时空约束匹配的异类航迹相似性度量方法与流程

本发明涉及异类传感器航迹相似性度量研究方向，是评价同一目标的多源航迹信息是否来自同一目标的定量分析方法，度量结果可以应用于航迹关联、航迹聚类、航迹模式挖掘等领域。

背景技术：

分布式多传感器系统得到了越来越多的应用。融合系统可以相对较低的成本获得较高的可靠性，多种手段协同工作，可以实现多源信息的优势互补，丰富各类目标信息，有效提高目标态势掌控能力，具有非常广阔的应用前景。但是，由于各传感器相互之间独立工作，且目标探测原理往往不尽相同，因而产生的目标航迹往往是异步不等速率的。因此，有效解决异类传感器异步航迹的相似性度量问题，具有十分重要的意义。

传统的航迹相似性度量方法主要是用于处理时间同步且等长度航迹的，这在异类传感器航迹中往往是无法直接使用的，一般需要经过插值或递推等操作，增加了工作量。在一个分布式融合系统中，融合中心实时接收到各传感器最新的目标观测结果，因此，不同传感器对同一个目标的观测结果的产生时间，应该是比较接近的，即使存在一定的传输时延，与此同时，产生过观测结果的时间越接近，目标的观测结果在空间上就越临近，即使存在一定的观测误差。

技术实现要素：

要解决的技术问题

本发明的目的在于提供一种可以有效度量异类传感器航迹相似性的方法。首先通过时间门限和空间门限筛选参考航迹的潜在匹配点，减少候选集合的数量，降低运算量，再选取时间最接近且空间最临近的作为待匹配点的匹配点，并定量化其相似度，最终得到完整航迹相对于参考航迹的相似度。

技术方案

本发明所述的时空约束匹配的异类航迹相似性度量方法，对来自不同传感器的两条航迹T₁＝＜p_1,1,p_1,2,...,p_1,m＞和T₂＝＜p_2,1,p_2,2,...,p_2,n＞，其中，m和n分别代表两条航迹的长度，p_i,j＝(l_i,j,t_i,j)(i∈{1,2}，i＝1时，j∈{1,2,...,m}，i＝2时，j∈{1,2,...,n})表示在时刻t_i,j目标的位置l_i,j，且t_i,j＜t_i,j+1，包括以下步骤：

(1)计算T₁上的数据点p_1,i＝(l_1,i,t_1,i)和T₂上的数据点p_2,j＝(l_2,j,t_2,j)的空间相似性为

其中，∈为空间门限，dist(·,·)表示两点的欧氏距离；

(2)对于T₁上的数据点p_1,i，首先搜索T₂上满足条件t_1,i-τ＜t_2,j＜t_1,i+τ的所有数据点，记为T₂'，其中τ为时间门限，再对T₂'中的所有数据点，搜索abs(t_2,j-t_1,i)最小的数据点，记为T₂″，其中abs为绝对值函数，那么以T₂为参考航迹，T₁上的数据点p_1,i关于参考航迹T₂的相似性度量为

f_∈,τ(p_1,i,T₂)＝max{f_∈(p_1,i,p_2,j)|p_2,j∈T₂″}；

(3)以T₂为参考航迹，航迹T₁关于参考航迹T₂的相似性度量为

其中，|T₁|为航迹T₁的长度。

有益效果

本发明有如下的优点：

(1)处理异类不同步航迹时，无需插值或递推；

(2)兼容一定的时间延迟、测量误差，无需平滑滤波等操作。

附图说明

图1是本发明介绍的异类航迹相似性方法的流程图。

图2是本发明介绍的异类航迹相似性方法的示意图。

图3是本发明一个测试用例的目标航迹示意图。

图4是采用本发明的方法对图2中T1的R1航迹相对于T1和T2的AIS航迹进行相似度计算后航迹相似度随航迹长度变化的曲线。

图5是采用本发明的方法对图2中T1的R2航迹相对于T1的AIS航迹、T3的R1航迹相对于T3的AIS航迹、T3的R2航迹相对于T3的AIS航迹进行相似度计算后航迹相似度随航迹长度变化的曲线。

