[发明专利]多源航迹关联机器学习系统

说明书

本发明公开了多源航迹关联机器学习系统，属于多源信息融合领域，主要解决现有航迹关联模型在实际工程应用中需要人工大量反复调试，难以直接应用的问题。首先收集信源历史航迹数据，并对关联关系人工分析研判，形成原始数据库。然后设定训练样本向量构成，计算生成关联类和非关联类样本数据，形成航迹关联训练数据，对训练数据集预处理，生成标准训练数据集。最后通过二元分类机器学习模型，并采用合适的训练和验证方法，对模型进行训练、验证和超参调优，生成航迹关联模型。该系统自动训练生成航迹关联模型，完全避免了人工对模型参数的大量调试操作，具有模型生成速度快、实用效果好等优点。

技术领域

本发明隶属于多源信息融合领域，涉及多源航迹关联模型的学习与生成，适用于雷达组网系统和多源情报融合系统。

背景技术

航迹关联是对不同探测手段或系统上报的多目标航迹进行判别处理，以期实现同一目标多源航迹的正确归并，为后续的航迹简单去重复或进一步融合处理提供依据，确保呈现态势中一个目标唯一对应一条航迹，保证目标航迹的唯一特性。不进行航迹关联处理或处理效果差，则难免会出现一个目标对应多条航迹的情形，严重影响后续态势分析与研判的准确性，因此航迹关联是多源信息融合的关键技术和核心环节，不可或缺。现有各种航迹关联方法是研究人员在不同假设下通过推导得到的，在实际应用中存在假设不合理、门限无法确定等问题，需要人工结合信源航迹自身特点和不同信源间的航迹差异，利用实测数据对所采用的航迹关联模型和相应的门限参数进行反复的修改和调试。在缺乏标准化自动化调试步骤和方法的情况下，航迹关联模型调试将耗费人工大量时间和精力，并且调试后的最终关联效果也难以达到最优，因此现有航迹关联方法尚无法直接解决实际工程中的航迹关联问题，离实际需求还存在较大差距。

发明内容

本发明的目的是提出多源航迹关联机器学习系统，旨在解决现有航迹关联方法在实际应用中，需要人工利用实测数据进行反复修改和调试的问题。由于多信源的航迹关联问题通常被转换为多个两个信源的航迹关联问题进行解决，因此通常以两个信源的航迹关联为典型问题进行研究。

本发明所述的多源航迹关联机器学习系统，具体包括以下技术措施：首先收集信源A和信源B历史航迹数据，对两信源航迹间的关联关系进行人工分析研判，存储航迹数据及人工分析研判结果，形成航迹关联训练原始数据库。然后设定航迹关联训练样本向量构成，基于航迹关联训练原始数据库，分别利用多个来自两个信源的同一目标航迹对数据和两个不同目标航迹对数据，计算生成关联类样本数据和非关联类样本数据，并混合形成航迹关联训练数据。进一步对训练数据集进行预处理，生成规范、无量纲训练数据集。最后选择机器学习中的二元分类学习模型，作为航迹关联机器学习模型，并采用合适的训练学习方法和模型验证方法，利用训练数据集，对选定的航迹关联机器学习模型进行训练、验证和超参调优，生成航迹关联模型。如果当前训练生成的航迹关联模型效果满足需求，直接输出航迹关联模型，用于信源A、B航迹关联，如果不满意，则考虑改变航迹关联训练样本向量构成或选择不同的分类学习模型，重新进行模型的训练验证。

本发明提出的多源航迹关联机器学习系统，可基于实测数据，自动训练生成航迹关联模型，完全避免了人工对模型参数的大量调试操作，具有模型生成速度快、实用效果好等优点，所生成的航迹关联模型无需调试可直接用于解决实际工程中的多源航迹关联问题。

附图说明

图1是多源航迹关联机器学习系统流程图。

具体实施方式

本发明提出的多源航迹关联机器学习系统技术方案包括以下步骤：

步骤1：收集信源A和信源B历史航迹数据，对两信源航迹间的关联关系进行人工分析研判，存储航迹数据及人工分析研判结果，形成航迹关联训练原始数据库；

步骤1.1：对信源A和信源B相同覆盖区域、相同时间段的航迹进行收集和保存，为使后续生成模型具有较强的泛化能力，在进行航迹数据收集时，应保证收集数据的多样性，对不同外部环境、不同工作模式、不同时间段、不同重合区域的两信源典型航迹数据进行广泛全面收集；