基于Matlab使用空间分布和同步无源传感器测量值来跟踪对象仿真（附源码）

此示例说明了使用空间分布和同步无源传感器的测量值来跟踪对象。可以了解到被动测量提供了目标状态的不完整可观察性，以及如何操纵单个传感器以获取范围信息，也可以使用多个固定传感器来获得可观察性。在此示例中，将学习如何通过融合来自无源同步传感器的多个检测来跟踪多个对象。

一、介绍

在同步多传感器-多目标跟踪问题中，同步收集来自多个无源传感器的检测结果，并用于估计以下内容：

• 方案中的目标数

• 这些目标的位置和速度

此示例演示了如何使用跟踪前静态融合体系结构使用被动测量进行跟踪。该架构的静态融合部分旨在对最可能的检测集进行三角测量，并输出包含目标估计位置的融合检测。由于测量值需要通过静态融合融合在一起，因此传感器必须同步报告测量值。

如果测量仅包含视线（LOS）信息，则至少需要2个传感器才能找到位置。但是，对于2个传感器，当多个目标位于同一平面时，就会发生重影问题（没有目标的点处的交叉点）。使用2个目标和2个传感器，不可能从单个测量帧中识别出正确的对，如下图所示：

 因此，必须使用3个或更多传感器来减少重影问题。由于存在测量噪声和错误测量，很难完全消除重影问题。静态关联返回的幻影三角测量可能会被动态关联块丢弃，因为目标和传感器的几何图形在方案中会发生变化。

二、定义方案

该方案由三到五个无源传感器观察到的五个等间距目标组成。被动检测使用建模，并将其设置为 。传感器的属性设置为生成无噪声检测以及误报。在本例中，噪声通过用户控制的变量添加到测量中。这是为了模拟传感器噪声对静态融合的影响。每个传感器的方位角视场为 180 度，每个方位角分辨率像元的视场为 1e-3，这会导致每次扫描2到3次误报。

 三、带三个传感器的轨道

在本节中，仅考虑内部三个传感器的测量值，并且每个传感器的测量噪声协方差设置为 0.01 平方度。允许指定一个函数来融合给定的检测组合（每个传感器最多一个检测）并返回融合位置及其误差协方差。参数被指定为反映在此场景中模拟的传感器的参数。这些参数用于计算可行关联的可能性。

• 使用三个传感器运行仿真

 

使用噪声协方差为0.01平方的三个传感器进行跟踪的结果可以使用分配指标进行汇总。请注意，所有磁道都已分配给正确的事实，并且跟踪器未确认任何错误磁道。这些结果表明良好的静态关联精度。

目标的估计位置和速度的误差可以使用误差指标进行汇总。所有目标的位置和速度误差分别在7米和2米/秒以内，归一化误差接近1。错误指标表示良好的动态关联和跟踪性能。

四、测量精度的影响

被动检测的融合以消除重影在很大程度上取决于被动测量的准确性。随着测量噪声的增加，假影关联和真实关联之间的区别变得不那么突出，导致静态关联的精度显着下降。对于紧密间隔的目标，也可能发生融合检测与轨迹的错误关联。在下一节中，将使用帮助器函数以 2 平方度的测量噪声协方差重新运行方案。以高测量噪声再次运行该方案：

 

请注意，在此模拟中确认了一些轨道，然后将其丢弃。较差的静态关联精度会导致更频繁地出现重影目标三角测量，从而导致跟踪器由于多次错过而删除这些轨迹。

通过增加传感器数量可以提高关联精度。但是，随着每个传感器的添加，计算要求呈指数级增长。静态融合算法花费大部分时间计算每个三角测量的可行性。

五、总结

此示例显示了如何使用分布式被动传感器网络跟踪对象。学习了如何使用来自多个传感器的静态关联和融合检测。该示例演示了此架构如何取决于网络中的传感器数量和传感器测量精度等参数。

六、程序

使用matlab R2021a版本，点击打开。

 打开下面的“TrackingUsing...Example.m”文件，点击运行，就可以看到上述效果。

 关注下面公众号，后台回复关键词：分布式同步无源传感器，发送源码链接。