（光学工程专业论文）多目标航迹关联技术.pdf

摘要 本文研究多个目标航迹关联，主要包括以下几个过程：( 1 ) 在目标出现的时候， 快速地识别并捕获目标，剔除虚假噪声；( 2 ) 在目标飞行的过程中，不论目标被遮挡 或者发生机动，还是目标之间的交叉和分叉，都能稳定的跟踪目标，并记录目标飞 行的轨迹。 多目标航迹关联技术实现主要分为航迹起始、航迹关联和航迹终结几个阶段。 在对目标进行航迹起始的过程中，受人眼视觉感知过程的启发，采用了目标的多种 属性特征进行关联，根据目标的特性起始航迹，使系统具有实时动态响应能力。为 了适应工程需要，利用基于模糊思想的航迹置信度标准剔除虚假航迹，保证算法的 精度和存储能力。在跟踪过程中，基于目前认为最优秀的算法联合概率数据关 联( j p d a ) 提出改进，加入多维属性特征的判断，减少了矩阵的数目，在测量数据 和目标个数增加时，性能改进尤为明显，使j p d a 算法的瓶颈有了突破，使之能适 应工程应用的需要，和普通的j p d a 算法相比，由于加入了目标属性特征和运动方 向的判断，提高了跟踪精度。通过实验仿真，得到了令人鼓舞的结果。 关键字：多目标航迹关联航迹起始光电测量 a b s t r a c t l ij u a n ( o 埘c se n g i n e e r i n g ) d i r e c t e db ym in a i j u n j i a n gp i n g t h ep a p e ri sr e s e a r c ht oa c h i e v et h em u l t i t a r g e t sl r a j e c t o r ya s s o c i a t i o n t h a t i n c l u d e sf o l l o w i n gp r o c e s s e s ：( 1 ) i d e n t i f ya n dc a p t u r et h et a r g e t sf a s ta n de x a c t l yw h e n t h e ma p p e a ro nt h em o n i t o ra n dc a n c e lo f ft h ei n t e r f e r i n gn o i s e ( 2 ) t r a c kt h et a r g e t s t r a j e c t o r ys t e a d i l ya n dr e l i a b l yd u r i n gt h e i rf l i g h t ，e i t h e rw h e nt h e ya r ec l o u d e d ，o rw h e n t h e yc h a n g et h e i rm o v e m e n tl a wr a n d o m l y e s p e c i a l l y ，t h es y s t e mc a nd e a l w i t ht h e s i t u a t i o nt h a tt h et a r g e _ 【st r a j e c t o r i e sa c r o s so rd i v a r i e a t i n g t h er e a l i z a t i o nc o u r s ei sc o m p o s e do ft r a c ki n i t i a l i z a t i o n t r a c ka s s o c i a t i o na n dt r a c k t e r m i n a t i o n w h e ni n i t i a l i z et h et r a j e c t o r y , t h es y s t e ma d o p tm u l t i f e a t u r e st oa s s o c i a t i o n i n i t i a l i z et h et r 旬e c t o r yi nt e r m so ft h et a r g e t sc h a r a c t e r i s t i c ，t h a te n a b l et h es y s t e mt o h a v et h ed y n a m i cr e s p o n s ea b i l i t yi nr e a l - t i m e d u r i g gt h et r a c k i n gp r o c e s s ，t h es y s t e m i m p r o v e so nt h ej o i n tp r o b a b i l i t yd a t aa s s o c i a t i o n ( j p d a ) ，w h i c hi sn o wm o s tp o p u l a r a l g o r i t h ma d d i n gt h ee s t i m a t i o no fm u l t i f e a t u r e st oj p d a ，t h a tr e d u c e st h em