基于协同探测数据融合的水下多目标跟踪

郭龙祥; 虞涵钧; 生雪莉; 韩 笑; 郝豪言; 陈 洋

doi:10.11993/j.issn.2096-3920.2018.05.002

基于协同探测数据融合的水下多目标跟踪

doi: 10.11993/j.issn.2096-3920.2018.05.002

1.
哈尔滨工程大学水声技术重点实验室, 黑龙江哈尔滨, 150001
2.
海洋信息获取与安全工信部重点实验室哈尔滨工程大学, 工业和信息化部, 黑龙江哈尔滨, 150001
3.
哈尔滨工程大学水声工程学院, 黑龙江哈尔滨, 150001

基金项目: 国家自然科学基金(51779061)

详细信息

作者简介:
生雪莉(1979-), 女, 博士, 教授, 主要研究方向为水声信号处理.

中图分类号: TJ630.34; TB566
计量
- 文章访问数: 970
- HTML全文浏览量: 19
- PDF下载量: 718
- 被引次数: 0
出版历程
- 刊出日期: 2018-10-31

Underwater Multi-Target Tracking Based on Collaborative Detection Data Fusion

1.
Acoustic Science and Technology Laboratory, Harbin Engineering University, Harbin 150001, China
2.
Key Laboratory of Marine Information Acquisition and SecurityHarbin Engineering University, Ministry of Industry and Information Technology, Harbin 150001, China
3.
College of Underwater Acoustic Engineering, Harbin Engineering University, Harbin 150001, ChinaGUO

摘要

摘要: 在高杂波密度的水下环境中, 若只利用局部传感器来跟踪多个目标, 会产生较高的虚警, 而且跟踪效果受限于传感器本身性能。为此文中基于分布式数据融合模型, 首先在各个无人平台上利用联合概率数据关联(JPDA)形成局部航迹, 然后再用匈牙利算法实现对关联矩阵的最优分配从而达到航迹的实时关联, 最后通过凸组合融合算法形成全局航迹。仿真结果表明, 经过此方法完成的多目标跟踪结果具有更好的可靠性, 其跟踪精度基本在两站跟踪精度之间且具有较低的跟踪误差, 适合在未知基站估计精度的系统中获得更为可信的估计结果。
- 水下多目标跟踪 /
- 高杂波密度 /
- 分布式数据融合 /
- 联合概率数据关联 /
- 匈牙利算法 /
- 凸组合融合
Abstract: 在高杂波密度的水下环境中, 若只利用局部传感器来跟踪多个目标, 会产生较高的虚警, 而且跟踪效果受限于传感器本身性能。为此文中基于分布式数据融合模型, 首先在各个无人平台上利用联合概率数据关联(JPDA)形成局部航迹, 然后再用匈牙利算法实现对关联矩阵的最优分配从而达到航迹的实时关联, 最后通过凸组合融合算法形成全局航迹。仿真结果表明, 经过此方法完成的多目标跟踪结果具有更好的可靠性, 其跟踪精度基本在两站跟踪精度之间且具有较低的跟踪误差, 适合在未知基站估计精度的系统中获得更为可信的估计结果。
- underwater multi-target tracking /
- high clutter density /
- distributed data fusion /
- joint probability data association (JPDA) /
- Hungarian algorithm /
- convex combination fusion

HTML全文

参考文献(13)

[1]	[1] 杨德森, 朱中锐, 田迎泽. 矢量声呐技术理论基础及应用发展趋势[J]. 水下无人系统学报, 2018, 26(3): 185-192. Yang De-sen, Zhu Zhong-rui, Tian Ying-ze. Theoretical Bases and Application Development Trend of Vector Sonar Technology[J]. Journal of Unmanned Undersea Systems, 2018, 26(3): 185-192.
[2]	章飞, 孙睿. 水下多目标跟踪技术综述[J]. 中外船舶科技, 2012(3): 23-29. Zhang Fei, Sun Rui. Overview of Underwater Multi-target Tracking Technology[J]. Chinese and Foreign Ship Science and Technology. 2012(3): 23-29.
[3]	Zheng C, Sun D, Cai L, et al. Mobile Node Localization in Underwater Wireless Networks[J]. IEEE Access, 2018, 1(1): 99.
[4]	刘威, 生雪莉, 郭龙祥, 等. 基于m-MHT的主动声呐野点剔除方法研究[J]. 舰船科学技术, 2017, 39(19): 117-121. Liu Wei, Sheng Xue-li, Guo Long-xiang, et al. Research on m-MHT-based Active Sonar Field Culling Method[J]. Ship Science and Technology, 2017, 39 (19) : 117-121.
[5]	陈晓, 李亚安, 蔚婧. 一种海杂波背景下的目标跟踪数据关联方法[J]. 鱼雷技术, 2016, 24(5): 334-339. Chen Xiao, Li Ya-an, Wei Jing. A Method of Target Tracking Data Association in Sea Clutter Background [J]. Torpedo Technology, 2016, 24 (5): 334-339.
[6]	乔向东, 李涛. 多传感器航迹融合综述[J]. 系统工程与电子技术, 2009, 31(2): 245-250. Qiao Xiang-dong, Li Tao. Overview of Multisensor Track Fusion[J]. Systems Engineering and Electronic Technology, 2009, 31 (2): 245-250.
[7]	Zhang J, Shi C, Tang K, et al. Research and Implementation on Multi-beacon Aided AUV Integrated Navigation Algorithm[C]//Oceans 2017. Aberdeen: Oceans: 1-5.
[8]	韩崇昭, 朱洪艳, 段战胜. 多源信息融合[M]. 北京: 清华大学出版社, 2006: 257-261.
[9]	Julier S. General Decentralized Data Fusion with Covari-ance Intersection(CI)[M]// Handbook of Multisensor Data Fusion. Boca Raton: CRC Press, 2001.
[10]	何友. 雷达数据处理及应用[M]. 北京: 电子工业出版社, 2006: 84-89.
[11]	汤琦, 黄建国, 杨旭东. 航迹起始算法及性能仿真[J]. 系统仿真学报, 2007, 19(1): 149-152. Tang Qi, Huang Jian-guo, Yang Xu-dong. Track Initiation Algorithm and Performance Simulation[J]. Journal of Systems Simulation, 2007, 19(1): 149-152.
[12]	Fortmann T E, Bar-shalom Y, Scheffe M. Sonar Tracking of Multiple Targets Using Joint Probabilistic Data Association[J]. IEEE Journal of Oceanic Engineering, 2003, 8(3): 173-184.
[13]	肖文凯, 肖圣龙, 林华, 等. 基于匈牙利求解的航迹关联算法研究[J]. 舰船电子工程, 2008, 28(10): 137-139, 163. Xiao Wen-kai, Xiao Sheng-long, Lin Hua, et al. Research on Track Correlation Algorithm Based on Hungarian Solution[J]. Ship Electronic Engineering, 2008, 28(10): 137-139, 163.