[发明专利]系统误差下基于双重模糊拓扑的编队目标航迹关联算法

摘要

本发明属于多传感器多目标信息融合技术领域，提供一种系统误差下的分布式多传感器编队目标航迹关联算法。现有的系统误差下航迹关联算法没有充分考虑编队目标运动特征的相似性，并且要求不同传感器对编队目标分辨状态完全一致，因此其工程实用性较差。本发明首先基于循环阈值模型对各传感器获得的航迹进行编队识别，然后利用编队中心航迹代替编队整体，深入分析系统误差对编队中心航迹的影响，建立第一重模糊拓扑模型，完成编队航迹的预互联和普通目标航迹的对准关联，最后基于预关联编队目标航迹之间或与航迹关联对之间的拓扑关系建立第二重模糊拓扑模型，实现编队内目标航迹的关联。本发明能较好的满足系统误差下编队目标航迹关联工程需求。

主权项

系统误差下基于双重模糊拓扑的编队目标航迹关联方法，其特征在于，该方法包括双重模糊拓扑模型的构建方法：步骤(1)基于编队航迹的位置和速度特性，利用循环阈值模型完成各传感器各时刻的编队航迹识别；步骤(2)利用编队的中心航迹代替编队航迹整体，使系统误差下编队内目标航迹的关联问题退化为传统的系统误差下航迹关联问题；系统误差使编队中心航迹发生了整体的旋转和平移，旋转角度与普通目标的旋转角度相同；当两个分辨状态一致时，平移距离与普通目标相同，当分辨状态不一致时，平移距离由下式确定建立第一重模糊因素集其中分别对应于各目标间的拓扑关系、航迹和航向，并将一条航迹是否为编队中心航迹计入模糊因素集式中，Td为待关联航迹；模糊因素权值采用动态分配方法，设k时刻对应于U1的权值集合为且有根据各传感器对同一编队目标分辨状态对的取值进行动态分配；设定A1(k)的自适应调整因子为a1′1(k)=a1min+Δrrmax(a1max-a1min)]]>式中，a1max和a1min为a1(k)可取的最大值和最小值，凭经验确定；Δr=r‾x+r‾yrmax=max[xmaxA-xminB,xmaxB-xminA]+max[ymaxA-yminB,ymaxB-yminA]]]>式中，分别为和中量测在x、y方向上的最大值和最小值；因此，A1(k)中的各个因子为a11(k)=a1′1(k)Σi=24ai1(k)+a1′1(k)al1(k)=al1(k)Σi=24ai1(k)+a1′1(k),l=2,3,4]]>再选用正态模糊隶属度函数建立模糊关联矩阵，结合航迹质量及多义性处理实现编队航迹整体及普通目标的关联；步骤(3)根据预关联成功的两个编队航迹，建立第二重模糊拓扑关联模型，实现编队内部航迹的精确关联；定义模糊拓扑模型的模糊因素集其中对应编队内各目标间的拓扑关系，并利用待关联目标航迹与参照航迹之间的相对拓扑关系构造模糊因子模糊因素权值同样采用动态分配方法，设对应于U2的权值集合为分别为且有在此，基于各传感器对预关联编队的分辨状态，分为两种情况对A2(k)进行设置；若则对决策的影响大于所以在仿真中，初值取为若则对决策的影响远小于所以在仿真中，初值取为最后，进行编队内航迹精确关联。