一种序贯式多传感器航迹融合效果仿真模拟器的设计方法与流程

1.本发明属于仿真建模与信息融合处理领域，具体涉及一种序贯式多传感器航迹融合效果仿真模拟器的设计方法。


背景技术：

2.在体系仿真中，多传感器组网系统通过传感器航迹融合向各用户提供目标统一航迹信息，这是需要进行仿真的重要过程。因为仿真中其它模型的仿真行为很多都需要组网系统提供的融合航迹信息作为其行动依据，因此对于多传感器航迹融合效果的仿真十分重要。目前对融合效果的仿真通常采用两种途径，一是采用某种特定的多传感器航迹融合算法作为航迹融合模型，其优点是完全采用真实算法，模型可信度高，但此类模型不具有一般代表性，其提供的融合航迹质量仅能代表这一种算法的效果，因此对于体系仿真而言，无法变化融合航迹质量这个自由度。另一种是高度简化的信息融合模型，并未考虑真实的融合过程，仅是在仿真目标轨迹真值上适当加入误差，此种方法仅能仿真航迹质量中的精度因素，无法仿真真实情况中出现的混批、断批等复杂情况，且因为脱离算法基本原理，仿真度并不高。因此目前缺乏一种既能灵活仿真不同质量的融合航迹，又能从机理上较真实地模拟融合航迹特点的序贯式多传感器航迹融合效果仿真模拟器。
3.本发明遵循多传感器航迹融合算法基本框架，包括航迹起始、关联模拟、滤波模拟三个过程。关联模拟过程在最近邻关联算法框架基础上进行修改，创新性地引入错误关联概率表作为外源配置参数，结合随机化仿真，可模拟融合航迹的误关联导致的混批或断批现象。而因为错误关联概率表可人工灵活配置，因此出现混批或断批现象的多少可人为控制。滤波模拟过程在卡尔曼率波框架基础上进行修改，创新性地引入运动模型修正函数作为外源可配置参数，可以模拟目标机动飞行导致的跟踪误差过大甚至滤波发散和断批现象。而因为运动模型修正函数可人工灵活定义，因此机动目标跟踪效果的好坏可人为控制。因此本发明提出的多传感器航迹融合效果模拟器可实现高逼真度的不同质量融合航迹的模拟。


技术实现要素：

4.(一)要解决的技术问题
5.本发明要解决的技术问题是如何提供一种序贯式多传感器航迹融合效果仿真模拟器的设计方法，以解决在体系仿真中，对传感器组网中心仿真缺乏灵活可配置的仿真不同融合航迹质量的融合模拟器的问题。
6.(二)技术方案
7.为了解决上述技术问题，本发明提出一种序贯式多传感器航迹融合效果仿真模拟器的设计方法，该仿真模拟器包括航迹关联模拟器、航迹起始模块和航迹滤波模拟器；航迹模拟器的启动由传感器输入航迹点启动，首先运行航迹关联模拟器，如果输入的传感器航迹点与已有航迹关联上，则将航迹点与关联航迹输入航迹滤波模拟器，否则输入航迹起始
模块，产生新融合航迹；航迹滤波模拟器对当前目标运动状态进行更新，并将更新结果保存到融合航迹数据列表；
8.航迹关联模拟器执行如下步骤：
9.第s100步：输入传感器j在tk时刻的原始航迹点为rj_track(tk)，z为原始航迹点rj_track(tk)的运动状态向量；
10.第s101步：判断融合航迹列表是否为空，如果空转航迹起始模块，否则转入第s102步；
11.第s102步：选择航迹列表中的一条航迹i，根据航迹i上一时刻的航迹点位置估计值预报tk时刻的航迹点位置预报值其中其中，f是运动状态转移矩阵，预报tk时刻的状态协方差矩阵为其中p是状态协方差矩阵，q是过程噪声协方差矩阵，是状态协方差矩阵估计值，是状态协方差矩阵预报值；
12.其中，融合航迹列表为f_tracki(k)；i＝1,...,n；k＝1,...,ki，n为航迹列表中的航迹数量，ki为编号为i的航迹中的点数；x为融合航迹列表f_tracki(k)的运动状态向量；
13.第s103步：计算目标关联分离度sdoa为目标关联分离度，用于定义两个目标之间关联计算面临的难度；
14.s104步：设置两个错误关联概率表，分为两类错误，第一类为应该关联的点未关联的概率表，记未tab1，第二类为不应该关联的点进行了错误关联的概率表，记未tab2，表中列出不同sdoa数值下进行两种错误关联的概率；在仿真中，待关联的原始航轨点对应目标的id为z|
target_id
