[发明专利]一种分布式多平台协同有源目标跟踪方法有效
申请号: | 201811597008.5 | 申请日: | 2018-12-26 |
公开(公告)号: | CN109782269B | 公开(公告)日: | 2021-04-20 |
发明(设计)人: | 梁源;徐兵 | 申请(专利权)人: | 北京壹氢科技有限公司 |
主分类号: | G01S13/72 | 分类号: | G01S13/72;G01S7/02 |
代理公司: | 北京国林贸知识产权代理有限公司 11001 | 代理人: | 李桂玲;杜国庆 |
地址: | 100000 北京市朝*** | 国省代码: | 北京;11 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 一种 分布式 平台 协同 有源 目标 跟踪 方法 | ||
1.一种分布式多平台协同有源目标跟踪方法,包括分布设置的多个有源转动探测平台,多个探测平台探测跟踪同一个目标;多个探测平台呈拓扑结构信息相邻互动;其特征在于,所述目标跟踪方法包括:
第一步:每一个探测平台根据自身接收到的目标信息利用AIMM算法+EKF算法独立进行本平台的目标跟踪估计,得到本平台的目标跟踪估计结果;
第二步:每一个探测平台依据一致性法则向互动平台传输本平台的目标跟踪估计结果,同时接收互动平台的目标跟踪估计结果;
第三步:将接收互动平台的目标跟踪估计结果与本平台的目标跟踪估计结果进行融合,得到一致性融合后的本平台的目标跟踪估计结果,并将融合次数计数器加1;
第四步:判断融合次数计数器是否达到了融合次数阈值,如果没有达到融合次数阈值,则返回第二步;如果达到了融合次数阈值,则将得到一致性融合后的本平台的目标跟踪估计结果作为最终跟踪结果输出;
所述AIMM算法+EKF算法的方法是:
第一步:输入AIMM算法中的交互模型数据,包括CA模型数据、CV模型数据和Singer模型数据;
第二步:用EKF算法分别对CA模型数据、CV模型数据和Singer模型数据进行滤波;
第三步:对取得的滤波结果利用作为权重的模型概率进行加权融合;将加权融合得到的加权平均值结果作为最终目标跟踪估计结果,所述的模型概率是由模型转移概率更新的模型概率;
第四步:对模型转移概率利用假设检验方法进行修正形成新的接近跟踪目标的模型转移概率;
其中的利用假设检验方法是:利用量测数据自适应地修正模型转移概率:
pro′ij(k)=exp(uj(k)-uj(k-1))proij(k-1)
对上式进一步进行归一化得到修正后的结果:
2.根据权利要求1所述的方法,其特征在于,所述一致性法则是通过一致性算法保持各互动平台目标跟踪估计结果一致。
3.根据权利要求2所述的方法,其特征在于,所述一致性算法是:
第一步:根据多个探测平台拓扑结构建立一个邻接矩阵G;
第二步:根据邻接矩阵G设置相应的W权重矩阵;
第三步:计算邻接矩阵G的行和向量与列和向量;
第四步:对于W权重矩阵中的W(i,j)元素为:
如果i≠j,则
如果i=j,则
其中max()代表在输入的数据之中取最大值;
第五步:利用W权重进行不同平台之间的数据通信与数据融合。
4.根据权利要求1所述的方法,其特征在于,所述目标信息包括探测平台与目标之间的相对俯仰角与相对方位角,以及与目标之间的相对距离。
5.根据权利要求1所述的方法,其特征在于,所述多个探测平台呈拓扑结构信息相邻互动,是一个平台对一个平台的信息相邻串联互动,或者是一个平台对多个平台的信息相邻互动,或者是一个平台对一个平台和一个平台对多个平台的信息相邻互动。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于北京壹氢科技有限公司,未经北京壹氢科技有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201811597008.5/1.html,转载请声明来源钻瓜专利网。