一种拓扑辅助的鲁棒联合关联与配准方法技术

本发明专利技术公开了一种拓扑辅助的鲁棒联合关联与配准方法，能够实现密集目标和大虚警环境下多部传感器量测的准确关联与配准。本发明专利技术通过关联与配准步骤的交替迭代来实现相互优化，在每步迭代中，首先，基于配准结果，采用一种基于欧式距离和拓扑部分匹配相似度的复合关联代价函数，构建线性分配问题求解关联矩阵；然后，基于关联结果，采用Gauss

【技术实现步骤摘要】
一种拓扑辅助的鲁棒联合关联与配准方法


[0001]本专利技术涉及多源数据融合领域，具体涉及多部雷达协同观测系统的关联与配准方法。

技术介绍

[0002]关联与配准是多传感器融合系统中的两个相互耦合的过程，目标关联的核心是为不同传感器的观测数据建立对应关系，传感器配准问题是对量测偏差进行估计并予以校正，从而保证多平台多传感器系统能够实现正确有效的信息融合。受传感器偏差影响，来自各传感器的有偏量测难以直接进行关联，而传感器偏差估计又需要已知关联结果。针对此问题，一类方法使用对偏差不敏感的特征差异作为关联代价函数，独立进行关联与配准，但缺点在于易受虚警和漏检的干扰。另一类方法联合求解关联与配准问题，通过关联与配准步骤的交替迭代来实现相互优化。然而，鸟群等集群飞行目标分布密集、雷达探测存在大量漏检和虚警，在此复杂场景下，联合关联与配准算法迭代初期会不可避免地产生错误关联，当错误关联较大会影响偏差估计结果，导致出现误差积累影响最终关联效果；同时，由于量测偏差的存在，仅利用欧式距离进行关联易导致关联错误，而仅利用局部结构特征的算法易受虚警和漏检的影响，并且难以区分局部结构特征相似的目标，因此亟需将两者结合以提升关联性能。

技术实现思路

[0003]为克服现有技术存在的问题，本专利技术提供了一种拓扑辅助的鲁棒联合关联与配准方法，能够实现多部传感器在大虚警场景下对密集目标量测点迹的准确关联与配准。
[0004]有益效果：
[0005]本专利技术在联合关联与配准算法框架下，构建了一种基于欧式距离和拓扑部分匹配相似度的复合关联代价函数，以提高大虚警场景下的关联性能；同时，构建非线性最小二乘方程组，结合最小中值平方估计方法进行传感器偏差估计，以减小算法迭代过程中的误差积累；能够实现大虚警和密集目标场景下多部传感器量测的关联与配准问题。
[0006]本专利技术中，联合关联与配准算法的具体过程是：关联与配准步骤交替迭代进行；在每步迭代中，首先，基于配准结果，采用一种基于欧式距离和拓扑部分匹配相似度的复合关联代价函数，构建线性分配问题求解关联矩阵，并且设置一个随着迭代逐步衰减的关联门限，以拒绝虚警对目标关联的影响；然后，基于关联结果，采用Gauss
‑
Seidel迭代方法求解非线性最小二乘问题，结合最小中值平方估计器获得传感器偏差的鲁棒估计，并基于偏差估计结果配准量测；重复执行上述关联和配准步骤，直至偏差估计结果趋于稳定或达到最大迭代次数，即得到最终的关联匹配结果和配准后的量测。
附图说明
[0007]图1为本专利技术联合关联与配准方法整体流程图。
[0008]图2为本专利技术具体实施案例中仿真场景示意图。
[0009]图3为本专利技术具体实施案例中关联与配准结果图。
具体实施方式
[0010]下面结合附图并举实施例，对本专利技术进行详细描述。
[0011]本专利技术为一种联合关联与配准方法，设有2部传感器共同观测同一批目标，各传感器观测到N
s
个目标，则传感器量测为x
s,i
＝[r
s,i
,θ
s,i
,η
s,i
]T
(i＝1,2,...,N
s
；s＝1,2)，传感器具有测距和测角偏差ξ
s
＝[Δr
s
,Δθ
s
,Δη
s
]T
，本专利技术通过关联与配准步骤的交替迭代，实现量测之间的关联匹配，同时估计传感器偏差，方法流程如图1所示，具体包括如下步骤：
[0012]步骤1：设置初始传感器偏差均为0，并初始化关联门限、最大迭代次数等算法参数。
[0013]步骤2：固定传感器偏差，求解关联矩阵。首先利用传感器偏差的初始值或上一迭代所得估计值来校正量测和校正后两部雷达的量测表示为和求解如下关联问题：
[0014][0015]其中，P表示关联矩阵，由0
‑
1二值元素p
ij
组成，s
ij
表示y
1,i
和y
2,i
之间的关联代价函数，λ表示用于拒绝错误关联的门限，防止过多点不匹配。上述问题为一个线性分配问题，可通过Jonker
‑
Volgenant算法求解。
[0016]在多传感器关联问题中，关联代价函数的选择尤为重要。考虑到量测偏差的影响，将拓扑特征引入传统的欧式距离代价函数以辅助关联。目标参照拓扑的定义为：对于某一目标量测点x
s,i
，选择其邻居目标组成参照量测集，将参照量测集中所有的元素与x
s,i
的差向量构成的集合，称为x
s,i
的参照拓扑。为约束集合中的元素数目，给定数目上限Nt，构造出x
s,i
的Nt
‑
最近邻参照拓扑其中表示雷达s的第i个目标的参照拓扑中的第k个元素。计算两部传感器量测的拓扑部分匹配相似度D(T
1,i
,T
2,j
)，构造复合代价函数如下：
[0017]s
ij
(x
1,i
,x
2,j
)＝α||x
1,i
‑
x
2,j
||2+(1
‑
α)f(D(T
1,i
,T
2,j
))
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(2)
[0018]其中，||x
1,i
‑
x
2,j
||2为量测之间的欧式距离，α为特征加权系数，f(g)为缩放函数，将第二项与第一项变换至同一取值区间。
[0019]由于虚警、漏检会对参照拓扑结构造成干扰，进而影响关联匹配性能，因此在D(T
1,i
,T
2,j
)的计算中，利用参照拓扑的Nt个元素中最相似的K个元素计算拓扑相似度，下文中将K取值为3，Nt取值为5。拓扑部分匹配相似度的数学表达式为：
[0020][0021]其中，h为参照拓扑元素的分配矩阵，n
1,i
和n
2,j
分别代表两个参照拓扑的元素个数(n
1,i
,n
2,j
≤Nt)，q
h
表示h中的配对数目(q
h
＜K)；2K
‑
q
h
表示两集合中的孤立点数目与配对数目之和，2K
‑
2q
h
表示两集合中的孤立点总和；为两个参照拓扑中元素之间的欧式距离，c表示孤立点的惩罚距离，p表示阶参数，一般取p＝2；设置关联门限g，若||x
1,i
‑
x
2,j
||2＞g，则直接令D(T
1,i
,T
2,j
)＝c。
[0022]分配矩阵h需要满足：...

