一种星载雷达分布式组网融合群目标跟踪方法

摘要: 本发明属于多传感器信息融合与目标跟踪,具体涉及一种星载雷达分布式组网融合群目标跟踪方法,适用于高速密集多目标场景下的多星协同探测与跟踪。背景技术:1、基于星载雷...
一种星载雷达分布式组网融合群目标跟踪方法

本发明属于多传感器信息融合与目标跟踪,具体涉及一种星载雷达分布式组网融合群目标跟踪方法,适用于高速密集多目标场景下的多星协同探测与跟踪。

背景技术:

1、基于星载雷达对高速群集目标进行持续、精确的跟踪是现代目标跟踪领域的核心任务之一,高速群集目标即为多个目标在特定轨道附近以相近距离高速运动,形成空间尺度可达数千米、目标数量可观的密集群集目标场景。以星载雷达为核心的天基探测体系凭借全天时、全天候、不受地球曲率限制等优势,在广域覆盖与持续探测方面具有不可替代的价值。然而,单一星载雷达受轨道位置与视场覆盖的限制,通常仅能在有限时间窗口内对目标群体形成局部航迹,无法实现对群集目标全生命周期的持续稳定跟踪;此外,单视角观测在目标特征相似、运动状态接近时难以提供足够的判别依据,也无法通过多视角互补来弥补观测几何不利条件下的跟踪精度损失。

2、为应对上述挑战,分布式多星协同观测体系成为必然选择。通过构建分布式星载雷达组网,能够实现多视角与时间序列上的连续观测,利用多传感器在冗余性与互补性上的双重优势,有效提升对高速群集目标的持续稳定跟踪能力。在分布式融合结构方面,现有信息融合架构主要分为集中式、分布式与混合式三类。集中式融合将各传感器原始量测集中到融合中心统一处理,理论上可最大程度保留信息,但对通信链路带宽与中心处理能力要求高,工程实现难度较大。分布式融合由各传感器先形成局部航迹,再在融合中心进行航迹关联与合并,对通信与计算资源需求较低、系统生存性强,因此在天基探测等工程系统中更具实用性。

3、在分布式多传感器航迹关联融合中,跨传感器航迹关联是融合中心的核心任务。现有的航迹关联方法通常依赖目标的运动学状态估计之间的空间距离(如马氏距离)作为关联判据,在目标数量少、空间分布稀疏的场景下能够取得较好的效果。然而,在高速密集群集目标场景下,现有方法存在以下不足:

4、其一,多源异步观测带来关联复杂性急剧上升。在分布式星载雷达组网体制下,各传感器受轨道位置与视场覆盖的限制,对同一目标群体的观测窗口在时间和空间维度上均难以完全同步:同一目标可能同时被多颗卫星以不同视角和不同工作模态(如成像或跟踪)观测,也可能仅在部分传感器上可见,而在其余传感器上处于盲区。这种多源、异步、多模态的观测特性,使得仅依赖空间距离的单一判据在跨传感器关联中极易因视角差异和系统偏差而产生误匹配。

5、其二,群集目标的多模态特征信息在跨传感器关联中未能得到充分利用。传感器在工作过程中可获取包括高分辨距离像(hrrp)、雷达散射截面积(rcs)、距离展宽等多维度特征信息,这些物理特征在单传感器内部已被证明能够有效增强数据关联的判别能力。然而,在跨传感器场景中,由于不同雷达的观测视角、工作模态和工作参数的差异,同一目标在不同传感器上呈现的hrrp幅值序列和特征属性可能存在显著差异,导致直接沿用单传感器的特征相似性度量策略面临可靠性下降的问题。现有方法普遍未针对跨传感器场景对hrrp和属性等特征信息的辅助关联机制进行专门化设计。

6、其三,群集目标的可分/不可分组结构在不同传感器视角下可能呈现不一致的判断,而现有方法缺乏跨传感器的组管理协调机制。具体而言,某传感器上因观测几何有利而已可分辨为多个独立目标的群体,在另一传感器上可能因视角不利或分辨能力不足仍被维持为不可分组航迹。这种跨传感器的结构表示差异,使得融合中心在缺乏协调机制时,一方面可能对同一物理目标从不同传感器重复起始多条冗余航迹,另一方面难以在组结构发生变化时及时调整融合航迹的表示形式。现有的组管理方法仅适用于单传感器内部的目标结构转化,尚未针对分布式多传感器场景设计跨传感器的组结构协调与航迹起始抑制机制。

