A High Order Motion Feature Estimation Method for Multi-radar Maneuvering Target Detection

doi:10.3969/j.issn.1009-086x.2024.01.013

Abstract

Abstract:

Due to the mismatch between the tracking model and the real motion state of the target， the estimation accuracy of the high order motion feature of the target is poor in single-station radar.In this paper， the estimation accuracy of high order motion feature of the target is improved from the perspective of radar networking and radial velocity augmentation measurement. The sequential unscented Kalman filter algorithm is used to centrally fuse the asynchronous measurement information of multiple radars. The estimation effect of the high order motion feature of the target under different ranging， angular accuracy and radial velocity augmentation measurement is analyzed， and the influence of the radar station layout on the estimation effect of the high order motion feature of the target is analyzed by using the geometric accuracy factor of double sensors to optimize the radar station layout. Through simulation experiment， it is found that the radar ranging accuracy in this radar networking mode has a greater impact on the estimation effect of high order motion feature than the angle measurement accuracy. Radar station layout optimization combined with radial velocity augmentation measurement can effectively obtain high precision estimation of high order motion feature of target.

Key words: target tracking, radar network, motion feature, sequential filter, radial velocity

摘要：

针对单站雷达常因为跟踪模型与目标真实运动状态失配而造成对目标高阶运动特征估计精度较差的问题。从雷达组网结合径向速度增广量测的角度，来提升目标高阶运动特征估计精度。采用序贯无迹卡尔曼滤波算法对多雷达的异步量测信息进行集中式融合。分析了不同测距、测角精度与径向速度增广量测下目标高阶运动特征的估计效果，并利用双传感器的几何精度因子优化雷达站布局以分析雷达站布局对目标高阶运动特征估计效果的影响。通过仿真实验发现，在该雷达组网方式下，雷达测距精度比测角精度对目标高阶运动特征估计效果的影响要大。雷达站布局优化结合径向速度增广量测可以有效地获得目标高阶运动特征的高精度估计。

关键词: 目标跟踪, 雷达组网, 运动特征, 序贯滤波, 径向速度

CLC Number:

TN958

Songyao DOU, Ying CHEN, Yan CHEN, Zhengwei LIU. A High Order Motion Feature Estimation Method for Multi-radar Maneuvering Target Detection[J]. Modern Defense Technology, 2024, 52(1): 102-110.

窦凇耀, 陈映, 陈燕, 刘政玮. 一种多雷达机动目标探测高阶运动特征估计方法[J]. 现代防御技术, 2024, 52(1): 102-110.

Figures/Tables 9

Fig. 1 Dual sensor GDOP diagram

Fig. 2 True trajectory of the target

Fig. 3 True target acceleration

Fig. 4 Comparison of radar acceleration error under different ranging accuracy

Fig. 5 Comparison of radar acceleration error under different angle measurement accuracy

Fig. 6 Comparion of radar acceleration error with or without radial velocity measurement

Fig. 7 Top view of radar stations

Fig. 8 Error comparison of acceleraion estimation before and after radar station optimization

Table 1 Acceleration estimation accuracy of maneuvering target under different optimation conditions

实验条件	优化条件	加速度估计RMSE均值/（ $m · s - 2)$	加速度估计精度提升值/ $(m · s - 2)$
测角精度：0.3° 无径向速度量测雷达布局未优化	测距精度：100 m	5.8	2.3
测角精度：0.3° 无径向速度量测雷达布局未优化	测距精度：10 m	3.5	2.3
测距精度：10 m 无径向速度量测雷达布局未优化	测角精度：0.3°	3.5	0.5
测距精度：10 m 无径向速度量测雷达布局未优化	测角精度：0.03°	3.0	0.5
测距精度：10 m 无径向速度量测雷达布局未优化	无测角	3.471 3	0.004 4
测距精度：10 m 无径向速度量测雷达布局未优化	测角精度：0.3°	3.466 9	0.004 4
测距精度：10 m 测角精度：0.03° 雷达布局未优化	无径向速度量测	3.0	1.3
测距精度：10 m 测角精度：0.03° 雷达布局未优化	有径向速度量测	1.7	1.3
测距精度：10 m 测角精度：0.03° 径向速度精度：0.5 m/s	雷达布站未优化	1.7	0.8
测距精度：10 m 测角精度：0.03° 径向速度精度：0.5 m/s	雷达布站优化	0.9	0.8

Table 1 Acceleration estimation accuracy of maneuvering target under different optimation conditions

实验条件	优化条件	加速度估计RMSE均值/（ $m · s - 2)$	加速度估计精度提升值/ $(m · s - 2)$
测角精度：0.3° 无径向速度量测雷达布局未优化	测距精度：100 m	5.8	2.3
测角精度：0.3° 无径向速度量测雷达布局未优化	测距精度：10 m	3.5	2.3
测距精度：10 m 无径向速度量测雷达布局未优化	测角精度：0.3°	3.5	0.5
测距精度：10 m 无径向速度量测雷达布局未优化	测角精度：0.03°	3.0	0.5
测距精度：10 m 无径向速度量测雷达布局未优化	无测角	3.471 3	0.004 4
测距精度：10 m 无径向速度量测雷达布局未优化	测角精度：0.3°	3.466 9	0.004 4
测距精度：10 m 测角精度：0.03° 雷达布局未优化	无径向速度量测	3.0	1.3
测距精度：10 m 测角精度：0.03° 雷达布局未优化	有径向速度量测	1.7	1.3
测距精度：10 m 测角精度：0.03° 径向速度精度：0.5 m/s	雷达布站未优化	1.7	0.8
测距精度：10 m 测角精度：0.03° 径向速度精度：0.5 m/s	雷达布站优化	0.9	0.8

