一种航迹关联不确定度评定方法技术

一种航迹关联不确定度评定方法，其步骤如下：（１）生成若干个待评航迹对；（２）目标航迹信息时间、空间对准；（３）构造参评目标航迹集合；（４）计算标准化航迹似然度；（５）计算用于描述传感器虚情、漏情和未检测区域的修正因子；（６）计算统计偏差矢量的标准差；（７）计算用于描述目标分布的修正因子；（８）计算航迹对的航迹关联不确定度。其优点在于：综合考虑了传感器探测能力、目标分布等因素对航迹关联不确定度的影响；能够合理反映目标间隔距离、传感器测量误差、航迹关联的正确性、检测概率等与航迹关联不确定度之间的关系；评定结果对传感器的系统误差、在评定中使用的传感器精度参数等不敏感；本发明专利技术可以用于构建自适应型、学习型或智能型航迹数据融合系统。

【技术实现步骤摘要】

本专利技术属于(fl、指挥控制或情报处理
，具体涉及一种航迹关联不确定度评定方法，该方法可以用于对多源航迹关联处理过程判定的关联航迹来源于同一个目标的 可疑程度进行评定。
技术介绍
数据融合是对来自多传感器的数据进行再处理的过程，因此，传感器、目标及其环 境的特征是数据融合系统设计与参数整定的重要依据，它们对数据融合算法及其控制参数 的选取起着关键作用。在实际应用中，由于目标及其环境的特征提取也依赖于传感器的目 标探测数据，因此，传感器的探测性能以及对传感器探测性能掌握的准确程度，从根本上影 响数据融合系统生成融合态势的性能。 通常，传感器的探测精度和探测系统误差都是缓时变的过程随着时间推移，传感 器的探测精度会变差、系统误差会变大。传感器误差特性的变化，使得融合系统的数据关联 与合成算法的原有参数的适用性降低。在线、自动地估计出传感器系统误差和精度等重要 参数、并用于对传感器输入数据进行修正，是一种构建自适应型、学习型或智能型数据融合 系统的有效途径。 一种自适应航迹融合系统可以采用如图l所示的结构，它由数据预处理、 航迹关联、航迹关联不确定度评定、传感器系统误差与精度等参数估计、航迹合成等模块组 成，其中，数据预处理、航迹关联、航迹关联不确定度评定、传感器系统误差与精度参数估计 等四个模块共同构成自适应回路。 现有的传感器系统误差与精度等参数估计方法大部分是基于能够获得正确的多 源目标关联关系这一前提。但实际上，多源数据融合系统总会存在错误关联，无法做到航迹 关联判定总是正确的。为此，在传感器系统误差与精度等参数估计过程中，需要依靠人工进 行航迹关联关系筛选，以避免错误的目标关联关系对传感器系统误差与精度等参数估计造 成不良影响。由于需要人工参与，传感器系统误差与精度等参数的在线估计难以实现自动 化。
技术实现思路
本专利技术的目的在于提供了，该方法用于对多源航迹关联处理过程判定的关联航迹来源于同一个目标的可疑程度进行评定。 本专利技术，其步骤如下 (1)生成若干个待评航迹对将来源于多个传感器的关联航迹，根据应用的需要， 生成若干个两两传感器的关联航迹的航迹对，对于每一个航迹对的航迹关联不确定度评定 分别按第(2)步至第(8)步进行； (2)目标航迹信息时间、空间对准将两传感器的异步、不同空间基准的航迹数 据，转换成相同时间和空间基准的航迹数据； (3)构造参评目标航迹集合为减小传感器系统误差的影响，需要限定参评目标4航迹的空间分布范围，将在一定空间范围内的目标航迹构成参评目标航迹集合； (4)计算标准化航迹似然度分别计算待评航迹对中的一个航迹与另一航迹的产 生信源的参评航迹集合中各航迹的统计距离，并基于此，修正待评的一对航迹的统计距离， 形成标准化航迹似然度； (5)计算用于描述传感器虚情、漏情和未检测区域的修正因子以传感器以往统 计数据、当前输出的航迹数据以及传感器探测能力，计算相应的修正因子； (6)计算统计偏差矢量的标准差为减小传感器系统误差的影响，对参评航迹对 集合中的每一对航迹分别计算统计偏差矢量，并计算其标准差； (7)计算用于描述目标分布的修正因子以统计偏差矢量的标准差和目标分布的 统计距离的比值来考察目标分布的相对密集程度； (8)计算航迹对的航迹关联不确定度将第(2)步至第(7)步计算出的中间结果进行综合，形成航迹对的航迹关联不确定度的评定结果。 所述步骤(7)，按照下述方法计算用于描述目标分布的修正因子 用yip(t)表示航迹，t表示时间，下标中的两个字母ip分别表示信源号i和航迹号P。根据在第(3)步中待评估的航迹对(yip(t)， yjq(t))所构造的信源j的参评航迹集Aj，在Aj中以yjr(t)表示与航迹yj,(t)的"统计距离"最近的航迹，在该步骤里，"统计距离"被定义为z),〗w:v;^力(0，式中vip,jq(t)为两航迹yip(t)禾口yjq(t)的误差协方差矩阵之和。 计算用于描述目标分布的修正因子 rD (i ， p) = c X (3ip, jq (t)) /Dip (t) 其中，X^p,j,(t))为根据第(6)步计算出的统计偏差矢量的标准差，c为修正强度因子，一般在区间(2. 5， 5. 5)之间取值，建议取4.0。 所述步骤(8)，按照下述方法计算航迹关联不确定度 根据第(4)步、第(6)步、第(7)步的计算结果，计算yip(t)的航迹修正似然度 aip(t):=="如(/产(U))W 其中，a^(t)为yip(t)的标准化航迹似然度，X(Ut))为根据第(6)步计算出 的统计偏差矢量的标准差，r。(i， p)为根据第(7)步计算出的用于描述目标分布的修正因 子。同样，可计算^(t)。 再根据第(5)步，采用如下公式对航迹对(yip(t)，yjq(t))的航迹关联不确定度进 行评定 Uip,jq(t) = l-min *rc(i，p，j) *rc(j，q，i) *rf(i，p，j，q) 其中，rf (i， p， j， q)为航迹yip(t)和yjq(t)因虚情和漏情的关联不确定性修正因 子，r。(i，p， j)为信源j对航迹yip(t)关于未检测区域的修正因子；r。(j，q， i)为信源i对 航迹y化(t)关于未检测区域的修正因子。 本专利技术提供的航迹关联不确定度评定方法可以对数据融合系统判定的关联航迹 来源于同一个目标的可疑程度进行评定。融合系统可以用评定结果代替人工对航迹关联判 决结果进行筛选，只将航迹关联不确定度比较低的关联航迹数据用于传感器系统误差与精度参数估计，以支持传感器系统误差与精度等参数在线估计的自动化，并在此基础上构造 自适应型、学习型或智能型数据融合系统。 本专利技术的优点是本专利技术综合考虑了传感器探测 能力、目标分布等因素对航迹关联不确定度的影响；能够合理反映目标间隔距离、传感器测 量误差、航迹关联的正确性、检测概率等与航迹关联不确定度之间的关系；航迹关联不确定 度的评定结果对传感器的系统误差、在评定中使用的传感器精度参数等不敏感；本专利技术可 以用于构建自适应型、学习型或智能型航迹数据融合系统。附图说明 图1是一种自适应航迹融合系统的结构； 图2是本专利技术提供的航迹关联不确定度评定方法的流程图； 图3是实例中雷达和目标分布示意图； 图4至图6为实例中航迹关联不确定度评定结果。其中，横坐标为目标间距，单位 为米，纵坐标为目标的关联不确定度，无量纲。具体实施例方式下面结合附图和实例对本专利技术作进一步详细的说明。 本专利技术，其步骤如下 (1)生成若干个待评航迹对 对于有N个传感器的应用情况，其航迹关联不确定度评定可以根据需要通过多次 两两传感器航迹数据的航迹关联不确定度评定来实现。比如，对于有5个传感器的应用， 为进行传感器系统误差或精度参数估计而进行航迹关联关系筛选，需要对目标的几个输入 航迹的航迹关联不确定度进行评定，假设其中一个目标的输入航迹分别来源于第1个传感 器、第2个传感器、第4个传感器和第5个传感器，则可以以第1个传感器为基准，形成第1 个传感器与第2个传感器、第1个传感器与第4个传感器、第1个传感器与第5个传感器的 三个组合，通过3次两两传感器航迹数据的航迹关联不确定度评定，即通过对第1个传感本文档来自技高网...

