机载激光通信终端的跟踪问题一直是空间激光通信领域的重点和难点。机载平台一般指搭载在飞机、无人机、高空汽球、高空飞艇和临近空间平台这类在空间进行运动的平台,这类平台机动性强、速度快、运动轨迹难以预测。因此在机载激光通信中,对机载通信终端的精确跟踪是一个非常关键的环节,跟踪的精度直接关系到机载激光通信的成败。多模型(Multiple Model,MM)算法在机载平台的跟踪中是一种很好的跟踪算法,本文的主要工作就是对多模型算法在机载激光通信终端的跟踪过程中的性能进行研究,通过对改进前后的多模型算法的跟踪性能进行仿真分析,并通过一套模拟演示实验系统对改进后的多模型算法进行验证。实验结果表明,多模型算法跟踪性能的好坏取决于其使用的模型集,模型越精确、模型集越丰富,跟踪效果就越好。首先,本文介绍了机载激光通信终端多模型跟踪算法的相关研究背景,进而在分析机载激光通信和多模型算法的国内外发展现状的基础上,对机载激光通信PAT(Pointing、Acquisition and Tracking)系统的组成和工作原理进行了分析,同时对机载激光通信中的跟踪误差进行了分析。其次,详细介绍了机载激光通信终端的相关跟踪理论,对数据预处理、卡尔曼滤波和粒子滤波、跟踪模型进行了详细的理论分析。接着对多模型算法的基本原理和基本步骤进行了介绍并进行了算法分析,同时对基于CV/CA模型的多模型算法进行了仿真分析,发现当机载激光通信平台处于强非线性状态时(左/右转弯),CV/CA模型会引起较大跟踪误差。最后,在前文理论分析和仿真的基础上提出对多模型算法进行改进,引入了适合高速高机动目标跟踪的“当前”统计模型(CS模型)和协调转弯模型(CT模型)并进行了仿真分析,同时利用机载激光通信平台的运动轨迹模拟系统对改进后的算法进行实际验证。实验结果表明,多模型算法能否有效降低跟踪误差、提高跟踪精度取决于算法使用的模型集,各个模型越能准确描述目标的运动状态且模型集越丰富,跟踪效果就越好。
在机动目标跟踪领域,随着目标机动强度增加和机动频率上升,单模型跟踪算法会因为模型失配而出现跟踪精度下降的问题。针对这一问题,诸多学者提出多模型跟踪算法。因其具有计算量低、跟踪精度高等优点,多模型机动目标跟踪技术多年来得到广泛关注和持续研究。尽管多模型机动目标跟踪技术近年来被大量研究,但依然存在一些问题需要解决:1)多模型跟踪算法在目标运动模式切换时鲁棒性下降;2)多模型跟踪算法模型概率估计失真导致融合估计精度下降;3)多模型跟踪算法的转移概率矩阵取值不合适导致算法稳定性下降。针对上述问题,本文以双向长短时记忆(Bi-Directional Long Short Term Memory,BiLSTM)网络和交互式多模型(Interacting Multiple Model,IMM)技术为基础,展开结合时序神经网络的多模型跟踪算法研究,主要工作如下:
1)针对多模型跟踪算法在目标运动模式切换时鲁棒性下降问题,本文提出基于回归的双向长短时记忆网络交互式多模型(Regressed BiLSTM-IMM,RBiLSTM-IMM)算法。该算法首先对IMM算法输出的估计信息进行特征提取,然后将提取的特征作为BiLSTM网络的输入以得到IMM算法估计误差的预测值,最后利用估计误差预测值对IMM估计结果进行修正,得到校正后的滤波结果。仿真结果表明:相比于已有的Deep AMT算法和典型的多模型算法,所提算法能缓解多模型算法在目标运动模式切换时鲁棒性下降的问题,在不同机动强度下都能保持较好的跟踪精度。
2)针对多模型跟踪算法模型概率估计失真导致的融合估计精度下降问题,本文提出基于分类的双向长短时记忆网络交互式多模型(Classified BiLSTMIMM,CBiLSTM-IMM)算法。该算法首先对IMM算法输出的估计信息进行特征提取,其次将提取的特征作为BiLSTM网络的输入,输出由该网络估计的模型概率,然后将网络估计的模型概率与IMM算法的模型概率相结合得到校正后的模型概率,最后进行状态估计融合。仿真结果表明:相比于未对模型概率校正的多模型算法,所提算法能提高对真实运动模型的匹配概率,获得更高的估计精度。
3)在工作2的基础上,针对多模型跟踪算法转移概率矩阵取值不合适导致的算法稳定性下降问题,提出基于模型概率差值的自适应转移概率矩阵交互式多模型(Model Probability Difference Adaptive Transition Probability Matrix IMM,MPD-ATPM-IMM)算法。该算法首先利用CBiLSTM-IMM得到相继时刻的模型概率差值,然后将求解的差值代入构建的转移概率校正函数,并利用校正函数对转移概率矩阵进行校正,最后进行状态估计融合。仿真结果表明:相比于传统的自适应转移概率矩阵交互式多模型(Adaptive Transition Probability Matrix IMM,ATPM-IMM)算法和未对转移概率矩阵校正的多模型算法,所提算法在跟踪精度和真实运动模型匹配概率两方面都得到了提升。
暂无评论