关键词： 跟踪
红外跟踪（精选八篇）
红外跟踪 篇1
在多目标跟踪的数据关联中, 联合概率数据关联算法 (JPDA) [1]能够很好地跟踪多个确定的目标。但当跟踪的目标数未知或随时间变化时, 新的问题出现了。目标数N是一个离散随机变量, 当N取不同的值n时, 状态空间的维数不同。这就需要对不同维数的状态空间进行比较。我们解决这个问题的思路是:把要跟踪的目标集看作是随机集[2], 即一个随机变量的集合, 集合中随机变量的个数本身是个随机变量。根据有限集统计 (FISST) 理论[2]给出了随机集的统计性质, 考虑到了不同维状态空间之间的比较, 是Bayesian方法的一种扩展。
本文主要讨论了随机集的概率假设密度滤波 (PHD) 及线型高斯模型下的PHD的实现, 实验结果表明, 这种方法可以解决计算过大的问题, 并且能很好地估计目标数及目标状态。将此方法用于杂波环境下红外弱小目标的跟踪, 可以稳健地跟踪红外图像序列中弱小目标的目标状态和目标数目。
1 线型高斯模型下的概率假设密度滤波
1.1 概率假设密度滤波
随机有限集的概率假设密度与随机变量的期望类似。但集合之间无法定义加法运算, 所以随机集的期望没有意义。
我们知道, 有限集X在物理上可等价地表示为广义函数∑x∈Xδx, 其中δx是中心在x的Diracdelta函数。因而随机有限集Ξ可表示为随机密度∑x∈Ξδx。这种表示方法在研究点过程的文献中经常用[3]。
利用随机密度, 随机有限集Ξ的一阶矩密度 (或PHD) 定义为:
在多目标跟踪系统中, v (x0) 是在x0点期望的目标密度。∫Sv (x) dx是出现在S内的期望的目标数。而v (x) 的极值 (图形的峰点) 为目标的状态估计[4]。
PHD预测方程:
式 (2) 中:γk (x) 表示随机集Γk的PHD;βk k-1 (x丨ζ) 表示由k-1时刻状态为ζ的目标衍生的随机集Bk k-1 (ζ) 的PHD;Ps, k (ζ) 表示k-1时刻状态为ζ的目标在k时刻仍存活的概率;fk k-1 (x丨ζ) 表示单个目标的转移概率密度。
假设目标相互独立运动, 则PHD更新方程可以用式 (3) 近似计算:
式 (3) 中:kk (z) =λkck (z) 。
式 (3) 中:gk (z丨ξ) 表示单个目标的似然函数;ck表示杂波概率密度;λk表示Poisson杂波的平均数;PD表示检测概率。
对更新的PHD积分, 取最接近的整数值, 就可以得到k时刻的目标数的期望值。即:Nk=∫vk (x) dx目标的位置可以从更新PHD的最大Nk个峰值点所在位置得到。
1.2 线型高斯模型下的概率假设密度滤波
对于线型高斯的对目标模型, 采用概率假设密度滤波, 我们需对目标的产生、衍生、和探测做以下假设:
1.2.1 每个目标都服从线性高斯的运动模型和测量模型
式 (4) 中, N (:;m, p) 标志其密度均值为m, 协方差为P;Fk-1为状态转移矩阵, Qk-1为系统噪声协方差矩阵;Hk观测矩阵, Rk为测量噪声协方差矩阵。
1.2.2 目标的存活概率和探测概率相互独立
1.2.3 新生目标随机集和衍生目标集概率密度都为高斯混合形态
式 (6) 中:Jr, k, wr, k (i) , mr, k (i) , Pr, k (i) , i=1, …, Jr, k等参数决定了新生目标随机集的概率密度, mr, k (i) 为新生目标随机集的概率密度的峰值, Pr, k (i) 决定了概率密度在峰值附近的分布, 权值wr, k (i) 给出了从mr, k (i) 产生的新目标的数目。同理:
Jβ, k, wβ, k (j) , F (j) β, k-1, d (j) β, k-1, Q (j) β, k-1, j=1, …, Jβ, k等参数决定了由ζ衍生的目标随机集的概率密度, 衍生的目标一般都在ζ的附近。
PHD滤波很难直接实现, 基于本文讨论的是线性高斯模型情况下的概率假设密度滤波, 所以我们可以用Klaman滤波实现[4]。
2 红外图像序列中目标的跟踪仿真
对红外弱小目标检测与跟踪分为四步:第一、原始红外图像目标的检测;第二、对处理后的二值图像进行目标跟踪起始与跟踪;第三、利用跟踪的结果对图像序列进行数据关联;第四、建立目标的航迹;
2.1 红外目标的检测
本文对红外弱小目标的检测采用的方法如下[5]:
首先对图像进行对比度增强, 然后采用图像阈值分割技术, 对增强后的图像进行目标分割, 然后对分割后的图像在进行腐蚀运算, 再进行一次图像间的差分运算, 从而可得出最后的目标图像, 并确认目标的位置。
算法流程图如图1所示。
2.2 PHD数据关联算法对红外弱小目标的跟踪
无论是用PDA还是JPDA数据关联算法, 这两种关联算法都是在目标航迹已经确定的情况下, 多目标数目不能实时跟踪, 而PHD概率假设密度滤波算法恰好解决这个难题。
本文采用100帧真实的红外背景图像序列, 图像大小为128×128个像素, 在图像中添加一个信噪比为1.5左右的小目标, 假设目标均作匀速直线运动。进行50次MonteCarlo仿真实验, 利用前四帧对目标进行航迹起始, 跟踪波门为3×3的矩形波门。
将100帧红外图像检测出的点迹的二值图像进行全部叠加, 得到了含有虚警 (杂波) 的目标轨迹, 将100帧关联后的二值图像进行叠加即可得到目标的实际轨迹。PHD数据关联算法对红外弱小目标的跟踪的仿真结果如图2所示, 目标数目的统计如图3所示。
通过以上的仿真可以看出, 目标刚开始为两个目标, 在K=40时刻目标二衍生了一个目标, 原始图像中第一幅图为两个目标, 第二幅图为三个目标。目标检测图是将每一幅红外图像检测出来的测量点相加, 可以看出实际的轨迹旁边存在很多虚警, 而用PHD关联后的轨迹则剔除了虚警。并且PHD实时跟踪了第三个目标, 并且得到了三个目标的真实轨迹, 整个算法运算量小, 跟踪效果好。
3 结束语
提出了一种基于概率假设密度滤波的红外弱小目标的跟踪方法, 该方法在跟踪的红外弱小目标数未知或随时间变化时, 能够实时跟踪目标。基于真实红外序列图像的实验进行了效果验证:对于杂波环境下, 可以稳健地跟踪红外图像序列中弱小目标的目标状态和目标数目, 计算量小, 跟踪效果好。
参考文献
[1]Fortmann TE, Bar-Shalom Y, Scheffe M.Sonar tracking of multiple targets using joint probabilistic data association.IEEE Journal of Oce-anic Engineering, 1983;8 (3) :173—184
[2]Goodman I, Mahler R, Nguyen H.Mathematics of data fusion.Klu-wer Academic Publishers, 1997
[3]Vo B N, Singh S, Doucet A.Sequential monte carlo implementation of the PHD filter for multi-target tracking.Proc Int l Conf on Informa-tion Fusion, Cairns, Australia, 2003:792—799
[4]Vo B, Ma W.The Gaussian mixture probability hypothesis density filter.IEEE Trans Signal Process, 2006;54 (11) :4091—4104
红外跟踪 篇2
关键词：红外搜索跟踪系统 模型设计 军事侦察 应用
中图分类号：E89文献标识码：A 文章编号：1674-098X（2014）10（a）-0039-01
红外搜索跟踪系统的功能十分强大，在军事侦查中的应用较为广泛，主要用于探测、获取和全面跟踪在背景环境或其它干扰下能够发射红外信号的物体和目标，其覆盖区域是5 km以外的复杂背景和难以辨别的光源目标，可以弥补雷达探测的不足和缺陷，已成为现代军事领域中的重要武器装备之一。
1 红外搜索跟踪系统模型设计
红外搜索跟踪系统是一般是由信号处理系统、稳定与瞄准系统以及红外热成像系统组成[1]。信号处理系统：该系统是由微处理计算机、接口电路以及滤波器等组成的，其任务是获取和跟踪目标对象，并对相关数据进行处理。稳定与瞄准系统：该系统的组成部分主要包括电子组件以及瞄准和稳定机构，其任务是观察光学装置的工作情况，稳定其瞄准线，并控制搜索视场、光学视轴等。红外热系统：该系统由3个部分组成，分别为电子信号处理组件、探测器以及红外成像学系统，其中电子信号处理组件负责存储和处理探测器所获取的信号，探测器则可以利用自身的高透视率与量子效率采集和接收相关信号；红外成像光学系统则相当于一个窗口，可以为红外探测提供方便。
2 红外搜索跟踪系统在军事侦查中的应用
2.1 空中监视
红外搜索跟踪系统兼具跟踪入侵飞行器和远距离探测器特点，在空中监视过程中发挥着重要的作用，很多高速飞行与高空飞行目标为了缩短时间都需借助先进的搜索跟踪系统，不仅需保证该系统具备高灵敏性，而且需确保其能够对远距离目标对象进行监视。由于高空快速目标受到了较强的红外线辐射，大气阻力减小，因此它比低空飞行目标更容易被监视，若截击机具备下视能力，红外搜索跟踪系统则可进行空对空拦截，这说明当以上两者在同等高度下时，其监视范围可能会由地面扩大到云层，例如，在海军空对空方案中，假设歼击机、远程空对地导弹以及轰炸机的威胁高度在600～71000f之间[2]。红外搜索跟踪系统具有自身的特点，其功能与特征要求都是综合考虑了空中监视的相关要求而设计的。
2.2 低空防空
相关人士认为：探测和跟踪巡航导弹与低高度飞行目标存在较大的困难，雷达系统虽可以进行探测和跟踪低飞行目标，但其在探测和跟踪过程中会遇到较多问题，如受地面背景影响其信号强度减弱和受多个虚假目标影响而难以进行相关的探测工作，红外搜索跟踪系统则可以很好地避免上述现象。由于该系统的探测方式较为特殊，可以进行被动探测，不易被发现且能够进行全面跟踪，可以抵御反辐射导弹或射频定位传感器的袭击，并且不会因外界因素而无法正常工作。另外，由于其角度分辨率较高，因此，它可以用无源的机动飞行分辨距离速率和距离，可以透过烟雾探看作战地区的情况，进而可以更好地进行低空防空[3]。
