跟踪扫描与跟踪滤波的几个步骤
时间：2021-08-19 16:28:21
手机看文章
扫描二维码
随时随地手机看文章
[导读]为了搜索目标，雷达重复扫描一个或多个条形栅格。每次扫描都独立于所有其他扫描。无论何时检测到目标，雷达通常都为操作员和TWS功能提供目标距离、多普勒，方位角和俯仰角的估计。对于任何单一检测，估计值统称为观察值。在纯搜索中，操作员必须确定当前扫描中检测到的目标是否与先前扫描或扫描中检...
为了搜索目标，雷达重复扫描一个或多个条形栅格。每次扫描都独立于所有其他扫描。无论何时检测到目标，雷达通常都为操作员和TWS功能提供目标距离、多普勒，方位角和俯仰角的估计。对于任何单一检测，估计值统称为观察值。
在纯搜索中，操作员必须确定当前扫描中检测到的目标是否与先前扫描或扫描中检测到的目标相同。但是使用TWS时，这个决定是自动做出的。
在连续扫描的过程中，TWS保持对每个有效目标的相对飞行路径的准确跟踪。该过程通过五个步骤迭代执行：预处理、相关、跟踪启动和删除、滤波、和门的形成。
预处理
在该步骤中，对每个新观察执行两个重要操作。首先，如果在先前扫描中检测到具有相同距离、距离变化率和角位置的目标，则组合观察结果。其次，如果尚未如此引用，则将每个观察结果转换为固定坐标系，例如蓝色面板中描述的NED。
角度估计方便地表示为方向余弦。在这种情况下，这些是目标方向与N，E和D轴之间的角度的余弦。可以通过将它们乘以相应的方向余弦，将范围和距离速率投影到N，E和D轴上。
相关
此步骤确定是否应将新观察分配给现有跟踪。根据迄今为止分配给轨道的观测结果，跟踪滤波器将轨道的每个参数的N，E和D分量的值精确地扩展到当前观察的时间。然后，过滤器在下一次观察时预测这些组件的值。
在滤波器导出的精度统计的基础上，在航迹预测的每个分量周围放置一个缩放到测量和预测最大误差的门，如图31-17所示。如果下一个观察落在航迹的所有门内，则将观察分配给跟踪。
当然，当接收到密集间隔的观察时，可能发生分配中的冲突。为了解决这些冲突，通过对观测的所有分量的测量和预测之间的差异进行归一化和组合来计算每个观察与跟踪（或跟踪）的统计距离。
每个跟踪都在一个门中心，其半径对应于测量和预测之间的最大可能统计距离。
在这种情况下应用的限制是，对于落在现有跟踪的门内的观察，不能启动暂定跟踪。因此，因为竞争观察被分配给落下的航迹，所以该观察结果被丢弃。
代表性的冲突如图31-19所示。观察落在两个不同跟踪的门内：和。观测和都落在跟踪的门内。诸如此类的冲突通常如下解决。
•观测被分配到跟踪，因为它是门内唯一的观测值，而在其门内有其他观测值和。
•观测被分配到跟踪，因为它距离门中心的距离小于的距离。
跟踪创建或删除
当新观察（例如图31-19中的）不适合现有轨道的门时，会建立一个暂定的新轨道。如果在下一次扫描（或可能是之后的下一次扫描）中，第二次观察与该轨迹相关，则确认该轨迹。如果不是，则认为观察是虚警并且被丢弃。类似地，如果对于给定数量的扫描，没有新观察与现有轨道相关联，则移除轨道。
滤波：这类似于单目标跟踪中执行的滤波。基于每个跟踪的预测和新测量之间的差异，更新跟踪，进行新的预测，并且导出观察和预测的准确度统计。
门形成：根据滤波器导出的预测和精度统计，形成新的门并将其提供给相关函数。
因为滤波，观察目标的时间越长，新门的定位越准确，并且计算的跟踪越接近实际跟踪。
跟踪滤波
跟踪滤波根据该跟踪的雷达的测量值来估计目标跟踪的轨迹。由于它是一种估计，它受到测量和过程误差的影响，但它的目的是尽可能准确地确定目标轨迹。通常使用预测和校正的组合来完成跟踪滤波。图31-20说明了包含跟踪滤波的组件。
图31-20中的恒星表示以恒定速度移动的目标的一系列测量值。根据测量结果，滤波器在下一次测量时预测目标可能的位置。通过将预测位置与测量位置进行比较，可以选择新的平滑位置，其表示测量噪声和过程噪声之间的折衷（来自预测过程）。此过滤过程可以写为：
其中是在平滑航迹上的时间t = k处的新滤波位置。是在时间t = k的预测位置（即先前应用滤波器的输出），是在时间t = k时的测量位置。参数α通过将其置于更接近预测或更靠近测量的位置来控制滤波位置。然后，成为跟踪滤波器的下一个周期中的预测。图31-21显示了α的选择如何导致不同的行为。
