[发明专利]一种基于序贯处理的主被动航迹运动特征关联方法

权利要求书

1.一种基于序贯处理的主被动航迹运动特征关联方法，其特征在于：

步骤1：观测空间划分为12个扇区；从所述扇区中选择一个扇区，从该扇区内选择一条主动传感器输出的目标航迹和一条被动传感器输出的航迹，组成待关联判决航迹对；

步骤2：选择上述一组待关联判决航迹对，选择待关联判决航迹对中的被动传感器观测到的目标航迹的最近一次观测获得的观测航迹点，记为航迹点P1，并将所述观测航迹点的观测时间作为基准时间，选择主动传感器观测到的航迹中与所述基准时间最接近的观测航迹点，记为航迹点P2，将航迹点P1和航迹点P2构成一组时间预配准航迹点，将航迹点P1的观测时间与航迹点P2的观测时间的差记为T_delta；记被动传感器观测航迹中记录的观测航迹点的时间间隔为T₁，记主动传感器观测航迹中记录的观测航迹点的时间间隔为T₂，令T_max＝max(T₁,T₂)；当T_delta小于2×T_max时，将航迹点P1和航迹点P2构成一组时间配准航迹点；当T_delta大于等于2×T_max时，外推航迹点P2获得航迹点P′₂，将航迹点P1和航迹点P′₂构成一组时间配准航迹点；所述的外推航迹点P2获得航迹点P₂′的方法如下：将航迹点P2前一次观测的航迹点位置向量记为将航迹点P2位置向量记为则外推航迹点P′₂的位置向量

步骤3：按照下述公式将主动传感器的观测结果由观测域内极坐标系下距离ρ、方位θ、俯仰表示，转换为转换域内笛卡尔坐标系下x、y、z表示：

其中，

针对第n次观测，按照下述公式，计算主动传感器目标状态估计、主动传感器目标状态估计协方差矩阵：

P(n|n-1)＝A(n-1)P(n-1|n-1)A^H(n-1)+Q(n)

P(n|n)＝[I-K(n)C(n)]P(n|n-1)；

其中：

为预先设定的观测扰动量；

K(n)＝P(n|n-1)C^H(n)[C(n)P(n|n-1)C^H(n)]^-1；

观测域内主动传感器目标状态估计y(k)及观测域内主动传感器观测结果协方差计算方法如下述公式所示：

y(k)＝[g₁,g₂,g₃,g₄,g₅]′；

其中：

其中表示x、y、z的导数；

将主动传感器目标状态估计记为：

将主动传感器目标状态估计协方差矩阵记为：

步骤4：将被动传感器观测结果表示为其中，X_o^k为地心－地固坐标系下表示的第k次观测的观测位置，ζ_目标为被动传感器状态转移向量在修正极坐标系下的表示，记为：

按照下述公式，计算被动传感器目标状态估计、被动传感器目标状态估计协方差矩阵：

步骤4.1：计算E_i：

步骤4.2：计算E_i,b：

其中：

W_k-1＝N(0,Q(T₁))

u_k-1＝X_k-F(T₁)X_o^k-1；

T₁为被动传感器观测航迹中记录的观测航迹点的时间间隔；

将笛卡尔坐标系下的坐标转换为修正球坐标系下的坐标；

将修正球坐标系下的坐标转换为笛卡尔坐标系下的坐标；

步骤4.3：计算w_i：

其中，k为任意值；

步骤4.4：计算η_k|k-1：

步骤4.5：计算P_k|k-1：

步骤4.6：计算量测预测协方差S_k：

H＝[0,0,0,1,1,0]；

S_k＝HP_k|k-1H'+R；

步骤4.7：计算K_k：

K_k＝P_k|k-1H'S_k^-1；

步骤4.8：计算预处理后被动传感器观测结果η_k|k：

η_k|k＝η_k|k-1+k_k(z_k-Hη_k|k-1)；

步骤4.9：计算被动传感器观测结果的协方差矩阵P_k|k：

P_k|k＝P_k|k-1-k_kS_kk_k'；

将被动传感器目标状态估计记为：

将被动传感器目标状态估计协方差矩阵记为：

步骤5：按照下述公式，构造主被动传感器关联判决统计量T：

其中，N为用于关联判决的航迹点的个数，

按照下述公式，设置基于运动特征相关性的关联判决门限λ；

其中p为设定的拒绝域显著水平；

按照下述公式，执行基于运动特征相关性的关联判决，若：

则判断待关联判决航迹对中的两个航迹关联；反之，则判断待关联判决航迹对中的两个航迹不关联。