中国科技核心期刊      中国指挥与控制学会会刊     军事装备类重点期刊
装备总体技术

无人值守边防高点监控系统的设计与实现

  • 周雷 ,
  • 梁超 ,
  • 韦崴
展开
  • 中国电子进出口有限公司, 北京 100036
†韦 崴(1972—),男,工程师。

周 雷(1981—),男,高级工程师,研究方向为指挥控制。

梁 超(1978—),男,硕士,高级工程师。

Copy editor: 许韦韦

收稿日期: 2022-06-07

  修回日期: 2022-08-08

  网络出版日期: 2023-02-20

Design and realization of unattended border monitoring system

  • ZHOU Lei ,
  • LIANG Chao ,
  • WEI Wei
Expand
  • China National Electronics Imp. & Exp. Co., Ltd., Beijing 100036, China

Received date: 2022-06-07

  Revised date: 2022-08-08

  Online published: 2023-02-20

摘要

针对边境安全监控系统无人化、智能化的迫切需求,设计了一种适用于基础设施薄弱区域的无人值守边防高点监控系统。介绍了系统组成和分系统设计,给出工程实现的关键技术,提出了雷达光电单站协同探测跟踪技术及不完全量测条件下的多目标跟踪算法。原型系统的实现和演示验证试验证明了系统设计的科学性和合理性,实现了高点监控的技战术指标及无人值守功能。

本文引用格式

周雷 , 梁超 , 韦崴 . 无人值守边防高点监控系统的设计与实现[J]. 指挥控制与仿真, 2023 , 45(1) : 34 -40 . DOI: 10.3969/j.issn.1673-3819.2023.01.006

Abstract

Aiming at the urgent demand of unmanned and intelligent border security system, an unattended border monitoring system is designed for weak infrastructure border area. The system composition and sub-system design are introduced, and the key technologies for engineering realization are given, ground surveillance radar and electro-optics device single-site collaborative detection and tracking technology, and multi-target tracking algorithm with intermittent observations are proposed. The realization and demonstration verification test of prototype system prove the scientificity and rationality of the design, which achieve the tactical and technical requirements of high point monitoring with the unattended capability.

边境安全或边境安全管控,是一个国家或政治实体为管控其边界而采取的措施,以便规范人员和货物的流通,是一国对其领土主权的客观证明。9·11事件以后,世界范围内海陆边境非对称威胁持续高发,推动了边境安全监控系统的发展。边境安全监控系统在应用中首先要解决几个普遍的问题:潜在的威胁不确定,需要管控的空间范围广,应用场景复杂多样,其内部资源调度难统一[1]。目前较优的解决方案是采用物防+人防+技防的手段,建设可控、可靠、可灵活配置,满足不同应用场景的边境安全综合电子信息系统。
为了能够全天候监控边境状况,在发现威胁前提供预警,在发现可疑目标后进行取证和告警,支持相关部门启动威胁处理机制[2-3],边境安全综合电子信息系统需在边境线上,根据地形、地貌、气候、威胁发生概率等场景因素,按节点布置探测设备,形成完善的预警监控体系。因此,近年来针对边海防应用的多传感器预警探测系统得到了广泛重视。文献[4-5]分别对不完全量测下的线性及非线性系统状态估计问题进行了研究,文献[6]探讨了近海监控领域的可视化应用,文献[7-8]研究了雷达光电协同探测在低慢小目标探测跟踪方面的应用。总体来说,目前的研究大多集中在目标状态估计领域,应用方面以低慢小探测跟踪和靶测领域为主,对于地面复杂环境下多目标跟踪资源分配,地面目标跟踪中单站异质多类传感器协同探测等问题研究较少,在系统装备无人化和智能化方面鲜有报道。本文针对边境线漫长,边境地区基础设施较差的现状,给出了一种无人值守边防高点监控系统设计,能够对开阔地带地面可疑人员及车辆进行昼夜监视、跟踪和查证;其具备单站多传感器协同探测跟踪能力,能够进行单站情报融合处理;其还可通过多种方式进行能源供给,具备本站能源自持能力。