红外搜索跟踪系统的应用原理较为简单，通常是借助红外探测器，且此探测器是以垂直线列形式工作的，其方位扫描和扫描视场皆成一个角度，前者角度大小为36°，后者角度需小于10°。巡航导弹、遥控驾驶飞行器、直升飞机以及人为操控的低空飞机等红外搜索跟踪装置都有自身的特性，红外搜索系统需对以上目标的特性进行一个全面的了解，目标对象并不是匀速运行的，其速度会由30 m/s加速到450 m/s，且它们的推进系统也不同。同时，目标的相关情况与相关设备都有着较大的差异性，目标红外空间分布与方位角有着密切的联系并以强函数的形式表现，红外发射强度也不一致，其数量级不断发生变化。
2.3 卫星探测
卫星载红外搜索跟踪系统的应用较为广泛，它可以对地面背景下的空中飞行器进行探测跟踪，同时也可以探测跟踪处于助推阶段的导弹燃气流，虽然早期的卫星报警系统不具备红外搜索跟踪系统的特征与功能，但为完善其内容，卫星报警系统也列入了其范畴。在低信噪比环境下，卫星报警系统很难准确探测到干扰中的目标，且云层类型、地区类型以及地面背景具有复杂性，会干扰其探测工作，在此情况下，红外跟踪系统无法对微弱目标进行全面跟踪，因此需要红外搜索系统做出报警，以便能够迅速探测到微弱目标，从而能够提高探测的速度和效率。
红外搜索跟踪系统装置与其它系统不一样，其中的下视系统具有较高的下视能力，可以对信号进行处理，能够不受外界条件干扰快速捕获微弱目标，这也是其它系统没有的特征。通常情况下，经过反射的目标信号会发生一定的变化，对参考背景而言它并不是静止的，从而可以从背景中捕获目标。空载红外搜索跟踪系统可以发挥自身的优势弥补传感器的缺陷，此外，其还可以通过信号的处理，快速选择波段，而空中飞行器很难被探测，因此，像素配准在多帧处理技术中有着关键性作用。大部分系统都要对目标的面积、温度、频率修正以及监视面积和位置进行详细分析，不断满足实际要求，对传感器而言，轨迹面积的值便是其最为关键的参数，在此基础上，要对探测器的投影情况进行分析，得到其在地面上的最低点投影，进而为系统设计提供依据，最终决定其技术要求[4]。
3 结语
红外搜索跟踪系统在军事侦查中占有绝对的优势，不仅可以进行空中监视，而且可以进行低空防空和卫星监测，从而可以为军事侦查提供安全性、准确性以及便捷性。因此，在实际的军事侦查过程中，需充分发挥红外搜索跟踪系统的作用，尤其是当前的社会背景和时代局面下，更需不断升级和改进红外搜索跟踪系统，以便更好地满足现代军事需求，从而不断提高军事水平和能力。
参考文献
[1]翟尚礼，白俊奇.红外搜索跟踪系统的关键技术和解决途径[J].指挥信息系统与技术，2013，4（6）：62-63.
[2]刘忠领，于振红，李立仁，等.红外搜索跟踪系统的研究现状与发展趋势[J].现代防御技术，2014，42（2）：97-99.
[3]张乐，梁冬明，姚梅，等.红外搜索跟踪系统作用距离等效折算[J].红外与激光工程，2013，42（1）：27-29.
多红外传感器观测系统跟踪精度分析 篇3
关键词：被动观测,集中式融合,扩展卡尔曼滤波,克拉美-劳下限,跟踪精度几何分布
1 引言
随着科学技术的发展,电子战已成为争夺现代战争主动权的核心内容之一。红外等被动多传感器观测系统具有抗电子干扰、抗隐身航空兵器、抗反辐射导弹、抗低空突防的能力,作为雷达的补充战时可发挥巨大作用,有利于争夺电子战的主动权。开展多红外传感器跟踪技术的研究,对提高区域防御系统的生存能力,有效反击能力及在战争中争夺制空权具有极其重要的军事意义和实用价值[1,2,3]。
红外传感器仅能得到目标的方位/俯仰信息,属于不完全观测,在直角坐标系下系统的测量方程是非线性的,是一个弱可观测非线性系统[4]。针对红外观测的非线性,经典算法是扩展卡尔曼滤波(EKF,Extended Kalman Filter),它通过对非线性测量函数的泰勒展开式作一阶线性化阶段,将非线性问题转化为线性问题处理。对于红外观测的不完全性,解决途径有两种:一是采用移动单红外传感器进行连续观测(如机载或舰载红外传感器),这种方法要求载机/舰的运动阶数要高于目标,且载机/舰与目标运动不能在同一直线上;另一种方法是采用地面多静止红外传感器同步观测,通过数据融合得到目标位置估值。其中,多传感器融合跟踪以其搜索范围大,作用距离远和可靠性高的特点,越来越受到人们重视[5,6]。多传感器融合主要有分布式(航迹融合)和集中式(量测融合)两种结构。其中,集中式融合跟踪由于其跟踪精度高,实时性强等特点被广泛使用。本文采用EKF与集中式融合相结合的红外被动目标跟踪算法,给出了算法的克拉美-劳下限(CRLB,Cramér-Rao Lower Bound),并提出多红外传感器观测系统的跟踪精度几何分布(GDTE,Geometrical Dilution Tracking Error)概念,通过分析系统参数对GDTE的影响,给出了提高系统性能的措施。
2 跟踪过程的CRLB
CRLB是对跟踪问题的有意义的评价,它表示任一无偏估计的误差下限或精度上限。通过CRLB可以评估系统的性能。我们首先给出观测系统的CRLB概念,然后介绍多红外传感器观测系统的CRLB。
对于观测系统,通过k次观测获得的测量集为zk={zj|j=1,…K},用它对x∈Pxn估计的似然函数为
估计的CRLB为
其中记号E[⋅]是统计均值[5]。
下面讨论多红外传感器观测系统的CRLB。
图1给出了第j次观测红外传感器Si(i=1,…n)与目标的几何关系,观测站数目为ns,第j次观测时测站Si测得的目标的方位角为βj,i,俯仰角为εj,i,可得:
则系统的测量方程为
其中:为观测向量,为传感器iS的位置,为第j次观测时的目标位置,为测量噪声,其协方差为
3 基于EKF的集中式融合跟踪
设目标作匀速直线运动,系统的状态方程和观测方程如下:
其中:为目标状态矢量,A为目标状态转移矩阵,I为单位矩阵,T为系统采样周期。Hj为经EKF算法线性化量测矩阵,在滤波预测值处线性化,展开成泰勒级数,略去二次项后得
基于EKF的集中式红外被动目标跟踪算法如下[6]
给定滤波初始值,状态一步预测:
状态估计误差协方差阵的一步预测:
集中融合的状态估值误差的协方差逆阵:
得Kalman滤波增益阵:
事实上,对于系统噪声wj=0的EKF来看,其状态估计的协方差Pj|j的形式和式(15)相同。但在式(15)中Hj(xj)是在真实点xj处计算的,故可以看出,BCRLB(j)是EKF跟踪误差的下限,它可以通过EKF的公式通过递推计算出来。即:
运用CRLB的表达式及其递推形式,可以分析目标航迹中任一时刻的状态估计精度上限。对于一些几何对称航迹,有可能获得精度上限的解析表达式。以下就对多红外传感器观测系统的定位跟踪滤波器的性能作进一步分析。
4 目标跟踪精度分布
通过上述分析,我们知道对于某一特定航迹,可以通过递推的CRLB公式推算跟踪过程的精度,当要全面分析比较整个区域内对不同航迹的跟踪性能时,仅仅依靠绘制许多曲线来进行比较,不便于得到一个完整印象。为此引出跟踪误差的几何分布(GDTE,Geometrical Dilution Tracking Error)的概念,定义防区内任意目标x的跟踪误差指第j时刻对该目标xj的跟踪误差的CRLB,GDTE即为系统防区的CRLB分布。
5 仿真结果分析
本文采用多静止红外传感器测向,定义基线长度为各地面传感器间的距离,取空中真实目标以0.3km/s的速度从x轴负向水平向x正向做匀速直线运动,传感器的探测距离为20km。图2~图6给出了不同系统参数下的仿真结果。x轴及y轴分别表示二维平面的水平及竖直两个方向,单位千米,三角表示地面静止红外传感器,曲线给出了目标跟踪的GDTE,单位米,图2~5中CRLB值由内至外取值为3、5、8、10、30、50、500,图6的取值为8、10、30、50、500;可以看出系统参数相同的情况下目标与传感器距离越近,CRLB越小,精度越高;最外围曲线表示目标未进入传感器探测范围,CRLB为无穷大(>500m)。
通过比较图2~6我们得出以下有意义的结论:
1)如图2所示,采用两传感器进行跟踪时,当目标在基线及其延长线附近运动时,跟踪误差迅速增大,即两红外传感器跟踪存在盲区。如图3所示,采用三传感器进行跟踪,可以避免出现跟踪盲区的出现,且增大了高精度区域面积,随着传感器数量的增加,高精度区域将逐渐增大,但同时增加了系统费用;
2)比较图3与图4可得,随着基线长度的增加,高精度跟踪区域会增大,但同时导致了整体跟踪区域减小,因此,在进行传感器配置时,应充分考虑基线长度与作用距离之间的相互关系,使系统达到最佳的性能;
3)比较图3与图5可得:随着测角精度的提高,跟踪精度和高精度区域面积都将增大;
4)比较图3与图6可得:随着目标高度的增加,跟踪精度和高精度区域面积都将减小。
基于以上分析,多红外传感器观测系统可以考虑从以下几方面提高性能:
1)增加传感器数目,使融合信息增多,可以有效消除观测盲区,提高跟踪精度及扩大高精度区域面积,但这样会增加系统花费,在系统配置时应综合考虑系统花费与跟踪精度的要求,通常以在满足跟踪性能的前提下花费最小为准则;2)采用高测量精度传感器进行观测;3)由图4与图5比较结果可知,通过多传感器优化布站,即在考虑传感器作用距离的前提下合理调整基线长度,可以有效提高系统性能。
结束语
本文将集中式融合与EKF跟踪算法相结合进行红外被动目标跟踪,给出了多红外传感器观测系统的GDTE,分析了影响系统性能的主要因素,并根据实验结果提出了提高系统性能的方法,对于建设防空告警系统有理论指导意义。
参考文献
[1]Blackman S,Popoli R.Design and Analysis of Modern Tracking System[M].Norwood MA:Artech House,1999.
