一种基于运动趋势的轨迹关联方法技术

本发明专利技术涉及一种基于运动趋势的轨迹关联方法，属于无源定位跟踪技术领域。星载无源定位系统，对目标的定位精度较低，当不同卫星平台对机动目标（如飞机）的进行航迹关联时，航迹特征提取面临新的挑战。针对该问题，本发明专利技术以机动目标的整体航迹为研究对象，通过经验模态分解，提取运动目标航迹的运动趋势，作为“航迹特征”，不管目标如何机动，整体运动趋势会体现“此段运动”的目的，因此机动目标航迹的运动趋势体现了其航迹的关键特征；对于不同卫星平台获取的目标航迹，因采样率、采样时刻不同而出现的航迹点数对不齐的情况，利用动态时间规整的方法对不同飞机航迹序列之间进行同步处理。的方法对不同飞机航迹序列之间进行同步处理。

【技术实现步骤摘要】
一种基于运动趋势的轨迹关联方法


[0001]本专利技术涉及一种基于运动趋势的轨迹关联方法，属于无源定位跟踪
，特别涉及一种异源异构轨迹关联的方法。

技术介绍

[0002]在无源定位跟踪应用中，目标的定位精度较低，导致目标航迹的运动特征被定位的随机误差所淹没，如星载无源定位系统中，当定位精度达到公里级，观测对象为飞机等具有复杂机动的目标时，目标航迹具有布朗运动轨迹的特点，如果直接进行关联，难以判断两个航迹是否为同一目标的航迹，这对航迹关联提出了更高的技术挑战。
[0003]为了解决上述技术挑战，文献（郭文艳,韩崇昭,雷明.基于EMD和灰关联技术的航迹关联方法[J].控制与决策,2008(07):803
‑
807.DOI:10.13195/j.cd.2008.07.85.guowy.016.），利用经验模态分解(Empirical Mode Decomposition, EMD)方法将航迹分解得到的IMF分量矩阵进行奇异值分解，最后计算以奇异值为特征向量的灰关联度。但此方法的灰色关联，需要设定合适的阈值；将所有IMF都作为运动特征的输入，对于定位精度差的轨迹，将定位误差也作为了特征提取的输入。基于EMD的特征提取方法，文献（李振兴.结合经验模态分解的振动信号趋势项提取方法[J].飞行器测控学报,2011,30(01):56
‑
60.）：利用EMD的方法将航迹分解为多个固有模态函数（IMF）分量和余量，根据振动信号过零点特性,对属于趋势项的IMF分量进行最小二乘法拟合,得到最终的趋势项。该方法只针对振动信号预处理中提取和消除运动趋势的问题，并没有应用在运动趋势、解决航迹关联的问题上。

