一种集中式多雷达数据处理的加权最近邻域数据关联方法
【技术领域】
[0001] 本发明涉及雷达数据处理技术领域，具体的说，是一种集中式多雷达数据处理的 加权最近邻域数据关联方法。
【背景技术】
[0002] 岸基空管集中式多雷达数据处理系统中，航迹的跟踪是整个系统的关键部分，而 数据关联则是是多传感器多目标跟踪系统中核心且最重要的内容，可以说数据关联的正确 与否，效率高低直接关系到雷达数据处理的效果与效率。
[0003] 数据关联要解决在于较低的漏警率的情况下，抑制虚警率的产生。尤其是在多雷 达数据处理的情况，由来自一次雷达的位置信息、回波长度、回波幅度、多普勒速度等信息， 来自二次雷达的位置、Mode 3/A、Mode C、Mode S等信息数据，来自ADS数据的位置、Mode S、 Mode 3/A等信息数据。在机动跟踪中，系统处理对目标除了要进行机动检测外，还要适当对 波门的大小进行控制，进行适当的缩放。在过顶空的目标跟踪中，需要对目标进行必要的外 推，尤其是二次雷达此时会出现目标的反射，此时就需要对数据关联算法提出较高的要求。 在多机编队飞行，多机交叉机动，尤其是对加油机和受油机的跟踪，位置相互靠近，且Mode 3/A信号不稳定的情况下，对数据关联的精准性，正确性提出了较高的要求。
[0004]数据关联过程是指确定传感器接收到的量测信息和目标源对应关系的过程。量 测-航迹关联，是将有效回波(跟踪门逻辑的输出）与已知目标的预报航迹相比较并最终确 定正确的量测-航迹对应关系的过程。常用的量测-航迹数据关联经典算法有最近邻域算法 (Nearest Neighbor，NN)、概率数据关联（Probability data association，PDA)、交互多模 型概率数据关联（IMMPDA)、联合概率数据关联(Joint Probabilistic data association， JPDA)、多传感器联合概率数据关联(MSJPDA)、多假设法(Multiple Hypothesis Tracking， MHT)等。NN算法是由Singer和Sea在1973年基于他们和前人的研究工作的基础上提出了一 种利用先验统计特性估计相关性能的跟踪方法。
[0005]最近邻域数据关联的工作原理是先设置跟踪门，由跟踪门初步筛选所得到的回波 成为候选回波，以限制参与相关判别的目标数目。其主要适用于跟踪空域中存在单目标或 目标数较少的情况，或者说是只适用于对稀疏目标环境的目标跟踪。其优点是:运算量小， 易于实现。主要缺点是:在目标密度较大时，容易跟错目标。
【发明内容】
[0006] 本发明的目的在于设计出一种集中式多雷达数据处理的加权最近邻域数据关联 方法，在硬件资源有限，且对实时性要求较高时，提供一种较为高效准确的数据关联处理方 式;并且在原有的最近邻域关联处理方式上，同时引入了相关的其他参考因子，逐渐的寻找 到点迹与航迹的最优配对组。
[0007] 本发明通过下述技术方案实现:一种集中式多雷达数据处理的加权最近邻域数据 关联方法，该加权最近邻域数据关联方法通过波门、航向角或角速度、属性相似度、加速度、 应答次数、垂直距离、航迹状态七个部分进行计分关联，而后将7个部分的计分通过加权计 分算法进行点迹和航迹相关度的计算，得到最终的计分更新值;在进行计分关联时，当经过 点迹和航迹相关度的计算后，计分关联结果的最终的计分更新值越小时，则配对关系越强； 当经过点迹和航迹相关度的计算后，计分关联结果的最终的计分更新值大于0x9FFFF时，贝1J 不满足配对要求。
[0008] 进一步的为更好的实现本发明，特别采用下述设置方式:所述通过波门、航向角或 角速度、属性相似度、加速度、应答次数、垂直距离、航迹状态七个部分进行计分关联具体包 括以下步骤：
[0009] 1)依据不同的距离对计分进行初始化:将波门按权值由小到大分为14个，并分别 对每个波门进行初始化，且进行初始化时从小权值开始，包括：
[0010] 1-1)中心区域外初始化，采用直接投影差相比较、笛卡尔距离与归一化距离三者 相结合的方式分别进行波门初始化得每个波门的初始化值；
[0011] 1 -2)中心区域内初始化，采用笛卡尔距离进行波门初始化得每个波门的初始化 值；
[0012] 1-3)将航迹预测值、点迹的笛卡尔距离与波门对比，若航迹预测值与点迹的笛卡 尔距离在某一个波门预设的范围内，则对应的波门的初始化值为计分的初始值；
[0013] 2)经步骤1)后，依据不同的航向关系对计分进行更新:设定压缩系数，并通过点迹 和航迹之间的属性关系对压缩系数缩放来控制航相差的允许偏差门限，再计算计分的增减 值，从而得到计分的更新值；