[2]CHEN Fei,JING Zhong-liang,LI Feng.Analysis and simulation of passive target tracking algorithm under polar coordinates[C].Intelligent Control and Automation,2002.Proceedings of the4th World Congress.Shanghai,China:IEEE,2002,4:2682-2686.
[3]Koteswara Rao S,A Recursive Multistage Estimator for Bearings-Only Passive Target Tracking[C]//Intelligent Sensing and Information Processing,2005.Third International Conference.[S.l.]:IEEE,2005:207-212.
[4]Eli Fogel,Motti Gavish.Nth-Order Dynamics Target Observability From Angle Measurements[J].IEEE Transactions on Aerospace and Electronic Systems,1988,24(3):305-308.
[5]孙仲康,周一宇,何黎星.单多基地有源无源定位技术[M].北京:国防工业出版社,1996.SUN Zhong-kang,ZHOU Yi-yu,HE Li-xing.The Active and Passive Orientation Techniques of Single-Multi base[M].Beijing:National Defence Industry Press,1996.
红外跟踪 篇4
按照传感方式划分, 发展比较成熟的机器人视觉技术有电磁感应方式、视频式制导方式、激光方式以及惯性制导等[1], 在运行范围、精度以及可靠性方面都有突出的表现, 但普遍结构复杂, 成本高.
在轨道式机器人中, 已有普通红外传感器作为自动导向信号采集的核心器件, 将红外源置于地面上, 运动载体布置传感器对地面寻迹, 以实现按照既定路线运行[2].由于红外传感器件距离短、易受干扰等原因, 此种方式需要预先铺设红外路线, 运动载体和地面距离要尽量小且和地之间无障碍, 对轨道和地面依赖性强, 不宜自由控制, 有很多使用限制.
针对短距离范围内对特定目标定向跟踪导引的应用需求, 在综合分析视觉精度和价格成本的基础上, 采用常见的一体化红外传感器作为视觉元件, 设计了基于信号时序和频谱特征辨识的信号模型, 并应用于单目视觉的机器人系统, 通过对控制策略和信号调理电路的优化, 获得了实时稳定的跟踪效果.
1 系统结构
系统组成如图1所示.系统主要有红外目标发射端、机器人视觉接收端组成.在目标方位装置红外信号源, 该部分集成了红外信号产生、合成以及电光转换器件, 产生经过二次调制的红外编码信号, 通过球面镜使光束均匀发散到四周.在接收端, 主要包括红外信号传感、中央逻辑控制、电机驱动、视频控制、机器人中枢总线通信接口等功能模块.选用LPC2136作为CPU来负责系统的通讯、指令解析、传感器状态存取、目标轨迹判断、节点自身姿态调整信息输出等功能, PHILIPS的LPC2136是一个基于实时仿真和嵌入式跟踪的32位ARM7TDMI内核工业级微控制器, 具有256 K片内FLASH空间, 128-bit的存储器读取接口和指令加速器, 提供了2个串行通信口, 47个通用I/O端口, 32-bit的定时器和PWM控制单元等硬件资源.传感器和载体运动前向位置相对固定, 可任意活动, 工作时, 依靠传感器信号感应状态, 运动载体持续搜索目标方位, 实时调整运动方向, 以达到对视场锁定的功能.
2 红外视场分割与定向
根据红外线的视场传播特性和不可穿透障碍物的特点, 提出基于单目复眼感应光窗的视场分割状态空间模型.如图2所示, 在传感器前加定向镜筒, 选取镜筒入口为有效光阑, 限制轴上入射光束立体角, 并获得良好的光场边缘, 红外光经定向镜筒进入入射光阑, 投影到多传感器2D分布组成的成像面.
5个前景传感器被部署在一个2D的区域, 将空间划分为6部分, 对应传感器的6路编码输出, 其重合部分即为聚焦目标区.
取光窗阵列S={ S1, S2, …, S6}, 所有的传感器以固定的时间间隔对周围的环境进行抽样, 产生一个6维向量的结果, L{S1, S2, S3, …, S6}.这样, 目标信号状态的时间连续性表达为不同时刻的观测序列L (1) , L (2) , …, L (n) , 视场空间的可划分性表达为不同位置的状态向量组合.当目标进入视场区域内时, 光线依次投影到光窗, 红外目标的方位信息实时地映射到传感器成像面, 为机器人的整体动作提供了参考依据.
3 信号传感流程
系统基于特定时序红外线发射、传输和接收处理技术, 利用编码、载波、脉冲合成和时序鉴定方法实现红外线传感[4], 具体流程为:
(1) 发射端生成低频开关信号, 频率在100 Hz以下, 该信号控制发射端的脉冲生成;
(2) 再生成低频调制信号, 频率500 Hz～20 kHz, 该频率是目标身份的特征信息;
(3) 将 (2) 产生的低频信号与载波信号进行线性频率调制;
(4) 将 (3) 产生的调制信号与 (1) 生成信号进行合成, 获得包含目标特征的间断的红外脉冲调制信号;
(5) 目标端 (4) 产生的信号送入发射电路, 形成发散光场;
(6) 信号由光场传输给位于接收端的机器人单目镜筒, 部分光路进入入射光阑投影到传感器成像面;
(7) 传感器对感应信号进行内部放大、带通滤波, 解调出脉冲式低频特征信息;
(8) 二级视觉信号神经调理电路, 对低频特征信息进行时序和峰值鉴定, 若符合目标信号特征, 则输出表明目标有无的数字逻辑信号;
(9) 微处理器依次选通调理电路通道, 读取传感器感应状态分布, 进行数字滤波, 根据视场定位算法获得目标方位;
(10) 比较目标方位与自身视场角偏差, 得出修正矢量, 转换为制动信号, 送入驱动电路, 调整自身姿态.
经过 (1) ～ (5) 步骤后, 形成二次调制红外信号, 其频谱如图3所示, 在整个频带内共有2个波峰, 频率不同, 能量相当。其中频率较高的为载波信号, 频率较低的为目标特征信号, 当接收端检测到2个波峰同时存在时, 认为信号有效, 既实现了特征信号的频谱复用, 又提高了传输信号的抗干扰性。
4 系统硬件设计
系统电路主要包括红外信号源端和机器人视觉前端2部分, 这里给出关键电路.
4.1 目标源信号电路设计
发射电路由信号产生和红外电光转换2部分组成, 如图4所示.利用2片四输入与非门74HC00组成的自谐振荡电路即可实现含停止位的调频信号, 其包括3种频率的信号:38 kHz载波信号 (接收管工作的中心频率) , 低频带调制信号 (传递的有用信号) 以及开关脉冲信号 (维持接收端的持续工作) .该器件具有功耗低, 工作电压范围广 (3～12 V) 等优点, 方便了供电方式的选择和信号强度的调节.发射管为TLN105, 采用直流脉冲电流驱动, 发射管并用是为了增大发射视场角.
4.2 视觉神经调理电路
该部分电路主要作为传感器阵列的后续电路, 实现对目标信号的时序和特征辨识, 传送目标有无的逻辑信号给主CPU.以一路传感器信号处理电路为例, 如图5所示.采用KODENSHI公司的一体化红外传感器PIC-26045LM, 集成了前置放大、限幅放大、带通滤波、峰值检波和波形整形等功能, 对输入信号进行一次解调.没有有效信号输入时, 输出端保持高电平, 当接收到单一的38 kHz载波信号时有瞬间低电平跃变, 当输入信号是以38 kHz为中心的调频信号时, 输出即为低频调制信号.由于无法解调连续信号, 为保持输出信号的实时更新, 需要发射信号包含停止位或为断续信号.
被解调信号送入音频锁相环电路LM567两级鉴频电路, 从而转换为电平信号.LM567由I与Q检波器组成, 由压控振荡器决定其中心工作频率[5].它在电路中的作用是选频, 即只有输入信号与中心工作频率一致时, 8脚输出低电平.LM567通频带可调, 5、6脚外接定时电阻及电容决定锁相环内部压控振荡器的中心频率和可调带宽.
中心频率为:f0=1/1.1RC (2)
可调带宽为:undefined
式 (2) 中, f0为中心频率 (Hz) ;R、C为外接电阻 (Ω) 和电容 (F) .式 (3) 中, U1为输入信号的幅值 (rms) ;C2为滤波电容的容量 (μF) .