a t r i x n u m b e rw h i c hi st h ec h o k ep o i n to fj p d a w h e nt h em e a s u r e m e n t sd a t aa n dt a r g e t s n u m b e ri n c r e a s e ，t h ei m p r o v e m e n to ft h ec a p a b i l i t yi so b v i o u s l y ，a n dt h es y s t e me n a b l e t om e e tw i t ht h ep r o j e c tn e e d s c o m p a r e dw i t hn o r m a lj p d a ，t h ei m p r o v e do n ep r o m o t e t h et r a c k i n ga c c u r a t eb ya d d i n gt h ee s t i m a t i o no ft a r g e ta t t r i b u t ef e a t u r ea n dm o v e m e n t d i r e c t i o a a sar e s u l t ! t h es y s t e mp e r f o z 。m a n c ei se n c o u r a g i n g k e y w o r d s ：m u l t i - t a r g e t s ，t r a c ka s s o c i a t i o n ，t r a c k i n i t i a l i z a t i o n ，p h o t oe l e c t r i c i t y m e a s u r c m e n t 本人申明 本人郑重申明：所呈交的学位论文，是本人在导师的指导下，独立进 行研究所取得的成果。除文中已经注明引用的内容外，本论文不包含任何 其他个人或集体已经发表或撰写过的科研成果。对本文的研究做出重要贡 献的个人和集体，均己在文中以明确方式标明。本人完全意识到本声明的 法律责任由本人承担。 论文作者签名：垄垫羹日期：色翌丝丕：! 关于学位论文使用授权的声明 本人完全了解中国科学院光电技术研究所有关保留、使用学位论文的 规定，同意中国科学院光电技术研究所保留或向国家有关部门或机构送交 论文的复印件和电子版，允许论文被查阅和借阅；本人授权中国科学院光 电技术研究所可以将本学位论文的全部或部分内容编入有关数据库进行检 索，可以采用影印、缩印或其他复制手段保存论文和汇编本学位论文。 ( 保密论文在解密后应遵守此规定) 论文作者签名：至塑 导师签名：傻凸盂 日期： 如“j ；。飞 第一章绪论 第一章绪论 由于各种干扰的存在，如背景噪声、杂波、以及测量误差的存在，使得测量系 统得到的测量数据具有模糊性和不确定性。多目标航迹关联的任务就是充分利用传 感器所提供的信息，在大量的数据中，利用适当的关联方法形成目标的航迹，得到 监视区域内所观测目标的信息，如目标的数目，每个目标的状态( 包括位移、速度 等信息) ，目标的对比度，大小，形状等信息，并根据这些信息得到目标的轨道参数 和特性参数。 多目标航迹关联技术是光电测量设备进行跟踪的一个关键技术之一，该技术发 展得很快，它不仅可以保证在大量的杂波环境下识别出目标，还能在目标被遮挡的 情况下记忆目标的轨迹，当目标再次出现时重新捕获目标。 11 1 研究课题的学术背景及理论与实际意义 现代光电测量系统是集几何光学、物理光学、电子学、天文学、自动控制技术、 精密机械技术及红外、电视、激光等现代光电子技术于一体的综合性技术。光电测 量系统是一种精度较高的轨道参数与目标特性参数测量系统，在光电测量设备使用 中还涉及到大地测量、气象参数测量及测量设备误差标定等技术。先进的基础科学 和现代高科技在光电测量系统中的应用，促进了光电测量技术的进步和发展。 随着对光电测量设备要求的不断提高，又推动了这些科学技术的发展。在光电 测量系统发展的同时，用于光f i n n 量设备的相关的跟踪系统也有了很大的发展，由 于人工智能、神经网络、模糊决策，信息融合等相关学科的发展，促使多目标跟踪 系统也得到了长足发展。另一方面由于多目标跟踪系统的发展与需要，又促使这些 学科的进步与发展。现代的跟踪系统对于动态目标数据的处理，需要对目标位置进 行连续的或按时间采样的离散测量，并具有估计目标机动行为的能力，以便对目标 的未来位置做出预测。该处理需要将传感器的每个新数据集与已知目标航迹预测的 位置反复进行关联，以确定哪一个传感器的检测是当前航迹的轨迹或是新目标，或 是虚警。 多目标航迹关联技术 本课题研究的目的就是通过目标的运动信息和特征信息，对测量数据进行数据 处理，将出现在视场内的观测点标记为新目标、当前目标的后续点或者是虚假噪声 点。记录目标的轨迹和各种相关的特征信息。课题研究的理论和实际意义在于利用 这些基础学科的知识和现有的理论方法，将理论与实际相结合。 1 1 2 本研究课题的来源及主要研究内容 论文课题来源于光电测量设备对多目标探测与跟踪技术的需求。课题研究的主 要内容是多目标的航迹关联技术。