[0014] 3)经步骤2)后，依据属性相似度对计分进行更新:根据属性相似度的值，并与不同 门限作比较，对计分进行相应的增减，从而得到计分的更新值；
[0015] 4)经步骤3)后，依据加速度的大小关系对计分进行更新：依据航迹的历史位置点 和点迹计算的不同的加速度，然后再对计分进行相应的增减，从而得到计分的更新值；
[0016] 5)经步骤4)后，依据目标应答的不同情况对计分进行更新:根据Mode S与Mode 3/ A相关的应答次数和应答模式，得到相应的计分的增加量，从而得到计分的更新值；
[0017] 6)经步骤5)后，依据航迹和点迹的高度差处于不同的区间内对计分进行更新：若 点迹和航迹的高度均有效，则进行高度差的判断，根据不同的差值得出计分的增加量，从而 得到计分的更新值；
[0018] 7)经步骤6)后，根据航迹状态对计分进行更新:根据航迹的不同状态，得到不同的 航迹状态限制关联计分的增加量，进而得到计分的更新值,并得到最终的计分更新值。
[0019] 进一步的为更好的实现本发明，特别采用下述设置方式:所述中心区域外初始化 包括以下具体步骤：
[0020] 1-1-1)将前七个波门均进行归一化距离，再比较归一化距离和门的关系，从而得 到前七个波门在中心区域外的初始化值；
[0021] 1-1-2)对于波门8和9首先对残差的协方差Sk进行Cholesky分解，得到对角线上代 表距离P的门限值31和代表方位角Θ的门限值S2,并通过距离与方位角的预测值和量测值比 较公式完成波门8和波门9初始化，得到波门8和波门9在中心区域外的初始化值；
[0022] 1-1-3)对于波门10,计算测量值与当前预测值的航向，以及上一时刻的航向，计算 测量值与当前预测值的角度偏差dAngle，根据判断条件| 0est-0k| <3°和dAngle< Φ，完成波门 10初始化，得到波门10在中心区域外的初始化值；
[0023] 1-1-4)对于波门11~13,采用笛卡尔距离，计算距离与门限的关系，完成波门11~ 13初始化，得到波门11~13在中心区域外的初始化值；
[0024] 1 -1 - 5 )对于波门14，中心区域外初始化时，波门14的初始化值直接计记为 OxFOOOO；
[0025] 所述中心区域内初始化具体为，采用实际距离，计算预测位置与测量位置的笛卡 尔实际距离dL，根据笛卡尔实际距离dL与各波门门限的关系，完成各波门在中心区域内初 始化，得到各波门在中心区域内的初始化值。
[0026] 进一步的为更好的实现本发明，特别采用下述设置方式:所述步骤2)包括以下具 体步骤：
[0027] 2-1)依据点迹和航迹的属性信息，对压缩系数进行首次缩放，若前端采用转弯模 型，则从转弯角度上对点迹和航迹关联做筛选；
[0028] 2-2)计算点迹和航迹的属性相似度SimScore，并对压缩系数再次进行缩放；
[0029] 2-3)根据航迹的历史轨迹信息，计算点迹与航迹之间的航向差；
[0030] 2-4)计算基于航向差的计分增减，当满足(). 1745 + 时，则不罚分;否则 计分在计分的初始值的基础上加上〇x〇8〇〇〇*0rate，完成计分更新。
[0031] 所述步骤2-3)根据航迹的历史轨迹信息，计算点迹与航迹之间的航向差，包括以 下步骤：
[0032] 2-3-1)当航迹在中心区域外时，将测量的点迹转换在笛卡尔坐标系下的位置计为 倒数第二点迹?1<-1(乂1{-1，￥1{- 1)、上一时刻的点迹?1{01{，￥1〇和本次测量的点迹?4乂^￥〇，并通 过.=计算P4-名和硬的夹角-；
[0033] 2-3-2)当航迹在中心区域内时，倒推到航迹的倒数第7个点迹和倒数第8个点迹的 位置，若倒数第8个点迹不存在，则从倒数第7个点迹开始向当前点迹倒推直到取到相邻的 两个测量的有效点迹;并在笛卡尔坐标系下，取相邻的两个测量的有效点迹的中心点迹计 为P pre(Xpre，Ypre)、所述上一时刻的点迹计为Pk(Xk，Yk)和本次测量的点迹计SP m(Xm，Ym)，并 通过却=cos-，耳瓦)计算尸_巧和?的夹角抑且航迹在中心区域内属性压缩系 数在处理后的基础上缩小一半为Cr=0.5Cr。
[0034] 进一步的为更好的实现本发明，特别采用下述设置方式:所述根据属性相似度的 值，并与不同门限作比较，对计分进行相应的增减，从而得到计分的更新值，具体为：
[0035] 3-1)设置属性相似度初始值为0,最大值为12,最小值为-12;其中，值越大，代表这 两者间的属性相似度越大；
[0036] 3-2)判断航迹或点迹是否包含任何属性信息，是则返回相似度值0,否则转向步骤 3-3