逻辑兼容输出具有吸收100 mA电流吸收能力. 可调带宽从0%～14% 宽信号输出与噪声的高抑制, 对假信号抗干扰, 高稳定的中心频率调节从0.01 Hz～500 kHz, 电源电压为5～15 V, 推荐使用8 V.
第一级电路检测调制信号频率, 输出为低频调制信号, 由于后接无负载, 8脚后接滤波电容, 从而获得了更好的波形, 进一步消除了尖峰脉冲, 并且第二级电路的压控振荡器采用了直流方式无外接电容, 同样获得了低频信号检测的性能优化.
4.3 微处理器及总线通信接口电路
作为机器人的关键部件, 视觉系统通过系统中枢总线与其他部件连接, 保证了各个功能的集成和嵌入式结构.LPC2136提供了2个16C550工业标准的UART, 具有16位的收发FIFO, 其中接收FIFO的触发字节为1、4、8、14可选.系统采用自主开发的通信协议, 规定触发点长度为8字节, 中枢采用485现场总线.图6所示为通信接口电路, 兼容了视觉系统与机器中枢间以及视觉系统与计算机终端之间的通讯.
4.4 视场向量时域滤波与多目标识别跟踪
视觉的灵敏度和MCU的采样频率相关, 视觉的稳定度和采样数据的平滑程度有关.所以, 系统决策的关键在于对状态向量L{ S1, S2, S3, …, S7}的数字滤波.考虑到红外传播的无穿透性和遮挡的随机干扰, 采用了中位值平均滤波法, 即连续采样N个数据, 去掉一个最大值和一个最小值, 然后计算N-2个数据的算术平均值.该滤波融合了平均滤波和中位值滤波的优点, 既有效防止了偶然出现的脉冲性干扰, 又消除了向量状态突变时的采样值偏差.
系统采用了3种信号频率的二次合成, 选用低频调制信号为目标特征, 通过设置接收端第二级中心通带来实现特别目标的识别.该功能使得多目标、多运动载体同时工作而不互相干扰.
5 系统软件设计
程序流程如图7所示, 系统上电, 初始化, 确定运行模式后, 开始检测传感器阵列输出的信号分布状态, 通过时域滤波消除抖动, 获得准确的目标方向, 并与自身运动方向进行比较.当发现目标时, 通过串行中断方式向机器人神经总线声明目标信息.当目标处于正前方时, 进入中断处理, 保存当前状态值, 否则修正运动轨道.当目标丢失时, 会根据前一时刻的目标方位状态, 进行追踪搜索.本系统设计采用了C语言编程, 模块化子程序结构, 方便系统的程序接口.
6 系统调试与数据分析
实验过程中, 为了减小因为红外衍射和墙面反射等造成的误判断, 应合理选取定向镜筒长度, 限制输入光路, 实现红外发射强度及感应阈值可调等, 根据侧场传感器的信号输出判断, 可进一步排除反射干扰.考虑到环境中其他信号干扰, 选择940 nm的红外波段, 一是和热成像所需的远红外区分开来, 二是减小与可见光的相干性.对于电源波动和常用红外遥控器信号带来的谐波相关, 调制信号频率不宜取干扰信号频率的倍数, 该系统某一频段实验参数如表1.
实际工作中, 该系统运行稳定, 反应灵敏, 性能良好.
7 结 束 语
研究了一种单目复眼结构、特定红外目标跟踪的机器人视觉系统, 已应用在室内的智能视频跟踪采集场合, 达到了较大范围内对目标的实时搜索跟踪, 运行稳定可靠.系统硬件体积小, 易实现, 适用于自动导向车、专用机器人、无人录像设备等.该方案在传统的红外传感控制装置等领域也有着广泛的应用前景.
摘要：针对特定红外目标跟踪机器人设计的需求, 以3种不同频率的信号, 合成了可以被一体化红外传感器连续解调的目标特征信号, 设计了基于特征信号模型的机器人视觉系统, 包括单目复眼的信号检测阵列和2级序列的信号调理电路.试验表明, 系统工作稳定可靠, 实现了对目标的智能搜索、连续跟踪, 信号抗干扰性强, 可用于多目标的识别跟踪.
关键词：红外,目标跟踪,单目机器人,机器视觉
参考文献
[1]姜涌, 曹杰, 杜亚玲, 等.基于各种传感器的自动导引车制导方式[J].传感器技术, 2005, 24 (8) :1-4.
[2]罗庆生, 罗洪坚, 王耀炼.红外线传感器及其导引技术在自动导向车中的应用研究[J].计算机测量与控制, 2003, 11 (10) :818-820.
[3]赵建林.光学[M].北京:高等教育出版社, 2006:104-110.
[4]赵振刚.一种红外传感器模块组件电路[P].200720150417.1, 2008.3.12.
红外跟踪 篇5
关键词：光电跟踪仪,三级管道流水线,二阶相关,红外点目标,跟踪
0 引言
在现代海战中,掠海飞行的飞机和导弹构成对水面舰艇的主要威胁。为了能尽早地发现敌情,增大作战距离,要求在远距离处就能发现目标,只有及时地发现目标、跟踪目标、捕获和锁定目标,才能实现有效的攻击。然而,对于通过舰载光电跟踪仪或者其他舰载红外警戒设备拍摄到的远距离红外图像,目标成像面积小,只有一个或几个像素的面积,可检测到的信号相对较弱,特别是在复杂背景干扰下,目标被大量噪声所淹没,导致图像的信噪比(SNR)很低,弱点目标检测工作变得十分困难。因此,低信噪比条件下,序列红外图像运动点目标的检测与跟踪问题成了一个亟待解决的关键问题,探索和研究新的弱点目标检测跟踪理论以及如何将现有的成熟理论应用于点目标检测仍然是一项重要的课题,对现代战争以及未来战争均具有深远的意义。基于以上认识,本文将就该热门领域,做一些深入的探索。
1 三级管道流水线算法的提出
针对红外点目标检测问题,在前期的图像预处理中,我们先采用行均值相减的方法抑制温度场的非线性影响;之后利用Top-Hat算子形态滤波来抑制背景和增强目标;最后根据预处理后的图像直方图粗略确定分割阈值,实现二值化分割,得到包含一定数量虚警点的点目标分割图像。经过上述的逐帧处理后,原始图像成为一个更新的二值图像序列。更新的图像将原图像中的大部分背景象素点赋为“0”,剩下为“1”的像素则随机分布在图像上,它们有可能是目标,有可能为可疑像素[1]。
如何从二值分割后的图像中可靠提取出目标点,是整个目标检测流程的关键。分析国内外的大量文献可以发现,目前的研究思路大致可以分为三种[2]:统计假设检验[3,4]、动态规划法[5]以及基于序列图像的相关性分析算法[6,7]。相关性分析算法实际上包含一种检测前跟踪的思想[2],它基于目标在相邻图像之间具有强相关性的原理,通过对序列图像的批处理来检测具有运动连续性的目标点。文献[1]和文献[6]提到的管道流水线算法中“与管道”的思想,实际上即是用到了连续两帧图像的时空相关。但是当红外图像背景条件复杂、本身奇异性特征又很明显并被高强度噪声污染时,只通过基于两帧图像的连续性滤波器进行除噪,不能达到理想的效果[2]。文献[2]提出了一种基于三帧图像的一阶相关性滤波法,但该方法的计算量较大(针对每个像素的每次相关运算都要反复进行多次的加法和乘法运算),图像处理过程中要记录的标记点也比较多,这些问题都会影响算法的处理速度,不利于实时性处理。而且当分割图像中包含虚警点较多时,一阶相关算法的滤波效果也不太完美。
鉴于以上原因,结合海空复杂红外背景下弱点目标信噪比很低、二值分割后图像中虚警点多、弱点目标极容易被虚警点所淹没的特点,在借鉴经典管道流水线算法和高阶相关算法的基础上,本文提出了一种改进的实时检测并跟踪定位缓动点目标的三级管道流水线算法,实验和工程应用结果均表明,该算法具有输出虚警率低、检测可靠性强和跟踪速度快等特点。
2 三级管道流水线算法描述
三级管道流水线算法依然延用了经典管道流水算法的思路,即整个检测过程分为连续性滤波和轨迹标记两部分。所不同的是:为了更好地克服弱点目标由于被众多假目标包围淹没,造成最终目标轨迹检测结果中包含虚警轨迹多的问题,算法利用前两级流水管道进行图像的二阶相关,实现了更为有效地滤波除噪。同时,在第三级流水轨迹检测管道内,本文抛弃了传统算法中基于三维窗口搜索累加、阈值分割确定目标位置的做法,采用简单的“或管道”,然后再基于“或”运算后的二维图像进行目标点的搜索,从而使算法的实时性更好。算法流程如图1所示。
2.1 第一级管道流水线
第一级管道流水线完成初步的连续性滤波,它是由一个基于3帧的逻辑“与”运算管道构成,算法步骤如下:
1)初始化。将3帧连续二值图像推入“与”管道,对最先进入管道的前两帧进行形态学膨胀运算,得到两个掩模帧,此时原二值图像为“1”的像素的小邻域都变为“1”;按照“与”管道运算规则进行连续性滤波。需要说明的一点是:由于我们提出的三级管道流水算法的前两级流水线都是用来进行连续性滤波,故该步骤中的形态膨胀运算采用了7×7的平面算子,这样能够检测到运动过程中帧间移位不大于3个像素的点目标,实际上这已经可以保证绝大部分的运动目标(包括一些做快速机动或做变速运动的目标)在前两级滤波管道中不发生漏检。经过第一级流水滤波处理的分割图像,其中的干扰点将大为减少,故在第二级流水滤波处理中,我们将采用9×9的膨胀算子,这样做在不影响检测的前提下,有效增大了相关检测的范围,甚至可以补救因某帧图像目标漏检而造成的轨迹短暂丢失,客观上增强了算法的鲁棒性。