，融合航迹最后点对应的目标id为f_tracki(ki)|
target_id
15.第s105步：如果f_tracki(ki)|
target_id
＝z|
target_id
，则查询tab1表，关联概率为1-p
tab1
(sdoa)，否则查tab2表，关联概率为p
tab2
(sdoa)
16.第s106步：依据s105的关联概率，按照伯努利分布生成随机数，如果为1，将z与f_tracki(ki)关联，转入航迹滤波模拟器，否则转入航迹起始模块；
17.航迹滤波模拟器执行如下步骤：
18.第s200步：输入融合航迹i上个时刻融合航迹点估计值关联的当前时刻传感器原始航迹点zk＝rj_track(tk)，仿真目标tk时刻航迹真值xk；
19.第s201步：计算航迹预测，其中，g(
·
)为当前状态真值与预报值的函数；
20.第s202步：计算状态协方差预测，上个时刻滤波状态协方差矩阵估计值为过程噪声协方差矩阵为q
k-1
；
21.第s203步：计算增益矩阵h为观测矩阵；传感器原始航迹误差协方差为rk；
22.第s204步：计算航迹点位置估计值更新值输出融合滤波航迹点，并存储到f_tracki(k)；
23.第s205步：更新tk时刻状态协方差矩阵估计值为
24.航迹起始模块执行如下步骤：
25.第s300步：判断传感器航迹点是否与已有航迹关联，是进入步骤s301，否进入步骤s302；
26.第s301步：无新航迹起始；
27.第s302步：传感器新航迹点作为新航迹第一点，航迹号为历史航迹号加1。
28.(三)有益效果
29.本发明提出一种序贯式多传感器航迹融合效果仿真模拟器的设计方法，本发明涉及一种多传感器航迹融合效果仿真模拟器的设计方法，属于仿真建模与信息融合处理领域。本发明为了克服在体系仿真中，对传感器组网中心仿真缺乏灵活可配置的仿真不同融合航迹质量的融合模拟器的问题。因为传统的传感器融合航迹仿真要么采用特定的传感器数据融合算法，只能代表特定算法提供的融合航迹质量，要么融合航迹仿真没有考虑融合算法基本原理，过于简化，无法仿真关联混批、断批，目标机动导致滤波误差变大等融合航迹质量下降的现象。而本发明的方法在两者之间找到了折中，在遵循多传感器航迹融合算法基本框架的基础上进行改进，通过创新性地采用错误关联概率表和滤波模型修正函数作为外源参数的方法，为用户提供可自定义配置不同关联和滤波性能的估计过程，从而模拟出传感器组网系统为信息用户提供不同质量融合航迹，提高了融合航迹仿真的灵活性，为体系仿真提供了更高的自由度与真实性。
附图说明
30.图1为本发明航迹融合效果仿真模拟器组成示意图；
31.图2为航迹融合效果仿真模拟器运行总体流程；
32.图3为航迹关联算法基本流程和航迹关联模拟器基本流程的对比；
33.图4为卡曼滤波类算法通用流程和融合滤波模拟器流程对比；
34.图5为模拟最优质量的融合航迹效果示意图；
35.图6为模拟完全正确关联，但机动跟踪能力稍差的融合航迹效果示意图；
36.图7为模拟完全正确关联，但机动跟踪能力很差的融合航迹效果示意图；
37.图8为模拟存在关联错误，但机动跟踪能力最优的融合航迹效果示意图；
38.图9为模拟存在关联错误，机动跟踪能力较差的融合航迹示意图；
39.图10为模拟存在关联错误，机动跟踪能力较差的融合航迹示意图。
具体实施方式
40.为使本发明的目的、内容和优点更加清楚，下面结合附图和实施例，对本发明的具体实施方式作进一步详细描述。
41.本发明要解决的技术问题是如何设计一种序贯式多传感器航迹融合效果仿真模拟器的方法，以克服在体系仿真中，对传感器组网中心仿真缺乏灵活可配置的仿真不同融
合航迹质量的融合模拟器的问题。
