系统误差下基于双重模糊拓扑的编队目标航迹关联算法
【专利摘要】本发明属于多传感器多目标信息融合【技术领域】，提供一种系统误差下的分布式多传感器编队目标航迹关联算法。现有的系统误差下航迹关联算法没有充分考虑编队目标运动特征的相似性，并且要求不同传感器对编队目标分辨状态完全一致，因此其工程实用性较差。本发明首先基于循环阈值模型对各传感器获得的航迹进行编队识别，然后利用编队中心航迹代替编队整体，深入分析系统误差对编队中心航迹的影响，建立第一重模糊拓扑模型，完成编队航迹的预互联和普通目标航迹的对准关联，最后基于预关联编队目标航迹之间或与航迹关联对之间的拓扑关系建立第二重模糊拓扑模型，实现编队内目标航迹的关联。本发明能较好的满足系统误差下编队目标航迹关联工程需求。
【专利说明】系统误差下基于双重模糊拓扑的编队目标航迹关联算法
【技术领域】
[0001] 本发明属于多传感器多目标信息融合【技术领域】，提供一种系统误差下的分布式多 传感器编队目标航迹关联算法。
【背景技术】
[0002] 随着传感器分辨率的提高，编队目标跟踪技术受到国内外学者的广泛关注。在一 些实际应用中，与编队的整体态势相比，往往更关心编队内个体目标的情况。例如，当面对 敌方编队飞机突防时，为更好的进行战术拦截和打击，要求在探测系统只能部分分辨飞机 编队的条件下，尽可能精确的估计出编队中飞机的个数及各架飞机的运动轨迹，以便为后 续的作战决策提供精确的信息支持。此时，为有效改善编队内目标的精确跟踪效果，工程上 通常从测量系统层面，利用多套不同的设备、从不同测向获取编队目标测量数据，进行数据 互联和融合等处理。而当组网传感器存在系统误差时，系统误差下编队目标的航迹关联成 为必须要解决的问题。
[0003] 传统的系统误差下航迹关联算法对编队内目标航迹的复杂性估计不足，设计相对 简单，整体关联效果十分有限。首先，编队中各目标空间距离较小且行为模型相似，如采用 系统误差下的模糊航迹关联算法，其模糊因素集中的航向、航速、加速度等因子已丧失对关 联判决的辅助作用，继续采用会干扰正确的评判，加大航迹错误关联率；其次，各航迹前后 时刻相似性很强，错误的航迹关联在后续时刻会继续存在，此时采用传统的双门限准则进 行关联对的确认，会增大错误航迹关联率；再次，对从不同角度进行探测的各传感器而言， 编队内目标间的相互遮挡情况各异，而且各传感器的分辨能力也不尽相同，因此各传感器 对同一编队目标的分辨状态通常是不一致的，这种情况下，传统的系统误差下航迹关联算 法不再适用。
【发明内容】
[0004] 1?要解决的技术问题
[0005] 本发明的目的在于提供一种系统误差下编队目标航迹关联算法，该算法首先基于 编队中心航迹建立第一重模糊拓扑关联模型实现编队航迹和普通目标航迹的整体关联；然 后基于参照关联航迹对建立第二重模糊拓扑关联模型，实现各传感器对编队目标分辨状态 不一致等复杂环境下的编队内航迹关联。具有关联性能稳定，实时性好的特点，能较好的满 足工程上对系统误差下编队目标航迹关联需求。
[0006] 2?技术方案
[0007] 本发明所述的系统误差下的分布式多传感器编队目标航迹关联算法，包括以下措 施：首先基于循环阈值模型对各传感器获得的航迹进行编队识别，然后利用编队中心航迹 代替编队整体，深入分析系统误差对编队中心航迹的影响，建立第一重模糊拓扑模型，完成 编队航迹的预互联和普通目标航迹的对准关联，最后基于预关联编队内目标航迹之间或与 航迹关联对之间的拓扑关系建立第二重模糊拓扑模型，实现编队内目标航迹的关联。
[0008] 3.有益效果
[0009] 相比于现有的系统误差下编队目标航迹关联算法，本发明具有如下优点：
[0010] (1)该发明利用模糊拓扑信息进行系统误差下的编队目标航迹关联，因此关联性 能不受系统误差变化的影响。
[0011] (2)能够有效处理不同角度观测的各传感器对编队目标分辨状态不一致的情形。 分辨状态不一致使目标拓扑结构不一致，给模糊拓扑方法带来困难，本发明可以有效解决 该问题。
