本发明涉及目标识别技术领域，尤其涉及一种基于状态估计的光/电传感器目标关联方法。
背景技术：
雷达是外场主要的观测手段。近年来随着红外探测水平的发展，红外观测设备在外场建设中越来越受到重视，红外/雷达多传感器联合数据处理与分析技术成为国际上研究热点。多传感器联合数据处理的首要问题是不同传感器探测目标关联。由于受到传感器空间分辨能力制约，仅在空间维进行目标关联的方法对近邻目标产生很大不确定性。
美国研究了jdl模型作为多传感器融合处理的标准模型，具体实施上d-s理论受到广泛关注，但是如何处理冲突证据以及如何确定传感器权重还需要进一步研究；约翰霍普金斯大学的maurer建立了多传感器联合对试验现象解译的贝叶斯理论框架，但是当传感器测量本身具有不确定性以及目标先验信息具有不确定性因素时，建立贝叶斯推理网络存在一定困难；可能性理论也是解决多传感器数据融合的一种途径，但是如何确定每一个特征量的隶属度以及建立一个行之有效的理论框架，是需要进一步研究。
技术实现要素：
针对上述现有技术存在的缺陷，本发明提供一种基于状态估计的光/电传感器目标关联方法，拟构造包含光、电、运动、位置等多维度特征空间，在多维特征空间中对目标进行关联。
本发明提供的一种基于状态估计的光/电传感器目标关联方法，其改进之处在于，所述方法包括如下步骤：
(1)输入目标特征集合、传感器模型和数据关联模型，构建基于最优特征集合的目标状态广义似然函数；
(2)以运动特性为纽带，对连续运动姿态变化下目标的光/电特征数据矩阵进行差分，得到目标特征空间状态转移模型；
(3)基于广义似然函数的目标状态预估与反馈系统建模；
(4)根据多传感器得到的观测数据，进行多传感器下目标组合在所述目标状态预估与反馈系统建模中寻优；
(5)进行多传感器多目标关联。
优选的，步骤(3)包括如下步骤：
1)以目标运动学的连续性，以及目标姿态同其光/电特性的关系为纽带，构建目标状态转移矩阵，包括目标六自由度的运动学参数，以及目标光/电特征数据；
2)利用所述目标状态转移矩阵进行前一时刻目标特征与当前时刻目标特征关联；
3)利用当前时刻目标特征测量数据和目标特征估计数据进行匹配寻优；
4)判断目标估计特征与测量特征之差，若在预设阈值内，则表示最终收敛，作为最终寻优标准。
较优选的，步骤(4)进行多传感器下目标组合在所述目标状态预估与反馈系统建模中寻优，是指将所述光/电特性数据估计后的结果与理论估计值比较，若收敛，则认为光/电传感器测量目标是一致的，且与假设目标是一致的；若不收敛，则重复所述步骤(1)。
较优选的，步骤(5)进行多传感器多目标关联是指将不同传感器观测的目标，为同一目标的进行标记。
较优选的，所述多传感器包括雷达和红外地面观测设备；
所述观测数据包括：
雷达测量的目标位置、速度；
雷达测量的目标rcs，一维距离像；
红外地面观测设备测量的目标辐射强度。
较优选的，理论值指的是在假设目标种类的情况下，目标光/电特征理论计算的值；假设目标包括目标的类型、形状等。
本发明的技术方案中，可以实现多传感器关联识别过程中，特征层的目标融合关联。本发明充分利用了基于物理属性的目标光/电特征关联性，避免了对远距离弱小目标识别中其他关联识别传感器权重分配、识别证据冲突、目标同一性判断等一系列有待解决的难题，可在复杂场景下远距离弱小目标关联联合识别中应用。
附图说明
图1为本发明实施例的基于状态估计的光/电传感器目标关联方法的流程图。
具体实施方式
为使本发明的目的、技术方案及优点更加清楚明白，以下参照附图并举出优选实施例，对本发明进一步详细说明。然而，需要说明的是，说明书中列出的许多细节仅仅是为了使读者对本发明的一个或多个方面有一个透彻的理解，即便没有这些特定的细节也可以实现本发明的这些方面。
图1示出了本发明实施例的基于状态估计的光/电传感器目标关联方法的流程图。本发明的实施例针对不同传感器间多目标关联问题，建立基于光/电特性理论值时间序列的状态估计与反馈系统，将光/电特性测量值作为系统输入，利用输出结果与理论值之间的收敛程度判断目标是否关联。
参见图1，本发明实施例的基于状态估计的光/电传感器目标关联方法具体如下。
(1)输入目标特征集合、传感器模型和数据关联模型，构建基于最优特征集合的目标状态广义似然函数；
(2)以运动特性为纽带，对连续运动姿态变化下目标的光/电特征数据矩阵进行差分，得到目标特征空间状态转移模型；
(3)基于广义似然函数的目标状态预估与反馈系统建模，具体的：
1)以目标运动学的连续性，以及目标姿态同其光/电特性的关系为纽带，构建目标状态转移矩阵，包括目标六自由度的运动学参数，以及目标光/电特征数据；
2)利用所述目标状态转移矩阵进行前一时刻目标特征与当前时刻目标特征关联；
3)利用当前时刻目标特征测量数据和目标特征估计数据进行匹配寻优；
4)判断目标估计特征与测量特征之差，若在预设阈值内，则表示最终收敛，作为最终寻优标准。
(4)根据多传感器得到的观测数据，进行多传感器下目标组合在所述目标状态预估与反馈系统建模中寻优。即将所述光/电特性数据估计后的结果与理论估计值比较，若收敛，则认为光/电传感器测量目标是一致的，且与假设目标是一致的；若不收敛，则重复步骤(1)。
(5)将不同传感器观测的目标，为同一目标的进行标记，进行多传感器多目标关联。多传感器包括雷达和红外地面观测设备；
观测数据包括：
雷达测量的目标位置、速度；
雷达测量的目标rcs，一维距离像；
红外地面观测设备测量的目标辐射强度。
根据本发明的实施例，可以实现多传感器关联识别过程中，特征层的目标融合关联。本发明充分利用了基于物理属性的目标光/电特征关联性，避免了对远距离弱小目标识别中其他关联识别传感器权重分配、识别证据冲突、目标同一性判断等一系列有待解决的难题，可在复杂场景下远距离弱小目标关联联合识别中应用。
以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以作出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。