一种基于区域相关度的抗差航迹关联方法技术

本发明专利技术针对系统误差下的航迹关联问题，公开了一种基于区域相关度的抗系统误差多传感器航迹关联方法。该方法分析了时变系统误差对航迹的影响，将其用灰区域来描述；定义了区域间的绝对距离以及区域测度的概念，通过分析区域间的相对位置关系，进而求得区域间的相关度，以此来实现航迹关联。该方法抗差性能好，步骤简单，耗时少，具有很强的适用性。

A Robust Track Association Method Based on Region Relevance Degree

【技术实现步骤摘要】
一种基于区域相关度的抗差航迹关联方法
本专利技术涉及一种基于区域相关度的抗差航迹关联方法。
技术介绍
在分布式多目标多传感器跟踪系统中，航迹关联是一项关键技术，旨在判断来自不同传感器的航迹哪些来自同一目标，然后合并同源航迹，提高航迹的准确性。在现实中，雷达探测过程受到系统误差的影响，得到的目标航迹量测值与目标真实位置存在偏差，导致航迹关联的正确率大大降低。对此，目前主要方法是先对航迹进行误差配准，之后再进行航迹关联。准确的航迹关联是以精准的误差配准为前提，而高精度的误差配准又需以准确的航迹关联为基础，它们两个互为前提。因此研究在带有系统误差的情况下如何进行航迹关联是很有必要的。目前已有的抗系统误差航迹关联方法，大多通过多次迭代计算，方法耗时较为严重；同时方法的适用条件一般都比较苛刻，适用性较差。因此迫切需要一种更好的方法解决大系统误差条件下航迹关联问题。
技术实现思路
为了克服现有技术的缺陷，本专利技术公开了一种基于区域相关度的抗差航迹关联方法。本专利技术分析了时变系统误差对航迹的影响，将其用灰区域来描述。定义了区域间的绝对距离以及区域测度的概念，通过分析区域间的相对位置关系，进而求得区域间的相关度，以此来实现航迹关联。为了实现本专利技术的目的，本专利技术提供了一种基于区域相关度的抗差航迹关联方法。所述航迹关联方法，包括以下步骤：步骤一，根据目标真实位置存在的扇形灰区域，计算不同雷达之间的灰区域中心、灰区域之间的绝对距离d1和灰区域测度；所述灰区域中心为扇形灰区域角平分线的中点，所述灰区域之间的绝对距离d1为不同灰区域中心之间的欧式距离，所述灰区域测度为所述灰区域内点到灰区域中心的欧式距离最大值,所述扇形灰区域由雷达量测值和雷达系统误差范围推算得到；步骤二，根据所述灰区域中心、灰区域之间绝对距离d1、灰区域测度，计算灰区域之间的区域相关度其中，σa、σb分别为不同灰区域的灰区域测度；步骤三，根据航迹之间的区域相关度，计算航迹间的区域灰关联度ζlj，进而实现航迹关联；航迹间区域灰关联度的计算方法为：其中，ρ为灰关联分辨系数，κij为雷达1的航迹i和雷达2的航迹j间的区域相关度。与现有技术相比，本专利技术具有如下有益效果：①抗系统误差性能好。本专利技术中的关联方法将系统误差对航迹的影响区域化描述，并且根据区域间的相对位置关系求得航迹间的相关度，对系统误差抗性好。②适用性强。本专利技术中，方法在任何条件下均能保持很高的性能，同时方法步骤简单，耗时短，因此在实际应用中适用性更强。附图说明图1是系统误差灰区域示意图。图2是区域间相对位置关系示意图。具体实施方式下面结合附图和实施例对本专利技术作进一步详细描述。为了解决现有技术中存在的技术问题，专利技术人分析了时变系统误差对航迹的影响，将其用灰区域来描述。定义了区域间的绝对距离以及区域测度的概念，通过分析区域间的相对位置关系，进而求得区域间的相关度，以此来实现航迹关联。假设异地配置的两部2D雷达A(0,0)、B(xs,0)同时对目标区域内Ns批目标进行跟踪探测。同一处理周期内，雷达探测数目均为Ns，k时刻雷达A的探测航迹集合Γa(k)为：式中，表示雷达A在k时刻对目标i探测得到的航迹量测值。k时刻雷达B的探测航迹集合Γb(k)为：式中，表示雷达B在k时刻对目标j探测得到的航迹量测值。步骤一，推算目标真实位置存在区域：雷达对目标进行观测时，由于受到时变系统误差以及随机误差的影响，雷达量测值与目标真实值相比存在偏移和旋转。以雷达A为例，雷达量测值即：式中，为目标量测值，r、θ为目标真实值，Δra、Δθa为雷达测距、测角系统误差，其范围为(0,Δram)、(0,Δθam)，为随机误差。随机误差引起的目标位置变化较小，在此处忽略随机误差对航迹的影响。那么根据雷达量测值和时变系统误差的范围，可以推算得到目标真实位置存在的区域，即：目标真实位置区域为一扇形区域，称其为系统误差灰区域，如图1所示。目标真实位置必定在该系统误差灰区域内。步骤二，根据所述灰区域值，计算不同雷达之间的灰区域中心、灰区域之间的绝对距离和灰区域测度：取系统误差灰区域中心，即：定义两系统误差灰区域中心距离为区域间绝对距离，即：式中，xoa、yoa为雷达A的系统误差灰区域中心，xob、yob为雷达B的系统误差灰区域中心。当区域大小一定时，区域间绝对距离越大，两区域就越远；而当区域大小不固定时，绝对距离也就不能完全表示两区域位置关系上的远近。因此引入区域测度的概念，以此来描述区域的大小。系统误差灰区域是一扇形区域，取区域内到区域中心点距离的最大值为测度。区域测度越大，区域也就越大。要求扇形区域内到区域中心的最远点，即求一个以区域中心位圆心的最小覆盖圆的半径，而对于覆盖圆来说，其弧度必定远远大于扇形边界的弧度。以雷达A为例，灰区域的测度即：式中，A、B、C、D是灰区域四个端点，O是灰区域中心。步骤三，计算区域相关度矩阵：将雷达A探测得到的Ns条航迹看作已知航迹，将雷达B探测的Ns条航迹看作待识别航迹，取k时刻雷达A探测的Ns条航迹值与雷达B探测的第j条航迹值组成Ns+1行航迹关联决策矩阵，即：式中，表示雷达A在k时刻探测的第i条航迹值所形成的系统误差灰区域的中心坐标；表示雷达A在k时刻探测的第i条航迹值所形成的系统误差灰区域的测度。定义区域相关度为：区域相关度能够表示两区域的位置关系。当两区域中心重合时，此时两区域相关度最高，为1；随着两目标区域间绝对距离的增大，区域相关度不断减小；同时，当区域间绝对距离一定时，随着区域测度的增大，区域相关度也就越大。将Ns条已知航迹与待识别航迹j进行比较，运用上述方法，计算航迹之间的区域相关度，形成区域相关度矩阵Τ，即：式中，κij为航迹i的系统误差灰区域和航迹j的系统误差灰区域之间的区域相关度。步骤四，计算航迹间的区域灰关联度：计算已知航迹l与待识别航迹j间的区域灰关联度ζlj，即：式中，ρ为灰关联分辨系数，这里取0.5。ζlj直接体现了已知航迹l与待识别航迹j直接的相似度，ζlj越大，两航迹来自同一目标的概率也就越大。航迹关联采取最大区域灰关联度原则，即若则认为已知航迹l与待识别航迹j关联。实施例假设两部异地配置的2D雷达的坐标为(0,0)、(100km，0)。目标初始位置在50km×50km的矩形区域内随机产生，目标做匀速直线运动，初始速度方向和大小在0～2πrad和200～400m/s随机产生。雷达采样周期为1s，目标批次为20。雷达A的测距、测角系统误差为0.5km、0.5rad，雷达B的测距、测角系统误差为-0.5km、-0.5rad。采用本专利方法计算相似度，对来自两部雷达的航迹进行关联。采用本专利技术提出的关联方法，上述设计要求可按如下技术措施实施。首先读取来自两雷达的数据：其中，分别表示雷达A和雷达B的第i个航迹文件，雷达探测目标航迹数为20。对雷达探测数据进行数据预处理，如图2所示，得到每个航迹值的系统误差灰区域中心坐标以及区域测度，即：系统误差灰区域中心：雷达A灰区域四个端点A、B、C、D的坐标：Xa＝Ra·Φa1Ya＝Ra·Φa2(17)式中，雷达B灰区域四个端点E、F、G、H的坐标：Xa＝Ra·Φa1Ya＝Ra·Φa2(18)式中，雷达A、B的灰区域测度为：在第k个融合周期内，取雷达B本文档来自技高网...

