倪龍強(qiáng)， 高社生，孟祥欣，邊月奎，舒立鵬

(1.西北工業(yè)大學(xué) 自動(dòng)化學(xué)院，陜西 西安 710072；2.西北機(jī)電工程研究所，陜西 咸陽(yáng) 712099)

一種紅外與雷達(dá)信息融合跟蹤算法及其性能分析

倪龍強(qiáng)1，2， 高社生1，孟祥欣2，邊月奎2，舒立鵬2

(1.西北工業(yè)大學(xué) 自動(dòng)化學(xué)院，陜西 西安 710072；2.西北機(jī)電工程研究所，陜西 咸陽(yáng) 712099)

為了提高目標(biāo)跟蹤系統(tǒng)的性能，在吸收雷達(dá)和紅外跟蹤傳感器各自優(yōu)點(diǎn)的基礎(chǔ)上，提出一種雷達(dá)/紅外傳感器信息融合方法，該方法綜合了雷達(dá)測(cè)量信息全面以及紅外測(cè)角精度高的特性，對(duì)雷達(dá)與紅外量測(cè)進(jìn)行融合形成融合量測(cè)，基于融合量測(cè)設(shè)計(jì)了狀態(tài)估計(jì)濾波器。在不同假設(shè)條件下，分別對(duì)融合系統(tǒng)與單傳感器跟蹤精度進(jìn)行了仿真比較。結(jié)果表明：融合系統(tǒng)的跟蹤精度高于單個(gè)傳感器的目標(biāo)跟蹤精度，可有效提高目標(biāo)跟蹤精度。

數(shù)據(jù)融合；聯(lián)合跟蹤；雷達(dá)跟蹤；紅外跟蹤

雷達(dá)和紅外是目標(biāo)跟蹤系統(tǒng)的重要傳感器，利用紅外傳感器進(jìn)行目標(biāo)跟蹤能夠獲得精確的測(cè)角信息，然而其對(duì)目標(biāo)距離信息是不可觀測(cè)的。利用雷達(dá)能夠獲得對(duì)目標(biāo)的測(cè)角和測(cè)距信息，其測(cè)量信息全面，但是相對(duì)于紅外來講，雷達(dá)的測(cè)角精度較差，因此單獨(dú)應(yīng)用紅外或者雷達(dá)很難滿足全面、精確跟蹤要求。同時(shí)，雷達(dá)工作時(shí)要向外輻射大功率電磁波，易于暴露自身位置、遭受電磁干擾以及被反輻射導(dǎo)彈攻擊；而紅外作用距離小、受氣候影響大。由于紅外和雷達(dá)在跟蹤性能上具有很強(qiáng)的互補(bǔ)性[1-4]，因此現(xiàn)代跟蹤系統(tǒng)應(yīng)綜合利用這兩種跟蹤傳感器的優(yōu)點(diǎn)[5-6]。

國(guó)內(nèi)外學(xué)者對(duì)基于紅外和雷達(dá)兩種傳感器的信息融合方法進(jìn)行了大量研究，主要集中在兩種傳感器的功能融合上[7-10]，對(duì)融合系統(tǒng)性能的研究少見報(bào)道。文獻(xiàn)[7]通過設(shè)置探測(cè)指令參數(shù)來區(qū)分傳感器搜索狀態(tài)，該方法在融合中沒有考慮距離信息；文獻(xiàn)[8]通過將雷達(dá)量測(cè)的距離信息分離出來和紅外量測(cè)組成新的量測(cè)向量，從而獲得組合量測(cè)，該組合量測(cè)中沒有利用雷達(dá)的測(cè)角信息；文獻(xiàn)[9]將雷達(dá)量測(cè)的多普勒信息引入紅外距離估計(jì)方程，從而估計(jì)出紅外偽距量測(cè)，提高了紅外對(duì)目標(biāo)的觀測(cè)性；文獻(xiàn)[10]在雷達(dá)、紅外量測(cè)不同步的條件下進(jìn)行兩種傳感器之間切換，提高了傳感器采樣頻率，文獻(xiàn)[9-10]實(shí)質(zhì)上還是單傳感器跟蹤方法。

