系統(tǒng)誤差下基于誤差補償?shù)娜汉桔E精細(xì)關(guān)聯(lián)算法
【專利摘要】為解決系統(tǒng)誤差下群內(nèi)各目標(biāo)航跡精細(xì)關(guān)聯(lián)的難題,基于群航跡的特點,結(jié)合誤差估計技術(shù)及航跡關(guān)聯(lián)技術(shù),提出了一種基于誤差補償?shù)娜汉桔E精細(xì)關(guān)聯(lián)算法,該算法首先基于循環(huán)閾值模型對各傳感器獲得的航跡進(jìn)行群識別,并基于群中心航跡完成群航跡的整體預(yù)關(guān)聯(lián),其次基于群航跡狀態(tài)識別模型,搜索或建立分辨狀態(tài)最接近的預(yù)關(guān)聯(lián)群航跡,再次基于群航跡系統(tǒng)誤差估計模型和誤差確認(rèn)模型,獲得最終的誤差估計值并完成誤差補償,最后利用傳統(tǒng)的航跡關(guān)聯(lián)算法進(jìn)行群航跡的精細(xì)關(guān)聯(lián)。與基于目標(biāo)不變信息量的模糊航跡對準(zhǔn)關(guān)聯(lián)算法、基于航跡迭代的航跡對準(zhǔn)關(guān)聯(lián)算法和修正的加權(quán)法相比,本發(fā)明算法綜合性能更優(yōu),能很好滿足工程上對系統(tǒng)誤差下群內(nèi)目標(biāo)航跡精確關(guān)聯(lián)的需求。
【專利說明】系統(tǒng)誤差下基于誤差補償?shù)娜汉桔E精細(xì)關(guān)聯(lián)算法 一、
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明屬于多傳感器多目標(biāo)信息融合【技術(shù)領(lǐng)域】,具體涉及群航跡識別、誤差估計 和補償、群航跡關(guān)聯(lián)等問題,解決系統(tǒng)誤差下群內(nèi)目標(biāo)航跡精確關(guān)聯(lián)的問題。 二、
【背景技術(shù)】
[0002] 在現(xiàn)實環(huán)境中,經(jīng)常因為不可控制或特定人為目的等因素,會在一個較小的空域 分布范圍內(nèi)構(gòu)成一個復(fù)雜的目標(biāo)群,如空間碎片的分裂、彈道導(dǎo)彈突防過程中伴隨的大量 碎片及誘餌、導(dǎo)彈和飛機編隊等,這些目標(biāo)空域分布范圍較小,運動特征差異不明顯,相對 運動速度較低且特性接近。目標(biāo)跟蹤領(lǐng)域?qū)⒋祟惸繕?biāo)稱為群目標(biāo)。近年來,隨著傳感器分 辨率的提高,群目標(biāo)跟蹤技術(shù)受到國內(nèi)外學(xué)者的廣泛關(guān)注。
[0003] 在一些實際應(yīng)用中,與群的整體態(tài)勢相比,往往更關(guān)心群內(nèi)個體目標(biāo)的情況。例 如,航天器在軌爆炸后所產(chǎn)生的空間碎片會形成一個群目標(biāo),這個群目標(biāo)將會嚴(yán)重威脅太 空安全,為消除太空安全隱患,必須精確掌握每一個碎片的運動軌跡,簡單跟蹤群整體已無 法滿足工程實際需求;再如,當(dāng)面對敵方編隊飛機突防時,為更好的進(jìn)行戰(zhàn)術(shù)攔截和打擊, 要求在探測系統(tǒng)只能部分分辨飛機編隊的條件下,盡可能精確的估計出編隊中飛機的個數(shù) 及各架飛機的運動軌跡,以便為后續(xù)的作戰(zhàn)決策提供精確的信息支持。此時,為有效改善群 內(nèi)目標(biāo)的精確跟蹤效果,工程上通常從測量系統(tǒng)層面,利用多套不同的設(shè)備、從不同測向獲 取群目標(biāo)測量數(shù)據(jù),進(jìn)行數(shù)據(jù)互聯(lián)和融合等處理;當(dāng)組網(wǎng)傳感器存在系統(tǒng)誤差時,系統(tǒng)誤差 下群內(nèi)目標(biāo)的航跡精細(xì)關(guān)聯(lián)成為必須要解決的問題。
[0004] 然而,傳統(tǒng)的系統(tǒng)誤差下航跡關(guān)聯(lián)算法對群內(nèi)目標(biāo)航跡的復(fù)雜性估計不足,設(shè)計 相對簡單,整體關(guān)聯(lián)效果十分有限。首先,群中各目標(biāo)空間距離較小且行為模式相似;如采 用系統(tǒng)誤差下的模糊航跡關(guān)聯(lián)算法,其模糊因素集中的航向、航速等因子已喪失對關(guān)聯(lián)判 決的輔助作用,繼續(xù)采用會干擾正確的模糊評判,加大航跡錯誤關(guān)聯(lián)率;如采用基于復(fù)數(shù)域 拓補描述的航跡對準(zhǔn)關(guān)聯(lián)算法,其航跡粗關(guān)聯(lián)波門交叉嚴(yán)重,關(guān)聯(lián)信息矩陣的拆分易引起 計算爆炸,難以滿足系統(tǒng)的實時性要求;如采用基于整體圖像匹配的航跡對準(zhǔn)關(guān)聯(lián)算法,其 估計旋轉(zhuǎn)和平移量的時間會延長,且當(dāng)量測誤差較大時,其估計值可能發(fā)散,不能實現(xiàn)航跡 的實時準(zhǔn)確關(guān)聯(lián)。其次,各航跡前后時刻相似性很強,錯誤的航跡關(guān)聯(lián)在后續(xù)時刻會繼續(xù)存 在,此時采用傳統(tǒng)的雙門限準(zhǔn)則進(jìn)行關(guān)聯(lián)對的確認(rèn),會增大錯誤航跡關(guān)聯(lián)率。 三、
【發(fā)明內(nèi)容】
[0005] 1.要解決的技術(shù)問題
[0006] 為有效實現(xiàn)多傳感器群目標(biāo)的精細(xì)跟蹤和融合,抑制傳感器系統(tǒng)誤差對群航跡關(guān) 聯(lián)造成的不利影響,基于群目標(biāo)航跡的特點,結(jié)合系統(tǒng)誤差估計技術(shù)和航跡關(guān)聯(lián)技術(shù),提出 系統(tǒng)誤差下基于誤差補償?shù)娜汉桔E精細(xì)關(guān)聯(lián)算法。
[0007] 本發(fā)明的核心技術(shù)是基于群中航跡個數(shù)、目標(biāo)航跡的相對位置及航跡歷史等信息 建立群航跡狀態(tài)識別模型,找出對群內(nèi)目標(biāo)分辨狀態(tài)一致的預(yù)關(guān)聯(lián)群,并基于其實現(xiàn)群航 跡系統(tǒng)誤差估計和補償。
[0008] 2.技術(shù)方案
[0009] 本發(fā)明所述的系統(tǒng)誤差下基于誤差補償?shù)娜汉桔E精細(xì)關(guān)聯(lián)算法,包括以下技術(shù)流 程:基于循環(huán)閾值模型的群識別、基于中心航跡的群航跡預(yù)關(guān)聯(lián)、群航跡狀態(tài)識別模型、群 航跡系統(tǒng)誤差估計模型、誤差補償和群內(nèi)航跡的精細(xì)關(guān)聯(lián)。
[0010] 3.有益效果
[0011] (1)基于群整體進(jìn)行預(yù)關(guān)聯(lián),將系統(tǒng)誤差下群內(nèi)目標(biāo)航跡的精細(xì)關(guān)聯(lián)問題退化為 傳統(tǒng)的系統(tǒng)誤差下航跡關(guān)聯(lián)問題;
[0012] (2)基于群航跡狀態(tài)識別模型搜索或建立分辨狀態(tài)一致的關(guān)聯(lián)群,使該算法能很 好的適用于群目標(biāo)部分可辨等復(fù)雜環(huán)境,為后端的系統(tǒng)誤差估計打好基礎(chǔ);
[0013] (3)基于誤差估計模型,能快速、準(zhǔn)確的估計出各傳感器的系統(tǒng)誤差;基于誤差確 認(rèn)模型,及時對是否需要繼續(xù)進(jìn)行誤差估計進(jìn)行正確判別,進(jìn)一步提高整個算法的實時性。 四、
【專利附圖】
【附圖說明】
[0014] 圖1為系統(tǒng)誤差下基于誤差補償?shù)娜汉桔E精細(xì)關(guān)聯(lián)算法流程圖;
