主要内容

轨道到轨道融合介绍

轨道到轨道融合与中央跟踪

多传感器跟踪系统可以提供比单传感器系统更好的性能,因为它可以提供更大的覆盖范围和更好的可见性。此外,不同类型传感器的融合检测也可以提高目标估计的质量和精度。多传感器跟踪系统通常采用两种结构。在第一种类型的架构中——中央级跟踪——来自所有传感器的检测结果直接发送到跟踪系统,该系统根据所有检测结果维护跟踪。从理论上讲,中央级跟踪架构可以充分利用检测中包含的所有信息,从而达到最佳性能。但是,对于多传感器系统,您也可以将传感器级跟踪与轨道级融合相结合的分层结构应用于该系统。如图所示为典型的中央级跟踪系统和基于传感器级跟踪和航迹级融合的典型航迹-航迹融合系统。

轨道到轨道融合与中央跟踪

为了表示音轨到音轨融合系统中的每个元素,调用将音轨输出到融合器作为源的跟踪系统,并将从源输出的音轨称为源音轨或本地音轨。把引信中保持的轨道称为中央轨道。

轨道到轨道融合的好处和挑战

在某些情况下,轨道到轨道的融合体系结构可能比中央级跟踪体系结构更可取。这些案例包括:

  • 在许多应用中,跟踪系统不仅需要跟踪其环境中的目标进行自我导航,而且需要将其维护的轨迹转移到周围的跟踪系统中以获得更好的整体导航性能。例如,一辆自动驾驶汽车可以跟踪自己的情景环境,也可以与其他车辆共享维护的轨道,以方便他们的导航。

  • 实际上,许多传感器直接输出轨迹而不是检测结果。因此,要将传感器输出的航迹信息进行融合,需要航迹级融合。

  • 当通信带宽有限时,传输一个轨道列表通常比传输一组检测更有效。这对于以相对于扫描速率的较低速率提供音轨列表的情况尤其重要。

  • 当传感器和检测数量较大时,集中跟踪系统的计算复杂度较高,特别是检测分配。航迹融合架构可以将部分分配和估计工作分配到传感器级跟踪中,降低了融合器的计算复杂度。

尽管轨道到轨道融合架构具有所有优势,但它也给跟踪系统带来了额外的复杂性和挑战。与可以假定为条件独立的检测不同,来自每个源的轨迹估计彼此相关,因为它们共享由共同过程模型产生的共同预测误差。因此,使用标准滤波方法计算融合航迹可能会导致不正确的结果。必须考虑以下影响:

  • 共同的过程噪声——由于传感器观察和跟踪相同的目标,它们共享一些共同的动态。因此,目标机动会导致所有传感器都有的平均误差。

  • 时间相关的测量噪声——如果航迹融合随时间重复,则违反了标准卡尔曼滤波假设,即测量值不随时间相关,因为传感器级航迹状态估计误差随时间相关。

跟踪融合器和跟踪架构

你可以使用trackFuser传感器融合和跟踪工具箱™,用于轨道到轨道融合。的trackFuserSystem object™提供了两种算法来结合不同音轨之间的校正效果。可以通过指定StateFusion的属性trackFuser为:

  • “十字”—采用交叉协方差融合算法。

  • “十字路口”—采用协方差交叉融合算法。

您还可以自定义自己的融合算法。

除了前面图中显示的标准轨道到轨道融合体系结构之外,您还可以使用其他类型的体系结构trackFuser.例如,下图说明了一个双车跟踪系统。

在每辆车上,两个传感器用相关的跟踪器跟踪附近的目标。每辆车也有一个引信器,引信来自两个跟踪器的源轨迹。Fuser 6可以将其维持的中央轨道传输给Fuser 3。有了这种架构,车辆1可能可以识别不在其自身传感器视野范围内的目标(图中目标2)。

双车跟踪场景

为了减少谣言传播,您可以通过指定Fuser 6到Fuser 3的源轨道作为外部的IsInternalSource的属性fuserSourceConfiguration作为在设置SourceConfigurations的属性TrackFuser

由于不同跟踪器报告的轨迹可以用不同的坐标帧表示,因此需要指定源和融合器之间的坐标转换fuserSourceConfiguration财产。

另请参阅

|||||

参考文献

张国强,张国强,张国强。“航迹关联与融合的架构与算法”。航空航天与电子系统杂志,第15卷第1期,2000年,第5 - 13页。