技术特征：
1.一种异源目标航迹数据实时高效融合方法，其特征在于：所述异源目标航迹数据实时高效融合方法包括如下步骤：s1、获取所有探测设备的目标航迹数据并放入第一消息队列，所述目标航迹数据包括探测设备编号、原始目标批号、目标位置和时间戳；s2、订阅第一消息队列中的目标航迹数据，根据探测设备编号和原始目标批号计算md5值作为对应的目标航迹数据的目的编号；s3、基于预设时间窗口对目标航迹数据进行批处理，每批目标航迹数据处理过程如下：s31、根据目的编号进行分组，每组目标航迹数据形成一个目标列表；s32、对各目标列表对应的目标进行历史目标航迹数据匹配，执行如下操作：s321、获取缓存的所有历史目的编号，并放入第一数据集；s322、判断缓存中是否存在当前时间窗口对应目标的目的编号，若是，认为存在历史航迹，从第一数据集中移除对应目标的目的编号，并将当前时间窗口对应目标的目标航迹数据进行缓存，同时将对应目标的历史目标航迹数据插入至当前时间窗口该目标对应的目标列表中形成新目标列表，否则，认为不存在历史航迹，将当前时间窗口对应目标的目的编号和目标航迹数据分别对应放入第二数据集和缓存中；s323、在缓存中对当前时间窗口存在的目标进行融合批号检索，若目标已获得过融合批号，则将该融合批号作为对应目标的最新融合批号，并放入第三数据集中；s33、对第一数据集中余留目的编号对应的目标进行航迹丢失目标识别，执行如下操作：s331、遍历第一数据集，判断余留的各目标是否存在航迹模型，若是，加载对应的航迹模型，否则，基于对应目标的历史目标航迹数据创建并训练航迹模型，将训练好的航迹模型存入模型集合和缓存中；s332、遍历第二数据集，获取各目标所在新目标列表的目标航迹数据；s333、采用加载的航迹模型或训练好的航迹模型预测出与对应目标的目标航迹数据时间点对齐的目标位置，并计算点迹平均误差ε：其中，n为目标所在新目标列表的数据量，为目标在时间点i时的预测经度，为目标在时间点i时的实际经度，为目标在时间点i时的预测纬度，为目标在时间点i时的实际纬度，为目标在时间点i时的预测高度，为目标在时间点i时的实际高度；s334、判断点迹平均误差ε是否小于目标阈值，若是，认为当前时间窗口的对应目标为航迹丢失的历史目标，将对应的当前时间窗口的目标和历史目标进行批号融合处理，否则，认为当前时间窗口的对应目标为新出现的目标；s34、判定任意两个目标的同一性并进行融合匹配，具体如下：s341、将其中一个目标记为模型基准目标，另一个目标记为对齐目标，并为模型基准目标选择模型算法；
s342、基于所选模型算法建立模型基准目标的预测模型，并采用模型基准目标所在新目标列表的目标航迹数据训练获得最终预测模型；s343、基于内插法或外推法在最终预测模型上预测与对齐目标的目标航迹数据时间点对齐的目标位置；s344、判断预测的目标位置与对齐目标的目标位置之间的平均距离误差是否小于预设距离阈值，若是，目标满足同一性，判定为同一个目标，检索目标是否已分配有融合批号，若任一目标具备融合批号，则应用融合批号传递逻辑共用该融合批号，若两个目标均未分配过融合批号，则以较早出现的目标的目的编号作为共用的融合批号，并将分配到的融合批号保存到第三数据集和缓存中；否则，目标不满足同一性，向缓存中添加两个目标的不融合标识；s35、将同一目标当前时间窗口下的目标航迹数据归为一组，基于卡尔曼滤波平滑处理对本次分组后的各目标对应的目标航迹数据进行误差矫正；s36、根据误差矫正后的目标航迹数据评估对应目标的威胁等级，并将威胁等级评分输出至第二消息队列以供订阅。2.如权利要求1所述的异源目标航迹数据实时高效融合方法，其特征在于：步骤s2中，所述订阅第一消息队列中的目标航迹数据基于flink计算框架实现。3.如权利要求1所述的异源目标航迹数据实时高效融合方法，其特征在于：步骤s31中，还对各目标列表进行异常挑点校验处理，删除异常的目标航迹数据，具体如下：s311、判断目标航迹数据的目标位置是否超过预设范围，若是，删除该目标航迹数据，否则，执行步骤s312；s312、获取经过时统的系统当前时间并读取目标航迹数据的时间戳，判断目标航迹数据的时间和系统当前时间之差是否超过预设时间延迟阈值或目标航迹数据的时间是否超过目标列表中目标航迹数据的平均时间，若是，删除该目标航迹数据，否则，执行步骤s313；s313、计算目标列表中目标航迹数据的平均速度，并根据相邻两点之间的位置差和时间差计算各目标航迹数据的瞬时速度，判断瞬时速度是否高于平均速度，若是，删除该目标航迹数据，否则，进行保留。