[0015] 圖2為群識別循環(huán)閾值模型流程圖; 五、
【具體實施方式】
[0016] 假設(shè)k時刻傳感器A和傳感器B的航跡號集合為
[0017] UA(k) = {1,2,…,nA},UB(k) = {1,2,…,nB} (1)
[0018] 其中,nA、nB分別為兩傳感器上報的航跡個數(shù)。
[0019] 定義|幻分別為k時刻融合中心坐標(biāo)系下傳感器A對目標(biāo)i、傳感 器B對目標(biāo)j的狀態(tài)更新值,且
[0020]
【權(quán)利要求】
1.本發(fā)明用于系統(tǒng)誤差下的群航跡精細(xì)關(guān)聯(lián),主要技術(shù)特征是基于群中目標(biāo)航跡個 數(shù)、目標(biāo)航跡相對位置及航跡歷史信息構(gòu)建群航跡狀態(tài)識別模型,判斷群目標(biāo)航跡分辨狀 態(tài)是否一致: 設(shè)k時刻兩傳感器A和B存在N對預(yù)關(guān)聯(lián)群,q = {龍W A)}g和% = {尤10}?為 其中一對,定義預(yù)關(guān)聯(lián)群分辨狀態(tài)相似度為
⑴ (2) (3) 其中,式ix㈨和㈨分別為€中各航跡間距的最大值與最小值;和^^㈨分 別為中各航跡間距的最大值與最小值;基于式(1)計算k時刻N對預(yù)關(guān)聯(lián)群的相似度, 判定相似度最大的預(yù)關(guān)聯(lián)群分辨狀態(tài)一致; 如果k時刻N對預(yù)關(guān)聯(lián)群的相似度全為零,則說明該時刻不存在分辨狀態(tài)一致的預(yù)關(guān) 聯(lián)群,群航跡系統(tǒng)誤差估計模型無法正常應(yīng)用,為解決該問題,首先選取一個基本關(guān)聯(lián)群, 并以其為母體建立分辨狀態(tài)一致的關(guān)聯(lián)群,具體過程可分為以下四步: ① 基本關(guān)聯(lián)群的選取 設(shè)Emn(k)為預(yù)關(guān)聯(lián)群分辨狀態(tài)質(zhì)量,Ε_(0) =0,若k時刻G::和分辨狀態(tài)一致,則 ejk) = 1,并且 Ejk) =Emn(k-l)+l ;否則 emn(k) =〇4_(1〇 zEjk-l);在此選取 Emn(k) 最大的預(yù)關(guān)聯(lián)群為k時刻的基本關(guān)聯(lián)群;如果有重復(fù),則選擇目標(biāo)航跡數(shù)差異最小的預(yù)關(guān) 聯(lián)群;如果存在多個差異個數(shù)相同的預(yù)關(guān)聯(lián)群,選取目標(biāo)航跡和最小的預(yù)關(guān)聯(lián)群;如果還 存在重復(fù),選取幻最小的預(yù)關(guān)聯(lián)群;設(shè)k時刻和(?為滿足條件的基本關(guān)聯(lián) 群,且心 ② 搜索滿足式⑷的h,并提取匕時刻兩個預(yù)關(guān)聯(lián)群航跡的標(biāo)號集合和 unB{kx);
(4) ③ 基于W沐)和C W,建立新的群航跡句;若航跡標(biāo)號z e %味)且k Μ㈧,則保持 航跡i不變;若? 且,則利用速度預(yù)測獲取k時刻航跡i的狀態(tài)和協(xié)方差; 若/ g C^認(rèn))且/e ,則刪除航跡i ;對每條航跡依照上述方法進(jìn)行處理,獲取新的群航 跡(? ;同理基于W汍)和W⑷可建立新的群航跡(? ; ④ 若式(4)中的集合Κ= Φ,則說明直到k時刻任何一個預(yù)關(guān)聯(lián)群的分辨狀態(tài)均不一 致;需要基于上述模型,在k+Ι時刻繼續(xù)進(jìn)行判別。
【文檔編號】G06F19/00GK104050368SQ201410267025
【公開日】2014年9月17日 申請日期:2014年6月9日 優(yōu)先權(quán)日:2014年6月9日
【發(fā)明者】王海鵬, 潘麗娜, 劉瑜, 齊林, 熊偉, 董凱 申請人:中國人民解放軍海軍航空工程學(xué)院