[0012] (3)具有较小的耗时，能较好的满足工程上对系统误差下编队内目标航迹的关联 需求。
【专利附图】
【附图说明】
[0013] 图1是系统误差下基于双重模糊拓扑的编队目标航迹关联算法流程图；
[0014] 图2是编队航迹跟踪整体效果图；
[0015] 图3是系统误差对编队中心航迹的影响示意图；
[0016] 图4是模糊因子m22建立示意图。
【具体实施方式】
[0017] 结合图1所示算法流程图，系统误差下基于双重模糊拓扑的编队目标航迹关联算 法【具体实施方式】如下：
[0018] (1)基于循环阈值模型完成编队航迹识别。传感器的系统误差使目标航迹相对 真实位置产生旋转和平移，但基本不改变各目标航迹间的相对位置关系，因而不影响编队 航迹的识别。编队识别以传感器为单位进行，设乂 和 幻(A: I幻⑷⑷，％⑷]别为k时刻传感器A探测目标集合UA(k)和传感器 B探测目标集合UB (k)中目标h和i2的状态更新值，基于编队航迹的位置和速度特性，利用 循环阈值模型完成各传感器各时刻的编队航迹识别。如果
[0019]
【权利要求】
1.本发明用于系统误差下编队目标航迹关联，主要技术特征在于该方法包括双重模糊 拓扑模型的构建方法： 步骤（1)基于编队航迹的位置和速度特性，利用循环阈值模型完成各传感器各时刻的 编队航迹识别； 步骤（2)利用编队的中心航迹代替编队航迹整体，使系统误差下编队内目标航迹的关 联问题退化为传统的系统误差下航迹关联问题；系统误差使编队中心航迹发生了整体的旋 转和平移，旋转角度与普通目标的旋转角度相同；当两个分辨状态一致时，平移距离与普通 目标相同，当分辨状态不一致时，平移距离由下式确定
建立第一重模糊因素集CZ1 = ，其中W11、《丨、W分别对应于各目标间的拓 扑关系、航迹和航向，并将一条航迹是否为编队中心航迹计入模糊因素集 m1 乃为群中心航迹 ~_1〇7；为普通屮心航迹 式中，Td为待关联航迹；模糊因素权值采用动态分配方法，设k时刻对应于U1的权值集 合为離)=(心M⑷如:⑷)，且有=丨'棚各传感器对同一编队目标分辨 状态对4(幻的取值进行动态分配；设定A1GO的自适应调整因子为 八 ?Γ(幻=叫匪 + 一Olmax - ^min) ^max 式中，a1mav和a1ml、为a, (k)可取的最大值和最小值，可凭经验确定；
式中，[4,xix, 4,xL]、[4,jL,4,]分别为€和K中量测在X、y方向上 的最大值和最小值；因此，A1GO中的各个因子为
再选用正态模糊隶属度函数建立模糊关联矩阵，结合航迹质量及多义性处理实现编队 航迹整体及普通目标的关联； 步骤（3)根据预关联成功的两个编队航迹，建立第二重模糊拓扑关联模型，实现编 队内部航迹的精确关联；定义模糊拓扑模型的模糊因素集CZ2 = ，其中M12对应编 队内各目标间的拓扑关系，并利用待关联目标航迹与参照航迹之间的相对拓扑关系构 造模糊因子W22;模糊因素权值同样采用动态分配方法，设对应于U2的权值集合为分别 为A(幻=(<(幻,乂(幻），且有W〇 +i/::(/c) =l;在此，基于各传感器对预关联编队的分 辨状态，分为两种情况对A2GO进行设置；若则#对决策的影响大于所以 U1D>f (幻，在仿真中，初值取为⑷=0.6，％(々)=0.4;若g】矣W，则4对决策的影响 远小于W22，所以aj2(幻《α22(幻，在仿真中，初值取为af〇)=0.15，α22(々)=0.85;最后，进行编 队内航迹精确关联。
【文档编号】G06F19/00GK104239719SQ201410478314
【公开日】2014年12月24日 申请日期:2014年9月19日 优先权日:2014年9月19日
【发明者】王海鹏, 董凯, 熊伟, 何友, 潘丽娜, 刘瑜, 贾舒宜, 王聪 申请人:中国人民解放军海军航空工程学院