[发明专利]一种基于多传感器数据融合的多目标跟踪方法

说明书

本发明一种基于多传感器数据融合的多目标跟踪方法，包括步骤1、多个传感器分别采集各个目标的位置信息，得到每个传感器对各个目标的观测数据；步骤2、对各个目标的观测数据进行航迹关联，得到各个传感器对各个目标的航迹关联数据；步骤3、对目标的航迹关联数据进行滤波处理，得到每个传感器对各个目标的滤波轨迹，并获取各个目标的位置估计数据；步骤4、计算传感器对目标的即时偏差，计算传感器对目标的即时最优动态权值；步骤5、将各个传感器对相同目标的位置估计数据和即时最优动态权值进行融合，得到同一目标经过融合后的位置信息。该方法的融合精度更高，目标跟踪更加精准，每个采样时刻都对传感器的动态权值进行更新，实时性好。

技术领域

本发明属于目标跟踪技术领域，具体涉及一种基于多传感器数据融合的多目标跟踪方法，适用于复杂环境下多传感器对多个目标进行实时跟踪。

背景技术

基于多传感器数据融合的多目标跟踪是指融合多个传感器对多个目标的观测数据实现对多个目标的轨迹跟踪，以达到单一传感器和单一信号源所不能达到的测量精度。随着技术的进步，基于多传感器数据融合的对目标位置锁定和跟踪在各应用场合有着重要的价值，也是学者们研究的热点。例如，在军事方面，在执行拦截任务时会对敌方目标进行定位、跟踪和打击，若不能准确地获取敌方目标的运动轨迹，后续的拦截、打击就无从谈起。当在复杂环境下通过融合多传感器数据对多运动目标进行跟踪时，所有传感器的量测数据都会受到噪音等杂波的污染，使得观测数据受到虚警目标和冗余信息的影响，导致跟踪的准确率降低，因此在融合多传感器信息完成对多个目标的跟踪时，需要建立高效的目标跟踪系统，以降低杂波环境对融合系统的影响，并且能够保证系统的实时性。

与单目标跟踪相比，多目标跟踪问题更加复杂。多目标的跟踪绝不是简单的单目标跟踪的叠加，它不仅需要解决单目标跟踪中的估计滤波问题，还需要考虑观测数据与待定目标之间的数据关联问题。在数据融合算法方面，实际应用中多采用加权平均融合法来得到融合后的目标位置信息，权值的分配方法对融合精度影响很大。在多传感器多目标跟踪的过程中，准确地赋予每个传感器合适的权值可以很大程度上提高融合精度，使得目标跟踪更加准确。目前基于多传感器位置数据信息融合的多目标跟踪系统尚不完善，而且加权融合算法中各传感器的权值大多是固定的，而且传感器的权值大多是通过传感器自身的参数或经验确定，没有考虑环境干扰等因素，不能根据实际环境因素来进行实时调节，导致目标跟踪的结果不理想，准确性和实时性较差。

发明内容

针对现有技术的不足，本发明拟解决的技术问题是，提供一种基于多传感器数据融合的多目标跟踪方法。

本发明为解决上述技术问题采用的技术方案是：

一种基于多传感器数据融合的多目标跟踪方法，其特征在于，该方法包括以下步骤：

步骤1、多个传感器分别采集各个目标的位置信息，得到每个传感器对各个目标的观测数据；

步骤2、对各个目标的观测数据进行航迹关联，将各个观测数据进行分类，得到各个传感器对各个目标的航迹关联数据；

步骤3、对目标的航迹关联数据进行滤波处理，得到每个传感器对各个目标的滤波轨迹，并获取各个目标的位置估计数据；

步骤4、计算传感器对目标的即时偏差，并利用公式(15)计算传感器对目标的即时最优动态权值；

式(15)中，表示传感器j对目标α的即时偏差；N表示传感器的个数。

步骤5、按照公式(16)将各个传感器对相同目标的位置估计数据和即时最优动态权值进行融合，得到同一目标在k时刻经过融合后的位置信息X_α，完成目标α的位置估计；

式(16)中，X_UKF{j，α}表示k时刻传感器j对目标α的位置估计数据；