一种有限计算资源条件下的空间多重密度点航迹关联方法与流程

本发明涉及雷达点航迹数据处理领域，特别是涉及一种雷达点航迹关联方法。

背景技术：

通常情况下雷达总是以周期性扫描的方式对空间目标进行探测，为了使探测的结果能够以较强的时效性反馈给用户，对空间目标的点航迹关联处理必须在一定的时间内完成，要求的处理时延和处理机的计算效率成为了制约点航迹关联方法的瓶颈，通过统计分析目标所处环境中的目标航迹和雷达点迹的空间分布特性，并结合计算资源的分配，自动地选择与计算资源相匹配并适合处理该环境背景的关联方法，达到处理方法与处理对象和计算资源适配的目的，实现点航迹关联算法的自动调整。

点航迹关联是主动雷达数据处理中的重要组成部分，在多目标跟踪系统设计中，数据关联算法的性能直接决定了跟踪算法的有效性和实用性。贝叶斯理论方法是统计模型决策中的一个基本方法，其基本思想是，已知条件概率密度的参数表达式和先验概率，利用贝叶斯转换成后验概率，根据后验概率大小进行决策分类。基于贝叶斯理论的点航迹关联方法主要有两类，第一类只对最新的确认量测集合进行研究，因此是一种次优的贝叶斯算法，这类贝叶斯算法主要包括最近邻算法(nn)，联合概率数据互联算法(jpda)等；第二类是对当前时刻以前的所有确认量测集合进行研究，是一种最优的贝叶斯算法，这类贝叶斯算法主要包括多假设算法(mht)。

最近邻算法(nn)，在点航迹关联处理中，有跟踪门初步筛选所得到的回波成为候选回波，若落入相关波门内的测量值只有1个，则该测量值可被直接用于航迹更新，若有1个以上的回波落入跟踪门内，则要取统计距离最小的候选回波作为目标回波。最近邻算法的优点是计算简单，缺点是在多回波环境下离目标预测位置最近的候选回波并不一定是目标的真实回波，存在误跟和丢失目标的现象。

联合概率数据互联算法(jpda)是bar-shalom等在仅适用单目标跟踪的概率关联算法的基础上提出来的，该算法是杂波环境下对多目标进行数据互联的一种良好的算法，杂波环境下的多目标数据互联技术是多目标跟踪中最重要又最难处理的问题。如果被跟踪的多目标的相关波门不相交，或者没有回波落入波门的相交区域内，此时多目标数据互联问题可简化为多个单目标数据互联的问题，但是如果有回波落入波门的相交区域内，则此时数据互联问题就要复杂的多。

多假设算法(mht)是具有航迹起始、航迹关联、航迹合并、航迹撤消一整套功能的跟踪算法。此算法考虑每个新接收到的量测可能来自新目标，虚警或已有目标，它通过一个有限长度的时间滑窗，建立多个候选假设，并通过假设评估，假设管理(删除、合并、聚类等)技术实现多目标跟踪。在理想假设条件下，mht被认为是处理数据互联的最优方法。它有以下两个特点：将航迹起始(量测与量测互联)和航迹维持(航迹与量测互联)统一在一个框架上处理；其它算法(如最近邻nn、概率数据关联pda、联合概率数据关联jpda等)都看成是它的一个子集。

通过上述列举的算法原理，最近邻算法，联合概率数据互联算法和多假设算法均存在其适用的背景环境，在复杂背景下，jpda算法和mht算法通常需要较多的计算资源来保证算法的性能。为了提高资源利用率，在计算资源允许的范围内保证关联算法的性能，算法的自动调整成为亟待解决的问题。

技术实现要素：

本发明的目的在于提供一种有限计算资源条件下的空间多重密度点航迹关联方法。

实现本发明目的的技术解决方案为：在每一个雷达扫描周期开始时，计算目标航迹的空间分布特点，以距离连通为依据，完成目标航迹在空间上的分布聚类。

完成目标航迹空间上的分布聚类后，计算每一个航迹聚类的雷达点迹相关域的大小。相关域被描述为方位起始，方位结束，距离起始，距离结束。当雷达的扫描波位扫过某一个航迹聚类的雷达点迹相关域后，将落入雷达点迹相关域的雷达点迹存储起来，作为计算统计点迹空间分布特点的对象。

按照每个航迹聚类中的目标航迹个数和其雷达点迹相关域中的点迹个数，将每个周期内产生的航迹聚类及其相关点迹定义为孤立目标相关处理类和多目标相关处理类。依据孤立目标相关处理类和多目标相关处理类的平均处理时延以及待计算的相关处理类个数，估算需占用的计算资源。

