面向群目标典型机动的多传感器精细跟踪方法*

王海鹏　唐田田　王子玲　夏沭涛

(海军航空工程学院信息融合研究所　烟台　264001)

WANG Haipeng　TANG Tiantian　WANG Ziling　XIA Shutao

(Research Institute of Information Fusion, Naval Aeronautical and Astronautical University, Yantai　264001)



面向群目标典型机动的多传感器精细跟踪方法*

王海鹏唐田田王子玲夏沭涛

(海军航空工程学院信息融合研究所烟台264001)

为解决多传感器探测下群目标发生机动时群内目标的精细跟踪问题，提出了一种面向群目标典型机动的多传感器精细跟踪方法，该方法深入分析群目标机动时量测特性，面向整体机动、分裂、合并、分散四种典型的群目标机动模式，首先基于杂波剔除模型及点迹合并模型，结合交互多模型思想建立群整体机动跟踪模型，然后基于群整体机动跟踪模型，利用多帧互联模式建立群分裂跟踪模型，并基于循环阈值模型，给出群合并跟踪模型，最后基于修正的3/4逻辑法建立群分散跟踪模型，实现四种典型群目标机动模式下群内目标的多传感器精细跟踪。

多传感器精细跟踪； 群整体机动； 群分裂； 群合并； 群分散

WANG HaipengTANG TiantianWANG ZilingXIA Shutao

(Research Institute of Information Fusion, Naval Aeronautical and Astronautical University, Yantai264001)

Class NumberTP953,TN957

1　引言

近年来，随着传感器分辨率的提高，群目标跟踪技术[1～5]受到国内外学者的广泛关注。在一些实际应用中，与群的整体态势相比，往往更关心群内个体目标的情况[3～4]。此时，为有效改善群内目标的精确跟踪效果，工程上通常从测量系统层面，利用多个传感器、从不同测向获取群目标测量数据，进行数据互联和融合等处理。

在群目标运动过程中，基于特定的战术或目的，群目标随时会发生转弯、爬升、俯冲等整体机动，还会出现分裂、合并、分散等群目标特有的机动模式[1]，在这种情况下，群内目标回波的相对位置结构发生缩放、剪切、旋转等变换，导致多传感器对群内个体目标的分辨状态更为复杂，可调白噪声、交互多模型、Jerk模型等传统的多传感器机动目标跟踪技术[6～10]对机动群目标回波复杂性考虑不足，难以取得理想的跟踪效果。此外，现有机动群目标跟踪算法[11～16]大多集中于从位置、方向、航迹历史等方面理清群分裂、合并及交叉的逻辑关系，然后基于PDA[11]、模式空间[12]、MCMC粒子滤波[13]、SMC-PHDF[14]等方法完成群目标的机动处理，总体上仍着眼于群整体，对机动情况下群内目标的航迹变化研究较少，对多传感器探测下机动群内目标的跟踪没有研究。多传感器机动群内目标的精确跟踪问题已成为实际工程应用中的重点和难点问题。

因此，为解决该问题，本文深入分析多传感器探测下机动群目标的量测特性，面向群整体机动、分裂、合并、分散四种典型的群机动模式，分别给出了群精细跟踪模型，实现典型机动模式下群内目标的状态更新。

2　群整体机动跟踪模型

2.1多传感器群内目标的点-航互联

本文从群的整体出发，结合群的特性，基于融合中心所探测到的综合量测集，利用广义S-D维分配算法实现多传感器对应同一目标的量测关联与合并，并求出群内各航迹的关联量测，具体分为以下几步。

1) 群整体加速度的求取

(1)

(2)

式中，T为采样周期。

2) 群内目标的外推

(3)

式中，F(k)∈Rn,n为状态转移矩阵。

(4)

3) 关联波门的建立

d(zi(k),zj(k))=

(5)

式中，l为常量系数，主要受量测噪声和杂波密度的影响，量测噪声和杂波密度越大，l越大。

4) 杂波剔除模型及点迹合并模型的建立及关联量测的获取

(6)

(7)

(8)