筆者對(duì)紅外和雷達(dá)量測(cè)進(jìn)行融合，獲得融合量測(cè)，基于融合量測(cè)設(shè)計(jì)了目標(biāo)跟蹤濾波器。在不同假設(shè)條件下進(jìn)行了融合跟蹤與單傳感器跟蹤性能的仿真比較。結(jié)果表明：融合系統(tǒng)跟蹤結(jié)果明顯優(yōu)于單傳感器跟蹤結(jié)果，尤其在各子傳感器精度相當(dāng)時(shí)，融合系統(tǒng)相對(duì)于單個(gè)子傳感器的跟蹤精度提高明顯。

1 紅外雷達(dá)分布式融合方法

1.1 紅外及雷達(dá)量測(cè)方程建立

(1)

(2)

1.2 紅外雷達(dá)量測(cè)融合

為提高系統(tǒng)跟蹤精度，對(duì)紅外、雷達(dá)兩種傳感器的量測(cè)信息進(jìn)行融合，形成式(3)所示的融合量測(cè)：

(3)

相對(duì)于融合量測(cè)的量測(cè)噪聲方差陣為

(4)

其中

(5)

(6)

1.3 融合系統(tǒng)的UKF濾波器設(shè)計(jì)

(7)

和卡爾曼濾波(KF)一樣，UKF也通過時(shí)間更新和量測(cè)更新來進(jìn)行目標(biāo)狀態(tài)估計(jì)。時(shí)間更新主要基于前一時(shí)刻的狀態(tài)估計(jì)和方差，借助系統(tǒng)動(dòng)態(tài)方程(狀態(tài)方程以及量測(cè)方程)在時(shí)域內(nèi)完成對(duì)系統(tǒng)狀態(tài)以及方差的一步預(yù)測(cè)(狀態(tài)、方差的先驗(yàn)值)；量測(cè)更新過程應(yīng)用當(dāng)前時(shí)刻的量測(cè)量來修正時(shí)間更新過程的輸出量，得到對(duì)狀態(tài)及方差的后驗(yàn)估計(jì)。UKF的時(shí)間更新過程為

(8)

量測(cè)更新過程為

(9)

雷達(dá)與紅外融合系統(tǒng)結(jié)構(gòu)如圖1所示。

2 數(shù)值仿真及融合性能分析

為了說明融合方法的有效性，同時(shí)說明融合系統(tǒng)相對(duì)于各子傳感器跟蹤性能之間的關(guān)系，分別應(yīng)用一般精度脈沖體制雷達(dá)和高精度激光雷達(dá)與紅外傳感器形成融合系統(tǒng)，進(jìn)行了計(jì)算仿真。

假設(shè)被跟蹤目標(biāo)在空間的運(yùn)動(dòng)模型服從式(10)所示的動(dòng)態(tài)模型

xk=Fkxk-1+Gkwk

(10)

其狀態(tài)向量為

(11)

(12)

噪聲增益矩陣為

(13)

過程噪聲wk為服從均值為0、方差為Qk的零均值高斯白噪聲，即wk～N(0,Qk)，其中

(14)

狀態(tài)向量的初值選取如式(15)所示：

x0=[10 200 0.5 10 50 0.3 10 10 0.01]T

(15)

紅外和雷達(dá)量測(cè)分別如式(1)、(2)所示，應(yīng)用式(3)、(4)所示的雷達(dá)紅外的融合量測(cè)及與其對(duì)應(yīng)的量測(cè)噪聲和圖1所示的融合結(jié)構(gòu)，通過UKF濾波器進(jìn)行量測(cè)融合后的狀態(tài)濾波估計(jì)。

脈沖體制雷達(dá)與紅外傳感器的均方根差見表1。

表1 融合系統(tǒng)