42.本发明涉及一种多传感器航迹融合效果仿真模拟器的设计方法，属于仿真建模与信息融合处理领域。本发明为了克服在体系仿真中，对传感器组网中心仿真缺乏灵活可配置的仿真不同融合航迹质量的融合模拟器的问题。因为传统的传感器融合航迹仿真要么采用特定的传感器数据融合算法，只能代表特定算法提供的融合航迹质量，要么融合航迹仿真没有考虑融合算法基本原理，过于简化，无法仿真关联混批、断批，目标机动导致滤波误差变大等融合航迹质量下降的现象。而本发明的方法在两者之间找到了折中，在遵循多传感器航迹融合算法基本框架的基础上进行改进，通过创新性的采用错误关联概率表和滤波模型修正函数作为外源参数的方法，可为用户提供自定义的配置不同性能的关联和滤波估计过程，从而模拟出传感器组网系统为信息用户提供不同质量融合航迹，提高了融合航迹仿真的灵活性，为体系仿真提供了更高的自由度与真实性。
43.本发明序贯式多传感器航迹融合效果仿真模拟器的基本架构如图1所示，包括三个子模块，即航迹关联模拟器、航迹起始模块、航迹滤波模拟器。
44.航迹融合效果仿真模拟器的运行流程如图2所示。航迹模拟器的启动由传感器输入航迹点启动，首先运行航迹关联模拟器，如果输入的传感器航迹点与已有航迹关联上，则将航迹点与关联航迹输入航迹滤波模拟器，否则输入航迹起始模块，产生新融合航迹。航迹滤波模拟器对当前目标运动状态进行更新，并将更新结果保存到融合航迹数据列表。
45.1、航迹关联模拟器
46.第s100步：输入传感器j在tk时刻的原始航迹点为rj_track(tk)，z为原始航迹点rj_track(tk)的运动状态向量；
47.第s101步：判断融合航迹列表是否为空，如果空转航迹起始模块，否则转入第s102步；
48.第s102步：选择航迹列表中的一条航迹i，根据航迹i上一时刻的航迹点位置估计值预报tk时刻的航迹点位置预报值时刻的航迹点位置预报值其中，f是运动状态转移矩阵，p是状态协方差矩阵，q是过程噪声协方差矩阵，是状态协方差矩阵估计值，是状态协方差矩阵预报值；上式为卡曼滤波中的基本公式；
49.其中，融合航迹列表为f_tracki(k)；i＝1,...,n；k＝1,...,ki，n为航迹列表中的航迹数量，ki为编号为i的航迹中的点数；x为融合航迹列表f_tracki(k)的运动状态向量；
50.第s103步：计算目标关联分离度sdoa目标关联分离度，用于定义两个目标之间关联计算面临的难度；参见context complexitymetric of associationproblem fortargettracking[c]//2019ieee international conference on signal,information and dataprocessing(icsidp).ieee,2019；
[0051]
s103.1：输入传感器原始航迹误差协方差σ
lat
为原始航迹的纬度标准差，σ
long
为原始航迹的经度标准差；可根据原始航迹精度先验信息进行设置。
[0052]
s103.2：待关联的原始航迹点位置的概率密度函数为
[0053][0054]
其中，z表示待关联的原始航迹点的观测值；
[0055]
航迹中最后一个估计点外推预报位置的概率密度函数为
[0056][0057]
s103.3：令m＝(n1 n2)/2为概率密度函数的平均，n1、n2、m分别用n1(x)、n2(x)、m(x)表示；
[0058]
计算分别计算n1和m、n2和m之间的kl散，即
[0059]
其中,i＝1,2
[0060]
s103.4：计算n1和n2的js散度，即
[0061]
s104步：设置两个错误关联概率表，分为两类错误，第一类为应该关联的点未关联的概率表，记未tab1，第二类为不应该关联的点进行了错误关联的概率表，记未tab2。表中列出不同sdoa数值下进行两种错误关联的概率。这两个表可在模拟器执行前作为配置表提前配置。在仿真中，待关联的原始航轨点对应目标的id为z|
target_id
，融合航迹最后点对应的目标id为f_tracki(ki)|
target_id
[0062]
第s105步：如果f_tracki(ki)|
target_id
＝z|
target_id
，则查询tab1表，关联概率为1-p
tab1
(sdoa)，否则查tab2表，关联概率为p
tab2
(sdoa)
[0063]
第s106步：依据s105的关联概率，按照伯努利分布生成随机数，如果为1，将z与f_tracki(ki)关联，转入航迹滤波模拟器，否则转入航迹起始模块；