式中:pn(x,y)表示第一级管道的输出,f′n(x,y)和f′n+1(x,y)是连续两帧二值图像经过形态学运算后的掩模帧,&表示逻辑“与”运算,n的初始值为1。
2)管道更新。将输出pn(x,y)作为输入送入第二级滤波管道;n值加1;从顶部推入一帧新图像fn+2(x,y),尾部删除管道最底部图像f′n-1(x,y)(相当于步骤1)中的f′n(x,y),因为n值已经加1),此时f′n(x,y)(步骤1)中的f′n+1(x,y))变成管道最底部的一帧。
3)掩模帧更新和新一轮滤波。将管道中二值图像fn+1(x,y)(步骤1)中的fn+2(x,y))进行形态膨胀,然后按照式(1)进行新一轮连续性滤波。
4)继续转入步骤2)。
2.2 第二级管道流水线
在具体的战场环境下,当目标的漏警对我方形成极大威胁时,我们必然会不惜付出高虚警率的代价来提升目标的检测概率,但随之而来的结果是造成分割图像中包含为数众多的虚假目标。针对这一具体问题,为了尽可能使弱点目标的轨迹跟踪算法输出较少的虚假轨迹,保证目标的精确定位,在借鉴Liou等人提出的高阶相关算法的基础上,本文对经典管道流水算法进行了改进,即增加了第二级管道滤波。第二级流水管道的操作原理与第一级完全相同,其操作对象是第一级管道的滤波输出图像,其输出图像将直接进入检测管道。运算规则如式(2),输出是tn(x,y),p′n(x,y)和p′n+1(x,y)是经过形态运算的掩模帧。
2.3 第三级管道流水线
本级流水线主要实现目标的轨迹检测与跟踪定位。二值图像序列经过二阶相关管道连续滤波后,保留下来的具备三点相关的像素已经很少。传统的检测管道采用三维空间中的窗口像素幅值累加并结合门限分割来标注目标点的位置:
其中:(Xi,Yi)为流水窗口列在时刻i的中心坐标,n、w、l为检测流水线中的流水窗口列的维,x、y、k为流水窗口列的维描述变量;将Ai与门限T比较,若Ai>T,则记入检测帧并在检测帧中标注目标位置。
传统检测管道在三维空间中累加幅值的算法,其累加过程需要在管道内各帧图像之间进行反复的窗口切换,比较耗时,不利于复杂战场环境下分秒必争的实时性处理。本文首次将逻辑“或”运算应用于目标检测管道中,实现了三维空间处理向二维平面处理的转化,降低了累加处理的复杂性,提高了处理速度和效率。算法步骤可简单描述为
1)初始化。构建一个由m(m为奇数)帧图像序列组成的检测管道以及一个空白检测帧,空白检测帧用于标注目标位置。
2)空间转化。基于逻辑“或”运算实现检测管道m帧图像的三维处理向二维处理的转换。
式中:“|”表示逻辑“或”运算,Ts(x,y)是转换后的二维平面图像。s初值取s=0,以后每次管道更新s值增加1。
3)目标定位。设定搜索窗口大小为L×L(要求L≤m且L为奇数,即搜索窗边长为奇数且不大于检测管道中的图像帧数。在这里,L值的选取需要权衡扫描速度和检测精度两方面因素的影响:L值相对取大,有利于实时性处理,但会降低检测精度;反之虽然能提高检测精度但影响实时性),在二维图像Ts(x,y)中移动搜索窗口,计算窗口内像素点的总和
判断搜索窗中心点是否为目标点的门限阈值为thresh=(L+1)/2,若sum(x,y)≥thresh,则记入检测帧,并在空白检测帧中标记目标位置(x,y)。从客观性和严密性的角度上讲,该过程中门限阈值的确定并不容易,它需要结合目标帧间速度(包括速度大小和方向)等先验知识。但本文考虑的目标为缓动点目标,即考虑相邻帧间目标的移位不大于一个像素(对于高帧频的红外序列图像,这种假设并没有违背客观事实),在这种情况下设定门限阈值thresh=(L+1)/2是符合实际的。
4)管道更新。采取“整出整入”方式,即将检测完毕的m帧图像一次性删除,然后再向管道内一次性推入m帧新图像。这种方式提高了管道的吞吐量,有利于进一步提高算法速度。
5)转入步骤2)。
3 实验及工程验证
3.1 虚警噪声密度等级不同时的点目标轨迹检测实验
结合三级流水管道算法,本文分三种情况,验证了在同一图像视野中做正余弦曲线运动的点目标轨迹检测与实时定位。第一种情况下进入流水管道的二值图像中虚假目标数量众多,如图2(a);第二种情况下二值图像中虚假目标数量相对少一些,如图2(b);第三则验证了在跟踪检测某一目标过程中又发现了新目标的情况,如图2(c)。
三种实验情形下目标加虚警噪声图片的数量均为24张,图片大小256×256,图中虚警点满足高斯正态分布。由于篇幅所限,本文在三种情况的图示说明时都仅使用了2张图片来演示目标轨迹的检测跟踪结果。
图2中图像标号的说明:a1、a2为初始进入流水管道的连续多帧目标分割图像;b1、b2为经过第一级流水管道滤波后的图像;c1、c2为经过第二级流水管道滤波后的图像;d为检测管道输出的目标轨迹图像。
实验结果告诉我们:第一种情况由于输入的二值分割图像中虚警点太多,致使最终的检测轨迹中包含较多的虚警轨迹。事实上,由于这些虚警轨迹都很短,形状上近似圆团状,而目标轨迹则是连续的线状,两者有着明显的区别,因此虚警轨迹的存在基本不会影响对目标轨迹的判断,但会影响目标的准确定位;第二种情况下的虚警点相对减少了一些,于是检测结果中便几乎没有虚警轨迹,故不会影响目标的实时跟踪定位;第三种情况则说明本算法不仅适用于多目标的检测跟踪,而且不管目标在何时进入监测视野,三级流水管道总能在经历很少的几帧后将其准确捕获并定位,这一点明显优于传统的基于候选点位置预测的轨迹跟踪法(基于候选点位置预测的轨迹跟踪法过多依赖初始候选点的选择,对于在检测过程中出现的新目标,由于其初始位置并不在初始候选点之中,因此对它的预测跟踪也不可能在短时间内进行;利用基于候选点位置预测的轨迹跟踪法还容易发生跟错目标的情况,特别是当多个目标的运动轨迹形成交叉时)。此外,观察以上三种不同情况下的仿真结果,可以看到:对进入三级流水管道的连续帧目标分割图像,无论其初始虚警点是多还是少,经过第一级流水管道滤波,虚警都会明显减少,见b1,b2,而通过第二级流水管道滤波后,虚警会极大减少,仅剩下目标点和很少量的虚警点,见c1,c2,这也有力地证实了前两级连续性滤波管道的高效性。正是因为有了前两级相关滤波管道,才使得最终的目标跟踪和定位有了较好的保证。
3.2 舰载光电跟踪仪实拍红外图像中点目标轨迹跟踪与定位的工程验证。
3.1节的实验结果说明,针对点目标的检测与轨迹跟踪问题,本文提出的三级管道流水线算法是有效的,这也初步论证了算法的可行性。
本节我们再结合舰载光电跟踪仪在工程中的实际应用情况,分别在云天背景、大海背景和晴朗天空背景条件下,以距离约20 km处的飞机作为点目标拍摄对象,进行轨迹检测与跟踪的工程验证。在外场试验中,我们使用的设备是某型舰载光电跟踪仪。实际工作过程中,该型舰载光电跟踪仪能够实时地对它所监控的区域进行连续的图像拍摄,之后,我们对实拍的红外图像进行预处理和二值化分割,然后再按照三级管道流水线算法的跟踪处理流程,对序列二值图像中的弱点目标进行轨迹的检测和跟踪,最后实现点目标的快速检测与跟踪定位。跟踪图示参照图3。
图3给出了三种不同红外背景下的点目标轨迹检测结果。a1～a4、b1～b4和c1～c4分别为连续80、95和50帧实际红外图像中的前4帧,a5、b5和c5是单帧图像分割阈值为42时的轨迹检测结果,a6、b6和c6是单帧图像分割阈值为50时的轨迹检测结果,两种情况均采用长度为5帧的检测管道,搜索窗口大小为5×5。
从上面的检测结果可以看出,本文提出的三级管道流水算法能够可靠地检测出点目标的运动轨迹,随着三级流水管道内红外图像输入帧数的增加,管道输出的点目标轨迹长度也会逐渐增加。由于虚警轨迹几乎不可能具有这种规则性变化,因此,在经历若干帧的处理后,真实目标的轨迹会很容易被区分出来。此外,我们还可以通过控制单帧红外图像分割阈值的大小,来控制虚警轨迹的数量,从而实现具有一定自适应性的检测要求,这也为我们根据战场态势灵活应变提供了可能。
4 结论
本文提出的三级管道流水线算法是一种比较可靠、实用的目标轨迹检测与跟踪算法,实验和工程验证结果都很好地说明了这一点,而且算法的实时处理能力比传统算法也有较大提高,工程应用的前景广阔。不过该算法的检测结果受到前期单帧图像分割效果的一定影响,这点值得重视。目前来看克服这一缺点有两种途径:一是进一步优化单帧目标分割算法,保证图像分割的高检测率和低虚警率;二是在本文算法的基础上,建立一种有效的轨迹诊断机制,用以进一步排除虚警轨迹,保留真实目标轨迹。这两项工作都有很好的研究价值,有待于进一步的探索。
参考文献
[1]彭嘉雄,周文林.红外背景抑制与小目标分割检测[J].电子学报,1999,27(12):47-52.PENG Jia-xiong,ZHOU Wen-lin.Infrared background suppression for segmenting and detecting small targets[J].Acta Electronica Sinica,1999,27(12):47-52.