当计算资源充足时，对于孤立目标相关处理类采用最近邻算法，对于多目标相关处理类采用多假设算法；当计算资源临界时，对于孤立目标相关处理类采用最近邻算法，对于多目标相关处理类采用联合概率数据互联算法；当计算资源不足时，对于孤立目标相关处理类采用最近邻算法，对于多目标相关处理类采用最近邻算法。

本发明与现有技术相比，其显著优点为：

本发明中采用的最近邻算法，联合概率数据互联算法和多假设算法与现有算法一样，都是基于贝叶斯理论的点航迹关联算法。与现有技术的区别在于，按照距离连通的准则将目标航迹进行空间聚类，并计算空间聚类中目标航迹的空间分布特点，依据目标航迹的空间聚类计算其雷达点迹相关域，并计算相关雷达点迹的空间分布特点，然后估算现有处理需占用的计算资源，最后根据计算资源分配的结果，确定孤立目标相关处理类和多目标相关处理类采用的点航迹关联方法，实现自动调整。

本发明利用空间聚类中目标航迹的空间分布特点和相关域内雷达点迹的空间分布特点，将待进行相关处理的目标和点迹分为孤立目标相关处理类和多目标相关处理类，并结合计算资源的分配状况，自动地调整相关处理类所采用的点航迹关联方法。由于在自动调整的过程中，考虑了点航迹关联算法与航迹点迹空间分布特点的适配性以及计算资源的分配，本发明所提及的方法可以充分发挥最近邻算法，联合概率数据互联算法和多假设算法的优势，并提高了计算资源的利用率，具有更好关联性能及更强的工程实用性。

附图说明

图1本发明基于点航迹空间分布特点和计算资源自动调整点航迹关联方法的流程图。

图2点航迹空间分布特点及计算资源估算设计示意图。

图3自动调整示意图。

具体实施方式

本发明提出了一种有限计算资源条件下的空间多重密度点航迹关联方法，流程如图1所示。

(1)确定一个方位如正北方向0°作为雷达扫描周期的计数方位，当雷达扫描波位扫过该方位时，计算目标航迹的空间分布特点，以距离连通为依据，以两目标关联波门的半径和作为两目标距离连通与否的判决门限，完成目标航迹在空间上的分布聚类。完成目标航迹空间上的分布聚类后，以航迹聚类中目标航迹关联波门的边界作为计算每一个航迹聚类的雷达点迹相关域起始方位，结束方位，起始距离，结束距离的依据。当雷达的扫描波位扫过某一个航迹聚类的雷达点迹相关域的结束方位后，将落入雷达点迹相关域的雷达点迹存储起来，作为计算统计点迹空间分布特点的对象。流程示意图见图2。

(2)按照每个航迹聚类中的目标航迹个数和其雷达点迹相关域中的点迹个数，将每个周期内产生的航迹聚类及其相关点迹定义为孤立目标相关处理类和多目标相关处理类。孤立目标相关处理类被定义为目标航迹数＝1，相关点迹数＝1，多目标相关处理类被定义为目标航迹数>1，相关点迹数>1。依据孤立目标相关处理类的平均处理时延(t1毫秒)和多目标相关处理类的平均处理时延(t2毫秒)以及待计算的相关处理类个数(n1+n2)，估算需占用的计算资源(t1*n1+t2*n2毫秒)。假设雷达扫描周期t＝2000ms。离线估算的孤立目标相关处理类的处理时延：t1＝8ms，离线估算的多目标相关处理类的处理时延：t2＝12ms，当前周期内孤立目标相关处理类的个数：n1＝1，当前周期内多目标相关处理类的个数：n2＝1，则当前所需的计算资源为：t1*n1+t2*n2＝20ms，占用的计算资源比例为：1％，为资源充足状态。流程示意图见图2。

(3)计算资源状态在本发明内被描述为计算资源充足，计算资源临界及计算资源不足。计算资源充足被定义为，占用的计算资源(t1*n1+t2*n2毫秒)<0.5*雷达扫描周期(t毫秒)；计算资源临界被定义为，占用的计算资源(t1*n1+t2*n2毫秒)>0.5*雷达扫描周期(t毫秒)，占用的计算资源(t1*n1+t2*n2毫秒)<0.8*雷达扫描周期(t毫秒)；计算资源不足被定义为，占用的计算资源(t1*n1+t2*n2毫秒)>0.8*雷达扫描周期(t毫秒)。

当计算资源充足时，对于孤立目标相关处理类采用最近邻算法，对于多目标相关处理类采用多假设算法；当计算资源临界时，对于孤立目标相关处理类采用最近邻算法，对于多目标相关处理类采用联合概率数据互联算法；当计算资源不足时，对于孤立目标相关处理类采用最近邻算法，对于多目标相关处理类采用最近邻算法。流程示意图见图3。