式中，H(k)为量测矩阵。

2.2多传感器群内目标的状态估计

3　群分裂跟踪模型

经分析可知，对群目标U(k-1)而言，其变化是由一个群变为多个群；对群目标U(k-1)和U1(k)的整体而言，群目标发生了整体机动，因此群的分裂实际上为群内两个或多个目标集合发生不同模式的整体机动而形成多个群的过程。所以，群的分裂可基于群的整体机动模型进行建模，具体分为以下两步进行。

3.1分裂后群内目标航迹的状态更新

分别基于Z1(k)和Z2(k)，对群U(k-1)中的所有目标航迹进行状态更新。因对U(k-1)与U1(k)或U2(k)而言，群发生了整体机动，所以U1(k)和U2(k)内各目标的状态更新可基于群机动跟踪模型直接获得，在此不再赘述。

3.2虚假航迹的删除

因为U(k-1)分裂成U1(k)和U2(k)，所以一般情况下

(9)

但此处在k时刻分别基于Z1(k)和Z2(k)对U(k-1)中的所有航迹均进行了延续，所以U1(k)和U2(k)中必然存在虚假航迹，需要进一步删除。然而虚假航迹的删除过程在一个探测周期内很难完成，因此本文通过对各时刻航迹建立航迹质量，利用多帧互联模式终结虚假航迹并完成群的分裂，具体描述为

(10)

(2)滑窗的建立

建立一个[k,k+h]的滑窗，若

(11)

则判断群U1(k)中航迹i为虚假航迹，将其删除；a为删除参数，与杂波密度有关，杂波密度越大，a的取值越小。

4　群合并跟踪模型

经分析可知，若只关注群目标U1(k-1)和U(k)或群目标U2(k-1)和U(k)，群发生了整体机动；若将群U1(k-1)和U2(k-1)看做整体，群合并的变化是由多个群变为一个群；因此，群的合并实际上为两个或多个群目标因发生整体机动而形成一个群目标的过程。所以，群的合并可基于群的整体机动模型进行建模，具体分为以下两步进行。

4.1合并前群内目标航迹的状态更新

4.2合并的判别

(12)

则判定这两个目标属于同一个群。

5　群分散跟踪模型

群分散是一种典型而特殊的机动方式，如飞机群到达目标打击区域后，会按照战术安排分别飞向不同的目标，此时群内飞机的运动模式各不相同，已不能作为一个群进行研究[1]。

5.1群内目标的点-航互联

(13)

2)对可能航迹D1进行直线外推，并以外推点为中心，建立关联波门Ω(k+1)，其由航迹外推误差协方差确定。若量测zi(k+1)落入关联波门Ω(k+1)内，假设zi(k+1)与zj(k)的连线与该航迹的夹角为α，若α≤σ(σ一般由测量精度决定，为了保证以很高的概率起始目标的航迹，可以选择较大的σ)，则认为zi(k+1)可与D1互联。若存在多个点满足要求，则选取离外推点最近的量测互联。

3)若没有量测落入Ω(k+1)中，则将D1继续直线外推，以外推点为中心，建立后续关联波门Ω(k+2)，其大小由航迹外推误差协方差确定。若量测zi(k+2)落入关联波门Ω(k+2)内，假设zi(k+2)与zi(k+1)的连线与该航迹的夹角为β，若β≤σ，则判定zi(k+2)可与D1互联。若存在多个点满足要求，则选取离外推点最近的量测互联。

4)若在第四次扫描中，没有量测落入后续关联波门Ω(k+2)中，则删除该可能航迹。

5)在各个周期中不与任何航迹互联的量测用来开始一条新的可能航迹，转步骤1)。

5.2群内目标的状态更新

获取目标i在k时刻的互联量测为zj(k)后，利

用IMM模型的思想对目标进行滤波，具体过程同群整体机动跟踪模型，在此不再赘述。

6　结语

本文面向整体机动、分裂、合并、分散四种典型的群目标机动模式，分别建立了群内目标精细跟踪模型，为多传感器群内目标的精细跟踪打下了基础。但需要注意的是，要在工程应用中实现群内目标的精细跟踪，还需要基于本文算法，进一步研究群目标具体机动模式的自适应实时判别机制。

[1] 王海鹏.多传感器编队目标跟踪算法研究[D].烟台:海军航空工程学院,2012:8-10, 63-71.

[2] 邢凤勇,熊伟,王海鹏.基于聚类和Hough变换的多编队航迹起始算法[J].海军航空工程学院学报,2010(25):624-629.