[2]张海英,张田文.一种新的用于点目标检测和跟踪的闭环pipeline算法[J].计算机学报,2005,28(3):377-485.ZHANG Hai-ying,ZHANG Tian-wen.A new closed-loop pipeline method for point target detection and tracking[J].Chinese Journal of Computers,2005,28(3):377-485.
[3]CAEFER C E,SILVERMAN J,MOONEY J M.Optimization of point target tracking filters[J].IEEE Transactions on Aerospace and Electronic Systems(S0018-9251),2000,36(1):15-24.
[4]BLOSTEIN S D,HUANG T S.Detecting small moving objects in image sequences using sequential hypothesis testing[J].IEEE Transactions on Signal Processing(S1053-587X),1991,39(7):1611-1623.
[5]Barnic Y.Dynamic programming solution for detection dim moving targets[J].IEEE Trans on Aerospace and Electronic Systems(S0018-9251),1985,AES-21:144-156.
[6]WANG G,INIGO R M.A single pixel target detection and tracking system[C]//IEEE10th International Conference on Pattern Recognition,Atlantic City,NJ,USA,June16-21,1990.Washington D C,USA:IEEE,1990,1:99-103.
红外跟踪 篇6
近年来精确制导武器在几次局部战争中显示出超常的作战能力,已成为现代高技术战争的主角,使得现代战争的形态发生了根本变化,并不断影响着战争的进程和格局。光电制导技术具有隐蔽性好、抗干扰能力强等优点, 己成为精确制导技术的重要分支。随着可见光、微光以及红外成像等光电探测技术的迅猛发展,光电制导技术的应用范围越来越广,精度也越来越高［１－３］。
1导引头探测性能指标
1分辨率:空间角分辨率不大于0.4mrad,视场不小于4°;2搜索跟踪范围:俯仰角方向为-20°~+10°,偏航方向为-15°~ +15°;3最大跟踪角速度:不小于10°/s; 4测量视线角速度精度(3σ):不大于0.1°/s;5测量视线角精度(3σ):不大于0.2°。
2制导控制系统六自由度模型
建立空空导弹制导控制系统六自由度模型,基于六自由度仿真模型分别对导弹控制系统、制导系统性能进行研究。
2.1坐标系定义
地面坐标系(Sｇ-OｇXｇYｇZｇ):原点Oｇ取地面某点, OｇXｇ轴位于地平面内并指向目标(或目标在地面的投影);OｇYｇ轴与地面垂直向上为正;OｇZｇ轴垂直于XｇOｇYｇ平面,指向右方为正。
弹体坐标系(Sｂ-OｂXｂYｂZｂ):原点Oｂ取导弹的质心处,3个坐标轴与导弹固连;OｂXｂ轴与机身轴线一致,指向前为正;OｂYｂ轴位于导弹对称平面内,垂直于轴,向上为正;OｂZｂ轴垂直于导弹对称平面,指向右方为正。
速度坐标系(Sａ-OａXａYａZａ):原点Oａ取在导弹的质心处;OａXａ轴与飞行速度V珝的方向一致;OａYａ位于导弹对称平面内,垂直于OａXａ轴,指向上方为正;OａZａ轴垂直于导弹对称平面,指向右方为正。
2.2坐标系间转换
(1)地面坐标系与弹体坐标系间的转换关系。弹体坐标系与地面坐标系之间的关系可以用3个姿态角来描述: 偏航角ψ、俯仰角 和滚转角φ。 从地面坐标系OｇXｇYｇZｇ到弹体坐标系OｂXｂYｂZｂ的转换矩阵表达式见式(1)。
(2)速度坐标系与弹体坐标系间的转换关系。弹体坐标系与速度坐标系之间的关系可以用迎角α 和侧滑角β 表示。从速度坐标系OａXａYａZａ到弹体坐标系的转换矩阵表达式见式(2)。
(3)地面坐标系与速度坐标系间的转换关系。地面坐标系与速度坐标系之间的关系可以用航迹倾斜角θ、航迹方位角ψＶ和航迹滚转角 γＶ表示。 从地面坐标系OｇXｇYｇZｇ到速度坐标系的转换矩阵表达式见式(3)。
3导弹六自由度方程
3.1导弹气动力和气动力矩
定义在速度坐标系中的阻力(沿轴负向定义为正)、侧力和升力,分别用D、Y、Z表示,其计算公式为:
式(4)中,q为动压;S为参考面积;Cｘ、Cｙ、Cｚ分别为阻力系数、升力系数、侧力系数。
定义在弹体坐标系内的滚转力矩、偏航力矩、俯仰力矩分别用Mｘ、Mｙ、Mｚ表示,计算公式为:
式(5)中,q为动压;S为参考面积;lｒｅｆ为参考长度; mｘ、mｙ、mｚ分别为滚转力矩系数、偏航力矩系数、俯仰力矩系数。
3.2导弹质心动力学方程
在弹体坐标系中,建立导弹质心动力学方程:
由此微分方程组,可计算得到导弹弹体轴系速度分量Vｘ、Vｙ、Vｚ。
气动力到弹体轴三轴上的投影:
重力在弹体轴系的投影为:
3.3导弹质心运动学方程
根据弹体轴系到地面坐标系的转换矩阵,可得到地面坐标系中的导弹速度和位置x、y、z:
式(9)中,Vｘ,Vｙ,Vｚ分别为导弹飞行速度矢量在弹体轴上的分量。Vｘ,Vｙ,Vｚ与速度V的关系如下:
由此,可得攻角α和侧滑角β计算公式:
4红外导引头跟踪回路数学模型
红外导引头通过测量目标红外辐射的信号实现对目标的角度跟踪,利用角度跟踪误差(即失调角)控制伺服平台带动天线旋转,使误差角趋于零;同时利用速率陀螺反馈构成的稳定回路实现对弹体扰动的隔离［４－６］。
红外导引头角跟踪回路框图如图1所示。
4.1制导算法简化模型
制导算法由制导滤波器及制导律构成,制导滤波器近似成一阶惯性环节,为
初步选取τ= 0.05~ 0.1s。制导律采 用比例导 引律,为:
式(13)中,K为比例导引系数,取值为4;为弹道倾角速度指令。
法向过载指令nｙｃ可按下式计算:
4.2飞行控制系统简化模型
飞行控制系统简化模型由法向过载指令限制和表述飞行控制系统迟后的一阶惯性环节组成。
式(15)中,nｙｃｍａｘ为导弹可用过载限制,值为5g ; 为导弹俯仰角速率;τＡ为飞行控制系统一阶等效时间常数, 初步确定其值为0.2~0.4s;T１ｄ为气动时间常数,为0.7 ~1s。
4.3目标特性
4.3.1目标运动学
假定目标静止或按匀速直线运动,即
式(16)中,VＴ为目标速度;θＴ为目标弹道倾角。
4.3.2目标———导弹相对运动学
目标———导弹相对运动学关系为
目标视线角为:
5制导控制系统仿真
在根据导弹的六自由度方程、制导算法以及目标运动学特性,建立了正确的仿真模型后,将之前所设计的导引头伺服控制系统以模型的形式实现。然后对导弹在不同目标飞行条件下,对红外导引头制导控制系统进行六自由度仿真。
5.1纵向平面内仿真
仿真条件为:导弹飞行初始高度为8 000m,初始飞行速度为300m/s,且发动机运行时间为10s;目标初始坐标为(20 000,10 000,0),目标以2G的纵向过载向上做机动,图2为导弹横向与纵向过载响应曲线,图3为导弹攻角侧滑角曲线,图4为导弹追踪目标过程轨迹曲线。
仿真结果显示,在纵向平面内,导弹最终能够跟踪并击中目标,并且跟踪系统稳定,跟踪精度及其它指标符合设计要求。
5.2横向平面内仿真
仿真条件为:导弹飞行初始高度为8 000m,初始飞行速度为300m/s,且发动机运行时间为10s;目标初始坐标为(20 000,8 000,1 000),目标以4G的横向过载做侧向机动,图5为导弹横向与纵向过载响应曲线,图6为导弹攻角侧滑角曲线,图7为导弹追踪目标过程轨迹曲线。
仿真结果显示,在横向平面内,导弹最终能够跟踪并击中目标,并且跟踪系统稳定,跟踪精度及其它指标符合设计要求。
5.3三维立体空间内仿真
仿真条件为:导弹飞行初始高度为8 000m,初始飞行速度为300m/s,且发动机运行时间为10s;目标初始坐标为(15 000,12 000,1 500),目标以3G的横向过载和1.5倍的纵向过载作斜向机动,图8为导弹横向与纵向过载响应曲线,图9为导弹攻角侧滑角曲线,图10为导弹追踪目标过程轨迹曲线。
6结语
根据导弹六自由度方程建立了完整的导弹仿真模型, 结合相应的制导算法和目标运动模型,利用Matlab/Sim- ulink软件,对导弹追踪目标的过程进行仿真,验证控制器设计的合理性。仿真结果显示,在横纵向平面内,导弹最终能够跟踪并击中目标,跟踪系统稳定。在三自由度仿真中,根据所给出的模型,伺服系统能够稳定跟踪目标,跟踪精度及其它指标符合设计要求。
参考文献
[1]张文博.导引头伺服机构工作特性与先进测控方法研究[D].哈尔滨:哈尔滨工业大学,2009.
[2]马佳光.捕获跟踪与瞄准系统的基本技术问题[J].光学工程,1989(3):1-42.
