航迹,由于每个雷达目标可以载有多个辐射源,因而,一个
雷达航迹可以和多个红外航迹相关,而一个红外航迹至多可以和一个雷达航迹
相关。这样,一个红外航迹和多个雷达航迹的相关问题可以化为如下的多假设
检验问题:
H0:红外航迹和所有雷达航迹不相关;
H1:红外航迹和第j条雷达航迹相关,1≤j≤m。而多条红外航迹和多条雷达
航迹的相关可以化为多个上述的多假设检验问题。因而,本发明只考虑一条红
外航迹和多条雷达航迹的相关。
一种机载雷达与红外传感器航迹关联方法,包括如下步骤:
由于各个传感器的测量误差、采样周期不同,在进行航迹关联之前,需要
将来自各传感器的数据进行预处理,通常包括数据间的时空对准、粗大误差剔
除等。
步骤一、选取航迹关联判别函数
航迹关联判别函数的选取需要充分利用红外探测到的方位角和俯仰角信息
相结合进行航迹关联。
(1)求取红外航迹与各个雷达航迹间关于方位角的综合相似度
设Δθj(ti)=θIr(ti)-θj(ti),θIr(ti)为第ti时刻红外航迹方位测量值;θj(ti)为第ti时刻第
j条雷达航迹方位值,雷达和红外方位测量误差相互独立,均服从零均值恒定方
差的高斯分布,其方差分别为σr、σIr,令
ξ j ( t i ) = Δθ j ( t i ) σ = θ Ir ( t i ) - θ j ( t i ) σ - - - ( 1 ) ]]>
其中, σ = σ Ir 2 + σ r 2 . ]]>
定义θIr(ti)和θj(ti)之间的相似测量度为
d j ( t i ) = exp { - ξ j 2 ( t i ) } - - - ( 2 ) ]]>
显然,0≤dj(ti)≤1,求得所有dj(ti)后,便得到度量红外航迹和第j
条雷达航迹之间关于方位角的相似性向量
D j = ( d j ( t 1 ) , d j ( t 2 ) , . . . , d j ( t n j ) ) - - - ( 3 ) ]]>
对于不同的雷达航迹,其相似性向量的维数不同,因而不能根据相似性向
量的范数选择与红外航迹最相似的雷达航迹。在此,可以引入模糊综合函数求
取红外航迹与各个雷达航迹间关于方位角的综合相似度,即令
d j = M n j ( D j ) = M ( d j ( t 1 ) , d j ( t 2 ) , . . . , d j ( t n j ) ) - - - ( 4 ) ]]>
其中,为模糊综合函数,具有保序性和综合性。这里选择为
d j = M n j ( D j ) = ( Π i = 1 n j d j ( t n j ) ) 1 n j - - - ( 5 ) ]]>
由式(2)和式(5)可得红外航迹与各个雷达航迹间关于方位角的综合相似
度:
dj=exp(-εj) (6)
其中, ϵ j = 1 n j Σ i = 1 n j ξ j 2 ( t i ) . ]]>
(2)求取红外航迹与各个雷达航迹间关于俯仰角的综合相似度
同理,设为第ti时刻红外航迹俯仰角测量值;为第
ti时刻第j条雷达航迹俯仰角,雷达和红外俯仰角测量误差相互独立,均服从零
均值恒定方差的高斯分布,方差分别为σr′、σ′Ir,令
其中, σ ′ = σ Ir ′ 2 + σ r ′ 2 . ]]>
同理,定义θIr(ti)和θj(ti)之间的相似测量度为
d ′ j ( t i ) = exp { - η j 2 ( t i ) } - - - ( 8 ) ]]>
显然,0≤dj′(ti)≤1,求得所有dj′(ti)后,便得到度量红外航迹和第j
条雷达航迹之间关于俯仰角的相似性向量
D ′ j = ( d ′ j ( t 1 ) , d ′ j ( t 2 ) , . . . , d ′ j ( t n j ) ) - - - ( 9 ) ]]>
同样,可以引入模糊综合函数求取红外航迹与各个雷达航迹间关于俯仰角
的综合相似度,即令
d ′ j = M n j ( D ′ j ) = M ( d ′ j ( t 1 ) , d ′ j ( t 2 ) , . . . , d ′ j ( t n j ) ) - - - ( 10 ) ]]>
其中,为模糊综合函数,具有保序性和综合性。同样,选择为
d ′ j = M n j ( D ′ j ) = ( Π i = 1 n j d ′ j ( t n j ) ) 1 n j - - - ( 11 ) ]]>
由式(8)和式(11)可得红外航迹与各个雷达航迹间关于俯仰角的综合相似
度:
dj′=exp(-ηj) (12)
其中, η j = 1 n j Σ i = 1 n j η j 2 ( t i ) . ]]>
(3)求取雷达航迹与红外传感器的综合相似度
由方位信息dj、俯仰信息d′j及方位和俯仰观测误差标准差σ、σ′,可以得到
雷达航迹j与红外传感器的综合相似度
S j = σ ′ σ + σ ′ d j + σ σ + σ ′ d ′ j - - - ( 13 ) ]]>