7、综上所述,现有的分布式多传感器航迹关联融合方法在高速密集群集目标场景下,存在跨传感器关联判别信息维度单一、多模态特征信息利用不足、以及群目标可分/不可分结构跨传感器协调机制缺失等核心问题。

技术实现思路

1、本发明的目的是提供一种星载雷达分布式组网融合群目标跟踪方法,用以解决现有分布式多传感器航迹关联融合方法在高速密集群集目标场景下存在的跨传感器关联判别信息维度单一、多模态特征信息利用不足、以及群目标可分/不可分结构跨传感器协调机制缺失的问题。

2、为了实现上述任务,本发明采用以下技术方案:

3、一种星载雷达分布式组网融合群目标跟踪方法,包括以下步骤:

4、步骤1,构建全局时间栅格与双向帧映射,实现多传感器的异步时间对齐,并在每个全局帧上对已有融合航迹执行交互式多模型一步状态预测,获得各融合航迹的预测状态及预测协方差;

5、步骤2,在每个全局帧上,对存在本地帧的各传感器驱动其完成单帧独立跟踪闭环,提取出满足筛选规则的传感器可分航迹或传感器组航迹;

6、步骤3,按传感器逐个处理,构建四段序贯融合关联流程,依次执行可分航迹强关联、组间强关联、解组关联和支撑关联,生成强关联记录、解组关联记录和支撑关联记录;

7、步骤4,对所有生成强关联记录的融合航迹,收集其关联的所有传感器航迹的位置状态与协方差,按信息权加权聚合为等效量测及其综合协方差,再对交互式多模型的不同模型各自执行单次卡尔曼滤波更新,经模型似然更新和imm矩匹配折叠后得到融合状态估计;

8、步骤5,对未被已有融合航迹吸收的传感器航迹,依据其在融合层的连续未关联帧计数作为起始判据,执行跨传感器航迹起始,并通过质量贪心排序与空间距离抑制,实现同帧跨传感器重复候选去重;

9、步骤6,利用解组关联记录,在验证成员数严格匹配后执行融合组航迹裂解;将原融合组航迹终结,并依据传感器可分航迹的状态直接创建多条新的融合可分稳定航迹;同时,基于维持不变的最近有效更新帧,计算失联秒数并执行融合层航迹终结。

10、进一步地,所述步骤1包括:获取各传感器的时间向量,按预设时间容差合并近似相等的时刻,生成全局时间栅格;建立本地帧号与全局帧号之间的正向映射和反向映射;利用相邻全局帧的时刻差计算融合层时间步长并同步至滤波器;对每条活动融合航迹执行交互式多模型一步预测,具体包括执行imm模型混合、常加速度模型预测、引力模型预测;并将常加速度模型、引力模型的预测结果按模型概率进行imm矩匹配折叠,输出各融合航迹的预测状态与预测协方差。

11、进一步地,所述步骤2包括:通过反向映射查询当前全局帧上是否存在本地帧;对有本地帧的传感器,执行单帧跟踪闭环处理,包括执行航迹更新、航迹起始、单传感器组管理和航迹终结;基于航迹类型为可分稳定或不可分组稳定、是否存在有效状态、本帧是否被量测更新过以及是否具有回波支撑,从活动航迹中筛选出后续关联所需的传感器可分航迹或传感器组航迹。

12、进一步地,所述步骤3中的四段序贯融合关联流程具体包括:

13、第一段:对融合可分航迹与传感器可分航迹构建多通道融合代价矩阵,确定距离通道代价并施加双控门约束,并结合hrrp通道代价和属性通道代价执行条件融合,并通过匈牙利算法求解全局最小代价二分匹配,生成强关联记录;

14、第二段:对融合组航迹与传感器组航迹执行组间强关联,以三维空间距离作为指派代价,并约束二者的组成员数量必须相等,通过匈牙利算法求解最优匹配生成强关联记录;

15、第三段:当融合组航迹的组成员数量为特定值,且同一传感器上存在不少于该特定值的未被前两段强关联占用的传感器可分航迹落入空间门限范围时,选择距离最近的对应数量的传感器可分航迹生成解组关联记录;

16、第四段:当传感器组航迹的组成员数量为特定值,且当前存在不少于该特定值的未被前两段强关联占用的融合可分航迹,且空间距离不超过覆盖距离阈值时,选择距离最近的对应数量的融合可分航迹生成支撑关联记录,用于抑制冗余组航迹起始。