References 21

1	肖支才，汪秀莉，吴华丽. 基于自适应鲁棒精确微分器的目标机动加速度估计［J］. 战术导弹技术， 2021（2）： 48-54， 142.
	XIAO Zhicai， WANG Xiuli， WU Huali. Estimation of Target Maneuver Acceleration Based on Adaptive Robust Exact Differentiator［J］. Tactical Missile Technology， 2021（2）： 48-54， 142.
2	吴新宏，张紫琪，王磊，等. 基于自适应IMM算法的蛇形机动目标加速度估计研究［J］. 上海航天（中英文）， 2020， 37（1）： 18-23.
	WU Xinhong， ZHANG Ziqi， WANG Lei， et al. Research on the Acceleration Estimation of Serpentine Maneuvering Target Based on the Adaptive IMM Algorithm［J］. Aerospace Shanghai（Chinese & English）， 2020， 37（1）： 18-23.
3	吕梅柏，赵小锋，刘广哲. 空中大机动目标跟踪算法研究［J］. 现代防御技术， 2018， 46（2）： 45-50， 172.
	Meibai LÜ， ZHAO Xiaofeng， LIU Guangzhe. Aerial High Maneuvering Target Tracking Algorithm［J］. Modern Defence Technology， 2018， 46（2）： 45-50， 172.
4	张彪，薛俊杰，杨自豪，等. 基于"当前"统计模型的容积卡尔曼滤波算法［J］. 现代雷达， 2022， 44（2）： 9-15.
	ZHANG Biao， XUE Junjie， YANG Zihao， et al. Cubature Kalman Filter Method Based on Current Statistical Model［J］. Modern Radar， 2022， 44（2）： 9-15.
5	冯耀，王红，曲智国，等. 基于改进Jerk模型的高超声速滑翔目标跟踪［J］. 空军工程大学学报（自然科学版）， 2020， 21（1）： 80-86.
	FENG Yao， WANG Hong， QU Zhiguo， et al. Hypersonic Gliding Target Tracking Based on Improved Jerk Model［J］. Journal of Air Force Engineering University（Natural Science Edition）， 2020， 21（1）： 80-86.
6	李佩琳，张剑云. 机动目标跟踪算法仿真［J］. 电子信息对抗技术， 2017， 32（6）： 16-20.
	LI Peilin， ZHANG Jianyun. The Simulation of Maneuvering Target Tracking Algorithm［J］. Electronic Information Warfare Technology， 2017， 32（6）： 16-20.
7	戴定成，姚敏立，蔡宗平，等. 改进的马尔可夫参数自适应IMM算法［J］. 电子学报， 2017， 45（5）： 1198-1205.
	DAI Dingcheng， YAO Minli， CAI Zongping， et al. Improved Adaptive Markov IMM Algorithm［J］. Acta Electronica Sinica， 2017， 45（5）： 1198-1205.
8	武青海，曲朝阳. 基于IMM-极限迭代UFIR的机动目标跟踪算法［J］. 电光与控制， 2018， 25（6）： 35-38， 51.
	WU Qinghai， QU Zhaoyang. Maneuvering Target Tracking Algorithm Based on IMM-Ultimate Iterative UFIR［J］. Electronics Optics & Control， 2018， 25（6）： 35-38， 51.
9	潘媚媚，曹运合，王宇，等. 基于机动判别的变结构交互多模型跟踪算法［J］. 系统工程与电子技术， 2019， 41（4）： 730-736.
	PAN Meimei， CAO Yunhe， WANG Yu， et al. Variable Structure Interactive Multi-model Tracking Algorithm Based on Maneuvering Discriminant［J］. Systems Engineering and Electronics， 2019， 41（4）： 730-736.
10	ZHOU Rong， ZHOU Kemin， WU Menghua， et al. Improved Interactive Multiple Models Based on Self-Adaptive Turn Model for Maneuvering Target Tracking［C］∥2018 Eighth International Conference on Information Science and Technology （ICIST）. Piscataway， NJ， USA： IEEE， 2018： 450-457.
11	嵇成新，许江湖，张永胜，等. 一种跟踪机动目标的变结构交互多模型滤波算法［J］. 系统工程与电子技术， 2003， 25（5）： 595-599.
	JI Chengxin， XU Jianghu， ZHANG Yongsheng， et al. A Variable-Structure IMM Filtering Algorithm for Tracking a Maneuvering Target［J］. Systems Engineering and Electronics， 2003， 25（5）： 595-599.
12	毛云祥，牛朝阳，张进. 基于变结构多模型算法的机动目标无源跟踪［J］. 现代防御技术， 2014， 42（2）： 134-138.
	MAO Yunxiang， NIU Zhaoyang， ZHANG Jin. Passive Radar Tracking of a Maneuvering Target Using Variable Structure Multiple-Model Algorithm［J］. Modern Defence Technology， 2014， 42（2）： 134-138.
13	刘伟，刘宁. 一种基于 UKF 交互多模型算法［J］. 雷达科学与技术， 2015， 13（3）： 302-304， 309.
	LIU Wei， LIU Ning. A UKF Based Interactive Multi-Model Algorithm［J］. Radar Science and Technology， 2015， 13（3）： 302-304， 309.
14	刘志国. 一种机动目标多雷达协同跟踪方法［J］. 现代导航， 2020， 11（5）： 362-366.
	LIU Zhiguo. Multiple Radar Collaborative Tracking Method for Multiple Maneuvering Targets［J］. Modern Navigation， 2020， 11（5）： 362-366.
15	潘静岩，潘媚媚，魏勐，等. 一种参数自适应变化的强机动目标跟踪算法［J］. 西安邮电大学学报， 2019， 24（3）： 76-81， 96.
	PAN Jingyan， PAN Meimei， WEI Meng， et al. A Strong Maneuvering Target Tracking Algorithm with Adaptively Changed Parameters［J］. Journal of Xi'an University of Posts & Telecommunications， 2019， 24（3）： 76-81， 96.
16	GENG Zhe. Evolution of Netted Radar Systems［J］. IEEE Access， 2020， 8： 124961-124977.
17	张伟，马慧萍，王永海，等. 雷达组网布站对数据融合精度的影响研究［J］. 现代雷达， 2010， 32（7）： 11-15.
	ZHANG Wei， MA Huiping， WANG Yonghai， et al. A Study on the Influence Between Station Distribution of Netted Radar System and Data Fusion Accuracy［J］. Modern Radar， 2010， 32（7）： 11-15.
18	刘华，黄胜昔. 基于序贯无迹卡尔曼滤波的雷达目标跟踪方法［J］. 计算机工程与应用， 2009， 45（25）： 202-204， 217.
	LIU Hua， HUANG Shengxi. Method for Radar Target Tracking Based on Sequential Unscented Kaiman Filter［J］. Computer Engineering and Applications， 2009， 45（25）： 202-204， 217.
19	余安喜，胡卫东，周文辉. 多传感器量测融合算法的性能比较［J］. 国防科技大学学报， 2003， 25（6）： 39-44.
	YU Anxi， HU Weidong， ZHOU Wenhui. Performance Comparison of Multisensor Measurement Fusion Algorithms［J］. Journal of National University of Defense Technology， 2003， 25（6）： 39-44.
20	刘代，赵永波，高剑，等. 利用径向速度的Kalman-PDA滤波算法［J］. 系统工程与电子技术， 2018， 40（10）： 2195-2199.
	LIU Dai， ZHAO Yongbo， GAO Jian， et al. Kalman-PDA Approach Using Radial Velocity［J］. Systems Engineering and Electronics， 2018， 40（10）： 2195-2199.
21	LIU Zhaolei， ZHANG Guangyi. Effect of System Geometry of Multi-sensor on Accuracy of Target Position Estimation［C］∥Proceedings of the 2004 IEEE Radar Conference. Piscataway， NJ， USA： IEEE， 2004： 573-576.