[0064]
2.航迹滤波模拟器
[0065]
第s200步：输入融合航迹i上个时刻融合航迹点估计值关联的当前时刻传感器原始航迹点zk＝rj_track(tk)，仿真目标tk时刻航迹真值xk。
[0066]
第s201步：计算航迹预测，其中，g(
·
)为当前状态真值与预报值的函数，可通过在航迹滤波模拟器中灵活定义来模拟从线性运动模型到完全无模型误差情况下的滤波运动模型；
[0067]
第s202步：计算状态协方差预测，上个时刻滤波状态协方差矩阵估计值为过程噪声协方差矩阵为q
k-1
。
[0068]
第s203步：计算增益矩阵h为观测矩阵；传感器
原始航迹误差协方差为rk，
[0069]
第s204步：计算航迹点位置估计值更新值输出融合滤波航迹点，并存储到f_tracki(k)
[0070]
第s205步：计算状态协方差矩阵估计值预测更新
[0071]
3.航迹起始模块
[0072]
第s300步：判断传感器航迹点是否与已有航迹关联，是进入步骤s301，否进入步骤s302；
[0073]
第s301步：无新航迹起始；
[0074]
第s302步：传感器新航迹点作为新航迹第一点，航迹号为历史航迹号加1。
[0075]
实施例1：
[0076]
(一)符号约定
[0077]
(1)融合航迹列表f_tracki(k),i＝1,...,n；k＝1,...,ki；列表中有n条融合航迹，编号为i的航迹有ki个航迹点。
[0078]
(2)批号为i的航迹里的第k个航迹点，f_tracki(k)＝(time track_id radar_id long lat alt v_long v_lat target_id)
[0079]
(3)x
i,k
为f_tracki(k)中的运动状态向量，即x
i,k
＝(long lat v_long v_lat)
t
[0080]
(4)编号为j的传感器在tk时刻上报的航迹点，rj_track(tk)＝(time track_id radar_id long lat alt v_long v_lat target_id)
[0081]
(5)zk为rj_track(tk)中的运动状态向量，即zk＝(long lat v_long v_lat)
t
[0082]
(6)f_tracki(k)和rj_track(tk)中
[0083]
time——航迹点的时间；
[0084]
track_id——融合航迹/单传感器航迹的批号；
[0085]
radar_id——融合航迹的关联传感器编号/传感器编号；
[0086]
long——融合航迹/单传感器航迹经度；
[0087]
lat——融合航迹/单传感器航迹纬度；
[0088]
alt——融合航迹/单传感器航迹高经度；
[0089]
v_long——融合航迹/单传感器航迹水平经度方向速度；
[0090]
v_lat——融合航迹/单传感器航迹水平纬度方向速度；
[0091]
target_id——目标真实编号
[0092]
(二)基本原理说明
[0093]
1.模拟器组成与模拟流程
[0094]
航迹融合效果仿真模拟器的基本架构如图1所示，摘要包括三个子模块，即航迹关联模拟器、航迹起始模块、航迹滤波模拟器。
[0095]
航迹融合效果仿真模拟器的运行流程如图2所示。航迹模拟器的启动由传感器输入航迹点启动，首先运行航迹关联模拟器，如果输入的传感器航迹点与已有航迹关联上，则将航迹点与关联航迹输入航迹滤波模拟器，否则输入航迹起始模块，产生新融合航迹。航迹滤波模拟器对当前目标运动状态进行更新，并将更新结果保存到融合航迹数据列表。
[0096]
2.关联模拟器的基本原理
[0097]