(4)选择具有最大综合相似度的雷达与红外传感器相关对作为最可能的雷
达与红外航迹相关对
显然,我们应该选择具有最大综合相似度的雷达与红外传感器相关对作为
最可能的雷达与红外航迹相关对。即设,使得
Sl=max{Sj|j=1,2,…,m} (14)
则把雷达航迹1和红外航迹作为可能的相关对,并根据Sl的大小及判决门限
的关系做出相关判决。
步骤二、确定雷达与红外航迹关联的决策准则
根据上述的判别函数找出了可能的红外与雷达航迹相关对,但不能据此就
做出红外航迹与雷达航迹j相关的判断,因为红外航迹也可能和所有雷达航迹都
不相关。因此,仍需作进一步相关判断。
设根据上述方法找到了Sl=max{Sj|j=1,2,…,m},即找到了最可能的雷达红外航迹
关联对,设置高、低门限分别为TH、TL,按照以下决策准则判决雷达和红外的相
关情况:
(1)若Sl≥TH,则判为相关;
(2)若TL<Sl<TH,则不确定;
(3)若Sl≤TH,则判为不相关。
当出现TL<Sl<TH,如果目标仍在双传感器系统的观测范围内,则应继续进
行观测,直至得出关联结果,即满足Sl≥TH或Sl≤TH。
关于决策门限的选择
决策门限在一般情况下要采用Monte Carlo仿真方法得到,具体如下:
(1)低门限TL的设置
低门限TL决定了漏相关概率。由于雷达和红外测量误差是独立、零均值的高
斯分布,所以ζj(ti)亦服从高斯分布.且由式(3)可得
E[ξj(ti)|Hj]=0,D[ξj(ti)|Hj]=1,且E[ηj(ti)|Hj]=0,D[ηj(ti)|Hj]=1 (15)
故有,
Hj:ξj(ti)~N(0,1),且Hj:ηj(ti)~N(0,1) (16)
选择低门限TL的原则,是要使得红外航迹与最邻近的雷达航迹被判为漏相关
的概率为β。于是,根据这一原则及式(16)确定低门限TL的步骤如下:
1)给定漏相关概率β,采样点数nj和Monte Carlo实验次数N,将计数器COUNT
清零,并选择一个初始门限值data1;
2)在计算机上产生两组nj个相互独立的服从标准正态分布的随机数ξj(ti)、
ηj(ti),i=1,2,…,nj,即ξj(ti)~N(0,1)、ηj(ti)~N(0,1);
3)计算其中dj=exp(-ξj),dj′=exp(-ηj),
η j = 1 n j Σ i = 1 n j η j 2 ( t i ) ; ]]>
4)若Sj<data1,则计数器COUNT加1;
5)重复步骤(2)至(4)N次,假定计数器COUNT之值为M,计算若0.9β<P<β
则令TL=data1,否则,根据P值大小修改data1,然后重复步骤(2)至(4),直至得
到符合条件的门限值TL。
(2)高门限TH的设置
高门限TH决定了误相关概率。由于误相关主要是由红外航迹与最邻近的雷
达航迹错误相关所引起的,故需根据红外航迹与最邻近的雷达航迹的误相关情
况来决定高门限TH。假设与雷达航迹j最邻近的雷达航迹为航迹l,并设它们在
方位和俯仰上的间隔分别为μ1σ、μ2σ′。由于
E[ξj(ti)|Hl]=μ1,D[ξj(ti)|Hl]=1,l≠j
且
Eηj(ti)|Hl]=μ2,D[ηj(ti)|Hl]=1,l≠j (17)
故有,
Hl:ξj(ti)~N(μ1,1)
且
Hl:ηj(ti)~N(μ2,1) (18)
选择高门限TH的原则,是要使得红外航迹与最邻近的雷达航迹被错判为相
关的概率为α。于是,根据该原则和式(18)确定高门限TH的步骤如下:
1)给定误相关概率α,采样点数nj,目标方位间隔μσ和Monte Carlo实验次
数N,将计数器COUNT清零,并选择一个初始门限值data2;
2)在计算机上产生两组nj个相互独立的服从标准正态分布的随机数ξj(ti)、
ηj(ti),i=1,2,…,nj,即ξj(ti)~N(0,1)、ηj(ti)~N(0,1);
3)令ωj(ti)=μ1+ξj(ti),υj(ti)=μ2+ηj(ti);
4)计算其中dj=exp(-ωj),dj′=exp(-υj),
υ j = 1 n j Σ i = 1 n j υ j 2 ( t i ) ; ]]>
5)若Sj>data2,则计数器COUNT加1;
6)重复步骤(2)至(5)N次,假定计数器COUNT之值为M,计算若
0.9α<P<α则令TH=data2,否则,根据P值大小修改data2,然后重复步骤(2)至(5),
直至得到符合条件的门限值TH。
对于给定的nj,当目标间隔(由μ1、μ2决定)较大时,有可能出现data1>data2,
即TL>TH的情形,出现这种情形意味着可以采用“硬判决”,这时可采用以下三
种方法来对门限值加以修正:
1)选择TH=TL=data1,这种选择方法的优点是可以得到比给定的错误相关概
率更低的误相关概率;
2)选择TL=TH=data2,这种选择方法的优点是可以得到比给定的漏相关概率
更低的漏相关判决概率;
3)选择TH=TL=(data1+data2)/2,这种选择方法的特点是可以在漏相关概率和错
误相关概率之间折中。