【技术保护点】

【技术特征摘要】
1.一种拓扑辅助的鲁棒联合关联与配准方法，其特征在于，包括如下步骤：联合关联与配准方法通过关联和配准两个步骤交替迭代来实现；在每步迭代中，首先，基于上一次迭代中对两部雷达的量测点迹的配准结果，采用一种基于欧式距离和拓扑部分匹配相似度的复合关联代价函数，构建线性分配问题求解关联矩阵，获得关联量测对，并且设置一个随着迭代逐步衰减的关联门限，以拒绝虚警对目标关联的影响；然后，基于所有的关联量测对，构建非线性最小二乘方程组，结合最小中值平方估计方法进行传感器偏差估计，并基于偏差估计结果配准量测；重复执行上述关联和配准步骤，直至偏差估计结果趋于稳定或达到最大迭代次数，即得到最终的关联匹配结果和配准后的量测。2.如权利要求1所述的方法，其特征在于，在关联矩阵的求解过程中，使用了一种基于欧式距离和拓扑部分匹配的复合关联代价函数：s
ij
(x
1,i
,x
2,j
)＝αx
1,i
‑
x
2,j2
+(1
‑
α)f(D(T
1,i
,T
2,j
))其中，x
1,i
,x
2,j
分别表示两部传感器的量测，x
1,i
‑
x
2,j2
为量测之间的欧式距离，D(T
1,i
,T
2,j
)为量测之间的拓扑部分匹配相似度，α为特征加权系数，f(g)为缩放函数，将第二项与第一项变换至同一取值区间。3.如权利要求1所述的方法，其特征在于，在传感器偏差估计过程中，基于任意两对关联量测对，构建非线性最小二乘问题求解偏差估计结果，之后采用最小中值平方估计方法选择一组偏差估计...

【专利技术属性】
技术研发人员：王锐，倪娜，姜琦，毛华锋，张济川，胡程，
申请(专利权)人：北京理工大学，
类型：发明
国别省市：