当α=1然后 时，滤波后的位置与测量位置相同，因此通过简单地将测量结果连接在一起形成跟踪。相反地，当α=0然后时，忽略测量并且如果有的话将任意地形成跟踪。对于介于0和1之间的值，滤波器仅使用位置测量。
更复杂但性能更好的滤波器使用α-β跟踪滤波器形式，兼具位置和速度测量。
α-β跟踪滤波器。表示简单滤波器过程的前述等式将总是具有滞后于数据的输出，因为预测仅基于先前的位置测量。α-β滤波器通过额外使用多普勒或速度信息克服了这一点。对于速度我们有
其中是滤波的速度，是滤波速度的先前值，是更新之间的时间。和的方程被称为α-β跟踪滤波器的方程，并使新的校正位置能够通过下式得出
其中是新的校正位置，它是从先前的平滑位置和速度值导出的。这些方程组合在一起构成了最常见的跟踪滤波器核心的预测校正器构造。
α和β的选择是降低对噪声的灵敏度和降低对目标运动变化（机动）的灵敏度之间的权衡。较大的α和β值导致较高的跟踪噪声，但对目标运动变化的响应性较大。通常α和β将介于0.1和0.9之间，并且它们的选择取决于用户要求和随后的系统设计约束。
对于许多跟踪问题，α-β跟踪滤波器提供了足够的解决方案。然而，对于更复杂的情况，α和β的常量取值也很有限。卡尔曼滤波器是α-β跟踪滤波器的扩展，其中α和β是变量，通过设置该变量可以使得测量和处理噪声的方差最小化。卡尔曼跟踪滤波器也是预测校正器形式。
在扫描时跟踪中，通过过滤其参数来跟踪在连续搜索扫描中检测到的目标，就像在单目标跟踪中一样。对于每个航迹，基于滤波参数的门用于确定是否应该将新检测分配给现有航迹，或者是否应该为它们建立新的暂定航迹以及是否应该丢弃任何现有航迹。
跟踪滤波器用来平滑、真实的估计目标的确切位置和轨迹。α-β滤波器和卡尔曼滤波器是用于跟踪的预测校正器方法的示例，并且在许多跟踪雷达系统中十分常见。
本文参考："Introduction to Airborne Radar 3rd"，需要电子版的请到更新文件夹查看。
识别上面二维码订阅成为永久铁杆会员后可以下载我们公众号过去5年多以来分享的所有资料，联系小编微信（Zang_lxl）领取专属的会员编号和资料下载方法，加入永久铁杆会员技术交流群。订阅成功后在个人中心处会显示“永久有效”，如下图。若你曾是永久铁杆会员但在个人中心处未显示的可以联系小编告知会员编号，小编会及时给与操作。需要注意的是永久铁杆会员是包含精品课程但不包含付费专栏，全场通用是包含永久铁杆会员和所有的付费专栏的，请知悉！
在纯搜索中，操作员必须确定当前扫描中检测到的目标是否与先前扫描或扫描中检测到的目标相同。但是使用TWS时，这个决定是自动做出的。
在连续扫描的过程中，TWS保持对每个有效目标的相对飞行路径的准确跟踪。该过程通过五个步骤迭代执行：预处理、相关、跟踪启动和删除、滤波、和门的形成。
预处理
在该步骤中，对每个新观察执行两个重要操作。首先，如果在先前扫描中检测到具有相同距离、距离变化率和角位置的目标，则组合观察结果。其次，如果尚未如此引用，则将每个观察结果转换为固定坐标系，例如蓝色面板中描述的NED。
角度估计方便地表示为方向余弦。在这种情况下，这些是目标方向与N，E和D轴之间的角度的余弦。可以通过将它们乘以相应的方向余弦，将范围和距离速率投影到N，E和D轴上。
相关
此步骤确定是否应将新观察分配给现有跟踪。根据迄今为止分配给轨道的观测结果，跟踪滤波器将轨道的每个参数的N，E和D分量的值精确地扩展到当前观察的时间。然后，过滤器在下一次观察时预测这些组件的值。
在滤波器导出的精度统计的基础上，在航迹预测的每个分量周围放置一个缩放到测量和预测最大误差的门，如图31-17所示。如果下一个观察落在航迹的所有门内，则将观察分配给跟踪。
当然，当接收到密集间隔的观察时，可能发生分配中的冲突。为了解决这些冲突，通过对观测的所有分量的测量和预测之间的差异进行归一化和组合来计算每个观察与跟踪（或跟踪）的统计距离。
每个跟踪都在一个门中心，其半径对应于测量和预测之间的最大可能统计距离。
在这种情况下应用的限制是，对于落在现有跟踪的门内的观察，不能启动暂定跟踪。因此，因为竞争观察被分配给落下的航迹，所以该观察结果被丢弃。
代表性的冲突如图31-19所示。观察落在两个不同跟踪的门内：和。观测和都落在跟踪的门内。诸如此类的冲突通常如下解决。