多目标航迹关联技术是多目标跟踪的关键技术之 一。目标跟踪的基本原理0 1 如图1 i 所示，最早是w a x 在1 9 5 5 年提出的，后来s i l l t e r 也对此问题进行了研究，当时，用于递归目标状态估计的卡尔曼滤波技术还没有被 提出。随着卡尔曼滤波技术的出现，使得现代跟踪技术出现了很大的进步。在2 0 世纪7 0 年代，人们越来越多地研究多目标跟踪技术。它的任务是充分利用传感器所 提供的信息，形成目标航迹，得到监视区域内的一些信息。然后又根据形成的航迹 信息和历史特征信息，来实现对目标的预测和稳定跟踪。 幽1 1 多目标跟踪的基本原理 多目标航迹关联技术的工作流程可简单的描述为循环过程： ( 1 ) 点迹输入：在系统工作的过程中，可能得到很多的测量值，这些测量值是以 某种格式输入。 ( 2 ) 判断是否已有航迹：如果没有航迹，就将这些点作为航迹的第一点，注册新 航迹。如果有航迹，就将这些测量值与已有的航迹进行关联，更新航迹。 ( 3 ) 将未能实现关联的点迹，作为新的目标加入到点迹的队列中，从而更新点迹 第一章绪论 队列。 ( 4 ) 根据目标的运动方程，输出航迹起始成功的目标的航迹和运动参数。根据相 关的判决准则判断是否对此航迹目标进行跟踪。 ( 5 ) 根据跟踪终结理论判决是否有目标逃离跟踪空间或被摧毁，实行航迹删除。 ( 6 ) 重复以上步骤。 在跟踪的过程中，目标因为各种原因可能出现丢失，在这种情况下，如何预测 出目标将会出现的位置和快速重新捕获目标也是评价该航迹关联技术的一个重要指 标。性能评估的理论参数有以下几个方面： ( 1 ) 预测波门：设计按时间校对测量的方法，需要考虑预测性，以及估计航迹 关联的预测波门大小。 ( 2 ) 关联参数：属性参数( 传感器的目标特性) 、目标的特征参数、目标的运动 参数、门限值的取值等。 ( 3 ) 数据关联和分配：从各个传感器的测量数据和航迹关联来看，常见的关联 方法有两种： 第一种是假定目标与单个“最近邻”的测量关联，只是按关联程度依次排列的 度量准则进行的配对。这个硬判定强制性的选择数据的单个“最佳”配对，但没有 考虑出现多个密集排列的入选者的歧义性； 第二种方法认为测量与符合准则的“所有近邻”相关联，即延迟多级假设关联 法及组合的随机数据关联法两种方法。 ( 4 ) 航迹估计器：对目标真实状态的数值估计，是通过使用关联测量的时间序 列的算法来计算的，这种估计器包括一个航迹动态推测模型，利用观测修正状态估 计，以使某个目标函数最小化。 其次，对算法的关联和跟踪性能进行度量，判断算法的可行性包括： ( 1 ) 关联判定性能，由正确判定概率( 如) 或错误关联概率( 1 一鼻。) 定义： ( 2 ) 估计精度，又对状态( x ，y ，尼口等) 中每个元素的预测误差度量来定义。 最后，通过算法的实时性、算法复杂度、算法的存储量、可靠性等几个方面来 来对算法进行评估。 多目标航迹关联技术 1 2 现代多目标航迹关联技术及其发展 航迹处理的实质是对多机动目标的跟踪。通过对多目标技术的分析，以下几个 方面的研究将成为多目标跟踪研究的主要方向： ( 1 ) 机动目标建模一直是多目标跟踪技术的一个关键问题，也是一个研究难点， 这方面的研究仍将是多目标跟踪技术的一个主要研究方向。其中，利用各种方法使 得目标模型随着目标的运动，具有自适应能力的研究是一个方面；另外，交互多模 技术( i m m ) 及与其它技术相结合的技术也是一个研究的方向。 ( 2 ) 跟踪系统的复杂化使得数据关联问题成为多目标跟踪技术研究的另一个关 键问题，数据关联算法的性能直接影响跟踪系统的性能，它是以后研究的一个主要 方向。 ( 3 ) 数据关联算法性能的优劣在现代跟踪技术中非常重要，而目前对算法性能评 估方面的研究较少，所以数据关联性能评估算法的研究将是一个很有价值的研究方 向。 ( 4 ) 光电传感器是一种被动传感器，它得到的测量结果具有图像信息，比传统传 感器得到的点观测数据的信息更丰富，所以，近年来基于图像传感器的图像跟踪技 术的研究发展很快，也是今后多目标跟踪技术的一个发展方向。 ( 5 ) 如何将属性或特征信息引入多目标跟踪系统中，辅助跟踪系统得到更精确的 状态估计，改善跟踪系统的性能，也是一个值得研究的方向。 ( 6 ) 低信噪比、低探测概率情况下的跟踪技术是多目标跟踪技术发展的方向。 1 2 1 基于目标的特征分类 现代跟踪技术有多种分类方法，既可以根据所用的算法的不同来分，也可以根 据跟踪的目标数目来分，还可以根据传感器来分，等等。如果根据传感器来分可以 分为单传感器和多传感器跟踪，按目标的数目也可以分为单个目标跟踪和多目标跟 踪，当然还可以根据目标的特征来分类： ( 1 ) 点目标跟踪 点目标跟踪式传感器探测到的目标只有一个象素点，一般的雷达得到的目标测 量结果均是点测量数据。这方面的技术发展过程较长，方法多，相对较成熟。 ( 2 ) 小目标跟踪 4 第一币缔论 当传感器得到的目标的图像是由几个到大约1 0 0 个象素点组成的图像时，统称 为小目标跟踪。小目标跟踪是指在目标的灰度值与背景的对比度比较小的小目标跟 踪。