[发明专利]目标数据关联的多特征信息融合方法

摘要

本发明涉及一种目标数据关联的多特征信息融合方法，属于雷达数据处理技术领域。包括以下步骤：1）点迹预处理，对数据进行筛选并按帧存储；2）目标分类，依据目标速度大小将目标分为三类；3）点-点关联，采用m/n逻辑法进行航迹起始，对不同类别的目标采用不同的关联策略；4）点-航关联，对目标航迹进行外推，依据贝叶斯类的数据关联算法寻找目标候选回波；5）计算特征相似度，提取候选回波的特征信息计算特征相似度；6）计算综合关联度，依据特征相似度和特征权重计算综合关联度，选择综合关联度最大的候选回波作为目标量测。该方法能减少目标候选回波的数量，降低运算量，提升密集杂波背景下数据关联的可靠性，具有推广应用价值。

主权项

目标数据关联的多特征信息融合方法，其特征在于包括以下技术措施：步骤一、点迹预处理：对数据录取器送来的点迹进行预处理，利用点迹辅助信息对数据进行筛选，将筛选后的所有数据按帧存储；步骤二、目标分类：依据目标速度信息采用速度分区法将目标划分为三类，慢速运动目标、中速运动目标和快速运动目标；步骤三、点‑点关联：采用m/n逻辑法进行航迹起始，对于不同类别的目标使用不同的点‑点关联策略；步骤四、点‑航关联：依据目标状态方程对目标航迹进行外推，以外推点为中心，依据贝叶斯类的数据关联算法设置椭圆相关波门，若雷达测得的目标直角坐标系下的转换量测值z(k+1)满足：$d^2\left(z\right)={\[z(k+1)-\hat{z}(k+1|k)\]}^{\′}{S}^{-1}(k+1)\[z(k+1)-\hat{z}(k+1|k)\]\≤\mathrm{\γ}$则称该量测值为候选回波，式中，为目标量测的预测，S(k+1)为新息协方差，γ是一个与量测的维数有关的常数；步骤五、计算特征相似度：提取落入相关波门内候选回波的特征信息计算特征相似度；步骤六、计算综合关联度：依据特征相似度结合特征权重计算综合关联度，选择综合关联度最大的候选回波作为目标量测；步骤七、对当前时刻的目标状态进行更新，对下一帧数据重复步骤四至步骤七的计算，直至数据处理完毕，算法终止。