多传感器协同跟踪联合优化决策方法技术

本发明专利技术公开的一种多传感器协同跟踪联合优化决策方法，旨在提供一种计算效率高、优化决策参数准确的优化决策方法。本发明专利技术通过下述技术方案予以实现：多传感器协同跟踪系统在决策周期内预测传感器的目标位置信息和融合量测信息，获取决策周期时刻的融合量测状态及其融合量测协方差，采用多源数据融合算法计算多传感器协同跟踪对目标的融合跟踪误差，根据本方飞机导航信息和雷达对目标的探测信息，计算本方辐射源相对于对方飞机的方位角及俯仰角和本方辐射源被对方飞机探测的跟踪定位误差，以多传感器对目标的融合跟踪误差为约束条件和目标配对关系等为优化决策参数，建立多阶段多约束的协同跟踪决策模型，求解多阶段传感器优化决策及其优化决策参数。

Joint optimization decision-making method for multi-sensor cooperative tracking

The invention discloses a multi-sensor cooperative tracking joint optimization decision-making method, aiming at providing an optimization decision-making method with high calculation efficiency and accurate optimization decision-making parameters. The invention is realized by the following technical schemes: the multi-sensor cooperative tracking system predicts the position information and fusion measurement information of the sensor in the decision-making period, obtains the fusion measurement state and its fusion measurement covariance at the decision-making period time, calculates the fusion tracking error of the multi-sensor cooperative tracking to the target by using the multi-source data fusion algorithm, and navigates the local aircraft according to the local navigation. Information and radar target detection information, calculate azimuth and elevation angle of local emitter relative to each other's aircraft and tracking and positioning error of local emitter detected by the other side's aircraft, and optimize decision-making parameters such as fusion tracking error of multi-sensor to target and target pairing relationship, establish multi-stage and multi-constrained cooperative tracking decision-making model, and solve multi-stage and multi-constrained cooperative tracking decision-making model. Sensor optimization decision and its parameters.