这种目标由于系统噪声和密集杂波的存在，为目标识别带来了很大的难度，在 保证高正确率跟踪的情况下识别出小目标也是航迹关联技术研究的一个重要的目 标。 ( 3 ) 具有边缘特性的目标跟踪 边缘特性的目标是指目标的轮廓和形状比较明显，对比度比较大的目标。当光 电传感器得到完全的目标图像时，可以从图像中得到目标的某些运动和属性特征， 然后将其用于对目标的跟踪。例如飞机。 ( 4 ) 具有峰值特性的目标跟踪 这种目标的信息非常明显，它的特点是速度快，对比度很大，但是机动性很强， 可能很快就逃离了监视器视场范围，如目标机动的开始，结束时间等，这样的目标 就需要对其进行的快速的航迹起始和跟踪，当跟踪的部位发生切换时，还有可能引 起算法的切换，如何保证对这种目标的稳定跟踪是航迹关联技术需要解决的问题。 1 2 2 多目标跟踪模型 在给定传感器和测量体制下，测量数据的质量是给定的，则估计模型的准确性 和滤波算法的性能就是决定估计效果的主要因素。因此，研究建模方法，提高估计 模型的描述能力和准确性，是提高估计精度非常有效的手段，可以大大降低估计对 滤波算法的要求，更利于工程实现。目标跟踪的主要目的是用合适的模型描述目标 的运动行为模式，重点和难点是如何建立合适的估计模型，准确地描述目标加速度 的变化规律。有不少学者对模型问题进行了讨论，所述内容各具特点。 s i n g e r 模型“3 和m o o s e 模型”1 属于经典的单模型方法，是很多单模型构造的方法 论基础。s i n g e r 模型将机动加速度描述为均值为零的一阶时间相关随机过程，这与 实际的目标运动模型不符。基于这种情况，m o o s e 等提出了非零均值的随机相关高 斯噪声模型，该模型与s i n g e r 模型的主要区别在于半马尔可夫过程模型中引入了非 零的加速度。2 0 世纪8 0 年代，由中国学者周宏仁提出了“当前”统计模型。，该模 型由于采用了非零均值和修正的瑞利分布表征机动加速度特性，因而更加切合实际。 “当前”统计模型是一种应用广泛、效果好的单模型方法，而且发展出许多衍 多目标航迹关跌技术 生形式的模型，但是这种模型也与其他的单模型方法一样，也存在描述能力不足的 缺陷，无法适应实际运动行为与模型不相符的应用。 由于单模型描述能力的不足，动态多模型理论被引入机动目标跟踪中，发展形 成了一种新型的估计技术。在多模型方法中，b a r s h a l o m 等人提出的交互式多模型 方法“1 ( i m m ) 较为优越，是公认的性能代价比最高的机动目标算法之一。i m m 将动 态载体的机动可以描述为多个模型间转移的有限状态马尔可夫链，假设模型之间的 转移服从马尔可夫过程。“恰当地”引入建模信息意味着对过去信息的利用要有自适 应性。在无模式切换时较多地利用过去信息以平滑噪声，提高系统的滤波精度，而 在模式切换时较多地遗忘过去信息以提高系统的响应。在i m m 基础上，人们又给 出了自适应交互式多模型方法( a i m m ) ，具有结构调整特性的变结构多模型 ( v s m m ) t 3 1 等。 非线性系统的建模一直是跟踪的一个难点，近年来，有人提出了用于非线性系 统的一种方法粒子滤波方法，并且取得了一些可喜的成果。 1 2 3 多目标航迹关联技术的发展情况 多目标跟踪问题包括许多方面，主要有关联区域的形成，数据关联与跟踪维持， 跟踪起始与跟踪结束，漏报与虚警等等。多目标航迹关联技术是多目标跟踪的关键 技术之一，因为数据关联算法性能的优劣直接影响跟踪系统的整体性能。目前解决 数据关联的方法有很多”0 1 。 1 9 6 4 年，s i t t l e r 提出了轨迹分裂算法。在跟踪多目标时，s i t t l e r 认为除了测量噪 声描述的不准确性外，测量还具有来源的不确定性。 1 9 7 1 年，s i n g e r 等人首先提出了一种具有固定记忆并且能在多杂波环境下工作 的跟踪滤波器。这种方式的优点是计算量比较小，易于工程实现，在杂波点比较稀 疏的情况下，性能较好。但当杂波点比较密集时，波门内出现多个测量值，就可能 关联错误，需要对此方法进行改进来提高精度。 1 9 7 4 年，b a rs h a l o m 和j e f f e r 首先提出了概率数据关联( p d a ) 。这种方式的 优点是具有很好的关联性能，计算量和存储量与标准的k a l m a n 滤波器相当。缺点 是仅适用于单目标和分散孤立的多目标环境，且不具有航迹起始和消亡的机理。 1 9 7 5 年，p s m i t h 等应用k a l m a n 滤波技术，对轨迹分裂算法进行了完善。轨 第一帝绪论 迹分裂算法的优点是考虑了航迹的历史效应，且有航迹起始与消亡机理，缺点是计 算量较大，杂波密集时关联性能较差。 1 9 8 0 年，b a r _ s h a l o m 在p d a f 的基础上，提出了联合概率数据关联算法( j p d a ) 这种算法适应密集杂波环境下的多目标跟踪，该方法的缺点是计算量随着目标的增 加而呈指数增长，使j p d a 的实时应用成为难题。 d b r e i d 提出多级假设法。多级假设法的不足是过多地依赖于一些先验信 息，如己进入跟踪的目标数、虚警数、新目标数及虚假目标密度等。