[发明专利]一种多传感器航迹关联方法

权利要求书

1.一种多传感器航迹关联方法，其特征在于，包括以下步骤：

步骤一：初始化建模，包括以下子步骤：

子步骤一：建立传感器航迹关联模型，包括以下步骤：

(1)构建高维二值航迹关联矩阵A_n：

假设监视区域中存在R部传感器s∈{1,...,R}；各传感器同时进行目标跟踪，并实时上报目标航迹；在n时刻，传感器s上报个航迹，第m个航迹的状态为假设航迹状态服从高斯分布定义表示传感器s在n时刻所有的航迹状态集合，其中T表示矩阵转置运算符；定义表示所有传感器在n时刻的航迹状态集合；定义表示1到n时刻所有传感器的航迹状态集合；传感器s的航迹检测概率为假设各传感器上报的航迹状态已通过了时空配准；定义一个大小为的二元随机矩阵其中为关联矩阵元素，取值为0或1，表示了航迹关联事件；i_s表示了传感器s在关联事件中的参与情况：i_s＝0表示传感器s的全部航迹都未参与此关联事件，i_s＞0表示传感器s的第i_s个局部航迹参与了此航迹关联事件；若则参与了此关联事件的航迹为同源航迹；定义为1到n时刻的联合航迹关联矩阵；

假设，对于任一传感器s的任一条航迹，至多只能与其它传感器的一种航迹关联组合进行关联：

上述约束统称为和约束，且所有满足和约束的关联矩阵集合为

(2)根据航迹关联约束，构建关联矩阵和约束ψ(A_n)：

子步骤二：先验概率建模，包括以下子步骤：

(1)计算传感器的检测概率对关联矩阵先验概率的置信函数

其中，μ(x)为指示函数，定义为

(2)根据马尔可夫模型计算关联矩阵的先验概率

其中，f(A_i|A_i-1)为关联矩阵概率分布的状态转移矩阵；

(3)计算关联假设事件表示关联的航迹状态集为同源航迹的似然函数f(z_n|A_n)；

其中为关联矩阵元素，为表示关联的航迹状态集，且其中1≤N≤R，表示中关联航迹的总数；当航迹关联事件成立时，定义航迹状态集为同源航迹的概率为

为n时刻航迹集的平均距离，具体为

其中，为航迹状态和的马氏距离，其中δ为波门阈值；

步骤二：采用置信传播算法进行迭代优化，包括以下子步骤：

子步骤一：根据后验概率f(A|z)的因子分解式构建航迹关联因子图；

利用贝叶斯公式将后验概率f(A|z)表示为：

上述因子分解式表示为环状因子图，其中圆圈表示关联事件变量节点，方块表示因子，时间下标n省略，因子图中使用了以下缩写：为和约束，

子步骤二：根据前面步骤计算的先验概率和f(A_i|A_i-1)以及似然函数f(z_n|A_n)对因子图中的变量节点进行消息初始；

(1)先验更新

(2)量测更新

子步骤三：在关联矩阵和约束因子节点ψ(A_n)与变量节点之间进行消息迭代传播，当消息收敛或达到最大迭代次数时终止迭代；

(1)变量节点到和约束因子节点的消息传播公式为

(2)和约束因子节点到变量节点的消息传播公式为

其中，p为迭代次数；通过下式进行初始化

子步骤四：消息提取：提取各变量节点的消息，实现关联矩阵A_n的求解；

的置信提取公式为

其中C_i为归一化参数，使得步骤三：航迹融合：根据关联矩阵A_n对来自不同传感器的同源航迹使用简单协方差凸组合算法进行航迹融合，得到全局航迹；