[发明专利]系统误差下基于双重模糊拓扑的编队目标航迹关联算法

说明书

技术领域

本发明属于多传感器多目标信息融合技术领域，提供一种系统误差下的分布式多传感器编队目标航迹关联算法。

背景技术

随着传感器分辨率的提高，编队目标跟踪技术受到国内外学者的广泛关注。在一些实际应用中，与编队的整体态势相比，往往更关心编队内个体目标的情况。例如，当面对敌方编队飞机突防时，为更好的进行战术拦截和打击，要求在探测系统只能部分分辨飞机编队的条件下，尽可能精确的估计出编队中飞机的个数及各架飞机的运动轨迹，以便为后续的作战决策提供精确的信息支持。此时，为有效改善编队内目标的精确跟踪效果，工程上通常从测量系统层面，利用多套不同的设备、从不同测向获取编队目标测量数据，进行数据互联和融合等处理。而当组网传感器存在系统误差时，系统误差下编队目标的航迹关联成为必须要解决的问题。

传统的系统误差下航迹关联算法对编队内目标航迹的复杂性估计不足，设计相对简单，整体关联效果十分有限。首先，编队中各目标空间距离较小且行为模型相似，如采用系统误差下的模糊航迹关联算法，其模糊因素集中的航向、航速、加速度等因子已丧失对关联判决的辅助作用，继续采用会干扰正确的评判，加大航迹错误关联率；其次，各航迹前后时刻相似性很强，错误的航迹关联在后续时刻会继续存在，此时采用传统的双门限准则进行关联对的确认，会增大错误航迹关联率；再次，对从不同角度进行探测的各传感器而言，编队内目标间的相互遮挡情况各异，而且各传感器的分辨能力也不尽相同，因此各传感器对同一编队目标的分辨状态通常是不一致的，这种情况下，传统的系统误差下航迹关联算法不再适用。

发明内容

1.要解决的技术问题

本发明的目的在于提供一种系统误差下编队目标航迹关联算法，该算法首先基于编队中心航迹建立第一重模糊拓扑关联模型实现编队航迹和普通目标航迹的整体关联；然后基于参照关联航迹对建立第二重模糊拓扑关联模型，实现各传感器对编队目标分辨状态不一致等复杂环境下的编队内航迹关联。具有关联性能稳定，实时性好的特点，能较好的满足工程上对系统误差下编队目标航迹关联需求。

2.技术方案

本发明所述的系统误差下的分布式多传感器编队目标航迹关联算法，包括以下措施：首先基于循环阈值模型对各传感器获得的航迹进行编队识别，然后利用编队中心航迹代替编队整体，深入分析系统误差对编队中心航迹的影响，建立第一重模糊拓扑模型，完成编队航迹的预互联和普通目标航迹的对准关联，最后基于预关联编队内目标航迹之间或与航迹关联对之间的拓扑关系建立第二重模糊拓扑模型，实现编队内目标航迹的关联。

3.有益效果

相比于现有的系统误差下编队目标航迹关联算法，本发明具有如下优点：

(1)该发明利用模糊拓扑信息进行系统误差下的编队目标航迹关联，因此关联性能不受系统误差变化的影响。

(2)能够有效处理不同角度观测的各传感器对编队目标分辨状态不一致的情形。分辨状态不一致使目标拓扑结构不一致，给模糊拓扑方法带来困难，本发明可以有效解决该问题。

(3)具有较小的耗时，能较好的满足工程上对系统误差下编队内目标航迹的关联需求。

附图说明

图1是系统误差下基于双重模糊拓扑的编队目标航迹关联算法流程图；

图2是编队航迹跟踪整体效果图；

图3是系统误差对编队中心航迹的影响示意图；

图4是模糊因子建立示意图。

具体实施方式

结合图1所示算法流程图，系统误差下基于双重模糊拓扑的编队目标航迹关联算法具体实施方式如下：

(1)基于循环阈值模型完成编队航迹识别。传感器的系统误差使目标航迹相对真实位置产生旋转和平移，但基本不改变各目标航迹间的相对位置关系，因而不影响编队航迹的识别。编队识别以传感器为单位进行，设和 分别为k时刻传感器A探测目标集合U_A(k)和传感器B探测目标集合U_B(k)中目标i₁和i₂的状态更新值，基于编队航迹的位置和速度特性，利用循环阈值模型完成各传感器各时刻的编队航迹识别。如果

则判定这两个目标属于同一个编队。式中，d₀为常数阈值；γ为服从自由度为n_x的χ²分布的门限值，这里n_x为状态估计向量的维数；且