[3]范大鹏.光电稳定伺服机构控制技术[J].光学精密工程,2006,14(4):673-678.
[4]张智永.光电稳定伺服机构的关键测控问题研究[D].长沙:国防科技大学,2006.
[5]李岩.光电稳定跟踪装置误差建模与评价问题研究[D].长沙:国防科技大学,2008.
[6]姬伟.陀螺稳定光电跟踪平台伺服控制系统研究[D].南京:东南大学,2007.
红外跟踪 篇7
在目标跟踪中, 由雷达 (Radar) 和红外 (Infrared, IR) 传感器组成的系统是一类典型的异类多传感器融合系统。在军事多传感器信息融合中, 异类传感器的信息融合一直是个重要而极富挑战性的研究课题[1]。如何充分发挥雷达、红外两种传感器的互补性, 使其满足融合跟踪的需要, 是近年来国内外专家研究的热点。
数据融合[2]是一种多层次的、多方面的处理过程, 包括对多源数据进行检测、结合、相关、估计和组合以达到精确的状态估计和身份估计, 以及完整、及时的态势评估和威胁估计。比较典型的融合方法有:加权平均、Kalman滤波、贝叶斯估计、统计决策理论、D-S证据推理、模糊推理、粗糙集、小波变换和神经网络技术。Davidson[3]等人详细描述了由雷达和红外传感器组成的多传感器系统, 采用传感器的数据融合信息进行多假设跟踪, 跟踪效果较单一传感器要好。Volker Schatz[4]提出一种现场可编程门阵列策略, 解决了多种传感器之间数据不同步的问题。文献[5]采用粒子滤波融合算法在复杂背景下能够稳健可靠的跟踪目标。Peng[6]等人采用改进的扩展Kalman滤波进行状态估计, 一定程度上解决了非线性问题, 但是估计精度有所下降。本文采用粒子滤波方法对融合的雷达和红外量测信息进行状态估计, 解决了非线性非高斯问题, 提高了估计精度, 对目标在复杂场景下和杂波环境下做到准确的跟踪。
1雷达、红外技术
雷达是一种无线电检测和测距技术, 利用微波波段电磁波探测目标的电子设备。雷达的优点是白天黑夜均能探测远距离的目标, 且不受雾、云和雨的阻挡, 具有全天候、全天时的特点, 并有一定的穿透能力。现在常用的毫米波 (MMW) 雷达有较高的抗衰减能力。作为主动传感器, 雷达能够提供目标完整的位置信息和Doppler信息, 但是由于雷达在工作时要向空中辐射大功率电磁波, 因而易受电子干扰和反辐射导弹的攻击。
红外是一种无线通讯方式, 可以进行无线数据的传输。根据探测机理可分成为:光子探测器 (基于光电效应) 和热探测器 (基于热效应) 。红外传感器不向空中辐射任何能量, 它通过接收目标辐射的热能进行检测和定位。因其不辐射能量, 从而不易被侦察或定位, 具有较强的抗干扰能力;同时由于目标不可避免地要辐射能量, 从而又为使用红外传感器对目标探测创造了条件。红外传感器还具有测角精度高和目标识别能力强等优点。红外传感器存在的主要缺点有:不能提供目标的距离信息;作用距离较近, 受气候影响大等。
相对于多传感器信息融合来说, 单传感器提供的信息往往是不完整、不精确的, 把各传感器的信息结合起来使用, 就可以实现性能互补, 提高信号的空间分辨率, 拓展空间覆盖和时间覆盖的范围, 提高信息融合的能力和系统可靠性、可信度。因此, 在大多数情况下, 雷达与红外传感器配合使用, 成为相互独立又彼此补充的探测跟踪手段。利用雷达高精度的距离测量和红外传感器高精度的角度测量, 利用信息互补, 通过数据融合技术, 可以给出对目标位置的精确估计, 改善对目标的跟踪和识别。总之, 把雷达和红外传感器组合构成雷达/红外多传感器系统, 能够使系统降低对敌方干扰的脆弱性, 提高系统的可靠性, 具有鲁棒性的工作性能。
2一种基于粒子滤波的融合跟踪方法
数据融合算法通过对传感器的输入信息进行学习、理解, 确定权值的分配, 完成知识的获取、信息的融合, 进而对输出模式做出解释, 将输出数值向量转换成高层逻辑概念。本文提出了一种融合雷达和红外传感器的方法, 采用粒子滤波对量测信息实现融合跟踪。该算法可以解决两种传感器的量测不同步的问题, 解决了跟踪系统的非线性问题, 提高了系统的估计能力和预测性能。
2.1粒子滤波方法
粒子滤波器 (Particle filter, PF) [8]是一种基于贝叶斯估计的序贯重要性采样方法, 是解决非线性非高斯问题的有效算法。其基本思想是用随机样本来描述概率分布, 这些样本被称为“粒子”, 然后在测量的基础上, 通过调节各粒子权值的大小和样本的位置来近似实际概率分布, 以样本的均值作为系统的估计值。粒子滤波器在目标跟踪中的一般流程。
2.1.1 系统动态模型的建立
首先, 根据目标的运动形式建立一个系统动态模型, 它描述了粒子的传播过程, 是一种随机运动过程。简单的可以表示为一个一阶系统。
xt=Axt-1+Bwt-1 (1)
2.1.2 设计粒子的表示方式, 确定粒子数目并初始化粒子
用{x
2.1.3 系统观测模型
粒子滤波器中用观测值来修正由系统动态模型得到的状态的先验概率, 从而得到状态的后验概率。一般是利用当前帧目标的特征和初始帧目标的特征的相似度表示观测值, 而用相似度的高斯调制直接获得p (zk|x
w
2.1.4 目标位置的确定
利用加权准则确定目标的最终位置:
2.1.5 重采样
重采样实质就是一个不断选择粒子的过程。其目的在于减少权值较小的粒子数目, 使得权值大的粒子衍生出较多的“后代”粒子。重采样重新选择了状态更合理的权重粒子, 将新产生的粒子赋予相同的权值。这些新粒子传播进下一帧的计算中, 利用系统动态模型改变粒子位置, 观测模型改变粒子的权值, 确定目标位置, 重采样不断循环进行。
2.2量测信息融合算法
假定雷达和红外同地配置, 同地采样, 设在执教坐标系中的目标动态模型为:
xk+1=Fkxk+wk (4)
(4) 式中, xk为状态向量, Fk为状态转移矩阵, wk为过程噪声。
1) 利用量测信息和协方差矩阵, 按粒子滤波方法计算预测状态xk|k-1和协方差矩阵Pk|k-1。
2) 然后分别计算雷达测量的一步提前预测z′k|k-1和相应的协方差阵S′k, 以及红外测量的提前一步预测z″k|k-1和新息协方差矩阵S″k。
3) 利用粒子滤波器分别对雷达和红外的量测信息进行状态估计, 得到x′k|k、P′k|k-1、x″k|k和P″k|k-1。
4) 对状态估计值进行线性迭代。令
xk|k=x′k|k+x″k|k+S′k+S″k (5)
Pk|k-1=P′k|k-1+P″k|k-1 (6)
5) 按照上述方法得到基于第i个传感器的状态估计后, 则基于雷达和红外传感器测量的最优估计为
3仿真结果及分析
为了验证算法的有效性, 分别用基于Kalman滤波的融合跟踪算法和本文所提出的基于粒子滤波的融合跟踪算法做100次仿真试验。假设目标在三维空间作匀速直线运动, 目标初始位置 (2 km, 5 km, 0.05 km) , 速度为 (0.03 km/s, 0.03 km/s, 0 km/s) , 过程噪声方差σ=0.01 km。雷达A位于公共参考坐标系的原点, 红外传感器B的位置为 (1km, 1 km, 0 km) 。采样周期T=8 s。算法Pentium4 1.5 G CPU和512 M内存的计算机上运行, 通过Matlab 6.5中的CPUTIME函数进行测量。
从表1中可以明显地看出, 本文提出的融合算法的平均消耗时间要比基于Kalman融合算法少得多, 大约减少了43%, 更新周期也要小得多。可见, 本文算法在不降低跟踪性能的前提下, 大大提高了计算效率, 实时性好。
4结束语
本文研究了雷达与红外传感器量测数据的状态估计问题。在一些非线性系统中, 采用基于粒子滤波的量测信息融合算法比通常状态向量融合滤波算法性能更优一些, 该融合算法同时考虑雷达与红外传感器量测信息, 并将其和目标的运动状态组合在同一状态估计方程中, 采用线性迭代的方式, 进而得到跟踪系统的最优估计。仿真结果验证了该算法的有效性和实用性。算法提高了测量系统的抗干扰能力和结果的可靠性, 改善跟踪性能的同时又保持跟踪滤波的计算结构尽可能简单, 提高了目标的跟踪精度。
参考文献
[1]李震, 张冰, 刘维亭, 等.基于异类传感器的数据融合系统.船舶工程, 2007;29 (1) :38—41
[2]韩崇昭, 朱洪艳, 段战胜, 等.多源信息融合.北京:清华大学出版社, 2006
[3]Davidson G, Symons S, Everett M.Sensor fusion system for infrared and radar.Signal Processing Solutions for Homeland Security, 2005;11 (10) :1—7
[4]Schatz V.Synchronised data acquisition for sensor data fusion in air-borne surveying.11th International Conference on Information Fu-sion, Cologne, Germany, 2008:1—6
[5]胡昭华, 宋耀良, 梁德群, 等.复杂背景下多信息融合的粒子滤波跟踪算法.光电子.激光, 2008;19 (5) :680—685
