[发明专利]一种多目标关联方法和装置

权利要求书

1.一种多目标关联方法，其特征在于，包括：

获取第一观测平台和第二观测平台下目标对应的方位观测序列；

利用卡尔曼滤波算法以及所述方位观测序列实时估计航迹不变量，得到航迹不变量信息；

联合利用所述航迹不变量信息以及所述方位观测序列计算第一观测平台下各目标的航迹分别与第二观测平台下目标的航迹之间的关联度，并对每个目标对应的各关联度进行排序；当目标的最大关联度大于第一模糊阈值时，确定第一观测平台目标的航迹与第二观测平台相应目标的航迹粗关联并输出关联结果；

利用卡尔曼滤波算法以及所述方位观测序列实时估计航迹不变量，得到航迹不变量信息包括：

定义状态估计量X＝[v_x v_y]^T，v_x,v_y均为目标与观测平台的相对速度分量；状态方程X(t_k)＝AX(t_k-1)+W_k-1,其中为转移矩阵，W_k-1为过程噪声矢量；测量方程Z_k＝H_kX(t_k)+v_k,测量方程中H_k表示测量矩阵，v_k为测量噪声；H_k＝[(sinθ₁-βsinθ₀)-(cosθ₁-βcosθ₀)]，θ₀、θ₁分别为t_k-1、t_k时刻的目标方位；

确定t₀时刻初始状态估计量和初始状态估计方差其中v_x(t₀),v_y(t₀)分别为目标初始速度水平分量和垂直分量，分别为状态估计量的方差；

卡尔曼滤波算法步骤如下：

步骤41，由所述状态方程得到状态预估值：

步骤42，预测误差协方差矩阵：P_k/k-1＝AP_k-1A^T+Q_k-1；

步骤43，计算最优滤波增益

步骤44，计算状态向量预测值

步骤45，更新误差协方差矩阵P_k＝(I-K_kH_k)P_k/k-1；其中，Q_k-1为过程噪声方差矩阵；

根据以下公式计算目标的航向信息其中为目标航向，r₀表示平台1的一个目标的距离，r₁表示平台2的同一个目标的距离，表示状态预测值，R_k表示量测噪声的协方差矩阵，P_k/k-1表示预测协方差矩阵。

2.根据权利要求1所述的方法，其特征在于，该方法还包括：

计算航迹的关联质量，并将计算出的关联质量与第二模糊阈值比较，

如果关联质量大于第二模糊阈值，则确定粗关联的航迹为固定关联对。

3.根据权利要求2所述的方法，其特征在于，计算航迹的关联质量包括：

当第一观测平台的目标的航迹i与第二观测平台的目标的航迹j^*被确定为粗关联时，通过下列公式计算航迹的关联质量：其中l表示时刻；

否则，通过下列公式计算航迹的关联质量时刻l为0时，航迹的关联质量为0。

4.根据权利要求1或2所述的方法，其特征在于，第一观测平台和第二观测平台分别为雷达观测平台和声呐观测平台，

方法还包括：

在联合利用所述航迹不变量信息以及所述方位观测序列计算第一观测平台下各目标的航迹分别与第二观测平台下目标的航迹之间的关联度之前，对所述航迹不变量信息以及所述方位观测序列进行归一化处理，将航迹不变量以及所述方位观测序列映射到预设区间内。