一种基于统计的二维航迹关联方法

发布时间：2022-02-10 21:24

　　为了克服航迹关联过程中传感器系统误差和随机测量误差的影响,提出了一种二维航迹关联方法。该方法建立了同一时刻不同传感器观测同一目标的位置差距与系统误差、随机测量误差间的函数关系,并通过计算位置差距的范围设立第一维的关联门限,然后通过计算连续时刻内位置差距的方差范围建立第二维的关联门限。仿真结果表明,相对于传统的双门限法,该方法对多传感器数据进行关联,具有较高的正确率。 

【文章来源】：空天防御. 2020,3(01)

【文章页数】：6 页

【部分图文】：

不同坐标系下的目标位置信息

为了验证本文算法的有效性,设计了如图2所示的算法流程。假设本文所有坐标系均为北天东直角坐标系,关联中心坐标系、传感器1和2的观测坐标系原点分别位于[0,0,0]、[40 000,1 000,10 000]、[10 000,4 000,40 000](单位: m)处。传感器1、2观测目标的采样周期均为1 s,系统误差设定如表1所示,随机测量误差服从正态分布,标准差设定具体如表2所示。

空中飞行目标仿真场景设定两种:低密度目标运动场景(图3)和高密度目标运动场景(图4)。模拟低密度目标运动时,传感器1、2探测区域内共有20个飞行目标,其中两批目标间交叉飞行,每批飞行目标6个,目标间平行飞行,间距为250 m,速度为200 m/s,其余8个目标初始位置在探测区域内随机产生,速度方向随机选取,速度大小均为200 m/s。模拟高密度目标运动时,传感器1、2探测区域内共有40个飞行目标,其中四批目标分两组,每组中两两交叉飞行,每批飞行目标6个,目标间平行飞行,间距为250 m,速度为200 m/s,其余16个目标初始位置在探测区域内随机产生,速度方向随机选取,速度大小均为200 m/s。图4 高密度目标运动场景

【参考文献】：
期刊论文
[1]智能化分布式协同作战体系发展综述[J]. 唐胜景,史松伟,张尧,周亮.  空天防御. 2019(01)
[2]一种新的多传感器航迹关联算法[J]. 陈中华,王国宏,刘德浩,谭顺成.  火力与指挥控制. 2012(10)
[3]改进的“最近邻”航迹相关算法研究[J]. 李晓峰,王强.  电子科技. 2008(07)
[4]多传感器融合多目标跟踪中的序贯航迹关联算法[J]. 韩红,刘允才,韩崇昭,朱洪艳,左东广.  信号处理. 2004(01)

博士论文
[1]复杂环境下多传感器航迹关联与抗差处理[D]. 田威.清华大学 2014
[2]多传感器数据关联与航迹融合技术研究[D]. 田雪怡.哈尔滨工程大学 2012

硕士论文
[1]多传感器多目标航迹关联与融合算法研究[D]. 程跃兵.南京理工大学 2010



本文编号：3619552