[3] Peng Z H, Sun L, Chen J. Path. Planning of Multiple UAVs Low-altitude Penetration Based on Improved Multi-agent Coevolutionary Algorithm[C]//2011 30th Chinese Control Conference,2011(7):4056-4061.

[4] Zhen Q, Shelton C R. Improving Multi-target Tracking via Social Grouping[C]//2012 IEEE Conference on Computer Vision and Pattern Recognition,2012(7):1972-1978.

[5] 赵盟盟,张群,陈怡君,等.一种用于空间群目标分辨的滑动窗轨迹跟踪算法[J].宇航学报,2015,36(10):1187-1194.

[6] 何友,王国宏,关欣.信息融合理论及应用[M].北京：电子工业出版社,2010:135-177.

[7] 何友,修建娟,张晶炜.雷达数据处理及应用[M](第3版).北京：电子工业出版社,2013:112-118.

[8] Yu M, Oh H, Chen W H. An improved multiple model particle filtering approach for maneuvering target tracking using airborne GMTI with geographic information[J]. Aerospace Science and Technology,2016,52(1):62-69.

[9] Yang W, Wang Z X, Fu Y W, et al. Joint detection tracking and classification of a maneuvering target in the finite set statistics framework[J]. IET Signal Processing,2015,9(1):10-20.

[10] Yang J L, Ji H B, Ge H W. Multi-model particle cardinality-balanced multi-target multi-bernoulli algorithm for multiple maneuvering target tracking[J]. IET Radar, Sonar and Navigation,2013,7(2):101-112.

[11] 耿文东.基于PDA的群目标合并与分离方法研究[J].无线电工程,2007,37(2):24-26.

[12] 刘红,耿文东.基于模式空间的目标合并与分离方法研究[J].无线电工程,2010,40(2):53-56.

[13] Septier F, Pang Sz K. Tracking of Coordinated Groups Using Marginalized MCMC-Besed Particle Algorithm[J]. IEEE Transactions on Auto Control,2009,31(2):1-11.

[14] Lian F, Han C Z, Liu W F. Sequential Monte Carlo Implementation and State Extraction of the Group Probability Hypothsis Density Filter for Partly Unresolvable Group Targets-tracking Problem[J]. IET Radar, Sonar and Navigation,2010,4(5):685-702.

[15] Lan J, Li X. Tracking of maneuvering non-ellipsoidal extended object or target group using random matrix[J]. IEEE Transactions on signal processing,2014,62(9):2450-2463.

[16] Li Z, Liu J, Bai D, et al. Group targets tracking algorithm based on strong tracking filter and improved weighted method[J]. Journal of Peking University of Aeronautics and Astronautics,2014,40(8):1102-1108.

Multi-Sensor Refined Tracking Algorithm of Typical Group Targets Maneuvering Models*

To resolve the refined tracking of the targets in a maneuvering group with the multi-sensor detections, a new algorithm named multi-sensor refined tracking algorithm of typical group targets maneuvering models is proposed. In the algorithm, the characteristics of maneuvering group targets are analyzed deeply. Firstly, intended for the four typical group targets maneuvering patterns, namely, the whole maneuver, splitting, merging and dispersing, based on the clutter deletion models and the measurement merging models, the group targets whole maneuvering tracking models is established with the interactive multiple model. Secondly, based on the group targets whole maneuvering tracking models, the group targets splitting tracking model is done with the multiple sequences association model. Moreover, the group targets merging tracking model is obtained based on the cyclic threshold model. Finally, based on the modified 3/4 logical method, the group targets dispersing tracking model is obtained, and that the multi-sensor refined tracking of the four typical group targets maneuvering patterns is carried out.

multi-sensor refined tracking, group targets whole maneuvering, group targets splitting, group targets merging, group targets dispersing

2016年2月7日,

2016年3月24日

国家自然科学重点基金(编号：61531020)；国家自然科学面上项目(编号：6147383)；装备预研基金(编号：9140A07030514JB14001；9140A07041415JB14001)资助。

王海鹏，男，博士研究生，研究方向：目标跟踪、航迹关联。

TP953,TN957

10.3969/j.issn.1672-9730.2016.08.019