[发明专利]一种基于区间灰数的异步等数据率航迹关联算法

说明书

技术领域

本发明涉及数据融联算法，尤其涉及一种多传感器异步航迹关联算法。

背景技术

在分布式多目标多传感器跟踪系统中，由于传感器量测随机误差、目标运动规律及数据处理方法等因素的影响，融合中心往往较难做出各目标航迹的准确关联；另外，航迹的异步情况(传感器数据在时间上未对准)，又进一步增加了航迹关联处理的复杂性。

对此，当前的主要解决办法是，先通过时域配准将航迹对准到统一时刻，再利用经典的同步航迹关联算法实现航迹配对。此类方法虽可以获得较好的关联效果，但是在同步化的过程中，航迹估计值的误差也发生了传播，且这种传播与滤波方程的误差存在一定的相关性，难以对此进行衡量。而采用最小二乘法内插或者外推法时，不仅会带来拟合精度问题和计算误差，也增加了计算量。

发明内容

为了克服现有技术的缺陷，本发明针对异步等数据率情况下的航迹关联问题，公开了一种异步航迹关联算法。该算法以一个融合周期内的航迹文件为对象，采用区间灰数划分的方法定义新的航迹行为序列，通过求解在位置和速度分量上的相似度，进而得出航迹间的灰关联系数，再通过加权融合，得到综合相似度，最后基于最大灰关联准则，给出航迹关联结论。

本发明的目的是通过如下技术措施来达到：

(1)读取传感器航迹数据

假设在多目标跟踪系统中，有多部雷达组成的多目标跟踪系统，跟踪公共区域内的m批目标，各个雷达的采样频率相同，但开机时间不同,传感器采样时间流图如图1所示。将来自传感器s和来自传感器w的航迹号分别记为

U₁＝{1,2,…,i_s,…,m}，U₂＝{1,2,…,i_w,…,m}(1)

取U₁中的航迹i_s对应的序列作为参考序列，以U₂中的m条航迹序列作为比较序列，则在U₁、 U₂中寻找关联航迹对的过程，就演变成求解序列i_s(i_s∈U₁)与序列i_w(i_w∈U₂)灰关联度排序的问题。记航迹i_s与航迹i_w的状态信息分别为

其中，下标i_s和i_w分别表示为航迹i_s和航迹i_w的序列记号。异步等速率采样示意图如图1所示，航迹i_s与航迹i_w中的数据在时间上是未对准的，或者由于时间延迟不确定，无法直接进行航迹关联，需要进一步的处理。

(2)航迹序列区间灰数划分

针对异步等数据率的航迹关联问题，本发明采用区间灰数对航迹序列进行划分，用灰关联分析的思想解决异步航迹关联问题。

在多雷达等速率采样情况下，由于开机时间不同或传输延迟的存在，来自不同雷达的航迹的采样点的时间标记是不同的，但在一个融合周期内多个航迹的采样点数目是相同的。在同一融合周期内运用区间灰数对航迹进行划分，按照时间先后顺序，将每相邻的两个采样点分别看作区间灰数的下限和上限，组成一个区间灰数。对一条航迹序列中每一个采样点进行变换，则可以得到区间灰数序列。对于区间灰数序列，就可以用灰关联分析的方法进行航迹关联判断了。

以时间先后为顺序，将待关联的航迹序列相邻的两个采样点分别看作区间灰数的下限和上限，组成一个区间灰数，得到长度相同的区间灰数序列与分别记为

其中，分别为航迹i_s和航迹i_w的某个参量状态估计序列。这样，保证了区间灰数划分后的序列与航迹序列仍具有相同的长度，不同的是区间灰数序列不再由实数构成，而是由灰数构成。区间灰数的取值唯一，但又可以取到区间内所有可能的取值，能够更全面的反应航迹序列之间的相关程度。

(3)计算区间灰数距离、构建航迹序列距离差异信息矩阵

区间灰数划分是对点的概念的一种扩展，同样实数空间中一样，可以定义灰数的运算。序列与重划分航迹序列中元素的距离差异，实际上是区间灰数与实数的距离，这里引用灰色系统理论中对灰数距离的描述：

对于灰数灰数其中上标l,u分别表示区间下界和上界符号。区间灰数与的距离可定义为：