关联算法是融合算法中的核心过程也是其中最难的过程，在航迹融合中错误关联可能导致目标断批、起新批和混批现象。航迹关联模拟并非真实关联算法，而是在航迹关联基本原理框架下，通过计算目标之间的sdoa，采用错误关联率配置表作为外源参数，按一定概率产生错误关联或无法关联的现象，从而模拟器关联算法运行时出现断批、起新批和混批现象。本发明的方法的好处是关联模拟器具有高度的灵活性，可以通过错误关联概率表的灵活设置仿真关联效果不同的关联算法，即对不同性能指标的关联算法的效果进行模拟，且错误关联概率表数据也可以通过真实关联算法的试验得到的经验数据进行给定，从而模拟某种特定的关联算法的基本效果。同时，此种模拟方法是依据关联算法的基本逻辑架构设计的，因此具有较高的仿真可信度。如图3为航迹关联算法基本流程和航迹关联模拟器基本流程的对比。
[0098]
3.滤波模拟器的基本原理
[0099]
卡尔曼滤波框架下算法一般用于目标运动状态的估计，通过引入运动模型抑制观测误差对状态估计的影响。图4左图为卡尔曼滤波类算法的通用流程，可描述kf、ekf、ukf、imm等多种卡尔曼滤波框架下算法的一般原理。卡曼滤波效果好坏取决于运动方程和测量方程对目标运动状态、观测的表述准确性。对于本航迹融合系统，航迹观测输入为经纬度、估计为经纬度，因此测量方程为线性方程，没有截断误差，滤波误差主要来源于运动方程对机动等非线性运动的表示误差。表示误差越大，状态更新对机动的反应时间越滞后，估计误差越大，甚至导致滤波发散。
[0100]
图4右图为融合滤波模拟器的流程，该模拟器计算流程和kf基本相同，但区别在于在航迹预报环节，kf为
[0101]
其中如果是六维滤波器，即经纬高加各自的速度，则其中如果是六维滤波器，即经纬高加各自的速度，则
[0102]
如果是四维滤波器，即经纬加各自速度，则如果是四维滤波器，即经纬加各自速度，则δt为时间间隔。
[0103]
即保留运功方程的一次项，而模拟器中为多出修正
项其中xk为k时刻航迹运动状态真值，g(
·
)为当前状态真值与预报值的函数，可通过在模拟器中灵活定义来模拟从线性运动模型到完全无模型误差情况下的滤波运动模型。因此可以通过设计调节g(
·
)来模拟滤波算法对机动的不同响应及时性和准确性。
[0104]
下面可以给出几种模型修正函数g(
·
)的定义方式，但不局限于此，用户可以根据需求与后续研究情况，合理自定义g(
·
)。
[0105]
(1)g(x1,x2)＝α(x
1-x2)，其中0≤α≤1的设置参数，当α＝0时，可模拟kf滤波器效果，当α＝1时可模拟完全没有截断误差，和真实运动完全一致的理想运动模型。当0＜α＜1时，为介于线性滤波器与理想滤波器之间，可线性修正截断误差的滤波器。
[0106]
(2)其中表示用户自定义的某种滤波器中运动方程，此时模拟器即仿真用户自定义运动方程下的滤波效果。
[0107]
本发明提出一种序贯式多传感器航迹融合效果仿真模拟器的设计方法，可用于仿真领域对多传感器融合系统的仿真模拟。通过创新性的采用错误关联概率表和滤波模型修正函数作为外源参数的方法，可灵活的用户自定义的配置不同性能的关联和滤波估计过程，从而模拟出不同水平的融合系统，增强对多传感器融合效果仿真的开放性。而传统的传感器融合航迹仿真要么采用特定的传感器数据融合算法，只能代表其中特定一种算法的能力，要么融合航迹仿真没有考虑融合算法基本原理，仿真真实度不够，无法仿真关联混批，目标机动导致滤波误差变大的情况。而本发明的方法在两者之间找到了折中，仿真过程既体现了数据融合的处理过程，又使仿真具有很强的泛化能力。
[0108]
实施例2
[0109]
本实施例具体描述本发明所提出的一种序贯式多传感器航迹融合效果仿真模拟器通过设置不同参仿真数模拟不同质量融合航迹的方法。
[0110]
仿真场景中包含四个飞机目标，飞行起始时刻为仿真0时刻，飞行航线参数如表1-4。
[0111]
表1目标1飞行参数
[0112]
航线点纬度经度高度速度139.511510000200239.55115.0510000200339.5116.0510000200439.5511710000200
[0113]
表2目标2飞行参数
[0114]
航线点纬度经度高度速度139.5211510000200239.57115.0510000200339.501116.0510000200439.55111710000200