1 系统设计

当前边境地区威胁目标的主要载体或形式是地面运动的人和车辆,常见的探测手段是地面监视雷达和远程光电探测设备。地面监视雷达具有较优越的低截获性能和抗干扰能力,可全天时全天候工作,具有机动灵活、易于部署等特点,但测角精度较差,且地面探测杂波和遮挡严重。集成了多波段探测器的光电探测设备具备全天时远距离探测能力,但远距离视场较窄,搜索效率不高。采用地面监视雷达与光电设备的单站一体化设计,通过雷达进行宽视场动态扫描,然后将雷达获取目标的距离和粗方位信息实时传输给光电设备转台,驱动光电设备对准目标进行识别和确认,则可以大大提高对目标的探测识别能力。因此,无人值守边防高点监控系统以雷达光电协同探测为基本手段,系统主要由地面监视雷达、光电探测器、综合能源、综合处理显控软件等分系统组成,如图1所示。
图1 无人值守高点监控系统概念设计图

Fig. 1 Conceptual design of unattended high

point monitoring system

1.1 雷达选型

地面监视雷达选型因素包括作用距离、探测精度、多目标能力等技战术指标[9-10],考虑野外长时间无人值守,雷达应发射功率低,整体功耗低,机械伺服机构少,高温、风沙等恶劣环境适应性强。
我们选用一种高度集成、免维护、三防设计的Ku频段调频连续波地面监视雷达。该雷达可实现对人探测距离不小于15.5 km,对车探测距离不小于22.4 km,距离和方位分辨力分别达到30 m和3°,测距和测角精度分别优于1 m和1°。雷达采用全固态电扫技术体制,发射峰值功率小于5 W,无转动铰链等寿命器件,防护等级达到IP66,设备简洁,全寿命期间维护和使用成本低。雷达水平电扫描,每一阵面水平方向覆盖为110°,可以快速扩展辅助阵面;同时雷达俯仰波束宽,可兼顾山区垂直移动目标和低慢小飞行器。

1.2 光电设计

边境监控用光电探测器的设计主要考虑作用距离、视场范围、图像质量、器件寿命、成本以及野外环境适应性等因素[11]。地面监视雷达和光电探测器采用单站一体化设计,光电探测器选择可见光探测器和长寿命制冷型红外探测器双通道形式。
探测器转台设计了低风阻T型框架和伺服稳定装置。转台方位/俯仰轴与框架的谐振频率、方位/俯仰轴回转精度、整体稳定精度、跟踪精度优异。转台可在风速小于10级,高点摇摆±12°,周期4 s条件下,摄取清晰稳定的图像。
光电探测器的探测距离主要受限于红外热像仪,我们采用高灵敏度MCT凝视型焦平面中波制冷探测器,分辨率640×512,配750 mm长焦高倍率红外光学镜头,可大倍数光学连续变焦,实现视距条件下对人不小于10 km,对车不小于20 km的探测距离。可见光摄像机采用1/1.8" CCD传感器,配合高清电动变倍镜头,变焦范围内全高清高解像视频拍摄,可提高监视系统的识别性能。

1.3 综合能源

根据系统负载情况,考虑部署地点平均日照时间及风力等绿色资源充沛,以多晶硅光伏发电系统和垂轴磁浮风力发电系统作为主要能量来源,柴油发电机作为备用能源,搭配少量储能电池组作为能量存储和调节设备,形成风光柴储微电网系统作为边境地区高点监控的能源解决方案。系统的控制逻辑如下:
1)光照/风力充足时,完全由光伏/风机给负载供电,发电盈余给储能系统充电。
2)当夜晚无光无风或光伏和风机发电不足时,优先使用储能系统给负载供电。
3)当储能系统电能消耗至设定容量下限而光照/风力仍不足时,柴油发电机开启给负载供电,保证负载不间断电能供应,一方面给储能系统充电。
在各种运行条件下,系统通过功率监测,能较好地控制储能系统充放电和柴油机的投切,实时保持系统功率平衡,满足负载的需要[12]