17、进一步地,所述步骤4包括:按融合航迹的索引将所有强关联记录进行分组;对有强关联的融合航迹执行矩匹配预聚合:提取各关联传感器航迹的位置状态、位置协方差及工作模态,计算信息权重并归一化,加权计算等效量测及综合协方差;利用等效量测及其综合协方差作为观测,对交互式多模型所包含的各模型分别执行单次卡尔曼滤波更新;计算各模型在等效量测下的高斯似然,并更新模型概率;经imm矩匹配折叠后输出最终融合后的状态向量和协方差矩阵。

18、进一步地,所述步骤4还包括:

19、特征库维护:对于关联成功的传感器航迹,以其传感器标识及工作模态构建索引键名,将当前帧的hrrp序列和属性向量分别写入融合航迹对应的历史特征库中,供后续帧的条件关联使用;

20、纯预测处理:对于本帧无关联的融合航迹,其预测状态与预测协方差直接取自imm矩匹配折叠后的输出结果,并将更新标志位设为无更新状态,同时保持最近有效更新帧不变,以此作为后续失联秒数计量的基准。

21、进一步地,所述步骤5包括:以传感器标识与航迹标识为键维护映射容器,记录各传感器航迹的连续未关联帧计数;遍历当前帧未被融合航迹吸收的传感器航迹,基于其是否连续出现来更新连续未关联帧计数;当连续未关联帧计数达到预设的起始阈值时,将该传感器航迹提名为融合起始候选,候选质量基于航迹存在性概率与位置协方差综合计算;对同帧跨传感器重复候选,按质量得分降序排列并进行贪心占位空间距离去重;对通过去重的候选,直接以其首帧状态创建新的融合航迹,并根据原始传感器航迹类型直接设置为融合可分稳定航迹或融合组航迹。

22、进一步地,所述步骤6包括:解组处理:验证解组关联记录满足触发条件,包括关联器判定标志为真、目标航迹当前仍处于融合组航迹状态、触发解组的传感器可分航迹数量与目标融合组航迹的成员数严格相等、以及触发解组的这些传感器可分航迹确实依然存在;当条件满足时,终结原融合组航迹,并依据每条传感器可分航迹直接创建新的融合可分稳定航迹,继承谱系关系;航迹终结:利用全局时间栅格,计算当前全局帧与最近有效更新帧的时刻差值,得到失联绝对秒数;若该失联绝对秒数达到预设的终结阈值,则将该航迹标记为终结态,并从融合层的活动集合中移除。

23、一种终端设备,包括处理器、存储器以及存储在所述存储器中的计算机程序;处理器执行计算机程序时,实现所述星载雷达分布式组网融合群目标跟踪方法。

24、一种计算机可读存储介质,所述介质中存储有计算机程序;计算机程序被处理器执行时,实现所述星载雷达分布式组网融合群目标跟踪方法。

25、与现有技术相比,本发明具有以下技术特点:

26、1.在跨传感器关联层面,将单传感器三通道(径向距离+hrrp+属性)条件关联策略由航迹-量测层面拓展至融合层的融合航迹-传感器航迹层面,使多模态辅助信息在跨传感器场景中得以沿用。通过四段序贯关联流程对不同关联类型进行差异化处理——可分航迹强关联与组间强关联驱动状态更新,解组关联触发跨传感器结构重组,支撑关联抑制冗余航迹起始——避免不加区分地统一处理所导致的关联噪声传播。仿真实验表明,在3星16目标和3星26目标两个融合场景下,跨传感器航迹关联正确率分别达到94.44%和98.01%。

27、2.在跨传感器组管理层面,构建了以解组关联为核心、支撑关联为辅助的融合组结构协调机制。当融合中心的组航迹在某一传感器视角下已被重新分辨为多条可分航迹时,解组关联记录触发融合组航迹裂解为多条可分稳定航迹,实现了跨传感器条件下群目标结构的及时动态调整;当某一传感器的组航迹被融合中心的多条可分航迹充分覆盖时,支撑关联记录抑制融合中心对该组内成员进行重复航迹起始,避免了同一物理目标在融合中心形成多条冗余航迹。两项机制协同工作,有效解决了群目标可分/不可分组结构在不同传感器视角下不一致的问题。