[6]Peng Zhizhuan, Feng Jinfu, Wu Youli, et al.Data fusion approach with mw radar and ir sensor based on MEKF.Proceedings of the2007IEEE International Conference on Mechat-ronics and Automation, Harbin, China, 2007;1992—1996
[7]张开禾, 富力, 范耀祖.基于卡尔曼滤波的信息融合算法优化研究.中国惯性技术学报, 2006;14 (5) :32—35
红外跟踪 篇8
随着红外搜索跟踪系统的发展, 目前单一波段的红外搜索跟踪系统已趋于完善[2,3,4], 双波段红外搜索跟踪系统也已开展研究, 光学系统设计也同步开展。由于红外系统在不同使用区域、气候条件变化和目标伪装时, 单一波段的红外搜索跟踪系统获取的信息较弱。在3~5μm和8~12μm两个大气红外窗口波段, 3~5μm波段一般用于搜索与背景温差较大的目标, 8~12μm波段一般用于搜索温差较小的目标。为了充分利用中波红外、长波红外各自的优点, 获得更多的目标特征, 提高系统的探测能力和目标识别能力, 采用双波段红外搜索跟踪系统。该系统采用双波段、共孔径设计, 具有结构紧凑、体积小、质量轻的优点, 实现了双波段、大口径、大视场探测目标。
1 光学系统结构选取
红外光学系统一般选用折射系统、反射系统和折反射系统。折射系统虽然可以达到较大的视场, 但设计红外双波段大口径光学系统时, 折射系统透射材料较少, 不利于校正二级色差, 还会使得系统体积过大、质量过重。反射式系统不受波段影响, 但视场太小, 不能满足系统要求, 离轴反射系统的视场比一般反射系统大, 但其加工、装调和检测的难度较大。为了得到大视场的优良像质, Ritchey和Chretien提出了校正球差及彗差的改进的卡塞格林式系统, 即RC系统。但是该系统也只有在视场为20°左右的像质比较好[5], 如果要扩大视场就必须在像面之前加入校正透镜组, 因此文中选择带有RC反射系统的折反式光学系统。
常用双波段成像系统由以下两种方式构成:一是采用一个能够响应两个波段的双波段探测器共光路系统构成;二是采用两个分别响应不同波段的探测器共光路或部分共光路系统构成。前者虽简化了光学系统结构, 但是现有双波段探测器的探测谱段较窄, 实用性不强。为此选择后一种构成方式。采用了部分共光路系统。虽然系统结构相对复杂, 但是实用性较强, 双波段共用前组反射系统, 之后由二色分束镜分成中波红外和长波红外两个波段, 两波段均再采用折射式系统, 通过紧凑的光路结构, 中波和长波分别校正像差, 选用不同的探测器件。另外, 中波红外光学系统采用制冷探测器件, 为了对杂散热辐射的抑制, 实现100%的冷光阑效率, 这就要求中波光学系统的出瞳与冷光阑重合, 同时中波光学系统还需要较长的后工作距。
2 设计原理
2.1 RC系统设计
RC系统主要设计参数如表1所示。
RC系统的初始结构, 根据系统的焦距f', 次镜的放大倍率β, 系统的中心遮拦比α和焦点的伸出量Δ (即主镜顶点到系统总焦点的距离) 来确定主镜与次镜的顶点曲率半径r1、r2, 偏心率e1、e2以及它们之间的距离d。光路图如图1所示。
系统的遮拦比α和次镜的放大倍率β如式 (1) [6]
确定了α值、β值后, 主镜与次镜的顶点曲率半径r1、r2, 以及它们之间的距离d可由式 (2) [6]确定
由RC系统消球差SΙ和慧差SⅡ (SΙ=SⅡ=0) , 可分别计算出主镜与次镜的偏心率e1、e2, 如式 (3)
此系统由经验确定遮拦比α等于30%, 由公式可知RC系统校正了球差和彗差, 由于视场较大, 还需折射部分补偿校正场曲、像散和畸变。在主镜后加二色分光镜分光, 然后在各自光路中分别补偿校正。通过折射部分与反射部分的像差补偿校正场曲、像散和畸变[7]。
2.2 中波红外光学系统设计
中波红外系统采用制冷型探测器件, 为抑制热辐射的杂光, 达到100%的冷光阑效率, 要求光学系统出瞳与探测器冷光阑重合。RC反射系统光阑位于主镜, 出瞳位于次镜前面, 因此需要加中继成像系统如图2所示, 将其成像在探测器前面[8]的冷光阑上。
根据前端RC反射系统的参数, 即可确定中继系统的参数。中继系统将中间像面成像于焦面红外探测器, 同时系统的出瞳位于冷光阑位置。根据高斯光学成像公式 (其中pexit为前组光学系统的出瞳位置) 有
对于中波系统可直接用中继系统校正场曲、像散和畸变, 而长波系统是非制冷系统, 不需要二次成像, 所以综合两系统共同考虑, 为了缩短筒长, 降低中继系统难度, 平衡长波红外系统较正像差能力和简化长波红外系统结构, 在中波红外系统一次成像中加入两片球面校正镜校正轴外像差。系统中采用了锗 (Ge) 和硅 (Si) , 这样可以更好地消除系统色差, 提高成像质量。
2.3 长波红外光学系统设计
长波红外光学系统采用非制冷探测器, 并且加入了二色分光镜, 二色分光镜在汇聚光路中产生了纵向位移, 引入了球差、位置色差和像散[9]。采用前两片镜锗 (Ge) 和硒化锌 (Zn Se) 校正了二色分光镜的球差和位置色差, 综合利用锗 (Ge) , 硒化锌 (Zn Se) 和锗 (Ge) 三个球面镜组合校正了RC反射系统的场曲、畸变以及像散, 并且将三片折射镜整体进行位移补偿二色分光镜带来的纵向位移, 消除光轴偏移引入像差。并设计出足够的后截距, 便于探测器的安装。设计结果如图3所示。
3 设计结果分析
中波红外系统与长波红外系统通过多重结构进行整合设计。中波红外与长波红外共用前端RC系统, 在主镜后通过二色分束镜分光, 由于中波红外系统筒长较长, 所以对其进行两次反射, 长波红外透射 (即长波通) 。双波段红外搜索跟踪系统结构如图4所示。图5为中波红外光学系统性能指标, 图6为长波红外光学系统性能指标。中波和长波共用RC系统, 整个系统除主次镜为二次曲面外, 其余都为标准球面, 便于加工及装调, 主次镜采用微晶玻璃, 透镜材料为锗 (Ge) , 硅 (Si) 和硒化锌 (Zn Se) , 分光板采用硒化锌 (Zn Se) 。
由图5可以看出, 中波红外光学系统在探测器截止频率 (25 lp/mm) 处传递函数大于0.35, 达到衍射极限。像点能量分布在2个像元内能量大于90%, 满足红外系统对能量的要求。均方根最大半径为13.541μm, 基本满足20μm的探测器像元尺寸要求;由图6知, 长波红外光学系统的传递函数在整个波段和视场内都接近衍射极限, 在探测器截止频率 (20 lp/mm) 处, 传递函数值均大于0.28。像点能量分布在2个像元内能量大于90%, 满足红外系统对能量的要求。均方根最大半径为11.989μm, 满足25μm的探测器像元尺寸要求。因此, 所设计的红外搜索跟踪双波段光学系统具有优良的成像质量。
4 结论
详细介绍了红外搜索跟踪系统 (IRST) 双波段光学系统的设计过程。系统结构紧凑, 体积小质量轻, 实现了宽波段、大口径、大视场。系统共用前端两反射系统克服了大口径宽波段的难题, 中波系统采用二次成像技术即100%冷光阑效率, 更好地抑制了杂散辐射。系统相对孔径、视场一致, 可以将中波红外图像和长波红外图像融合到一起, 综合利用了中波红外、长波红外各自优点, 提高了有效侦察率、降低虚警率[10]。
摘要：由于红外搜索跟踪系统 (IRST) 探测距离长, 伪装性良好和错误率低等特点, 因此成为了空中及海上最好的探测装备。针对红外与搜索跟踪系统对多谱段的需求, 设计了红外搜索跟踪双波段共孔径光学系统。具有优于单波段获取信息弱的优势, 将中波红外图像和长波红外图像融合到一起, 综合利用了中波红外和长波红外各自优点, 提高了有效侦察率、降低虚警率。系统总焦距为400 mm, F#=2, 视场角为2°, 采用分光型RC系统实现35μm和812μm双波段共孔径清晰成像, 为了抑制中波的热辐射杂光, 对中波系统实现了二次成像。设计结果表明, 系统像质优良, 满足红外搜索跟踪系统的使用要求。
关键词：几何光学,红外搜索跟踪系统,系统,双波段,共孔径
参考文献
[1]Jai Prakash Singh.An Algorithm for the Neural Fusion of IRST&RADAR for Airborne Target Detection[C]//IEEE, 2005, 0-7803-93 23-6/05.
[2]薛慧.红外搜索与跟踪系统中光学系统的设计[J].光学学报, 2010, 0253-2239 (2010) 08-2 383-04.
[3]陈津津, 赵劲松.一种紧凑型折射式红外搜索/跟踪光学系统设计[J].红外技术, 2008, 30 (5) :279-282.
[4]刘峰.折/衍射混合红外目标搜索/跟踪光学系统设计[J].光学学报, 2010, 0253-2239 (2010) 0 7-2084-05.
[5]史光辉.含有三个非球面的卡塞格林系统光学设计[J].光学学报.1998, 18 (2) :238-241.
[6]潘君骅.光学非球面的设计、加工与检验[M].苏州:苏州大学出版社, 2004.
[7]潘君骅.大口径红外成像系统的光学设计[J].光学学报, 2003, 23 (12) :1475-1478.
[8]樊学武, 马臻, 陈荣利.红外双波段卡塞格林光学系统设计[J].光子学报, 2003, 32 (4) :463-465.
[9]Warren J Smith.Modern Optical Engineering[M].The Mc Graw-Hill Companies, Inc, 1996.