多级假设方法 也是一种数据比较优秀的方法，在此基础上，有不少人对此算法进行改进，形成了 概率多级假设算法。1 ( p m h t ) 纵观以上各种经典的数据关联算法，在处理杂波和漏检方面，j p d a 是- i i v i i 有 效的数据关联算法，所以入们对j p d a 算法进行改进，使其适应于各种不同环境、 进一步改善其性能、减小计算量及存储量的各种研究层出不穷。如：基于工程应用 的j p d a 算法，快速j p d a f 算法，基于神经元网络的j p d a f 算法，扩展概率数据 关联算法( e p d a ) ，广义数据关联算法( g p d a ) “”等。 由于多目标航迹关联技术一直是多目标跟踪技术( m t t ) 的重点和难点，可以说 是对整个m t t 系统影响较大的一项关键技术，所以关于这方面的研究还有很多。 航迹起始也是跟踪启动，是一种建立新的目标档案的决策方法，在探测器刚丌 机以及在跟踪过程中像点不落于任何跟踪门内时，都得进行跟踪启动的运算。要解 决的具体问题是从连续观测得到的像点中确定目标的初始运动轨迹。它主要包括： 假定轨迹形成，轨迹初始化和轨迹确定三方面。 由于航迹起始的过程中，存在大量的杂波点，所以航迹起始问题是多目标航迹 处理的一个难以处理的问题。现有的航迹起始的方法可以分为顺序处理技术和批处 理技术两大类，其中顺序处理技术适用于相对无杂波环境下的航迹起始，主要包括 启发式规则法和逻辑法；批处理技术适用于强杂波环境，主要包括h o u g h 变换法等。 还有一些学者将这两者结合起来用于航迹起始。 航迹的跟踪终结是清除多余目标档案的一种决策方法。当跟踪目标逃离跟踪空 问或者被摧毁时，其状态更新质量下降。为避免不必要的存储于计算，需在做出相 宜的决策，完成终结功能。主要的方法有： 方法一：n 次连续扫描丢失目标确定跟踪终结的方法和概率决策分析方法等概 多目标航迹关联技术 率决策分析方法有：序列概率检验法、跟踪门法、代价函数法、b a y e s 跟踪终结法 ( b t t ) ，但这些方法都属于“最邻近”相关法，适用于稀疏和非机动目标情况。 方法二：在b t t 方法和m j p d a 卜r p l 基础上，提出一种适合密集多目标环境 的“全邻”b a y e s 跟踪算法a b t t 。 13 本论文研究的重点 根据现有的学术背景和多目标航迹跟踪技术( m t t ) 系统的论述，本论文拟从以 下几个方面来解决多目标航迹关联技术中的实际工程已用问题。 ( 1 ) 密集杂波环境下的多目标航迹起始 在复杂场景下，杂波点越来越密集，而目标的特性又不是很明确的情况下，需 要识别出真实的目标，剔出虚假噪声点，在保证目标不丢失的前提下，使航迹起始 的虚假噪声达到最小，这为多目标航迹关联的工程应用提出了新的难题。本文拟从 目标类型的角度来进行处理，将目标的类型分为小目标、具有边缘特性的目标和具 有峰值特性的目标。 a ) 小目标：对于目标特性不是很明确，目标的大小和对比度都比较小的目标 称为小目标，对于这种目标的航迹起始处理，需要经过相对较长的时间来进行识别， 通过目标的面积大小和对比度的大小来具体确定航迹起始的响应时间。 b ) 具有边缘特性的目标：对于目标的对比度比较高，轮廓和形状比较突出的 目标就认为是具有边缘特性的目标。对于这类目标可以提高目标的关联参数来时目 标能够被较快的识别出来。 c ) 具有峰值特性的目标：对于目标的对比度很高，速度快的目标认为是具有峰 值特性的目标。这类需要系统能快速响应，以防止在多目标航迹关联的过程中目标 脱离视场。 考虑到以上情况，本文试图从一种较新的角度来对目标进行航迹起始，根据光 电测量设备每个周期获得的测量数据，给每个测量值设定一个起始的系数，使不同 特性的目标具有不同的航迹起始的能力，保证m t t 系统的实时处理能力和高精度 测量。 ( 2 ) 密集杂波环境下的多目标航迹关联 在实际的工程应用中，考虑到m t t 跟踪系统的实时性和处理能力，需要将处理 第一帝绪论 比较优秀的方法加以改进来适合工程的需要，这种方法既能适应密集杂波环境下的 多目标跟踪，又能剔出掉噪声点，本文希望应用一种有效的方法来进行多目标的航 迹跟踪维持。在这样的指导思想下，对于密集杂波环境下的多目标，采用了快速的 j p d a 算法和特征联合判断的方式，对该情况下的多i f l 标航迹关联进行了研究，根据 目标的属性特征和航迹本身的状态来动态调整关联参数，使跟踪系统具有一定的智 能性。 ( 3 ) 密集杂波环境下的航迹剪枝 在密集杂波环境下，出现的测量点很多，在航迹队列中存在大量的暂时航迹和 虚假航迹，为了保证实时处理的时问和精度，需要对航迹进行剪枝。本文研究了在 密集杂波环境下，利用航迹的平滑度、航迹的生命长度和特征的偏差，计算航迹的 置信度，将其作为评价航迹起始质量的标准，将置信度较低的航迹进行了剪枝，并 利用航迹重合点的判断，进步剔除虚假航迹。 ( 4 ) 多目标跟踪系统的性能评估 利用多目标航迹关联的指标，检测航迹起始和航迹关联算法实时性、探测和关 联的精度等。 9 多t t 标航迹关联技术 第二章密集杂波环境下的航迹起始技术 现有的航迹起始方法可分为顺序处理技术和批处理技术两大类，其中顺序处理 技术适用于相对无杂波环境中的航迹起始，主要包括启发式规则法和逻辑法。