[发明专利]基于OSPA(2)

说明书

本发明公开了基于OSPA⁽²⁾距离的多传感器多目标航迹关联与融合方法。现有方法缺少对整个航迹特征的考虑，导致航迹之间的关联性能降低。本发明方法首先建立系统模型，获取估计航迹集；然后基于OSPA⁽²⁾距离度量各个估计航迹集之间的距离，获得属于同一目标的估计航迹集；最后对属于同一目标的估计航迹集采用联邦滤波器融合方法来进行航迹的融合。本发明方法可以准确获得属于同一目标的估计航迹集，其获得的最终航迹的RMSE位置误差低于所有单传感器，可以取得更高的精度。

技术领域

本发明属于航迹关联与融合领域，涉及一种基于OSPA⁽²⁾(OSPA on OSPA，最优次模式分配上的最优次模式分配)距离对多传感器多目标航迹关联与融合方法。

背景技术

现实中，多个传感器跟踪多个目标的情况频繁出现，这就造成其中一个目标的航迹通常会出现多条航迹。同时，由于空间对准、时间对准、目标观测精度不同等情况的存在，获得多个传感器的航迹往往有多组。面对上述情况，如何在众多估计航迹集中准确获得属于同一目标的估计航迹集已成为了一个重要内容。常规的依据航迹之间几何距离的远近进行航迹关联，来判断哪些航迹属于同一目标已为数不少，且易导致航迹之间的关联性降低。针对尽可能结合历史航迹点信息，找到一种新的航迹关联方法是有必要的。

如何对航迹集进行准确关联已成为一个重要内容。通常情况下，会理想化考虑所获得的估计航迹无丢失，航迹终止也不会因此而延迟。但是在实际情况下，在跟踪目标时，可能会因为某种复杂情况在某个时间出现航迹的丢失，稍后恢复，最后航迹终止延迟的现象。而在航迹丢失处，可能会出现两种可能情况。情况一：使用与最初指定的、相同的身份继续估计航迹，保留目标依然存在的可能。若未来观测证实它的存在，则航迹会以相同的身份出现；情况二：不再使用相同的身份恢复轨迹，而是为目标指定一个新的身份。若以后证实它的存在，则以新的身份建立一个全新的航迹，导致无法保持对目标身份的一致估计。

发明内容

本发明的目的就是针对多个传感器跟踪多目标的情况，现有技术仅依据当前时刻航迹点的信息进行关联的方法，由于缺少对整个航迹特征的考虑，会导致航迹之间的关联性能降低的问题，提供一种基于OSPA⁽²⁾距离对多传感器多目标航迹关联与融合方法。

本发明方法包括：

步骤(1)建立系统模型，获取估计航迹集；

步骤(2)基于OSPA⁽²⁾距离度量各个估计航迹集之间的距离，获得属于同一目标的估计航迹集；

步骤(3)对属于同一目标的估计航迹集采用联邦滤波器融合方法进行航迹的融合。

步骤(1)具体是：采用面向航迹的多假设跟踪算法分别获得I个传感器、J个目标的估计航迹集；建立系统模型，其状态方程、偏差方程与量测方程数学描述为：其中，k为时间序列，x_k和x_k+1分别为k时刻和k+1时刻的状态向量，A_k+1,k为状态转移矩阵，b_k和b_k+1为k时刻和k+1时刻的输入矩阵，B_k+1,k为输入矩阵对应的系数矩阵，为第i个传感器在k时刻的观测向量，为第i个传感器在k时刻的状态观测矩阵，为第i个传感器在k时刻的系数矩阵，w_k、分别为在k时刻系统状态噪声向量、系统偏差噪声向量和第i个传感器的量测噪声向量，i＝1,2,…,I。系统状态噪声向量、系统偏差噪声向量和第i个传感器的量测噪声向量均为零均值高斯白噪声序列。

步骤(2)具体是：根据获得的I个传感器、J个目标的估计航迹集，分别采用OSPA⁽²⁾距离度量各个估计航迹集之间的距离，得出属于同一目标的估计航迹集合；

第i个传感器获得的第j个目标的估计航迹其中，为在k时刻第i个传感器跟踪第j个目标的估计状态集；