[发明专利]基于遗传算法的航迹匹配方法

摘要

本发明公开了一种基于遗传算法的航迹匹配方法，解决了在目标多、干扰多、杂糅多时，航迹匹配准确率不高，计算量大的问题。实现步骤为：输入雷达和监视系统ADS—B航迹集合；组成初始种群；计算种群个体适应度；竞争选择；基因交叉；基因变异；再次计算种群个体适应度，判断适应度是否满足结束条件，若满足，则输出最优结果，否则进行新一轮选择、交叉、变异，最终获得最优的航迹匹配事件集合。本发明模仿自然界的选择与遗传机理，不断去除匹配较差航迹，保留较好的匹配，保证最终找到最优结果，本发明有良好的全局搜索能力，计算量小且线性可控，提升了有限时间寻找最优匹配结果的效果，用于雷达和监视系统ADS—B间的航迹匹配。

主权项

1.一种基于遗传算法的航迹匹配方法，其特征在于，包括有如下步骤：(1)输入航迹，得到关联事件集合：首先输入航迹得到航迹集合，进而得到航迹元素集合，用Ui,j表示两个航迹相匹配的一个事件，具体是雷达航迹Xi与监视系统航迹Yj相匹配表示为同一个航迹，关联事件的集合用U表示得到关联事件集合；1.1输入航迹得到航迹集合：假设两组航迹分别由雷达与监视系统得到，雷达得到N个航迹，用雷达航迹集合表示为X；X＝{Xi,i＝1,...,N}监视系统得到M个航迹，用监视航迹集合表示为Y；Y＝{Yi,i＝1,...,M}每一个航迹包括目标时戳与目标位置信息，一个航迹包括多个时刻的位置信息；航迹中一个时戳加上此刻的位置信息被称为航迹的一个元素；1.2得到航迹元素集合：假设雷达航迹Xi有Ni个元素,监视系统航迹Yi有Mi个元素，其航迹元素集合分别表示为：Xi＝{ti,j,zi,j|j,...,Ni}Yi＝{ti,j,zi,j|j,...,Mi}其中，ti,j表示航迹i第j个元素的时戳；zi,j表示航迹i第j个元素的位置信息；1.3关联事件：Ui,j表示两个航迹相匹配的一个事件，具体是雷达航迹Xi与监视系统航迹Yj相匹配表示为同一个航迹；U0,j表示监视系统ADS‑B航迹Yj为未被关联上的航迹；Ui,0表示雷达航迹Xj为未被关联上的航迹；1.4关联事件集合：关联事件的集合用U表示；U＝{Ui,j|i＝0,...,M,j＝0,...,N}每个关联事件的集合即为一个个体；(2)组成初始种群：假设种群中有K个个体，每个个体都分别是航迹关联事件的一个集合，记为{Uk,k＝1,…,K}，Uk为第k个个体，K为个体的总数目，K个个体组成初始种群；(3)用适应度函数计算种群个体适应度：构造适应度函数，用适应度函数计算种群中每个个体适应度，得到每个个体适应度函数值；适应度函数Ff(Uk)表示航迹关联事件集合Uk的正确性，关联事件集合中正确的航迹关联事件越多，则个体适应度的值越大；(4)竞争选择：使用锦标赛选择的方法从初始种群的每个个体适应度函数值中选择出适应度函数值较高的航迹关联事件集合Uk；(5)基因交叉：基因交叉输入输出均为一对基因，基因交叉分为两步：(5a)找到基因交叉点，进行基因交叉；(5b)消除基因交叉后造成的航迹关联事件的互斥性；(6)基因变异：每个个体即航迹关联事件集Uk不是等长的，基因变异有两种发生形式，其中一种为找到最差的匹配事件作为基因变异元素进行变异，另一种为将未关联的两个航迹随机进行关联，即完成未关联基因结构的变异；(7)再次计算每个个体适应度函数值，在变异后种群里找出所有个体中最大的适应度函数值Ffmax：如果Ffmax满足结束条件，则此个体即为最优的航迹匹配集合；否则执行步骤(4)，进行新一轮的基因选择、交叉、变异，直至满足结束条件；结束条件有两个：Ffmax(t)大于固定的优化门限则迭代结束或者Ffmax(t)的值随着迭代次数不再变化则迭代结束Ffmax(t)‑Ffmax(t‑1)＜δ满足其中任意一个结束条件，即获得了对应的匹配结果，输出最优的航迹匹配集合。