此時(shí)紅外雷達(dá)、量測(cè)與真值的比較如圖2和圖3所示。

由圖2和圖3可以看出脈沖體制雷達(dá)方位角、高低角測(cè)量精度明顯低于紅外測(cè)得的相應(yīng)值。應(yīng)用表1所示的量測(cè)噪聲，對(duì)雷達(dá)紅外融合系統(tǒng)進(jìn)行UKF濾波，其融合結(jié)果均方根差與單獨(dú)應(yīng)用雷達(dá)進(jìn)行跟蹤時(shí)的跟蹤結(jié)果比較見圖4，絕對(duì)平均差比較見圖5。

當(dāng)應(yīng)用激光雷達(dá)[15]和紅外組成融合系統(tǒng)時(shí)，雷達(dá)能夠提供高精度的距離和角度量測(cè)，融合系統(tǒng)中雷達(dá)和紅外量測(cè)噪聲方差如表2所示。

表2 融合系統(tǒng)

此時(shí)單激光雷達(dá)跟蹤以及融合系統(tǒng)中的雷達(dá)量測(cè)與真值比較如圖6所示。

跟蹤性能比較如圖7和圖8所示。

由圖7和圖8可以看出：融合系統(tǒng)中雷達(dá)和紅外測(cè)角精度相當(dāng)時(shí)，融合結(jié)果相對(duì)于高精度激光雷達(dá)的跟蹤結(jié)果精度提高依然明顯。

3 結(jié)論

筆者通過對(duì)雷達(dá)和紅外傳感器量測(cè)信息進(jìn)行融合，形成融合量測(cè)，基于融合量測(cè)設(shè)計(jì)了目標(biāo)跟蹤濾波器。為了對(duì)融合系統(tǒng)的性能進(jìn)行分析，分別采用脈沖雷達(dá)和激光雷達(dá)與紅外傳感器形成融合系統(tǒng)；并對(duì)融合系統(tǒng)與雷達(dá)跟蹤系統(tǒng)進(jìn)行了數(shù)值仿真比較。結(jié)果表明：在綜合了雷達(dá)量測(cè)信息全面、測(cè)距精度高以及紅外測(cè)角精度高等優(yōu)點(diǎn)的基礎(chǔ)上，采用該方法可有效提高目標(biāo)跟蹤精度及穩(wěn)定性。

References)

[1]ANGELOS A, ARIS P, NIKOLAOS F, et al. Fusion of infrared vision and radar for estimating the lateral dynamics of obstacles[J]. Information Fusion, 2005, 6 (2): 129-141.

[2]MOBUS R,KOLBE U. Multi-target multi-object tracking,sensor fusion of radar and infrared[C]. IEEE Intelligent Vehicles Symposium, 2004: 732-737.

[3]NAIDU V P S, GIRIJA G, RAOL J R. Data fusion for identity estimation and sensor data[J]. Defence Science Journal, 2007, 57 (5): 639-652.

[4]YIN Jihao, CUI Bingzhe, WANG Yifei. A novel maneuvering target tracking algorithm for radar/infrared sensors[J]. Chinese Journal of Electronics. 2010, 19 (4): 752-756.

[5]HERO A O, CASTANON D, COCHRAN D, et al. Foundations and applications of sensor management[M]. Boston: Springer, 2007: 7-10.

[6]LIGGINS MARTIN E, HALL DAVID L, LLINAS JAMES. Handbook of multisensor data fusion theory and practice[M].2nd ed. Boca Raton，F(xiàn)lorida : CRC Press. 2008: 7-25.

[7]曾憲偉, 方洋旺, 伍友利, 等. 一種新的雷達(dá)和紅外融合算法[J]. 控制與決策, 2009, 24 (2): 240-243. ZENG Xianwei, FANG Yangwang, WU Youli, et al. New active radar and infrared seeker fusion algorithm[J]. Control and Decision, 2009, 24(2): 240-243. (in Chinese)

[8]WANG Qingchao, WANG Wenfei. Tracking method based on separation and combination of the measurements for radar and IR fusion system[J]. Journal of Systems Engineering and Electronics, 2009, 20 (2): 241-246.