【技术保护点】
一种航迹关联不确定度评定方法，其特征在于：其步骤如下：（１）生成若干个待评航迹对：将来源于多个传感器的关联航迹，根据应用的需要，生成若干个两两传感器的关联航迹的航迹对，对于每一个航迹对的航迹关联不确定度评定分别按第（２）步至第（８）步进行；（２）目标航迹信息时间、空间对准：将两传感器的异步、不同空间基准的航迹数据，转换成相同时间和空间基准的航迹数据；（３）构造参评目标航迹集合：为减小传感器系统误差的影响，需要限定参评目标航迹的空间分布范围，将在一定空间范围内的目标航迹构成参评目标航迹集合；（４）计算标准化航迹似然度：分别计算待评航迹对中的一个航迹与另一航迹的产生信源的参评航迹集合中各航迹的统计距离，并基于此，修正待评的一对航迹的统计距离，形成标准化航迹似然度；（５）计算用于描述传感器虚情、漏情和未检测区域的修正因子：以传感器以往统计数据、当前输出的航迹数据以及传感器探测能力，计算相应的修正因子；（６）计算统计偏差矢量的标准差：为减小传感器系统误差的影响，对参评航迹对集合中的每一对航迹分别计算统计偏差矢量，并计算其标准差；（７）计算用于描述目标分布的修正因子：以统计偏差矢量的标准差和目标分布的统计距离的比值来考察目标分布的相对密集程度；（８）计算航迹对的航迹关联不确定度：将第（２）步至第（７）步计算出的中间结果进行综合，形成航迹对的航迹关联不确定度的评定结果。...

【技术特征摘要】

【专利技术属性】
技术研发人员：陈世友，李燕菲，肖厚，刘颢，
申请(专利权)人：中国船舶重工集团公司第七零九研究所，
类型：发明
国别省市：83[中国|武汉]