“， 批处理技术适用于强杂波环境，主要包括h o u g h 变换法“3 “”1 “”等。 ( 1 ) 启发式规则法 在常用的方法中有基于规则和基于逻辑两种方法，基于规则的方法是假定目标 的速度和加速度约束在最大值和最小值之内，然后在给定的数据窗内，根据获得的 数据对目标的速度和加速度进行估计。如果估计的速度和加速度在指定的数据范围 内，则起始一条新的航迹。而基于逻辑的方法则是在给定的数据窗内，根据所获得 的数据对目标的速度进行估计。如果估计的速度在指定的取值范围内，则注册一条 暂时航迹，然后对第三次扫描的位置进行预测，并以预测位置为中心，确定一个关 联区域，任何落在关联区域的测量点将作为航迹的后续点，扩展这条暂时航迹，继 续估计速度值并估计加速度值，然后再根据速度加速度的估计值对下一次扫描的位 置进行预测并建立相应的关联区域。将没有落在任何关联区域的测量点起始一条新 的航迹。 ( 2 ) h o u g h 变换法 h o u g h 变换适应于在重杂波区内的大批目标的检测，能够检测交叉运动的目标 和临时被遮蔽的目标。h o u g h 变换是将测量空间的一点，变换到参量空间中的一条 曲线或曲面，而具有同一参量特征的点会在变换后参量空问中相交，通过判断交点 处的积累程度来完成特征曲线的检测。基于参量性质的不同，h o u g h 变换可以检测 直线，圆，双曲线，抛物线等。 改进的h o u g h 算法从新考虑参量的选取，选择直线在r 轴的截距和直线与时删 t 轴的倾角，判断的方法是通过采用数量的累积和作为判断，若以相等的时问间隔 测量，间隔数为n ，当参量空间的图元中累积数大于等于m 时，判为直线。相比于 传统的h o u g h 变化算法，由于是n 中选m 的算法( 意义同上) ，从整体上考虑运动 趋势，目标相互交叉和临时的遮蔽引起的误起始的可能性被降低。计算量小，可以 第二章密艇杂波环境下的多且标航逊起始 直接给出起始位置和速度，航迹起始的虚警将随采样时问问隔数的增加而降低。在 实际应用中，需要考虑目标机动带来的直线的形变。虽然该算法相对于传统的h o u g h 变换而言计算量小，但对于最近邻法而言计算量也很大。 在工程应用中，不同的目标有不同的航迹起始要求，例如对于扩展目标，就希 望能够快速的响应时间，否则就可能导致目标脱离视场范围，造成目标丢失：而对 于小目标，在杂波密集的情况下，容易造成关联错误，快速的航迹起始可能带来较 高的虚警率，这时就要求增加航迹起始的时间，以免生成错误的航迹。由于基于规 则的方法在存在大量杂波和噪声的密集多杂波情况下，如果判断规则或算法选择不 当，将会引发较高的虚警或漏警：基于h o u g h 变换的方法在航迹形成的过程中，需 要较长时间的积累和复杂的运算，对于实时性要求高的工程应用来说，还有待进一 步改进。 为了解决工程应用的实际问题，本文拟从模糊决策的角度，利用目标的特性， 采用改进的基于逻辑的方法来对多目标进行航迹起始。在本文的论述中，加入了多 种门限的判断，形成了多跟踪门，根据目标的面积和对比度，动态改变航迹起始的 响应时间，适应具有不同特性的多目标航迹起始的方法。 22 多个关联门的航迹起始的基本原理 航迹起始是建立新目标档案的一种决策方法，主要包括假定航迹形成、航迹初 始化和航迹确认3 个方面。一般地，不与已知航迹相关的观测被用来形成新的假定 航迹，进而进行航迹的初始化处理。相关的方法一般采用跟踪门规则，所谓的跟踪 门( 或关联区域) 是跟踪空间中的一块子空间，其中心位于被跟踪目标的预测位置， 大小由接受正确观测点的概率来确定。 将每个新的观测数据集合与目标航迹的预测位置反复进行关联，以确定哪个观 测数据是当前的可能目标、新目标或是虚警。本文提出的算法，主要是用于光电测 量设备的多目标航迹检测阶段。光电测量设备能够得到目标的高低角和方位角，对 于单台的传感器，需利用目标的大小和对比度等相关目标的属性信息来加以辅助判 断。 改变窗口长度的方法是根据目标的对比度和面积，事先给每个测量值一个起始 的关联系数，然后利用每帧关联后的航迹点，计算其关联系数的累加和。改变窗口 多目标航迹关联技术 长度的航迹起始算法中，航迹的类型分为暂时航迹，临时成功航迹，有效航迹。具 体的几种航迹类型定义如下： ( 1 ) 如果关联系数的累积和, j , - - j ：某一个门限值c ( 一般取1 o ) ，认为这种航迹就是 暂时航迹： ( 2 ) 如果关联系数的累积和大于或等于某一个门限值c ，就将这种航迹称为i 临时 成功的航迹： ( 3 ) 在l 晦时成功航迹中，如果经过重合航迹判断之后，满足航迹置信度输入门限 的航迹( 该门限值得范围是 o ，1 0 0 】) ，称为有效航迹。 变窗e l 长度的航迹起始方法采用了多关联门限的方式来提高关联的精度，减少 虚警率。采用了多种航迹剪枝的方式来剔除虚假航迹，保证多目标航迹起始的实时 处理的能力。该算法实现的原理如图2 1 所示： k 时刻量测集数据输入 形成 ( 新，暂 时，临时 成功) 航迹池 关联系数汁算 断航迹池中是 已有航迹 位置和特征相关数据处理 航迹预测及滤波处理 计算航迹置信度 一相关系数累计判断一 、o 要奎竺蔓一 ! 