•观测被分配到跟踪，因为它是门内唯一的观测值，而在其门内有其他观测值和。
•观测被分配到跟踪，因为它距离门中心的距离小于的距离。
跟踪创建或删除
当新观察（例如图31-19中的）不适合现有轨道的门时，会建立一个暂定的新轨道。如果在下一次扫描（或可能是之后的下一次扫描）中，第二次观察与该轨迹相关，则确认该轨迹。如果不是，则认为观察是虚警并且被丢弃。类似地，如果对于给定数量的扫描，没有新观察与现有轨道相关联，则移除轨道。
滤波：这类似于单目标跟踪中执行的滤波。基于每个跟踪的预测和新测量之间的差异，更新跟踪，进行新的预测，并且导出观察和预测的准确度统计。
门形成：根据滤波器导出的预测和精度统计，形成新的门并将其提供给相关函数。
因为滤波，观察目标的时间越长，新门的定位越准确，并且计算的跟踪越接近实际跟踪。
跟踪滤波
跟踪滤波根据该跟踪的雷达的测量值来估计目标跟踪的轨迹。由于它是一种估计，它受到测量和过程误差的影响，但它的目的是尽可能准确地确定目标轨迹。通常使用预测和校正的组合来完成跟踪滤波。图31-20说明了包含跟踪滤波的组件。
图31-20中的恒星表示以恒定速度移动的目标的一系列测量值。根据测量结果，滤波器在下一次测量时预测目标可能的位置。通过将预测位置与测量位置进行比较，可以选择新的平滑位置，其表示测量噪声和过程噪声之间的折衷（来自预测过程）。此过滤过程可以写为：
其中是在平滑航迹上的时间t = k处的新滤波位置。是在时间t = k的预测位置（即先前应用滤波器的输出），是在时间t = k时的测量位置。参数α通过将其置于更接近预测或更靠近测量的位置来控制滤波位置。然后，成为跟踪滤波器的下一个周期中的预测。图31-21显示了α的选择如何导致不同的行为。
当α=1然后 时，滤波后的位置与测量位置相同，因此通过简单地将测量结果连接在一起形成跟踪。相反地，当α=0然后时，忽略测量并且如果有的话将任意地形成跟踪。对于介于0和1之间的值，滤波器仅使用位置测量。
更复杂但性能更好的滤波器使用α-β跟踪滤波器形式，兼具位置和速度测量。
α-β跟踪滤波器。表示简单滤波器过程的前述等式将总是具有滞后于数据的输出，因为预测仅基于先前的位置测量。α-β滤波器通过额外使用多普勒或速度信息克服了这一点。对于速度我们有
其中是滤波的速度，是滤波速度的先前值，是更新之间的时间。和的方程被称为α-β跟踪滤波器的方程，并使新的校正位置能够通过下式得出
其中是新的校正位置，它是从先前的平滑位置和速度值导出的。这些方程组合在一起构成了最常见的跟踪滤波器核心的预测校正器构造。
α和β的选择是降低对噪声的灵敏度和降低对目标运动变化（机动）的灵敏度之间的权衡。较大的α和β值导致较高的跟踪噪声，但对目标运动变化的响应性较大。通常α和β将介于0.1和0.9之间，并且它们的选择取决于用户要求和随后的系统设计约束。
对于许多跟踪问题，α-β跟踪滤波器提供了足够的解决方案。然而，对于更复杂的情况，α和β的常量取值也很有限。卡尔曼滤波器是α-β跟踪滤波器的扩展，其中α和β是变量，通过设置该变量可以使得测量和处理噪声的方差最小化。卡尔曼跟踪滤波器也是预测校正器形式。
在扫描时跟踪中，通过过滤其参数来跟踪在连续搜索扫描中检测到的目标，就像在单目标跟踪中一样。对于每个航迹，基于滤波参数的门用于确定是否应该将新检测分配给现有航迹，或者是否应该为它们建立新的暂定航迹以及是否应该丢弃任何现有航迹。
跟踪滤波器用来平滑、真实的估计目标的确切位置和轨迹。α-β滤波器和卡尔曼滤波器是用于跟踪的预测校正器方法的示例，并且在许多跟踪雷达系统中十分常见。
本文参考："Introduction to Airborne Radar 3rd"，需要电子版的请到更新文件夹查看。
识别上面二维码订阅成为永久铁杆会员后可以下载我们公众号过去5年多以来分享的所有资料，联系小编微信（Zang_lxl）领取专属的会员编号和资料下载方法，加入永久铁杆会员技术交流群。订阅成功后在个人中心处会显示“永久有效”，如下图。若你曾是永久铁杆会员但在个人中心处未显示的可以联系小编告知会员编号，小编会及时给与操作。需要注意的是永久铁杆会员是包含精品课程但不包含付费专栏，全场通用是包含永久铁杆会员和所有的付费专栏的，请知悉！
下载文档
