ИРЭ им. В.А. Котельникова РАН English Войти Подать статью
Журнал радиоэлектроники Электронный научный журнал · eISSN 1684-1719
2023, № 8 · ИНФОРМАЦИОННЫЕ МЕТОДЫ РАДИОЛОКАЦИИ И ЭЛЕМЕНТНАЯ БАЗА

Алгоритм траекторной обработки для автоматического отслеживания распределенных движущихся целей в условиях многолучевого рассеяния

Б.Т. Ле1

1 Московский физико-технический институт (Национальный исследовательский университет)
Полный текст DOI: 10.30898/1684-1719.2023.8.3 УДК 621.396.965.8 EDN LEMYCS

Аннотация

В данной работе представлен модифицированный алгоритм алгоритма пуассоновской мульти-бернуллиевской смеси (ПМБС), который был адаптирован для выполнения задачи траекторной обработки в условиях многолучевого радиолокационного рассеяния. Исходя из оценочных данных предыдущего кинематического состояния, размера и ориентации цели, полученных с помощью расширенного алгоритма ПМБС (РПМБС), производится этап предварительной обработки. В процессе этого этапа первоначально классифицируются источники первичных радиолокационных отметок. Далее, после классификации, эти радиолокационные отметки подвергаются дополнительной обработке для получения оценок состояния целей на следующий момент времени. Для оценки эффективности предложенного алгоритма используется метод имитационного моделирования в программной среде MATLAB. С его помощью моделируются сценарии отслеживания распределенных целей в условиях возникновения ложных сигналов от многолучевых радиолокационных рассеяний.

  • траекторная обработка
  • распределенная цель
  • многолучевое радиолокационное рассеяние
Abstract (in English)

Multi-target tracking algorithm in conditions of multipath radar reflection

This work presents a modified Poisson multi-Bernoulli mixture (PMBM) algorithm, adapted to perform trajectory processing tasks under conditions of multipath radar reflection. Based on the evaluative data of the previous kinematic state, size, and orientation of the target obtained using the extended PMBM algorithm, a pre-processing stage is carried out. During this stage, the origins of primary radar detections are initially classified. Then, after classification, these radar detections are further processed to estimate the state of targets at the next point in time. To assess the effectiveness of the proposed algorithm, a simulation modeling method based on MATLAB is used. With its help, scenarios for tracking distributed targets are modeled under conditions of the emergence of false signals from multipath radar reflections. The simulation results endorse the algorithm's capability to concurrently track multiple targets upon receiving primary radar detections from an assortment of radars amidst multipath radar reflections. The application of the algorithm finds use in the field of autonomous driving, driver assistance systems, applications ensuring driver safety, and other areas.

Для цитирования

Ле Б.Т. Алгоритм траекторной обработки для автоматического отслеживания распределенных движущихся целей в условиях многолучевого рассеяния // Журнал радиоэлектроники. – 2023. – № 8. https://doi.org/10.30898/1684-1719.2023.8.3

Литература

  1. 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
  2. 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
  3. Ле Ба Тхань. Нелинейная фильтрация сигналов распределенной движущейся цели при траекторной обработке. Журнал радиоэлектроники [электронный журнал]. 2023. №7. https://doi.org/10.30898/1684-1719.2023.7.8
  4. Ле Ба Тхань. Алгоритм многоцелевой траекторной обработки для распределенных движущихся целей. Журнал радиоэлектроники [электронный журнал]. 2023. №7.https://doi.org/10.30898/1684-1719.2023.7.12
  5. Prophet R. et al. Instantaneous ghost detection identification in automotive scenarios // 2019 IEEE Radar Conference (RadarConf). - IEEE, 2019. - С. 1-6. https://doi.org/10.1109/RADAR.2019.8835603
  6. Kraus F. et al. Using machine learning to detect ghost images in automotive radar // 2020 IEEE 23rd International Conference on Intelligent Transportation Systems (ITSC). - IEEE, 2020. - С. 1-7. https://doi.org/10.1109/ITSC45102.2020.9294631
  7. Ester M. et al. A density-based algorithm for discovering clusters in large spatial databases with noise // kdd. - 1996. - Т. 96. - №. 34. - С. 226-231. https://cdn.aaai.org/KDD/1996/KDD96-037.pdf
  8. Kellner D., Klappstein J., Dietmayer K. Grid-based DBSCAN for clustering extended objects in radar data // 2012 IEEE Intelligent Vehicles Symposium. - IEEE, 2012. - С. 365-370. https://doi.org/10.1109/IVS.2012.6232167
  9. Zhang A. et al. Dive into deep learning // arXiv preprint arXiv:2106.11342. - 2021. https://doi.org/10.48550/arXiv.2106.11342
  10. Martínez-Otzeta J. M. et al. Ransac for robotic applications: A survey // Sensors. - 2022. - Т. 23. - №. 1. - С. 327. https://doi.org/10.3390/s23010327
  11. Kuhn H. W. The Hungarian method for the assignment problem // Naval Research Logistics (NRL). - 2005. - Т. 52. - №. 1. - С. 7-21. https://doi.org/10.1002/nav.20053
  12. Bertsekas D. P. Auction Algorithms // Encyclopedia of optimization. - 2009. - Т. 1. - С. 73-77. http://web.mit.edu/dimitrib/www/Auction_Encycl.pdf
  13. 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
  14. Granstrom K., Orguner U. A PHD filter for tracking multiple extended targets using random matrices // IEEE Transactions on Signal Processing. - 2012. - Т. 60. - №. 11. - С. 5657-5671. https://doi.org/10.1109/TSP.2012.2212888
  15. 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