【技术实现步骤摘要】
多传感器协同跟踪联合优化决策方法
本专利技术涉及一种应用于机载多传感器协同跟踪领域，尤其是多传感器协同目标跟踪过程中对多传感器协同的传感器组合方式、传感器与目标配对关系及传感器的开关机时序进行优化决策的方法。
技术介绍
在车载GPS卫星导航、公共场所的视频安全监控系统、工业生产中的机器视觉等技术的核心之一就是多传感器多目标跟踪技术。随着信息技术的蓬勃发展，多传感器多目标跟踪技术在多个领域都取得了广泛应用。近年来，多传感器多目标跟踪技术这一研究领域得到了国内外学者的普遍关注。随着目标机动性能和电子对抗能力的不断提高，仅依靠单个传感器跟踪多个目标的方法达不到目标跟踪的精度要求，于是人们开始探索利用多个传感器进行目标跟踪。多传感器目标跟踪技术能有效综合多个同类或异类的传感器的多种属性信息，实现传感器的性能互补、提高目标跟踪的精度、扩展跟踪的时空监视范围。目标跟踪的主要任务是利用传感器获得的量测信息，精确地估计目标的当前状态和预测目标以后的状态，包括位置、速度、加速度等运动参数，从而给出目标的运动轨迹。目标跟踪根据被跟踪目标个数以及设置的传感器的个数可以划分为四类：单传感器单目标跟踪，单传感器多目标跟踪，多传感器单目标跟踪，多传感器多目标跟踪。其中第一类为基本的单目标跟踪问题，第二类属于多目标跟踪问题，前两类为单传感器跟踪问题，后两类为多传感器融合跟踪问题。协同跟踪问题与一般跟踪问题的区别在于传感器跟踪性能的度量以及传感器行为的决策与执行。多传感器多目标跟踪技术将多个传感器获得的信息在融合中心有机合成，用以提高目标运动状态估计的精度，其性能比单一传感器要优越得多。跟踪滤波理论、数据关联、航迹关联和航迹融合是多传感器多目标跟踪中的三个关键技术。数据关联是多传感器多目标跟踪技术的核心环节和重点难点所在，多传感器协同管理在多传感器多目标跟踪技术中起着重要的作用。在一个多传感器的系统中，各个分散的传感器获得的数据会不可避免地受到许多因素制约，如环境状态和传感器本身的特性。多传感器信息融合(Multi-sensorInformationFusion,MSIF)，是利用计算机技术将来自多传感器或多源的信息和数据，在一定的准则下加以自动分析和综合，以完成所需要的决策和估计而进行的信息处理过程。多目标跟踪要从掺杂有杂波的多个观测数据中按照来源估计出每个目标的运动状态，复杂程度远远高于单目标跟踪。多目标跟踪的基本过程是：传感器测量数据首先被送入数据关联功能模块，然后按照来源将量测数据进行分类即进行数据关联。数据关联完成后，数据被送入滤波和预测功能模块，在该模块中利用所有当前观测周期内与航迹关联的测量以及目标在先前观测周期的状态，估计目标的当前状态并预测目标在下一个观测周期的状态。最后，滤波和预测模块将各目标的当前状态估计和预测及可靠性决策送入航迹关联融合中心，在那里完成航迹关联和航迹融合，并输出最终的目标航迹。由于环境中噪声的影响，量测数据中一般都含有噪声和杂波，为了提高目标跟踪的精度，需要对量测数据进行去噪处理以提高量测数据的信噪比。由于目标运动状态的不可预知、目标运动状态的不确定性、观测信息的不确定性、多目标跟踪中目标个数的不确定性和环境中的密集杂波造成系统量测数据模糊和不确定，这就要求多目标跟踪系统必须适应上述变化，同时做出正确的相关决策。在进行多目标跟踪的数据关联以及滤波与预测等步骤之前，要首先为运动目标建立合理的数学模型，该数学模型把某一时刻的状态变量表示为前一时刻状态变量的函数。当运动目标为非机动目标时，运动模型比较容易建立。但当运动目标为机动目标时，用数学表达式准确描述目标运动状态难度加大，所以为机动目标建立理想的运动模型以便精确进行跟踪的难度也加大。为充分发挥多传感器网络化目标跟踪的性能，必须在特定环境条件要求下，对多传感器网络有限的资源进行合理配置。为满足特殊需求，飞机通常采用多传感器协同工作的方式完成目标的协同搜索与跟踪，多传感器协同是飞机实现任务的重要技术手段。由于机载传感器在范围、维度等方面的互补性与冗余性，单个传感器在不同工作模式不同工作参数下精度、辐射性能的差异性，就可以从多传感器协同跟踪系统角度出发，对传感器组合方式、传感器与目标配对关系、传感器的开关机时序及传感器工作参数进行优化控制，以实现多传感器协同跟踪。在大型动态传感器网络中,传感器数量众多、位置可移动且多个传感器同时工作时目标信息传递能耗不容忽视。无线传感器网络是分布在其占据空间所组成的“虚拟平台”,传感器在空间的分布兼具“集中性”和“分散性”，集中性是指传感器都是以平台为载体相对集中分布，且受到本平台的控制和管理；分散性指传感器分布在陆海空天的立体空间中，占据的总体空间范围比较大，通过信息网络连接而构成庞大的系统。对于多个基本传感器同时跟踪同一个目标的情形，可以看成是由这些基本传感器组合而成的一个虚拟传感器在跟踪此目标，把基本传感器和虚拟传感器统称为“跟踪单元”。传感器大多具备跟踪多个目标的能力，因此跟踪单元可以跟踪多个目标。m个基本传感器可形成2㎡-1个“跟踪单元”，由跟踪单元中的基本传感器之间协同工作的能力，ico为跟踪单元中基本传感器感知信息的互补系数，基本传感器感知信息的互补系数是指异类传感器所感知的目标距离、角度、图像、声音等不同特征信息之间的互为补充的能力，它表征了对客观物体所感知信息的多样性，互补系数ico越大，获得信息越丰富，分布式协同跟踪性能越好，即协同跟踪系数iF越大。idc为跟踪单元中的基本传感器工作波段的差异度，它表征同类传感器之间利用不同波段对客观物体感知信息的多样性，差异度idc越小，协同系数iF越大。当目标列表发布后，各跟踪单元开始根据列表构造所有可行的多目标跟踪方案，这里的可行是指不超过跟踪单元内基本传感器跟踪容量的最小值。多传感器协同跟踪系统要用到两类模型，需要对其模块化设计。一类是由感知模块、协同模块、任务管理模块、通信模块、行为模块组成的跟踪单元，并且拥有自身的知识库；另一类是由协同模块、平台多传感器管理模块、成员传感器状态监控模块、评估模块、通信模块组成的传感器管理，也拥有自身的知识库。协同模块实现和其它跟踪单元之间的交互和协同；平台多传感器管理模块根据与其它平台的传感器管理协商的结果对本平台内的多传感器资源进行管理，并通过协同模块实现与其它平台传感器管理的协同以及对本平台内的多传感器行为进行控制；通信模块交互各平台之间的各种信息；传感器状态监控模块对本平台内部的传感器状态进行监控，并把状态信息告知跟踪单元的感知模块；评估模块接收传感器状态监控模块的状态信息、来自跟踪单元感知模块的目标信息和行为模块的跟踪滤波信息，完成对传感器跟踪性能和目标威胁的评估，定出目标的优先级，提交给平台多传感器管理模块处理；知识库包括传感器管理员的状态、相关规则以及系统参数等知识，并存储了本平台内部各传感器跟踪案例的历史信息。感知模块接受环境信息，感知外部环境事件，根据状态和规则进行推理后将信息提交给执行模块，作为其行动的依据；协同模块实现和其它跟踪单元之间的交互和协同；任务管理模块对多传感器资源列表进行管理，并根据算法对分配方案进行动态调整；行为模块对跟踪单元内传感器跟踪目标的信息进行滤波融合处理，把每一本文档来自技高网...