1.4 综合处理显控

综合处理显控软件由雷达显示控制、光电显示控制和综合处理三个模块组成,如图2所示。
图2 综合处理显控软件组成

Fig. 2 Composition of the integrated

display & control software

综合处理显控软件能显示雷达探测界面、光电图像和综合情报并能对探测参数进行控制;能够对雷达和光学目标信息进行探测、跟踪、识别、融合等处理;能够控制光电设备与雷达联动,为操作者提供了智能化操作,可满足无人值守的需求。
雷达探测到目标后,可以点迹、航迹的形式在软件界面中显示,在二级操作中能够标明目标的速度、大小、距离等信息。此外,可通过更改滤波参数减少杂波干扰和虚警,增加探测的准确性,还可加载地图以及根据地图设置告警区域,以利于观测者根据地貌结构判断目标类型及威胁程度,达到告警目的。
光电探测器通过其长焦高清镜头将所覆盖区域内的环境及目标以高清图像和红外图像的形式在软件中显示。软件可通过设置光电参数来适应复杂环境气候下的目标观测,也可以根据探测目标的位置手动控制转台对准目标进行识别。
综合处理显控软件具有单目标跟踪、多目标定位和区域告警三种工作模式。单目标跟踪模式下,有选择地对单一目标进行持续自动跟踪取证。多目标定位模式下,根据目标综合信息进行威胁等级排序,并联动光电设备按威胁等级对相关目标进行依次取证。区域告警模式支持设置告警区域,当有目标出现或越过警戒区时,软件控制光电设备对该目标进行持续跟踪取证并告警。

1.5 其他因素

考虑地球曲率和地形,为保证通视条件,边防应用通常将监控设备架高至固定式铁塔或移动升降塔等处。塔体设计应考虑结构风阻面积小,过风能力强,抗风等级高等因素,结构件零部件表面应采用喷丸喷锌处理以延长使用寿命,同时还要考虑边境地区施工条件,尽可能采用快速部署设计。
通信系统也是边防应用面临的问题,由于边境线漫长,建设周期和成本巨大,通信系统应全面规划,充分考虑业务需求,具备高可靠性和可扩展性,具备条件的地段应充分整合现有通信设备基础,尽量加以利用。

2 关键技术

2.1 协同探测跟踪

一般情况下,地面监视雷达和光电探测器协同工作时,雷达进行责任区搜索并给出指示引导信息,光电探测器在指示区域完成自动锁定并随动跟踪[7-8,13]。在跟踪目标的同时,综合处理显控软件识别已跟踪的目标并综合目标信息。
多目标环境下,囿于光电探测器方位资源调度的局限,我们引入密集多目标(编队)概念和威胁等级判据,此时雷达光电协同探测跟踪流程如图3所示。
首先,定义在一定空间范围内,一定数量的朝着相同方向,以相近速度行进的多个目标组成的集合体为编队目标,编队目标内部单个目标之间的距离远小于不同编队目标之间单目标的距离。地面编队目标一般在旷野或路网中机动。对于旷野中机动的编队目标,可参考群目标跟踪方法[18],通常有质心跟踪、质心跟踪+单目标航迹维持、单目标跟踪+编队参数估计等方法;对于路网中的编队目标,可借助道路矢量数据,将路网中编队目标的运动模型用线段的平移、旋转、缩放及这些变换的组合来表征(仿射变换),用道路信息约束状态更新方程。
目标威胁等级根据多个因素综合得出,其中进入告警区域的威胁等级权重最高,此外,目标编队情况、目标当前运动状态及历史航迹信息、雷达回波信息、目标分类及威胁目标库信息等均参与加权综合计算。
当雷达发现高价值编队目标后,直接退出无人值守模式,同时引导光电探测器对准可疑目标进行识别、取证;对于一般多目标环境,则对点迹/航迹建立威胁等级列表,满足条件后引导光电对威胁等级高的目标进行识别、拍摄取证(每个目标的取证时间可自定义)。

