【技术实现步骤摘要】
一种基于非互斥证据理论框架的多传感器目标关联方法
[0001]本专利技术属于多传感器目标融合与跟踪
,具体涉及一种多传感器目标关联方法
。
技术介绍
[0002]多传感器目标关联是确定目标在多个传感器之间来源的技术,是多传感器多目标融合与跟踪的前提和关键
。
随着场景中目标数量
、
运动特征的不确定性不断提高,多传感器目标之间的关联关系变得更加模糊和复杂,造成目标关联的困难,影响后续的多传感器目标融合与跟踪
。
现有的多传感器目标关联方法分为概率模型法和数据驱动法
。
概率模型法是通过先验信息构建初始目标的运动模型,将待关联的目标信息与初始目标运动模型进行概率匹配,实现对多传感器目标的关联
。
该类型方法过度依赖场景和目标的先验信息,在处理目标具有不确定性和变化性的场景中,不具备较好的关联效果
。
数据驱动法是通过分析
、
结合待关联目标的不同属性信息,例如空间位置
、
速度方位
、
类型等,利用聚类
、
概率统计
、
神经网络等技术手段自动将待关联的多传感器目标进行匹配
。
相较于概率模型法,数据驱动法无需先验信息,且对不同场景具有一定的自适应性
。
[0003]证据理论框架下多传感器目标关联具体是指,将目标之间的关联关系表示为辨识框架中的元素,根据目标之间的空间位置距离
、
识别
【技术保护点】
【技术特征摘要】
1.
一种基于非互斥证据理论框架的多传感器目标关联方法,其特征在于,包括如下步骤:步骤1:对多传感器下的目标与其他待关联目标之间的关联关系进行证据建模,建模方法如下;步骤1‑1:对于任意两个目标,考虑到它们之间的关联关系具有不确定性,基于证据理论构建表示目标之间关联关系的辨识框架
Ω
=
{y,n}
,其中,
y
表示两个目标之间关联,
n
表示两个目标之间不关联;步骤1‑2:根据步骤1‑1中构建的辨识框架
Ω
,将两个目标之间的关联关系表示为如下的
BPA
形式:
m:{m(y),m(n),m(y,n)}
在该
BPA
中,
m(y)
表示两个目标之间关联的置信度,
m(n)
表示两个目标之间不关联的置信度,
m(y,n)
表示两个目标之间关联关系未知的置信度;步骤2:在辨识框架
Ω
中,基于目标空间位置距离和信息来源差异两种属性,对两个目标之间关联关系的置信度进行计算,计算方法如下:步骤2‑1:两个目标之间的关联关系与它们的空间位置距离有关,假设目标之间的距离为
d
,则它们之间关联关系的置信度分别为:其中,
m
p
(
·
)
表示目标之间关联关系的空间位置距离置信度,
α
∈[0,1]
表示传感器对目标信息探测的可靠程度,
I
表示目标之间的空间位置相似度,由距离
d
和阈值
D
计算得出:步骤2‑2:两个目标之间的关联关系还与它们是否来源于同一传感器有关,由于传感器在同一时刻对每个目标只进行一次探测,因此两个来源于相同传感器的目标必定不关联;则目标之间信息来源差异的关联关系置信度计算方法如下:其中,
w
s
表示目标来源于不同传感器时关联关系未知的置信度,用于量化目标信息来源差异的不确定程度;步骤2‑3:将目标之间空间位置距离关联关系置信度
m
p
(
·
)
与信息来源差异关联关系置信度
m
s
(
·
)
进行融合,融合方法采用
Dempster
组合规则:
m
=
m
p
⊕
m
s
⊕
表示
Dempster
融合算子符,融合后的目标之间关联关系的置信度如下:
步骤3:考虑到多传感器目标关联对象的非唯一性和非互斥证据理论中辨识框架元素的非互斥性,将不同目标之间的关联关系
BPA
扩展至非互斥辨识框架
Θ
i,.
=
{X
(i,1)
,
…
,X
(i,j)
,
…
,X
(i,M)
,X
(i,*)
}
下;
Θ
i,.
表示目标
i
与其他目标的关联关系集合,
M
表示待关联目标总数,
X
(i,j)
表示目标
i
与待关联目标
j
的关联关系,
X
(i,*)
表示目标
i
不与任何目标关联这一情形;对于目标
i
与待关联目标
j
的关联关系
X
(i,j)
,其置信度包括:
(1)
目标
i
与待关联目标
j
关联的置信度
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。