4.如权利要求1所述的异源目标航迹数据实时高效融合方法，其特征在于：步骤s322中，对所述新目标列表还执行如下操作：当新目标列表中的数据量大于预设保留值时，删除在先的历史目标航迹数据直至数据量达到预设保留值的二分之一。5.如权利要求1所述的异源目标航迹数据实时高效融合方法，其特征在于：步骤s331中，所述基于对应目标的历史目标航迹数据创建并训练航迹模型，具体如下：s3311、分别基于最小二乘法建立目标的经度、纬度和高度三个维度的模型，公式如下：其中，t为时间，f(t)为目标函数，a
x
为多项式第x次项的常数项系数，m为最大阶数；s3312、判断是否满足pointnum>max-degree+1，其中，pointnum为目标所在新目标列表的数据量，max-degree为预设最大阶数，若是，则最大阶数m＝max-degree，否则，最大阶数m
＝pointnum-1；s3313、根据对应的历史目标航迹数据基于fit方法训练目标三个维度的模型，将训练好的三个模型视为航迹模型。6.如权利要求1所述的异源目标航迹数据实时高效融合方法，其特征在于：步骤s334中，所述批号融合处理，具体如下：从第三数据集和缓存中检索判断对应的历史目标是否分配过融合批号，若是，将对应目标的原始目标批号和历史目标分配过的融合批号之间的映射信息存入第三数据集和缓存中，否则，重新分配融合批号。7.如权利要求1所述的异源目标航迹数据实时高效融合方法，其特征在于：步骤s34中，所述判定任意两个目标的同一性并进行融合匹配，还执行如下操作：sa1、判断两个目标是否来自同一探测设备，若是，认为目标不满足同一性，否则，执行步骤sa2；sa2、判断两个目标是否分别分配过融合批号，若是，认为目标不满足同一性，否则，执行步骤sa3；sa3、判断两个目标是否存在不融合标识，若是，认为目标不满足同一性，否则，执行步骤s341。8.如权利要求1所述的异源目标航迹数据实时高效融合方法，其特征在于：步骤s341中，所述将其中一个目标记为模型基准目标，另一个目标记为对齐目标，并为模型基准目标选择模型算法，具体如下：当两个目标所在新目标列表中的数据量均等于2时，模型算法选择线性函数模型，以时间跨度大的目标作为模型基准目标；当两个目标所在新目标列表中的数据量分别等于2和3时，模型算法选择抛物线函数模型，以数据量多的目标作为模型基准目标；当两个目标所在新目标列表中的数据量均等于3时，模型算法选择抛物线函数模型，选取任一目标作为模型基准目标；当两个目标所在新目标列表中的数据量均大于3时，获取两个目标互落于对方时间范围内的数据量，若落于对方时间范围内的数据量大于第一预设阈值且对方的数据量大于第二预设阈值，则模型算法选择三次样条插值模型，以对方作为模型基准目标，否则，模型算法选择最小二乘法模型，以数据量多的目标作为模型基准目标。9.如权利要求1所述的异源目标航迹数据实时高效融合方法，其特征在于：步骤s36中，所述威胁等级评分final-threat-score，计算如下：
其中，f
y
(fac
y
)为威胁因素fac
y
的威胁评估分数，α
y
为目标威胁权重系数，n为威胁因素的总数。10.如权利要求9所述的异源目标航迹数据实时高效融合方法，其特征在于：所述威胁因素fac
y
包括目标距离防区中心点的位置、目标实时速度、目标类型、目标的工作状态、目标的航向角、防区中心点的安全级别。
技术总结
本发明公开了一种异源目标航迹数据实时高效融合方法，包括：获取所有探测设备的目标航迹数据并放入第一消息队列；订阅目标航迹数据，获得对应目的编号；基于预设时间窗口对目标航迹数据进行批处理：根据目的编号分组，形成目标列表；对各目标列表对应的目标进行历史目标航迹数据匹配；对未匹配上的目标进行航迹丢失目标识别；判定任意两个目标的同一性并进行融合匹配；基于卡尔曼滤波平滑处理对同一目标对应的目标航迹数据进行误差矫正；评估目标威胁等级。该方法可提高运算速度和精度，能够更好的适应目标航迹数据的数量不确定性和时间分配不均匀性，准确识别出目标真实数量和真实运动轨迹，提高目标评估准确性，便于维护，通用性好。用性好。用性好。
技术研发人员：杨邦 江婷 周明政 孙祥
受保护的技术使用者：中国电子科技集团公司第五十二研究所
技术研发日：2022.03.28
技术公布日：2022/6/28