2.2 不完全量测

高点监控系统虽然实现了雷达和光电多源传感器的协同探测跟踪,但由于目标所处地面环境复杂,障碍物遮挡、气象环境、监控系统所处平台的抖动等因素仍不可避免会造成测量数据的丢失,此时系统中也可能出现虚警或野值,这就引入了不完全量测问题[4,14]
图3 多目标协同探测跟踪流程

Fig. 3 Multi-target collaborative detection and tracking process

地面目标机动时往往难以用线性系统描述,为了兼顾算法成熟度和复杂度[15],我们采用扩展卡尔曼滤波(Extended Kalman Filter, EKF)来解决该问题。若系统非线性模型表示如下[5]:
X ( k + 1 ) = Φ ( k + 1 k ) X ( k ) + Γ ( k ) u ( k ) Z ( k ) = H ( k ) X ( k ) + v ( k )
式中,   Φ ( k + 1 k ) 为目标非线性状态转移阵,   X ( k ) R n × 1为k时刻目标状态向量,   Γ ( k ) R n × l为k时刻过程噪声分布矩阵,过程噪声向量 u ( k ) R l × 1是均值为0,方差为Q(k)的高斯白噪声;   Z ( k ) R m × 1为系统观测向量;H(k)为测量方程,量测噪声向量 v ( k ) R m × 1是均值为0,方差为R(k)的高斯白噪声。
当存在不完全量测时,我们引入二元离散随机变量γ(k),γ(k)=1表示量测正常,γ(k)=0表示不完全量测,此时,(1)中测量方程为
Z ( k ) = γ ( k ) H ( k ) X ( k ) + v ( k )
其量测噪声可表示为
p ( v ( k ) γ ( k ) ) = N ( 0 , R ( k ) ) ,   γ ( k ) = 1 N ( 0 , δ 2 I ) ,   γ ( k ) = 0
式中,γ(k)=0对应δ取极限值,即δ→∞。
系统利用EKF算法对目标进行跟踪分为两步:
第一步,状态更新
${\hat{X}}\left( k+1/k \right)=\Phi \left( k+1\left| k \right. \right){\hat{X}}\left( k/k \right)+\Gamma \left( k \right)u\left( k \right)$
P ( k + 1 / k ) = Φ ( k ) P ( k / k ) Φ Τ ( k ) +   Γ ( k ) Q ( k ) Γ Τ ( k )
第二步,测量更新
$\begin{matrix}{\tilde{Z}}\left( k+1 \right)=Z\left( k+1 \right)-h\left( {\hat{X}}\left( k+1/k \right)\right) \\ \end{matrix}$
K ( k + 1 ) = P ( k + 1 / k ) H Τ ( k + 1 ) · H ( k + 1 ) P ( k + 1 / k ) H Τ ( k + 1 ) + R ( k + 1 ) - 1
${\hat{X}}\left( k+1/k+1 \right)={\hat{X}}\left( k+1/k \right)+K\left( k+1 \right){\tilde{Z}}\left( k+1 \right)$
P ( k + 1 / k + 1 ) = [ I - K ( k + 1 ) H ( k + 1 ) ] P ( k + 1 / k )
这里以易于工程实现的k+1时刻的测量向量的预测残差${\tilde{Z}}\left( k+1 \right)$作为不完全量测判据:
$\left| {\tilde{Z}}\left( k+1 \right) \right|\le C\sqrt{H\left( k+1 \right)P\left( k+1/k \right){{H}^{T}}\left( k+1 \right)+R\left( k+1 \right)}$
式中,C为残差检测门限。当上式成立时,γ(k)=1,否则γ(k)=0表示出现不完全量测。此时,测量更新可进一步表示成
$\begin{matrix} & {\hat{X}}\left( k+1/k+1 \right)={\hat{X}}\left( k+1/k \right)+\gamma \left( k+1 \right)K\left( k+1 \right){\tilde{Z}}\left( k+1 \right)= \\ & \left\{ \begin{array}{*{35}{l}} {\hat{X}}\left( k+1/k \right)+K\left( k+1 \right)\left[ Z\left( k+1 \right)-h\left( {\hat{X}}\left( k+1/k \right) \right) \right], \\ \gamma \left( k \right)=1 \\ {\hat{X}}\left( k+1/k \right),\gamma \left( k \right)=0 \\\end{array} \right. \\ \end{matrix}$
P k + 1 k + 1 = I γ k + 1 K k + 1 H k + 1 P k + 1 / k =   I K k + 1 H k + 1 P k + 1 / k ,   γ k = 1 P k + 1 / k ,   γ k = 0
式(4)—(6)、式(11)—(12)便构成了不完全量测下的EKF算法。协同探测跟踪系统在不完全量测EKF算法的基础上,进一步采用交互多模型(IMM)和多假设跟踪(MHT)技术解决目标运动状态特性多样及高机动跟踪的问题[16-17]

