ИРЭ им. В.А. Котельникова РАН English Войти Подать статью
Журнал радиоэлектроники Электронный научный журнал · eISSN 1684-1719
2023, № 7 · ИНФОРМАЦИОННЫЕ МЕТОДЫ РАДИОЛОКАЦИИ И ЭЛЕМЕНТНАЯ БАЗА

Алгоритм многоцелевой траекторной обработки для распределенных движущихся целей

Б.Т. Ле1

1 Московский Физико-Технический Институт (Национальный исследовательский университет)
Полный текст (PDF) DOI: 10.30898/1684-1719.2023.7.12 УДК 621.396.965.8 EDN FHXCKK

Аннотация

На основе методов вероятностно-статистического моделирования с применением машинного обучения и теории оптимизации разработан алгоритм автоматического обнаружения и сопровождение распределенных движущихся целей при получении первичных отметок от радаров высокого разрешения, а также информации от других типов датчиков. Используя эти методы и методы ассоциации данных (завязки траектории) были реализованы способы моделирования, прогнозирования и обновления состояния множества распределенных целей при решении задачи траекторной обработки. Для оценки и сравнения производительности алгоритма с другими алгоритмами использован метод имитационного моделирования в среде MATLAB для сценариев сопровождения движущихся распределенных целей разными алгоритмами при разных уровнях помех.

  • траекторная обработка
  • множество распределенных целей
  • имитационное моделирование
Abstract (in English)

Algorithm for multiple extended target tracking

This paper introduces a novel algorithm for multi-extended object tracking, which is based on probabilistic-statistical modelling, machine learning, and optimization theory. The proposed approach encompasses methods for modelling the state of extended objects, data association, and predicting and updating the state of extended objects at each time step. The performance of the algorithm was assessed and compared with other existing algorithms using simulation modelling in MATLAB. This simulation emulates scenarios in which extended objects are tracked while moving under various noise levels. Simulation results demonstrate that the algorithm can effectively detect and track the trajectories of multiple extended objects under different noise levels, utilizing both linear and non-linear measurements from an array of sensors. Furthermore, the algorithm estimates not only the number and kinematic states of the targets but also provides an approximate evaluation of their size. The performance of the proposed algorithm, in terms of accuracy in target number and state estimation, is superior to that of comparable algorithms, particularly in high-noise environments. Potential applications of this algorithm include tracking moving targets in the context of autonomous driving, driver assistance, safety assurance, and various other domains.

Для цитирования

Ле Б.Т. Алгоритм многоцелевой траекторной обработки для распределенных движущихся целей // Журнал радиоэлектроники. – 2023. – № 7. https://doi.org/10.30898/1684-1719.2023.7.12

Литература

  1. Ле Ба Тхань. Нелинейная фильтрация сигналов распределенной движущейся цели при траекторной обработке. Журнал радиоэлектроники [электронный журнал]. 2023. https://doi.org/10.30898/1684-1719.2023.7.8
  2. Thanh L. B., Alexandrovich P. D., Ruben P. Multi-object multi-sensor tracking simulation using poisson multi-bernoulli mixture filter //2021 23rd International Conference on Digital Signal Processing and its Applications (DSPA). - IEEE, 2021. - С. 1-6. https://doi.org/10.1109/DSPA51283.2021.9535849
  3. Granström K., Orguner U. Estimation and maintenance of measurement rates for multiple extended target tracking //2012 15th International Conference on Information Fusion. - IEEE, 2012. - С. 2170-2176.https://ieeexplore.ieee.org/document/6290567
  4. Thanh L. B. Data Association for Multi-Object Tracking Using Assignment Algorithms //2021 International Conference Engineering and Telecommunication (En&T). - IEEE, 2021. - С. 1-5. https://doi.org/10.1109/EnT50460.2021.9681742
  5. Dietmayer K., Kellner D., Klappstein J. Grid-based dbscan for clustering extended objects in radar data //IEEE intelligent vehicles symposium, Alcala de Henares, Spain. - 2012. https://doi.org/10.1109/IVS.2012.6232167
  6. Rahmathullah A. S., García-Fernández Á. F., Svensson L. Generalized optimal sub-pattern assignment metric //2017 20th International Conference on Information Fusion (Fusion). - IEEE, 2017. - С. 1-8. https://doi.org/10.23919/ICIF.2017.8009645
  7. Коновалов А. А. Основы траекторной обработки радиолокационной информации //СПб.: Изд-во СПбГЭТУ" ЛЭТИ. - 2013. https://etu.ru/assets/files/nauka/nii/2013-Konovalov.-Osnovi-traektornoj-obrabotki.-Chast-1.pdf, https://etu.ru/assets/files/nauka/nii/2014-Konovalov.-Osnovi-traektornoj-obrabotki.-Chast-2.pdf
  8. Буренева О. И. и др. Макет автомобильного радара диапазона 77 ГГц //Известия высших учебных заведений России. Радиоэлектроника. - 2021. - Т. 24. - №. 3. - С. 22-38. https://doi.org/10.32603/1993-8985-2021-24-3-22-38
  9. Кичерова А. Д., Медведев Е. Р. Программная реализация вторичной обработки сигналов в автомобильном радаре //Навигация и управление движением. - 2021. - С. 277-279. http://www.elektropribor.spb.ru/upload/medialibrary/361/KMU-2021-ALL_-2211.pdf
  10. Granström K. et al. Gamma Gaussian inverse Wishart probability hypothesis density for extended target tracking using X-band marine radar data //IEEE Transactions on Geoscience and Remote Sensing. - 2015. - Т. 53. - №. 12. - С. 6617-6631. https://doi.org/10.1109/TGRS.2015.2444794