[发明专利]跨时空真伪目标多模态关联超远程无源测距方法

权利要求书

1.跨时空真伪目标多模态关联超远程无源测距方法，其特征在于，包括以下步骤：

步骤S1：对多模态源数据进行时空一致性处理；

步骤S2：建立多模态源数据特征决策向量图，设计自适应模糊融合决策准则，粗筛选点群目标；

对测量类多模态源数据获取的知识性模态数据进行处理，形成多模态源数据特征决策向量图；利用l1正则优化准则和D-s判据设立自适应模糊融合决策准则，粗筛选出前n个最符合自适应模糊融合决策准则的点群目标作为待确定点群目标；建立基于D-s判据的真目标属性判别策略，利用真目标属性判别策略对待确定点群目标进行融合判断，给出待确定点群目标的属性类型及置信度；

步骤S3：利用投影成像原理，将多站探测设备获取的信息投射至同一个全局坐标系，得到多个待确定点群目标映射图；

步骤S4：利用平面图形学原理设立星图模块，构建点群目标平面图形；

根据多个待确定点群目标映射图，利用平面图形学原理将目标点依次连线组成多边形，构建星图模块，形成点群目标平面图形；

步骤S5：利用L-M算法进行非线性优化，进行匹配角度补偿测算及多站点群目标粗匹配；

根据多个待确定点群目标映射图，设置初始参数，将初始参数输入至星图模块中进行星图空间曲面选择和多边形对角线简比优化，利用多边形对角线简比不变性设置多个待确定点群目标映射图之间的点迹基本识别决策特征矩阵，同时利用奇异值分解算法测算点迹基本识别决策特征矩阵，得到多边形坐标矩阵奇异值，将该奇异值输入至式(7)用L-M算法进行非线性优化，利用优化结果求取点群目标映射图矩阵；利用点群目标映射图矩阵进行匹配角度补偿测算，并利用奇异值不变性进行多站点群目标粗匹配；当满足式(5)时进行剩余点群目标的进一步匹配，以与主对角线上点相匹配的点寻找和待确定点群目标相匹配的目标点，满足式(6)条件时则判定为所寻找的符合条件的点为主目标点；最终以式(5)获得的内外参数为初始值，以式(6)获得的所有匹配点为样本，采用式(7)用L-M算法进行非线性优化，求取最优参数，即匹配角度补偿误差测算值；

式中，minF₁(x)表示表达式F₁(x)迭代取最小，P₁和W₁分别表示主对角线上的两个点，|cross_i(P)-cross_i(W)|表示对点P和点W进行简比操作，λ₁、λ₂均表示加权参数，σ_ui、σ_vi|表示对应的标准差，|dx(P)-dx(W)|表示主对角线长度，W₀表示权重因子，VC表示点坐标矩阵，N为可识别的目标点数量，X_i'、X_i表示点坐标值，C表示旋转矩阵；

步骤S6：基于反馈链路的置信度，确定真点目标和次目标点；

步骤S7：对真点目标进行以次目标点为参照的目标定位测算，得到目标对象实际空间位置。

2.根据权利要求1所述的跨时空真伪目标多模态关联超远程无源测距方法，其特征在于，步骤S1的具体操作步骤如下：

对多模态源数据采用时间段内插外推法和基于UT变换的空间转化策略进行时间、空间一致性处理。

3.根据权利要求2所述的跨时空真伪目标多模态关联超远程无源测距方法，其特征在于，所述UT变换中，Sigma点的选取表达式如下：

g[{χ_i},p_x(x)]＝0

S.t.Min c[{χ_i},p_x(x)] (1)

式中，{χ_i}表示Sigma点集，x表示Sigma点，p_x(x)表示x的密度函数，c[{χ_i},p_x(x)]表示代价函数，Min表示表达式迭代取最小，S.t.表示服从于操作。