3 系统验证

为了验证系统设计的有效性和系统战术技术性能,我们开发了原型系统,并在某试验场搭建了演示验证环境。试验中原型系统架设在一处高地以代替高点监控平台,如图4所示,各项科目均在正常大气环境(晴天,能见度大于20 km)条件下进行,系统架设点和配试目标之间具备通视条件,试验过程不依赖外部能源。
图4 原型系统演示验证环境

Fig. 4 Demonstration & validation environment of prototype system

在系统探测跟踪距离性能测试中,配试目标为武装单兵和中型高机动越野底盘车辆,部署在距高点监控系统15 km和25 km两个点位。设定目标运动路线,运动方向沿系统径向方向;设置系统架设阵地并进行配准;设置系统设备距离量程、显示内容、显示方式、扇扫范围等工作参数;配试目标在规定的目标关注区内沿确定的运动路线匀速朝向系统架设位置或背向系统架设位置运动;试验中利用GPS定位设备记录配试目标的位置信息;将高点监控系统探测跟踪距离测试结果记录于表1
表1 系统探测跟踪距离试验结果

Tab.1 Target detection & tracking distance results

序号 测试项目 测试结果 备注
1 15 km,行人 可探测,无跟踪 Pd=63%,
Qt=1
2 15 km,中型车辆 可探测,可跟踪,
可识别
Pd=85%,
Qt=5
3 25 km,中型车辆 可探测,不连续跟踪 Pd=72.6%,
Qt=2

注:表中光电探测器探测判据——1线/目标平均尺寸;识别判据——4线/目标平均尺寸;航迹质量Qt∈[1,5],Qt数值越大,航迹质量越高。

试验中,15 km探测跟踪试验结果如图5所示。系统对中型车辆实现了准确探测和跟踪,形成了批号为1 983的航迹,并识别出目标类型为车辆,识别概率75%;光学系统在引导下对准目标,自动调整焦距并呈现在视场中央。
图5 15 km距离上目标探测跟踪