[9]許建忠, 王祖林, 郭旭靜. 基于決策信息的毫米波/紅外復(fù)合制導(dǎo)信息融合[J]. 控制與決策, 2012, 27 (1): 120-123. XU Jianzhong, WANG Zulin, GUO Xujing. Information fusion based on decision information for millimeter wave and infrared compound guidance[J]. Control and Decision, 2012, 27 (1): 120-123. (in Chinese)

[10]劉晨, 馮新喜. 雜波環(huán)境下基于紅外傳感器和雷達(dá)融合的機(jī)動(dòng)目標(biāo)跟蹤算法[J]. 空軍工程大學(xué)學(xué)報(bào):自然科學(xué)版, 2006, 7(2): 25-28. LIU Chen, FENG Xinxi. An algorithm of tracking a maneuvering target based on IR sensor and radar in defense environment[J]. Journal of Air Force Engineering University：Natural Science Edition, 2006, 7(2): 25-28. (in Chinese)

[11]WAN E A，VAN der Merwe R. The unscented kalman filter for nonlinear estimation[C]∥ Proceeding of the Symposium 2000 on Adaptive System for Signal Processing，Communication and Control (AS-SPCC). Lake Louise，Alta，Canada: IEEE，2000：153-158.

[12]JULIER S J, UHLMANN J K. A new extension of the Kalman filter to nonlinear systems[C]∥Int. Symp. Aerospace/Defense Sensing, Simulation and Controls. Orlando,FL,USA: in Proc. AeroSense ,1997: 182-193.

[13]ULIER S J，UHLMANN J K. Unscented filtering and nonlinear estimation[J]. Proceedings of the IEEE, 2004, 92(3): 401-423.

[14]潘泉, 楊峰, 葉亮, 等. 一類非線性濾波器——UKF綜述[J], 控制與決策, 2005, 20(5): 481-489. PAN Quan, YANG Feng, YE Liang, et al. Survey of a kind of nonlinear filter：UKF[J]. Control and Decision, 2005, 20(5): 481-489. (in Chinese)

[15]譚雪春. 激光雷達(dá)模擬樣機(jī)系統(tǒng)與實(shí)驗(yàn)研究[D]. 長(zhǎng)春:長(zhǎng)春理工大學(xué), 2012: 1-5. TAN Xuechun. Laser radar simulation device and experimental research[D].Changchun:Changchun University of Science and Technology, 2012: 1-5.(in Chinese)

RadarandInfraredInformationFusionTrackingAlgorithmandItsPerformanceAnalysis

NI Longqiang1，2，GAO Shesheng1，MENG Xiangxin2，BIAN Yuekui2，SHU Lipeng2

(1.College of Automation，Northwestern Polytechnical University，Xi’an 710072，Shaanxi，China；2.Northwest Institute of Mechanical & Electrical Engineering，Xianyang 712099，Shaanxi，China)

To improve the performance of the target tracking system, a kind of radar and infrared information fusion method was put forward based on the combination of the advantages of radar and infrared sensors. With the help of this suggested method, the comprehensive mea-surements of radar and high accuracy angle measurements of IR were integrated, and a nonl-inear filter was designed based on this integrated measurements. Data simulations of fusion system and the single sensor were finally proposed. Simulation results showed that the fusion system can significantly improve the accuracy of target tracking system compared with the single tracking sensor.

data fusion; joint tracking; radar tracking; infrared tracking

2014-03-26；

2014-05-12

倪龍強(qiáng)(1979-)，男，博士研究生，工程師，主要從事指揮控制自動(dòng)化技術(shù)研究。E-mail：shepherdni@163.com

TN953

A

1673-6524(2014)04-0044-05