[发明专利]一种异步航迹关联的加权滑窗方法

说明书

本发明公开了一种异步航迹关联的加权滑窗方法，是一种多传感器异步航迹关联方法。本发明将异步航迹关联问题转化为端点数目不同的折线段相似度求解问题，将参考航迹划分为数个窗口航迹序列，建立滑动窗口模型，遍历比较航迹，进而求得数个滑窗不等长序列相似度，作为参考航迹与比较航迹之间的差异信息度量参数，然后采用灰关联分析理论对航迹之间信息差异进行度量，最终通过加权求得灰关联度，实现航迹关联。

技术领域

本发明涉及一种分布式多传感器多目标跟踪系统的异步航迹关联方法。

背景技术

在分布式多传感器系统信息融合过程中，航迹关联是分布式多传感器目标跟踪系统中的关键问题之一。现实中，由于存在传感器开机异步、采样周期不同、信息传输通信延迟等情况，信息融合中心收到的航迹往往是异步的，给航迹关联问题带来了很大的困难。

经典的异步航迹关联方法大多是通过内插外推等方法，将异步航迹配准到同一时刻，再利用经典航迹关联算法进行关联。但在时域配准过程中，由于对航迹进行的估计推算处理，导致推测航迹值与目标真实位置相比偏移加剧，从而带来估计误差。而随着时间的推移，估计误差不断累积，最终造成航迹关联方法性能急剧下降。因此迫切需要一种方法可以高效的解决异步航迹关联问题。

发明内容

为了克服现有技术的缺陷，本发明公开了一种异步航迹关联的加权滑窗方法。本发明将参考航迹划分为数个窗口航迹序列，建立滑动窗口模型，遍历比较航迹，进而求得数个滑窗不等长序列相似度，作为参考航迹与比较航迹之间的差异信息度量参数，然后采用灰关联分析理论对航迹之间信息差异进行度量，最终通过加权求得灰关联度，实现航迹关联。

为了实现本发明的目的，本发明提供了一种异步航迹关联的加权滑窗方法。所述航迹关联方法，包括以下步骤：

步骤一，将一个融合周期内两部雷达的每条航迹采样值分别组合形成航迹集合，集合内采样值个数分别为s、l，且sl；

步骤二，取一条参考航迹i，将参考航迹i每顺序相邻的三个采样点作为一个滑动窗口,得到s-2个窗口航迹序列；

步骤三，将s-2个窗口航迹序列分别与比较航迹整体进行比较求得s-2个滑窗不等长序列相似度Sim(k)，作为参考航迹与比较航迹之间信息差异的s-2个度量参数；

步骤四，将求得的所有s-2个滑窗不等长序列相似度构成判决矩阵，即：

式中，为航迹i的第2个窗口航迹序列与比较航迹j之间的滑窗不等长序列相似度；然后根据灰关联理论求得参考航迹i与比较航迹j之间关于第v个度量参数的灰关联系数，即：

共s-2个灰关联系数。

步骤五，对s-2个灰关联系数进行加权求得参考航迹i与比较航迹j之间的灰关联度γ_ij，即：

与现有技术相比，本发明具有如下有益效果：

①在复杂环境中性能优异。在目标批次多、系统误差大等环境下，方法均能保证较高的正确率。

②适用性强。本发明中，适用于任何异步情况下的关联，工程适用性强，耗时少。

附图说明

图1是航迹异步示意图。

图2是滑动窗口模型示意图。

具体实施方式

下面结合附图和实施例对本发明作进一步详细描述。

假设在分布式多传感器系统中有两部雷达A、B，目标区域内有N_s批目标。假设雷达A的探测周期为T_a，雷达B的采样周期为T_b，且T_a＞T_b。以雷达A为原点建立笛卡尔坐标系，将雷达A作为信息融合中心。由于雷达的开机异步以及采样周期不同，导致来自不同雷达的航迹往往是异步的，如图1所示。