[1]	Yongzheng YU, Xuehui SHAO, Shibo GAO, Zhiwei PU, Bing XUE. Optimal Configuration Design for Multi-platform Collaborative Target Tracking [J]. Modern Defense Technology, 2023, 51(3): 107-119.
[2]	Fang-yu ZHOU, Jie ZHOU, Chao-bo CHEN, Song GAO. Cooperative Detection and Tracking of UAV Swarms Based on Clonal Immune Decision-Making [J]. Modern Defense Technology, 2022, 50(5): 93-105.
[3]	Qing-yuan ZHAO, Chun-mao YE, Yao-bing LU. A Micro-Motion Feature Importance Evaluation Algorithm Based on Random Forest [J]. Modern Defense Technology, 2022, 50(4): 124-131.
[4]	AN Lei, LI Zhao-rui, JI Bing. Sensor Scheduling Method under Radiation Risk and Multitarget Tracking Accuracy Constraints [J]. Modern Defense Technology, 2021, 49(6): 56-67.
[5]	TAN Shun-cheng, CHEN Zhong-hua, YU Hong-bo. Track Association in Distributed 2D Radar Network [J]. Modern Defense Technology, 2021, 49(4): 49-55.
[6]	MA Yan-yan, JIN Hong-bin, LI Hao, ZHANG Hui. Application of Improved PSO Algorithm in Radar-Net Deployment [J]. Modern Defense Technology, 2020, 48(3): 104-112.
[7]	ZHAO Kai-li, GAO Huo-tao, CAO Ting. IMMCPF Algorithm for Tracking of Hypersonic Target in Near Space [J]. Modern Defense Technology, 2018, 46(5): 94-101.