Fig. 5 Target detection & tracking at 15 km distance

地面监视雷达和光电探测器单站协同探测跟踪功能测试中,令配试目标(中型高机动越野底盘车辆)在3~7 km距离上沿道路匀速运动。系统配准后,设置系统设备工作参数、显示内容及方式、告警区域并调整好威胁判据;试验中利用GPS定位设备记录配试目标的位置信息。
图6所示,当配试目标548、688、482在综合处理显控软件上呈现出稳定雷达航迹时,系统按照目标状态和威胁判据等信息给出目标威胁等级并告警;按照目标威胁等级排序,自动引导光电探测器依次对准目标航迹(方位和俯仰),并自动调整光学焦距使目标准确呈现在光电视场中央,雷达和光电协同一致地持续稳定跟踪目标,并自动记录存储原始情报和视频数据。当配试目标593进入告警区域New Zone时,系统及时给出了告警。对于高价值目标支持人工干预,系统支持点选目标航迹,光电探测器对准目标编号进行目标识别确认。
图6 雷达光电多目标环境协同探测跟踪

Fig. 6 Multi-target collaborative detection & tracking

当配试目标875从绿化带遮挡环境中经过,且出现非配试目标926、884对向交叉通过时,出现了不完全量测,如图7所示。系统利用不完全量测下EKF算法对目标875状态进行了更新,并且在原型系统采用了多假设相关处理了机动多目标环境造成的数据关联问题,实现了对目标航迹和光学图像的持续稳定跟踪。
图7 不完全量测下目标探测跟踪

Fig. 7 Target detection & tracking with intermittent observations

原型系统的演示验证试验表明,边防高点监控系统的设计科学有效,系统内部地面监视雷达、光电探测器各组件以及综合处理显控软件的控制和数据接口准确可靠,目标探测、跟踪、识别和告警等功能完善。相比其他常规边防高点监控系统,本系统雷达和光电具备单站协同探测能力,联动工作高效准确,虚警大幅减少,针对威胁目标的告警及时准确,大大减轻了边防人员的值班负担,同时系统可依赖综合能源系统不间断工作,具备了无人值守的应用潜力。需要指出,原型系统的开发和演示验证试验也发现一些环节需要进一步优化改进:
1)针对多个威胁目标,系统中雷达和光电方位探测资源的协同调度,特别是考虑光电伺服系统的抗冲击能力和寿命问题。
2)针对地面目标探测,不同焦距可见光/红外探测器的自动变焦算法实现和同步。

4 结束语

边防高点监控系统从实战化应用角度出发,探索无人值守条件下应用模式,采用地面监视雷达和远程光电探测器协同探测跟踪,由地面监视雷达进行24小时不间断扫描侦察探测,发现可疑目标并形成航迹时,系统综合处理显控终端给出告警信息,同时引导光电探测器指向可疑目标进一步识别查证。为支撑这种工作模式,开发了基于目标威胁告警准则的雷达光电单站协同探测跟踪技术及不完全量测条件下的多目标跟踪算法。通过基于典型应用的演示验证试验,验证了系统功能性能及支撑无人值守条件下雷达光电联动工作的能力。
[1]
FAYEZ A. Understanding geospatial challenges & technologies: towards a hybrid system for border monitoring[J]. Sci. Int. (Lahore), 2018, 30(2): 233-240.

[2]
毛振发. 边防论[M]. 北京: 军事科学出版社, 1996.

MAO Z F. Frontier defense theory[M]. Beijing: Military Science Press, 1996.

[3]
吴羽. 边境管理法律制度通义[M]. 北京: 法律出版社, 2016.

WU Y. General meaning of border management legal system[M]. Beijing: Law Press, 2016.

[4]
SINOPOLI B, SCHENATO L, FRANCESCHETTI M, et al. Kalman filtering with intermittent observations[J]. IEEE Transactions on Automatic Control, 2004, 49(9): 1453-1464.

DOI

[5]
KLUGE S, REIF K, BROKATE M. Stochastic stability of the extended kalman filter with intermittent observations[J]. IEEE Transactions on Automatic Control, 2010, 55(2): 514-518.

DOI

[6]
赵勇, 吴刚. 基于雷达探测的沿海边防可视化管控应用技术研究[J]. 现代雷达, 2014, 36(12): 31-33, 38.