具体实施方式

以下结合说明书附图对本发明提供的方法作详细说明。

设T₁＝＜p_1,1,p_1,2,...,p_1,m＞和T₂＝＜p_2,1,p_2,2,...,p_2,n＞为来自不同传感器的两条航迹，其中，m和n分别代表两条航迹的长度，p_i,j＝(l_i,j,t_i,j)(i∈{1,2}，i＝1时，j∈{1,2,...,m}，i＝2时，j∈{1,2,...,n})表示在时刻t_i,j目标的位置l_i,j，t_i,j＜t_i,j+1，∈为空间门限，τ为时间门限。

第一步，计算T₁上的数据点p_1,i＝(l_1,i,t_1,i)和T₂上的数据点p_2,j＝(l_2,j,t_2,j)的空间相似性为

其中，∈为空间门限，dist(·,·)表示两点的欧氏距离；

第二步，对于T₁上的数据点p_1,i，首先搜索T₂上满足条件t_1,i-τ＜t_2,j＜t_1,i+τ的所有数据点，记为T₂'，再对T₂'中的所有数据点，搜索abs(t_2,j-t_1,i)最小的数据点，记为T₂″，其中abs为绝对值函数，那么以T₂为参考航迹，T₁上的数据点p_1,i关于参考航迹T₂的相似性度量为

f_∈,τ(p_1,i,T₂)＝max{f_∈(p_1,i,p_2,j)|p_2,j∈T₂″}

第三步，以T₂为参考航迹，航迹T₁关于参考航迹T₂的相似性度量为

其中，|T₁|为航迹T₁的长度。

图2所示，灰色实线为一个二维空间上目标的真实运动轨迹，T₁和T₂分别为两种传感器对目标的测量结果，带下划线的数字对应着该数据点的时刻，图2(a)是以T₁为参考航迹，计算T₂相对于T₁的航迹相似度的示意图。p_2,1点的t_2,1＝2，T₂上的时间最临近的潜在匹配点有p_1,1和p₁,₂，且l_2,1＝(2,4.5)，l_1,1＝(1,3)，l_1,2＝(3,7)，则dist(l_2,1,l_1,1)≈1.8，dist(l_2,1,l_1,2)≈2.7，那么确定p_2,1的匹配点为p_1,1，若∈＝5，τ＝2，则f_5,2(p_2,1,T₁)＝f₅(p_2,1,p_1,1)＝1-1.8/5＝0.64。同理可以计算f_5,2(p_2,2,T₁)＝1，f_5,2(p_2,3,T₁)＝0.72，f_5,2(p_2,4,T₁)＝0.6，f_5,2(p_2,5,T₁)＝0.72，则T₂相对于T₁的航迹相似度为S_5,2(T₁,T₂)＝(0.64+1+0.72+0.6+0.72)/5＝0.736。图2(b)是以T₂为参考航迹，计算T₁相对于T₂的航迹相似度的示意图。

图3所示，为本发明一个测试用例的目标航迹示意图。该测试用例验证数据为某站两型岸对海雷达(分别标记为雷达R1和雷达R2)上报的目标航迹数据以及岸台AIS设备(标记为A)上报的目标数据，共3种航迹。从数据中选取了三个目标的三种传感器航迹数据。图3中，三个目标的航迹分别记为T₁、T₂和T₃，T_i^A、T_i^R1、T_i^R2分别代表T_i目标的AIS航迹、雷达R1航迹和雷达R2航迹。从图中可以直观地看出，由于T₁和T₂的航迹有交叉且雷达R1自身跟踪的问题，导致了T₁^R1的前半段代表了T₁^A的雷达R1航迹，而后半段却代表了T₂^A的雷达R1航迹，在两目标航迹交叉过程中产生了关联错误。其他雷达航迹，T₁^R2始终代表了T₁^A的雷达R2航迹，T₃^R1始终代表了T₃^A的雷达R1航迹，T₃^R2始终代表了T₃^A的雷达R2航迹，关联上没有问题。

计算航迹相似度时，除进行完整航迹与参考航迹进行航迹相似度计算外，另外截取目标航迹的L长子航迹与参考航迹进行比较，分别选取L＝5、L＝10、L＝20进行计算。取距离门限∈＝500m，时间门限τ＝30s，计算了T₁^R1相对T₁^A和T₂^A的航迹相似度，分别比较了两对航迹完整航迹与L＝5、L＝10、L＝20的子航迹的航迹相似度，分别如图4所示，另外三组航迹对(T₁^R2,T₁^A)、(T₃^R1,T₃^A)和(T₃^R2,T₃^A)的航迹相似度，分别如图5所示。