【技术保护点】
1.一种基于区域相关度的抗差航迹关联方法，其特征在于，包括以下步骤：步骤一，根据目标真实位置存在的扇形灰区域，计算不同雷达之间的灰区域中心、灰区域之间的绝对距离d1和灰区域测度；所述灰区域中心为扇形灰区域角平分线的中点，所述灰区域之间的绝对距离d1为不同灰区域中心之间的欧式距离，所述灰区域测度为所述灰区域内点到灰区域中心的欧式距离最大值；步骤二，计算灰区域之间的区域相关度

【技术特征摘要】
1.一种基于区域相关度的抗差航迹关联方法，其特征在于，包括以下步骤：步骤一，根据目标真实位置存在的扇形灰区域，计算不同雷达之间的灰区域中心、灰区域之间的绝对距离d1和灰区域测度；所述灰区域中心为扇形灰区域角平分线的中点，所述灰区域之间的绝对距离d1为不同灰区域中心之间的欧式距离，所述灰区域测度为所述灰区域内点到灰区域中心的欧式距离最大值；步骤二，计算灰区域之间的区域相关度其中，σa、σb分别为不同灰区域的灰区域测度；步骤三，根据航迹之间的区域相关度，计...

【专利技术属性】
技术研发人员：衣晓，周威，关欣，赵志勇，周正，
申请(专利权)人：中国人民解放军海军航空大学，
类型：发明
国别省市：山东,37