ZHAO Y, WU G. A study on the visual control application technology for coastal border based on radar detection[J]. Modern Radar, 2014, 36(12): 31-33, 38.

[7]
王维佳, 柏鹏, 梁晓龙, 等. 雷达辅助光电跟踪系统协同跟踪算法[J]. 红外与激光工程, 2017, 46(12): 209-215.

WANG W J, BAI P, LIANG X L, et al. Cooperative tracking algorithm of radar aided optic-electric tracking system[J]. Infrared and Laser Engineering, 2017, 46(12): 209-215.

[8]
任清安, 吕春燕. 雷达光电智能协同探测技术研究[J]. 雷达科学与技术, 2016, 14(2): 173-177, 183.

REN Q A, LYU C Y. Research on radar and photoelectric collaborative tracking algorithm[J]. Radar Science and Technology, 2016, 14(2): 173-177, 183.

[9]
陈黎, 温博, 李新欣, 等. 连续波战场侦察雷达技术发展综述[J]. 无线电工程, 2017, 47(6): 65-69.

CHEN L, WEN B, LI X X, et al. Review of development of cw battlefield surveillance radar technology[J]. Radio Engineering, 2017, 47(6): 65-69.

[10]
万建岗, 葛代河, 蔺美青, 等. 便携式地面监视雷达技术现状及发展趋势[J]. 火控雷达技术, 2017, 46(2): 1-5, 14.

WAN J G, GE D H, LIN M Q, et al. Technical status and development trend of porTab.ground surveillance radar[J]. Fire Control Radar Technology, 2017, 46(2): 1-5, 14.

[11]
蔡毅, 王岭雪. 红外成像技术中的9个问题[J]. 红外技术, 2013, 35(11): 671-682.

CAI Y, WANG L X. Nine issues associated with infrared imaging technology[J]. Infrared Technology, 2013, 35(11): 671-682.

[12]
刘小龙, 李欣然, 刘志谱, 等. 考虑短时供能的综合能源系统能源最大化利用[J]. 电力建设, 2019, 40(8): 103-111.

DOI

LIU X L, LI X R, LIU Z P, et al. Study on energy utilization maximization of integrated energy system considering short-term energy supply[J]. Electric Power Construction, 2019, 40(8): 103-111.

DOI

[13]
D. BLOISI, L. IOCCHI, M. FIORINI, et al. Automatic maritime surveillance with visual target detection[C]// International Defense and Homeland Security Simulation Workshop (DHSS (DHSS 2011), Rome: 141-145.

[14]
李松, 胡振涛, 李晶, 等. 基于多传感器不完全量测下的机动目标跟踪算法[J]. 计算机科学, 2013, 40(8): 277-281.

LI S, HU Z T, LI J, et al. Multi-sensor information fusion motivate target tracking algorithm based on missing measurements[J]. Computer Science, 2013, 40(8): 277-281.

[15]
葛泉波, 李宏, 文成林. 面向工程应用的Kalman滤波理论深度分析[J]. 指挥与控制学报, 2019, 5(3): 167-180.

GE Q B, LI H, WEN C L. Deep analysis of kalman filtering theory for engineering applications[J]. Journal of Command and Control, 2019, 5(3): 167-180.

[16]
ERIC C. POBLENZ. A comprehensive analysis of tracking as a data association problem[D]. Santa Cruz: University of California, 2015.

[17]
李珂, 李醒飞, 杨帆. IMM-UKF算法在两坐标雷达-光电融合跟踪系统中的改进与应用[J]. 激光与光电子学进展, 2016, 53(12): 250-259.

LI K, LI X F, YANG F. Improvement and application of imm-ukf algorithm in two coordinate radar-optoelectronic fusion tracking system[J]. Laser & Optoelectronics Progress, 2016, 53(12): 250-259.

[18]
BLACKMAN S, POPULI R. Design and analysis of modern tracking systems[M]. Boston, MA: Artech House, 1999.

文章导航

/