技术实现思路

[0004]本专利技术的技术解决问题是：克服现有技术的不足，为了解决星载无源定位精度低，航迹难以关联的问题，提出一种基于运动趋势的轨迹关联的方法。
[0005]本专利技术的技术解决方案是：一种基于运动趋势的轨迹关联方法，该方法的步骤包括：步骤一，通过卫星平台1获取e条飞机航迹，并对获取的e条飞机航迹分别进行EMD分解，得到对应的e个飞机的运动趋势，通过卫星平台2获取f条飞机航迹，并对获取的f条飞机航迹分别进行EMD分解，得到对应的f个飞机的运动趋势；e个飞机的运动趋势分别为E1、E2、
…
，Ee，f个飞机的运动趋势分别为F1、F2、
…
，Ff；步骤二，对步骤一通过卫星平台1得到的e个飞机的运动趋势中的任一个均与通过卫星平台2得到的f个飞机的运动趋势分别进行航迹点数对齐，得到与卫星平台1上e个飞机的运动趋势相对应的e
×
f个对齐后的飞机的运动趋势以及与卫星平台2上f个飞机的运动趋势相对应的e
×
f个对齐后的飞机的运动趋势；即将E1与F1、F2、
…
，Ff分别进行航迹点数对齐，E2与F1、F2、
…
，Ff分别进行航迹点数对齐，
…
，Ee与F1、F2、
…
，Ff分别进行航迹点数对齐；
步骤三，提取步骤二中卫星平台1与卫星平台2上相对应的e
×
f个对齐后的飞机的运动趋势之间的特征集合，设第一个对齐后的飞机的运动趋势之间的特征集合为H1，以此类推，第二个对齐后的飞机的运动趋势之间的特征集合为H2、
…
，第e
×
f个对齐后的飞机的运动趋势之间的特征集合为H
e
×
f
；步骤四，对步骤三得到的每个特征集合中的多个特征进行关联匹配，对于关联的航迹，计算代价函数；对于不关联的航迹，代价函数直接赋予1000，然后使用匈牙利算法对代价函数矩阵进行全局最优分配，完成基于运动趋势的轨迹关联，即特征集合为H1中的多个特征进行关联匹配，特征集合为H2中的多个特征进行关联匹配，
…
，特征集合为H
e
×
f
中的多个特征进行关联匹配。
[0006]所述步骤一中，对获取的飞机航迹进行EMD分解的具体方法为：对飞机航迹进行EMD分解，得到多个IMF分量和一个EMD余量，将周期小于航迹的运行的总时间的IMF分量和EMD余量进行求和，得到飞机的运动趋势（Motion Trend, MT），公式为：其中，n为航迹的IMF个数，为周期小于航迹的运行的总时间的IMF分量，是EMD余量，表示航迹分量的周期，T表示航迹的运行的总时间；周期小于航迹的运行的总时间的IMF分量的获取方法为：对得到的每个IMF分量进行频谱分析，得到每个IMF分量的周期，选取周期小于航迹的运行的总时间的IMF分量；所述步骤二中，对飞机的运动趋势进行航迹点数对齐的方法为：动态时间规整方法；所述步骤三中，特征集合中的特征包括一阶相似性向量差均值、二阶相似性向量差均值、豪斯多夫距离和运动趋势差；一阶相似性向量差为：一阶相似性向量差为：一阶相似性向量差为：其中，m为对齐后的飞机的运动趋势的航迹序列的点数，为对齐后的两运动趋势之间在x方向的第j个速度差信息，为对齐后的两运动趋势之间在y方向的第j个速度差信息，为对齐后的两运动趋势之间在z方向的第j个速度差信息；j=1，2，3，
…
，m
‑
1；二阶相似性向量差为：二阶相似性向量差为：二阶相似性向量差为：
其中，为对齐后的两运动趋势之间在x方向的第j个加速度差信息，为对齐后的两运动趋势之间在y方向的第j个加速度差信息，为对齐后的两运动趋势之间在z方向的第j个加速度差信息；运动趋势差为对齐后的两运动趋势的正比例函数拟合后的系数差；所述步骤四中，对多个特征进行关联匹配时，当特征集合中的四个特征的绝对值同时小于各自的阈值时，判断为两运动趋势关联；当特征集合中的四个特征的绝对值有任一不小于其阈值时，判断为两运动趋势不关联；设一阶相似性向量差均值的阈值为a，豪斯多夫距离的阈值为c，已知的两相关联的运动趋势的运行时间为t；二阶相似性向量差均值的阈值为b，运动趋势差的阈值为d；已知的两相关联的运动趋势的最大速度为v；则a=c/t，b=v/t，d=c/t，c为已知的两相关联的运动趋势的最大豪斯多夫距离；所述第四步中，代价函数为：其中，为两运动趋势在x方向的运动趋势差，为两运动趋势在y方向的运动趋势差，为两运动趋势在z方向的运动趋势差；H为两运动趋势的豪斯多夫距离。
[0007]有益效果（1）本专利技术方法，以飞机的整体航迹作为研究对象，利用经验模态分解提取出飞机航迹的运动趋势，把运动趋势作为“特征航迹”，不管飞机如何机动，此“特征航迹”会体现“此段运动”的目的性，即运动是有规律的，因此飞机航迹的运动趋势体现了飞机航迹的最本质特征；（2）本专利技术方法，将不同卫星平台获取的飞机航迹因采样时刻不相等而出现的航迹点数对不齐的情况，利用动态时间规整的方法对不同飞机航迹序列之间进行一一对应的同步处理，即飞机航迹点数对齐。此方法不会改变飞机航迹本身的趋势特征，并且将两条飞机航迹之间的相似性体现到最大，在航迹关联判断中尽量做到了不漏本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于运动趋势的轨迹关联方法，其特征在于该方法的步骤包括：步骤一，通过卫星平台1获取e条飞机航迹，并对获取的e条飞机航迹分别进行EMD分解，得到对应的e个飞机的运动趋势，通过卫星平台2获取f条飞机航迹，并对获取的f条飞机航迹分别进行EMD分解，得到对应的f个飞机的运动趋势；步骤二，对步骤一通过卫星平台1得到的e个飞机的运动趋势中的任一个均与通过卫星平台2得到的f个飞机的运动趋势分别进行航迹点数对齐，得到与卫星平台1上e个飞机的运动趋势相对应的e
×
f个对齐后的飞机的运动趋势以及与卫星平台2上f个飞机的运动趋势相对应的e
×
f个对齐后的飞机的运动趋势；步骤三，提取步骤二中卫星平台1上的e
×
f个对齐后的飞机的运动趋势与卫星平台2上的e
×
f个对齐后的飞机的运动趋势之间对应的特征集合；步骤四，对步骤三得到的每个特征集合中的多个特征进行关联匹配，完成基于运动趋势的轨迹关联。2.根据权利要求1所述的一种基于运动趋势的轨迹关联方法，其特征在于：所述步骤四中，对每个特征集合中的多个特征进行关联匹配时，对于关联的航迹，计算代价函数值，对于不关联的航迹，代价函数值直接赋予1000，将所有航迹的代价函数值形成代价函数矩阵，然后使用匈牙利算法对代价函数矩阵进行全局最优分配。3.根据权利要求1或2所述的一种基于运动趋势的轨迹关联方法，其特征在于：所述步骤一中，对获取的飞机航迹进行EMD分解的具体方法为：对飞机航迹进行EMD分解，得到多个IMF分量和一个EMD余量，将周期小于航迹的运行的总时间的IMF分量和EMD余量进行求和，得到飞机的运动趋势，公式为：其中，n为航迹的IMF个数，为周期小于航迹的运行的总时间的IMF分量，是EMD余量，表示航迹分量的周期，T表示航迹的运行的总时间。4.根据权利要求3所述的一种基于运动趋势的轨迹关联方法，其特征在于：所述周期小于航迹的运行的总时间的IMF分量的获取方法为：对得到的每个IMF分量进行频谱分析，得到每个IMF分量的周期，选取周期小于航迹的运行的总时间的IMF分量，得到周期小于航迹的...

【专利技术属性】
技术研发人员：齐春东，陆凯，
申请(专利权)人：北京理工大学，
类型：发明
国别省市：