至生 重合航迹判断并进行航迹删除 航迹嗣信度判断 0 是 有效航迹输出 圈2 1 变窗日长航迹起始基本原理图 第二章样架杂波环境下的多蝌标航迹起始 基于逻辑的航迹起始基本原理“2 1 巾”如下： ( 1 ) 将首次获得的测量值都作为暂时航迹的第一点注册一条暂时航迹，并记录 下每个观测点的高低、方位角一【( 爿：，e ：) ，其中，置表示暂时航迹集，a j 表示第f 条暂时航迹的第一点的方位角，耳表示第f 条暂时航迹的第一点的高低角。 ( 2 ) 分别以a f 和e f 为中心，以目标在各自方向上的最大和最小速度分别与采样 周期的乘积为半径，形成关联圆环形区域，这样判断的目的在于能够充分利用先验 信息，例如在目标初始阶段，我们知道它在某个方向上的速度将会较快，而在某个 方向的速度就很小，利用方向上的速度判断，使得在暂时航迹的形成过程中减少虚 假航迹的形成。将第二帧观测点与暂时航迹的第一点进行关联，得到公式( 2 1 ) v m m t ( a 2 一a 1 ) v , a x , 4 t ，v 。t ( e 2 一e 1 ) v m a x e t ( 2 - 1 ) 将满足公式( 1 ) 的观测点再进行最小合速度判断，用以剔除慢速或者静止的目 标，例如云层，地面等。最小合速度的取值可以取零。如公式( 2 2 ) 所示 i p m l n t 降( 一2 一爿1 ) 2 + ( e 2 一e ) 2 ( 2 2 ) 对于暂时航迹置，如果没有满足公式( 2 1 ) 和公式( 2 2 ) 的观测值落入其关联域 内，则认为此暂时航迹为虚假航迹，并注销此暂时航迹：将所有出现在此关联范围 内的测量点都认为是有效点，形成新的暂时航迹。例如，有三个点落入暂时航迹2 的关联阈，那么就可以形成三条新的航迹，且每条航迹有两个航迹点，然后删除原 来的暂时航迹，实现了航迹分叉。 ( 3 1 进行高低和方位角的位置相关，将育暂时航迹的两点数据，形成暂时航迹的 状态估计，如公式( 2 3 ) 所示 a ( k 一1 ) 【a ( k 一1 ) 一a ( k 一2 ) t e ( k 一1 ) 【e ( k 1 ) 一e ( k 一2 ) 】t ( 2 - 3 ) 其中，a ( k 一1 ) 和e ( k 一1 ) 分别表示目标在k 一1 时刻的方位角和高低角的位置。然后 建立预测协方差矩阵 o - j 口；t 0 0 口j t 口；t 2 0 0 0 0 仃； 仃；，r 0 0 盯；丁 口；t 2 ( 2 - 4 ) 多目标航迹关联技术 p ( k 一1 i k 1 ) 表示目标的预测协方差矩阵。2 和霞表示模型的相对误差，例如在 航迹形成的初始阶段，没有航迹的先验信息，假设将模型看成是匀速模型，那么可 以把加速度作为一和露的初始值，这个值是不够准确的，那么当航迹累积到定 的长度之后，可以通过实时的计算来得到这个值。t 为观测周期。 然后对暂时航迹的第三个点进行预测 x ( k l k 1 ) = 似( 一l i k 一1 )( 2 - 5 ) p ( k i k 一1 ) = j d ( 一1 i k 一1 ) 巾7 ( 2 - 6 ) 其中，o = 1丁 o1 00 oo o o o o 1丁 o1 以预测点为中心，计算对应点的残差协方差矩阵 s = 以茸叫+ r( 2 7 ) 其中r k 为测量噪声的均值，风为观测矩阵，最。为预测协方差矩阵。 判断第三帧的测量点是否落入跟踪门内 d = 乏一毛h 7 墨1 乏一毛。】y( 2 - 8 ) 其中乏为第三帧的测量值，乏。为预测值，y 为跟踪门的门限值。当没有测量 点落入关联阈时，进行航迹预测，转入步骤( 4 ) ；否则就转入步骤( 5 ) 。 ( 4 ) 当没有后续相关点时，则利用一步预测的方式外推一个点。即 x ( k l k ) = x ( k f k 一1 ) ，p ( k l k ) = p ( k i k 一1 )( 2 - 9 ) 然后对其作航迹预测 x ( k + 1 i k ) = x ( k l k ) = x ( k i k 一1 ) p ( k + 1 ik ) = q ) p ( k i k 1 ) ( 2 1 0 ) 再利用公式( 2 7 ) 和公式( 2 8 ) 进行关联。如果在下一次的关联过程中，还是未能 有满足条件的观测落入预测波门内，则认为此暂时航迹为虚假航迹，并注销此航迹。 该关联的示意图如图2 2 所示 第二章密集杂波环境下的多目标航迹起始 最小述度关j 【) 闲 域3 图2 2 航迹起始位置关联 ( 5 ) 对于未能航迹确认的暂时航迹( 航迹点数大于2 ) ，利用最小二乘法拟合算出 目标在高低角和方位角的速度，查看该测量数据是否落在允许的偏离角度范围之内， 如果测量点出现在暂时航迹目标的飞行方向的预测区域内，则认为该点有效，否则 认为此测量点不是该暂时航迹的后续点。如图2 3 所示 暂叫 瓤 暂时航迹 第一a 图2 3 航迹起始的航向偏差范刚 如果有多个观测满足以上的关联，那么就根据目标的位置偏差d ( 观测点的位嚣 和预测点的位置的差值) 、特征偏差( 见2 2 2 的特征关联方法) 的范围来确定观测的 置信度，取置信度最大的观测点作为暂时航迹的最优后续点( 见2 2 3 航迹置信度计 算) 。 ( 6 ) 重复以上步骤，直到暂时航迹满足输出条件( 见2 2 4 变窗口长度的航迹确认 多目标航迹关联技术 的原理) 为止。 23 多目标航迹特征关联法 在航迹关联的过程中，有不少学者也对特征的关联作了研究，都是通过多种特 征的关联门限值来判断。还有就是通过投票决的方式来进行判断，例如有m 种特征 向量，如果有n ( n m ) 种以上满足条件，就认为测量点的特征与目标的特征匹配“。 在航迹检测的过程中，根据得到目标的面积、对比度、长、宽等信息，可以利 用目标的特征来进一步剔除虚假点。特征关联的具体步骤如下： ( 1 ) 记录暂时航迹的第一点的特征信息s ，将第二帧测量的特征信息s 与暂时 航迹的第一点进行关联，对于位置上满足条件的测量点，需进行的特征关联，检测 其特征是否匹配。对于不同种类的目标，关联的范围有所不同，对于一般目标( 像素 大于1 0 0 ) ，其变化的剧烈程度比较小；对于小目标而言( 像素小于1 0 0 ，对比度也小 于l o ) ，由于各种干扰的存在，提取出来的特征数据变化相对比较大，所以在关联 范围的选择上有所区别，例如 照08s嘏,s210s s2 0s1 0 。0 ( 2 - 1 1 ) 【o 5 l 2 ， 2 r 叫 其中，s 表示目标的在第二帧时面积大小( 单位为像素) 。目标的对比度的关联情 况 0 8 g l g 2 1 2( 2 1 2 ) 宽度和高度前后两帧比值在( 0 3 ，3 ) 范围内。 ( 2 ) 在形成暂时航迹的第二点之后，计算航迹的下一帧预测值，这里的预测值的 求法，不是简单的求一个前几帧的测量值的均值。由于目标在运动的过程中，特征 的变化不像位置上一样平滑，所以本文采用了一种消除特征变化趋势的方法，这种 方法能有效的解决目标的变化趋势所带来的预测不准和由于特征的剧烈变化而引起 的关联失败的问题，其思想是在目标比较稳定的时候采用较多的历史信息，而在目 标有特征跳变的时候较多的遗忘特征信息。具体关联的方法是： 首先，建立特征的状态集合 第二章密集杂波习：境下的多目标航迹起始 f = s ： e 彬 k ( 2 1 3 ) 其中，s 表示测量点的面积大小，c i 表示测量点的对比度，彬表示测量点的宽 度，h 表示测量点的高度。 然后，计算每种特征的预测值，将测量点的值与航迹中最新的两个点迹的值进 行相加，求均值，如公式( 4 ) 所示 p r e f j ( s 一2 + s 一+ s ) 3 ( c f 一2 + c f 一+ c ) 3 ( 彬一2 + 彬一l + 彬) 3 ( 彬一24 - 彬一+ 彬) 1 3 设定每种测量值的允许偏差范围 a f , = 蟠一 a c i 形 h s p 。 c 。 w 。 h 。 s 埘 c 埘 w d ：1 h 螂 r 2 1 4 ) ( 2 1 5 ) 一般情况下，目标的特征偏差允许范围的取值与预测值相关，面积的偏差范围 a s , 取预测值的| s 矗倍( 一般取1 3 ) ，对比度的偏差范围a c i 为预测值的c 矗倍( 一般 取l 5 ) ，目标的长和宽的偏差范围分别为预测值和倍( 本算法中都取2 1 3 ) 。 最后，求取每种特征的预测值与测量值之差，如果测量点与预测点的偏差在允 许的范围内则认为该测量点的特征匹配，否则就认为该测量值为航迹不匹配。 24 航迹的置信度计算方法 航迹置信度的计算方法与目标的类型有关，在这罩要分类进行评估。 ( 1 ) 如果具有丰富边缘特性的目标，这类目标的位置平滑性和特征轮廓比较突 出，用目标的位置平滑性和特征、航迹生命长度来评价航迹的置信度是比较合理的， 具体的方法如下： 首先，根据暂时航迹的预测位罱和满足条件的观测点得到它们在高低角和方位 角的偏差d ，利用分段函数给不同大小的位置偏差一个置信距离值，如公式( 2 1 6 ) 所示 多目标航迹关联技术 瓦= 一2 0 0 0 + d + 1 0 0 d o 0 1 1 5 8 + d + 8 2 o 0 1 d o 2 1 7 + d + 5 3 0 2 d 0 5 ( 2 - 1 6 ) 0 ，d 0 5 再利用特征关联得到目标的特征偏差如公式( 2 17 ) 局= a b s ( f j p r e f t )( 2 - 1 7 ) 根据目标的特征偏差，设定一个置信距离，如公式( 2 1 8 ) 所示 耳：f - 2 5 易+ 10 0fa、40(2-1 8)0f 1 ”一， ，d 4 0 由航迹的长度计算置信它的置信距离 然后利用加权的方式将两个参数拟合起来进行计算观测点的置信度 f5 ll 2 0 ( 2 - 1 9 ) 其中，l 表示航迹的长度。然后，利用加权的方式将三个参数拟合成一个值 巧= 0 + u p + 巧+ “f + 瓦+ u ( 2 - 2 0 ) 其中，1 , 。、即和“。分别表示位置偏差、特征偏差和航迹长度的拟合系数，这罩 分别取0 6 ，01 5 和o 2 5 。这个系数值的取值可以通过对目标特性的分析来做适当的 调整，原则就是看那个参数的稳定性更好就将其系数值跳高，将相对不稳定的参数 的系数值调小。但是要保证u p + + 叱= 1 。 ( 2 ) 如果目标的类型是小目标，这类目标速度比较小，并且在连续一段