【技术保护点】
1.一种多传感器协同跟踪联合优化决策方法，其特征在于包括如下步骤：多传感器协同跟踪系统在决策周期内预测雷达传感器目标位置信息、红外传感器的目标位置信息和预测多传感器融合量测信息，对雷达传感器、红外传感器、多传感器进行融合，获得决策周期时刻的融合量测状态及其融合量测协方差，采用多源数据融合算法计算多传感器协同跟踪对目标的融合跟踪误差；多传感器协同跟踪系统根据本方飞机导航信息和雷达对目标的探测信息，计算本方辐射源相对于对方飞机的方位角及俯仰角，采用交叉定位算法对本方辐射源进行虚拟定位解算，采用轨迹滤波算法对虚拟定位解算信息进行平滑滤波，计算出本方辐射源被对方飞机探测的跟踪定位误差；然后，以辐射源被探测的被动定位误差为优化目标，以多传感器对目标的融合跟踪误差为约束条件，以传感器组合方式、传感器与目标配对关系、传感器的开关机状态为优化决策参数，建立多阶段多约束的协同跟踪决策模型；最后，利用协同跟踪决策模型求解多阶段的传感器优化决策，解算得到协同跟踪方式下各传感器的优化决策参数。

【技术特征摘要】
1.一种多传感器协同跟踪联合优化决策方法，其特征在于包括如下步骤：多传感器协同跟踪系统在决策周期内预测雷达传感器目标位置信息、红外传感器的目标位置信息和预测多传感器融合量测信息，对雷达传感器、红外传感器、多传感器进行融合，获得决策周期时刻的融合量测状态及其融合量测协方差，采用多源数据融合算法计算多传感器协同跟踪对目标的融合跟踪误差；多传感器协同跟踪系统根据本方飞机导航信息和雷达对目标的探测信息，计算本方辐射源相对于对方飞机的方位角及俯仰角，采用交叉定位算法对本方辐射源进行虚拟定位解算，采用轨迹滤波算法对虚拟定位解算信息进行平滑滤波，计算出本方辐射源被对方飞机探测的跟踪定位误差；然后，以辐射源被探测的被动定位误差为优化目标，以多传感器对目标的融合跟踪误差为约束条件，以传感器组合方式、传感器与目标配对关系、传感器的开关机状态为优化决策参数，建立多阶段多约束的协同跟踪决策模型；最后，利用协同跟踪决策模型求解多阶段的传感器优化决策，解算得到协同跟踪方式下各传感器的优化决策参数。2.如权利要求1所述的多传感器协同跟踪联合优化决策方法，其特征在于：在计算多传感器协同跟踪对目标的融合跟踪误差中，多传感器协同跟踪系统根据决策周期内的优化决策参数以及传感器的开关机状态，获得当前决策周期k时刻传感器协同跟踪优化决策参数式中，ξk表示雷达传感器与红外传感器组合方式的集合，μk为当前传感器组合方式下传感器与目标的配对关系的集合，Rk表示雷达传感器的开关机状态，且Rk∈{0,1}，Rk为0时表示雷达处于关机状态，Rk为1时表示雷达处于开机状态；Ik表示红外传感器的开关机状态，且Ik∈{0,1}，Ik为0时表示红外处于关机状态，Ik为1时表示红外处于开机状态。3.如权利要求2所述的多传感器协同跟踪联合优化决策方法，其特征在于：多传感器协同跟踪系统遍历上述优化空间决策参数，如果k时刻传感器处于开机工作状态，把传感器的状态滤波值作为此刻的传感器量测数据；如果k时刻传感器处于关机状态，则把传感器的状态预测值作为此刻的传感器量测数据,得到决策周期k内的雷达量测状态XR,k以及雷达量测协方差PR,k、红外量测状态XI,k以及红外量测协方差PI,k，式中角标k表示时间，角标R,I分别表示雷达、红外获得的信息。4.如权利要求1所述的多传感器协同跟踪联合优化决策方法，其特征在于：多传感器协同跟踪系统采用多源数据融合算法对雷达传感器量测数据、红外传感器量测数据、融合量测数据进行融合，通过如下多源数据融合算法计算公式得到当前决策周期的目标状态信息及其多传感器协同跟踪对目...

【专利技术属性】
技术研发人员：赖作镁，古博，乔文昇，
申请(专利权)人：西南电子技术研究所中国电子科技集团公司第十研究所，
类型：发明
国别省市：四川,51