多传感器信息融合的目标跟踪研究

doi:10.3778/j.issn.1002-8331.2009.25.003

计算机工程与应用 ›› 2009, Vol. 45 ›› Issue (25): 7-9.DOI: 10.3778/j.issn.1002-8331.2009.25.003

多传感器信息融合的目标跟踪研究

朱安福，景占荣

西北工业大学电子信息学院，西安 710072

收稿日期:2009-03-12 修回日期:2009-06-10 出版日期:2009-09-01 发布日期:2009-09-01
通讯作者: 朱安福

Multisensor information fusion for target tracking

ZHU An-fu，JING Zhan-rong

School of Electronic and Information，Northwestern Polytechnical University，Xi’an 710072，China

Received:2009-03-12 Revised:2009-06-10 Online:2009-09-01 Published:2009-09-01
Contact: ZHU An-fu

摘要/Abstract

摘要： 为了提高红外与毫米波雷达双模制导系统的目标跟踪精度，提出了将UKF用于红外和毫米波雷达的数据处理，采用分布式融合结构，通过对两传感器的滤波协方差矩阵的相关估计，将滤波协方差矩阵和状态估计进行融合。该方法应用于红外与毫米波雷达双模制导系统的目标跟踪仿真，仿真结果表明：与单传感器系统相比，该方法提高了制导系统的目标跟踪精度。

关键词: 双模制导, 信息融合, 无迹卡尔曼滤波, 目标跟踪

Abstract: A target tracking method based on data fusion of infrared and radar is proposed to improve tracking precision.Unscented Kalman filter（UKF） and track-to-track algorithms are applied to process data on distributed fusion architectures.The method combines the advantages of UKF and track-to-track algorithms.The cross-covariances of the two sensors are used to estimate overall covariance and states.The overall estimation is obtained by the track-to-track fusion algorithm for the optimal combination of two correlated estimates.The proposed method is applied to simulating target tracking of infrared and radar.The simulation results show the proposed method has advantages in higher precision.

Key words: dual-model guidance, information fusion, unscented Kalman filter, target tracking

中图分类号:

TP212

朱安福，景占荣. 多传感器信息融合的目标跟踪研究[J]. 计算机工程与应用, 2009, 45(25): 7-9.

ZHU An-fu，JING Zhan-rong. Multisensor information fusion for target tracking[J]. Computer Engineering and Applications, 2009, 45(25): 7-9.

[1]	马珺，王昱皓. 结合自适应更新策略和再检测技术的跟踪算法[J]. 计算机工程与应用, 2021, 57(9): 217-224.
[2]	李震霄，孙伟，刘明明，郑丽丽，陈劭颖. 交通监控场景中的车辆检测与跟踪算法研究[J]. 计算机工程与应用, 2021, 57(8): 103-111.
[3]	王玲，王家沛，王鹏，孙爽滋. 融合注意力机制的孪生网络目标跟踪算法研究[J]. 计算机工程与应用, 2021, 57(8): 169-174.
[4]	刘畅，邱卫根，张立臣. 基于可变形掩膜对齐卷积模型的行人再识别[J]. 计算机工程与应用, 2021, 57(5): 146-152.
[5]	崔洲涓，安军社，陈长龙，崔天舒. 基于PYNQ框架的深度卷积特征异构跟踪系统[J]. 计算机工程与应用, 2021, 57(4): 120-126.
[6]	邱守猛，谷宇章，袁泽强. 基于双分支孪生网络的目标跟踪[J]. 计算机工程与应用, 2021, 57(24): 135-143.
[7]	林淑彬，吴贵山，许甲云，杨文元. 多帧监督的相关滤波无人机目标跟踪[J]. 计算机工程与应用, 2021, 57(24): 152-160.
[8]	陈富健，谢维信，夏婷. 基于LCT+的自适应抗遮挡目标跟踪算法[J]. 计算机工程与应用, 2021, 57(22): 190-198.
[9]	武哲纬，周世杰，刘启和. 运算资源受限环境下的目标跟踪算法综述[J]. 计算机工程与应用, 2021, 57(21): 24-40.
[10]	王蓓，陈金广，王明明. 复杂场景下的改进核相关滤波跟踪算法[J]. 计算机工程与应用, 2021, 57(2): 198-208.
[11]	李晓花，苏骏，李秀秀. 强干扰环境单观测站水下纯方位多目标跟踪[J]. 计算机工程与应用, 2021, 57(17): 253-259.
[12]	陈庆林，谷雨，宋忠浩，聂圣东. 融合检测与跟踪的半自动视频目标标注[J]. 计算机工程与应用, 2021, 57(14): 223-230.
[13]	张瑶，卢焕章，张路平，胡谋法. 基于深度学习的视觉多目标跟踪算法综述[J]. 计算机工程与应用, 2021, 57(13): 55-66.
[14]	陈坤峰，潘志松，王家宝，施蕾，张锦，焦珊珊. 跨模态行人再识别的协同学习方法[J]. 计算机工程与应用, 2021, 57(12): 115-125.
[15]	王德鑫，常发亮. 六足机器人动态目标检测与跟踪系统研究[J]. 计算机工程与应用, 2021, 57(12): 180-185.

多传感器信息融合的目标跟踪研究

Multisensor information fusion for target tracking

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics