基于目标跟踪的信息反馈融合方法研究

张新英 王焱春 梁芬

摘 要：针对目标跟踪问题环境的复杂性，信息的多样性，传统的信息融合方法有很多弊端，本文将反馈融合思想引入到传统的信息融合框架，提出了基于目标跟踪的信息反馈融合系统，利用信息反馈融合方法为指导，针对不同目标跟踪场景中传统跟踪技术的技术瓶颈，提出相应的改进方法。经过多次仿真验证，基于目标跟踪的信息反馈融合系统进一步提高了历史融合信息的整体利用率，并且可以得到精度更高、鲁棒性更好的融合估计效果。

关键词：复杂系统；目标跟踪；信息融合；反馈控制

中图分类号：TP391 文献标识码：A 文章编号：1671-0037（2018）5-71-4

DOI：10.19345/j.cxkj.1671-0037.2018.05.019

Abstract： In view of the complexity of target tracking problem environment and the diversity of information， the traditional information fusion methods have many drawbacks. In this paper， the idea of feedback fusion was introduced into the traditional information fusion framework， and an information feedback fusion system based on target tracking was proposed. By using the information feedback fusion method as guidance， a corresponding improvement method was put forward aiming at the technical bottleneck of the traditional tracking technology in different target tracking scenes. After multiple times of simulation and verification， the information feedback fusion system based on target tracking further improved the overall utilization rate of historical fusion information， and can obtain better fusion estimation effect with higher accuracy and better robustness.

Key words： complex system； target tracking ； intelligence fusion ； feedback control

基于信息融合理論为基础的目标跟踪技术是指利用多种传感器通过观测信号估计位置目标的数量、位置、速度、身份等状态的过程，目标跟踪作为重要的信息融合问题，一直是研究的重点，从最初的军事领域，不断渗透至民用领域，它已成为工业控制、智能医疗、智慧交通、财务管理领域中的关键技术[1]。由于目标跟踪环境日趋复杂，杂波干扰较强、观测误差较大、高机动等大量不确定因素使传统目标跟踪技术受到越来越严峻的挑战。本文提出将信息反馈融合的概念融入传统目标跟踪技术中，深入研究目标跟踪问题的信息反馈融合系统，以及具体的工程算法。

1 经典信息融合框架比较

为解决目标跟踪问题，学者们提出了很多信息融合方案。基于目标跟踪的信息融合框架从宏观角度反映出目标跟踪技术发展过程，也反映了信息融合技术本身的发展路径。以下将回顾几个重要的跟踪融合框架[1-3]，并对其进行比较。

1.1 贝叶斯跟踪融合框架

早期目标跟踪问题主要考虑测量信息的过滤、预测、相关和估计四大部分，如图1所示。该框架大致思路为：①获取当前测量信息；②将预测信息与测量信息相关联；③更新贝叶斯滤波，获得当前状态估计。这种融合框架的缺点是结构太简单，不适合解决更复杂的目标跟踪问题。

1.2 K-L跟踪融合框架

K-L跟踪融合框架主要考虑多源传感器数据，它的目标模型和观测模型均具有不确定性。此融合方案在逻辑上进行数据校准、数据关联，滤波估计，这3个模块共同完成了整个目标跟踪工作。该框架的优势在于覆盖内容丰富、完整。主要缺点是列出的特定跟踪技术的合并模型未在模块中说明[3]。

1.3 信息环跟踪融合框架

信息循环跟踪融合框架在结构上由两个模块构成：信息融合模块和资源管理模块。这两个模块通过信息循环结合在一起，可通过对传感器资源的主动控制来获得更高质量的观测数据，使跟踪效果得到提高[4]。目前，对于信息环的融合跟踪技术的研究刚刚起步，尚未成熟。

1.4 面向目标跟踪的信息反馈新模式

近年来，以目标跟踪为背景，一些新的信息反馈思路出现，一定程度上实现了信息的再利用，但对特定问题的提出缺乏一般性[5]。针对上述问题，提出了空域信息融合平面的概念，时域信息空间的思想，并实时在时、空两个层面完成反馈融合，最终设计出完整的面向目标跟踪的信息反馈融合框架的模式。

图2所示为基于目标跟踪信息反馈融合框架，该框架的主要目的是从逻辑上和结构上显示出，在信息反馈融合过程中，空域信息与时域信息的反馈处理方式和过程。

1.5 信息预测反馈融合多目标跟踪方法

在复杂多目标跟踪情况下，往往存在许多不确定的因素，当观测检测率下降时，传统跟踪方法和跟踪效果会受到较大影响，在低检测率条件下，单个采样周期内的观测信息目标丢失率也高，从而致使跟踪丢失率变大，又由于二者具有正向关关系，跟踪检测率相应就会下降。

因此，本文以传统方法为基础，在信息反馈融合框架下，提出的一种基于目标跟踪特殊场景下的信息预测反馈方法，并实时分析跟踪周期的融合结果，进而继续向未来进行预测并积累和反馈，从而达到提高信息融合的效果，同时也拓宽了应用范围。

2 历史信息反馈融合方案

针对以上方案的缺点，构建了一种高阶多模型信息的融合估计，此方案尺度可控，并且实时性较高。针对此方案，首先假定了“多步稳健”机动目标，对这些机动目标，建立信息反馈融合的框架，最后用滤波器提供一個易于工程实现的算法[5]。

表示两个连续历史时刻之间的模型匹配的概率[6]。

根据方程（1）（2）得出历史反馈多模型融合方法框架如图3所示。

历史反馈多模型融合方法的基本思路为：

①在时刻k的初始阶段，反馈最近H-1时刻的状态估计结果为：[xHk-H+1，xHk-H+2，···，xHk]，当前时刻的观测值为[Zk]；

②将上述H周期的累积信息反馈给模型序列的概率估计模块，将各个模型序列的概率估计结果反馈给多模型融合估计模块，根据公式（3）得到当前状态的估计结果；

③在输出当前状态估计结果的同时，新的信息将作累加为k+1时刻的反馈信号。

3 仿真分析

在150s的连续飞行中，采样周期为1s，共发生3次机动状态。第1次发生在第31～80秒，此期间较弱机动信号加速，加速度为[ak=10m/s2，-10m/s2T]；第2次发生在81～119秒，加速度[ak=-30m/s2，30m/s2T]为强机动；第3次是较强动作信号，发生于120～150秒，加速度值为[ak=20m/s2，20m/s2T]，剩余时间做匀速直线运动。仿真结果目标轨迹如图4所示，加速度绝对值变化如图5所示。

从上述所示结果可以看出，通过累积和反馈多阶历史估计信息，并且把此信息作为判断目标的真实模式的依据，进一步提升了目标真实模式的判断正确率，也大大提升了信息融合估计性能。

4 结语

传统的低阶多模型融合方法没有考虑历史信息的累计和反馈使用，在面对目标强机动和大观测误差时，会使估计精度下降。提出的多步稳健机动目标的概念，采用融合估计方法使当前机动模式的估计精度得到进一步提高。仿真实验表明：历史反馈信息融合方法充分利用多阶历史进行状态估计，提高了信息利用率，使算法对目标真实模式的估计性能得到改善，从而获得更准确的融合估计效果。

参考文献：

[1] 韩崇昭，朱洪艳，段战胜，等.多源信息融合[M].北京：清华大学出版社，2006.

[2] 胡炜薇.多传感器数据融合中多目标跟踪关键技术研究[D].哈尔滨：哈尔滨工程大学，2007.

[3] 申屠晗.面向目标跟踪的信息反馈融合方法研究[D].杭州：浙江大学，2014.

[4] 申屠晗，薛安克，骆吉安.多步历史估计信息反馈多模型融合方法[J].控制理论与应用.2015（1）：11-17.

[5] 杨威，付耀文，龙建乾，等.基于有限集统计学理论的目标跟踪技术研究综述[J].电子学报.2012 （7）：1440-1448.

[6] 胡永利，朴星霖，孙艳丰.多源异构感知数据融合方法及其在目标定位跟踪中的应用[J].中国科学，2013（10）：1288-1306.