4.1 简述
加权协方差融合发、信息矩阵融合法、伪测量融合法和基于模糊集理论的模糊航迹融合算法等应用较广泛。
4.2 轨迹管理
4.2.1 逻辑法
1.轨迹头-每条轨迹的第一个点:新检测到的点,未匹配上的孤立的点,噪声点迹。需要建立一个较大的环形关联门
2.轨迹起始:关联上的两个点迹可以外推出第三个点迹,则形成一条轨迹。
3.轨迹的确认:
- 连续3个周期扫描到。
- 当距离较远时,允许第3个周期没有扫描到,推测3个周期。
距离 | 点迹1 | 点迹2 | 点迹3 | 点迹4 | 点迹5 | 点迹6 |
---|---|---|---|---|---|---|
近 | 轨迹头+ | + | + | 正常跟踪 | ||
中 | 轨迹头+ | + | - | + | 正常跟踪 | |
远 | 轨迹头+ | + | - | - | + | 正常跟踪 |
4.轨迹维持/保持
- 目标移动过程中5个周期有3个周期有点迹存在,就判定为真实轨迹,继续跟踪,此种情况有16种检测情况出现。
5.轨迹的撤销
- 只有轨迹头的情况:后面一个周期不能满足条件即消除
- 初始化的轨迹:后面3个周期中,根据距离出现点迹次数小于一定值时消除。
- 已经确认的轨迹:4~6周期连续没有,撤销。在此时,需要连续盲目外推,并且扩大波门对丢失的目标再次捕获。
- 跟踪很长时间的轨迹:在出检测范围时消除,或者交接给其他传感器检测到的轨迹列表中。
4.2.2 记分法
1.轨迹记分规则
Q H = f ( S 1 , S 2 , Q D ) Q H − 轨迹质量 S 1 , S 2 − 轨迹的确认和撤销门限 Q D − 点迹质量 Q_H=f(S1,S2,Q_D) \\ Q_H - 轨迹质量 \\ S_1,S_2 - 轨迹的确认和撤销门限 \\ Q_D - 点迹质量 QH=f(S1,S2,QD)QH−轨迹质量S1,S2−轨迹的确认和撤销门限QD−点迹质量
波门种类 | 点迹质量Q_d的加权系数 |
---|---|
轨迹头 | 1 |
中波门 | 1 |
小波门 | 2 |
大波们 | 0 |
目标丢失 | -2 |
2.轨迹的确认与撤销
- Q_H≥S_1时,该轨迹为真实目标的轨迹
- Q_H≤S_2时,无论确认轨迹还是非确认轨迹都为假轨迹
- S_2≤Q_H≤S_1时,若n<N,轨迹为未确认轨迹,保留;n≥N,撤销
n:相关次数,N,允许费确认轨迹逗留的相关次数。
4.3 轨迹初始化的算法
初始轨迹只用来自同一个传感器的相邻观测数据。
4.3.1 两点外推法
适用于目标运动为一阶的,比如匀速直线运动。
x 3 = x 2 + V x ( 2 ) ∗ T y 3 = y 2 + V y ( 2 ) ∗ T V x ( 2 ) = ( x 2 − x 1 ) / T V y ( 2 ) = ( y 2 − y 1 ) / T 如果 T 稳定,则: x 3 = 2 ∗ x 2 − x 1 y 3 = 2 ∗ y 2 − y 1 x_3=x_2+V_x(2)*T \\ y_3=y_2+V_y(2)*T \\ V_x(2)=(x2-x1)/T \\ V_y(2)=(y2-y1)/T \\ 如果T稳定,则: \\ x_3=2*x_2-x_1 \\ y_3=2*y_2-y_1 x3=x2+Vx(2)∗Ty3=y2+Vy(2)∗TVx(2)=(x2−x1)/TVy(2)=(y2−y1)/T如果T稳定,则:x3=2∗x2−x1y3=2∗y2−y1
4.3.2 三点外推法
适用于目标运动方程为二阶的,匀加速运动。
x 4 = x 3 + V x ( 3 ) ∗ T + 1 2 a x T 2 y 4 = y 3 + V y ( 3 ) ∗ T + 1 2 a y T 2 V x ( 3 ) = 3 x 3 − 4 x 2 + x 1 2 T V y ( 3 ) = 3 y 3 − 4 y 2 + y 1 2 T a x = x 3 − 2 x 2 + x 1 T 2 a y = y 3 − 2 y 2 + y 1 T 2 如果 T 为稳定的: x 4 = 3 x 3 − 2 x 2 + x 1 y 4 = 3 y 3 − 3 y 3 + y 1 x_4=x_3+V_x(3)*T+\frac{1}{2}a_xT^2 \\ y_4=y_3+V_y(3)*T+\frac{1}{2}a_yT^2 \\ V_x(3)=\frac{3x_3-4x_2+x_1}{2T} \\ V_y(3)=\frac{3y_3-4y_2+y_1}{2T} \\ a_x=\frac {x_3-2x_2+x_1}{T^2} \\ a_y=\frac {y_3-2y_2+y_1}{T^2} \\ 如果T为稳定的:\\ x_4=3x_3-2x_2+x_1 \\ y_4=3y_3-3y_3+y_1 x4=x3+Vx(3)∗T+21axT2y4=y3+Vy(3)∗T+21ayT2Vx(3)=2T3x3−4x2+x1Vy(3)=2T3y3−4y2+y1ax=T2x3−2x2+x1ay=T2y3−2y2+y1如果T为稳定的:x4=3x3−2x2+x1y4=3y3−3y3+y1
其他初始化方法有:佛变换法,滑窗法,线性规划法
4.4 轨迹关联
局部轨迹与局部轨迹关联,局部轨迹与全局轨迹关联。
4.4.1 统计关联方法
讨论两个来自同一目标的局部轨迹在后融合中关联:
mahalanobis距离的平方
d i j 2 = ∣ ∣ x ^ i − x ^ j ∣ ∣ 2 ( P i + P j ) − 1 x ^ i , x ^ j , 轨迹 i , j 的估计状态 P i , P j , 轨迹 i , j 的协方差 P i j = P j i T , 两个估计状态的互协方差 d_{ij}^2=||\hat x_i-\hat x_j||^2(P_i+P_j)^{-1} \\ \hat x_i,\hat x_j,轨迹i,j的估计状态\\ P_i,P_j,轨迹i,j的协方差 \\ P_{ij}=P_{ji}^T,两个估计状态的互协方差 \\ dij2=∣∣x^i−x^j∣∣2(Pi+Pj)−1x^i,x^j,轨迹i,j的估计状态Pi,Pj,轨迹i,j的协方差Pij=PjiT,两个估计状态的互协方差
当轨迹估计误差是相关的时候
d i j 2 = ∣ ∣ x ^ i − x ^ j ∣ ∣ 2 ( P i + P j − P i j − P j i ) − 1 d_{ij}^2=||\hat x_i-\hat x_j||^2(P_i+P_j-P_{ij}-P_{ji})^{-1} \\ dij2=∣∣x^i−x^j∣∣2(Pi+Pj−Pij−Pji)−1
1990年,Chong提出了另一种度量方法:
d i j 2 = ∣ ∣ x ^ − x ^ i ∣ ∣ 2 P i − 1 + ∣ ∣ x ^ − x ^ j ∣ ∣ 2 P j − 1 − ∣ ∣ x ^ − x ˉ ∣ ∣ 2 P ˉ − 1 ( x ˉ , P ˉ ) 是目标状态 x 的鲜艳平均矢量和协方差对, P ^ − 1 x ^ = P i − 1 x ^ i + P j − 1 x ^ j − P ˉ − 1 x ˉ P ^ − 1 = P i − 1 + P j − 1 − P ˉ − 1 d_{ij}^2=||\hat x-\hat x_i||^2P_i^{-1}+||\hat x-\hat x_j||^2P_j^{-1}-||\hat x-\bar x||^2\bar P^{-1} \\ (\bar x,\bar P)是目标状态x的鲜艳平均矢量和协方差对,\\ \hat P^{-1}\hat x=P_i^{-1}\hat x_i+P_j^{-1}\hat x_j-\bar P^{-1}\bar x \\ \hat P^{-1}=P_i^{-1}+P_j^{-1}-\bar P^{-1}\\ dij2=∣∣x^−x^i∣∣2Pi−1+∣∣x^−x^j∣∣2Pj−1−∣∣x^−xˉ∣∣2Pˉ−1(xˉ,Pˉ)是目标状态x的鲜艳平均矢量和协方差对,P^−1x^=Pi−1x^i+Pj−1x^j−Pˉ−1xˉP^−1=Pi−1+Pj−1−Pˉ−1
4.4.2 模糊关联方法
轨迹
R i = [ r 1 r 2 . . . r n ] R_i=[\begin{matrix}r_1 \\ r_2 \\ . \\ .\\.\\r_n \end{matrix}] Ri=[r1r2...rn]
分辨率
Δ i = [ δ 1 δ 2 . . . δ n ] \Delta_i=[\begin{matrix}\delta_1 \\ \delta_2 \\ . \\ .\\.\\ \delta_n \end{matrix}] Δi