[0115]
表3目标3飞行参数
[0116]
航线点纬度经度高度速度
139.5411510000200239.59115.0510000200339.502116.0510000200439.55211710000200
[0117]
表4目标4飞行参数
[0118]
航线点纬度经度高度速度139.511510000200239.5911710000200
[0119]
传感器为圆周扫描，扫描周期10秒，俯仰角范围0-90度，探测半径40千米(50％探测概率)，方位测量误差0.2度(1西格玛)，俯仰角测量误差0.2度(1西格玛)，距离测量误差50米。传感器部署位置参数如表5所示。
[0120]
表5传感器部署位置参数
[0121]
编号纬度经度编号纬度经度139.5115739.56115239.5116839.56116339.5117939.56117439.531151039.59115539.531161139.59116639.531171239.59117
[0122]
通过以上参数配置生成12部传感器对4个目标的原始航迹，作为序贯式多传感器航迹融合效果仿真模拟器的输入。通过配置模拟器的参数，可以仿真模拟不同质量的融合航迹。在关联门参数设置为5000米情况下：
[0123]
(1)模拟最优质量的融合航迹
[0124]
设置滤波配置参数α＝1,错误关联率设置为0％，模拟的融合航迹如图5所示。图中点为传感器上报的原始航迹点，四条线表示融合航迹。融合航迹连续，无断混批现象，对转弯机动段有很好的跟踪能力。
[0125]
(2)模拟完全正确关联，但机动跟踪能力较差的融合航迹
[0126]
设置滤波参数α＝0.1，错误关联率设置为0％，模拟的融合航迹如图6所示。图中点为传感器上报的原始航迹点，四条线表示融合航迹。融合航迹连续，无断混批现象，但在转弯机动段跟踪误差变大，模拟了机动转弯跟踪的“鼓包”现象。
[0127]
(3)模拟完全正确关联，但机动跟踪能力很差的融合航迹
[0128]
设置滤波参数α＝0，错误关联率设置为0％，模拟的融合航迹如图7所示。图中点为传感器上报的原始航迹点，颜色曲线表示融合航迹。在目标转弯机动段跟踪航迹“断批”，后来机动过后模拟出融合系统重新“起批”现象。
[0129]
(4)模拟存在关联错误，但机动跟踪能力最优的融合航迹
[0130]
设置滤波参数α＝1，错误关联率设置为10％，模拟的融合航迹如图8所示。在航迹交叉和靠近时，模拟出了航迹“混批”现象
[0131]
(5)模拟存在关联错误，机动跟踪能力较差的融合航迹
[0132]
设置滤波参数α＝0.1，错误关联率设置为10％，模拟的融合航迹如图9所示。同时
模拟出来融合系统出现的“混批”“断批”重新起批，机动误差过大等的现象。
[0133]
(6)模拟关联和机动跟踪很差的融合航迹
[0134]
设置滤波参数α＝0，错误关联率设置为10％，模拟的融合航迹如图10所示。模拟了一种融合系统目标跟踪能力很差的情况，在融合跟踪过程中，出现的机动目标跟踪误差增大，甚至丢失，航迹“混批”“断批”“错批”等现象。
[0135]
本发明提出一种序贯式多传感器航迹融合效果仿真模拟器的设计方法，可用于军事仿真领域对多传感器融合系统的仿真模拟。通过创新性的采用错误关联概率表和滤波模型修正函数作为外源参数的方法，可灵活的用户自定义的配置不同性能的关联和滤波估计过程，从而模拟出不同水平的融合系统，增强对多传感器融合效果仿真的开放性。而传统的传感器融合航迹仿真要么采用特定的传感器数据融合算法，只能代表其中特定一种算法的能力，要么融合航迹仿真没有考虑融合算法基本原理，仿真真实度不够，无法仿真关联混批，目标机动导致滤波误差变大的情况。而本发明的方法在两者之间找到了折中，仿真过程既体现了数据融合的处理过程，又使仿真具有很强的泛化能力。
[0136]
以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明技术原理的前提下，还可以做出若干改进和变形，这些改进和变形也应视为本发明的保护范围。