CN102707276A - 基于目标拓扑信息的ais与雷达航迹抗差关联算法 - Google Patents

Abstract

本发明公开了一种基于目标拓扑信息的AIS与雷达航迹抗差关联算法，该技术属于AIS与雷达信息融合技术领域。现有的AIS与雷达航迹关联算法一般都假设雷达不存在系统误差，然而这是与实际情况相违背的，因而在实际工程应用中现有算法的正确航迹关联率都比较低。为了有效解决实际应用中的AIS与雷达航迹抗差关联问题，本发明给出了一种雷达系统存在系统误差的情况与AIS航迹进行关联的算法。该算法首先根据目标的拓扑关系构建了模糊因素集，然后根据模糊因素的重要性分配权重，最后给出模糊航迹关联的抗差准则以及多义性处理，并最终实现航迹的正确关联。

Description

基于目标拓扑信息的AIS与雷达航迹抗差关联算法

一、技术领域

本发明属于AIS与雷达信息融合技术领域，适用于加装有静默模式AIS设备的军用舰船雷达系统。

二、背景技术

在雷达组网系统中，由于传感器量测随机误差、目标分布情况、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，而在传感器存在着系统误差时，又进一步增加了航迹关联处理的复杂性。测距系统误差通常使目标航迹发生整体平移，而测方位角系统误差主要使目标航迹发生整体旋转。现有的航迹抗差关联算法如基于图像配准算法的航迹抗差关联是在两个雷达之间进行，由于两个雷达都相对于真实航迹均有旋转和平移，并且要求两个雷达的拓扑信息均相当完整，因此在实际应用中关联难度较大，正确率低。

民用船舶大部分都安装有船舶自动识别系统(automatic identification system，AIS)，军用平台通过加装具有静默工作模式的AIS设备获得的民用船舶目标航迹可以认为是目标的真实航迹。利用雷达的目标拓扑信息与AIS获得的目标真实拓扑信息进行比对，实现有系统误差的雷达航迹与真实的AIS航迹的抗差关联，对后续雷达航迹配准，并上报到融合中心提高组网雷达融合的精度起到至关重要的作用。

三、发明内容

1.要解决的技术问题

本发明的目的在于提供一种基于目标拓扑信息的AIS与雷达航迹抗差关联算法。由于实际系统中雷达是存在距离和角度系统误差的，因此为了正确的关联雷达与AIS设备的航迹，必须首先消除雷达的系统误差。根据实际工程经验，雷达存在的距离系统误差和角度系统误差，使得目标量测并不准确，但各目标相对拓扑位置关系、目标航速、航向变化率、加速度、各目标相对航向并未发生改变。另外，由于不同传感器上报的目标航迹间位置关系的相似性亦存在着比较大的模糊性，而这种模糊通常可以通过构建基于上述不变信息的模糊因素集，用隶属度概念来描述，即采用隶属度来表示目标航迹信息的相似程度，以此解决航迹抗差关联问题。因而本发明主要解决在AIS与雷达航迹关联条件下，如何根据目标之间的拓扑信息利用模糊航迹关联算法实现航迹的抗差关联。

2.技术方案

本发明所述的基于目标拓扑信息的AIS与雷达航迹抗差关联算法，包括以下技术措施：基于目标之间相对位置关系不受系统误差影响的结论，综合利用不受系统误差影响的各目标相对拓扑信息包括目标间位置关系、目标航速、航向变化率、加速度、各目标相对航向等信息构建雷达与AIS航迹之间的抗差关联模型，并采用基于模糊信息处理理论的航迹关联技术来解决目标航迹的关联问题，实现对各目标航迹的抗差关联。

四、附图说明

图1是目标相对拓扑信息示意图，图中设置象限数M＝8，AIS上报了5条航迹，即目标数为5，以目标3为原点，其余四个目标到目标3的欧式距离分别为

图2是航迹抗差关联流程图。

五、具体实施方式

以下结合说明书附图对本发明作进一步详细描述。参照说明书附图，本发明的具体实施方式分以下几个步骤：

(1)AIS与雷达坐标转换

AIS提供的目标船位置信息采用经度L和纬度B来表示，而由雷达获取的目标船的位置信息则采用方位角A和距离d来表示，统一的坐标系是进行航迹关联的必要前提条件。有很多成熟的方法我们可以直接加以利用。本发明中AIS与雷达均在统一的笛卡尔坐标系中。

(2)模糊因素集的建立

模糊因素集定义为U＝{u₁，u₂，…，u_l，…，u_n}，其中u_l表示对关联决策起作用的第l个目标模糊因素。由于传感器探测系统误差的影响，导致传感器上报目标航迹发生偏移，因而各目标位置间的欧氏距离不再适用于作为模糊因素。此时基于目标不变信息的模糊因素集可以包括各目标相对拓扑位置关系、目标航速、航向变化率、加速度、各目标相对航向之间的统计距离和传感器对机动反应快慢等模糊因素；由于上述因素对关联决策的影响不同，因而实际应用时需要选择在关联决策中较为重要的模糊因素，而在传感器存在系统误差情况下，各目标相对拓扑信息所形成的拓扑量间的统计距离或相关性应该是最重要的，其次是目标航速之间的统计距离，而再次可以考虑利用航向变化率的统计距离。

假设AIS与雷达的航迹号集分别为

U_A＝{1，2，…，n_A}，U_R＝{1，2，…，n_R}                              (1)

式中，n_A、n_R分别为AIS与雷达上报航迹数。

定义

为k时刻AIS获得的目标i的状态、

为k时刻雷达对目标j的状态估计，即

$\left\{\begin{array}{c}{X}_A^i\left(k\right|k)={[x_A^i\left(k\right),{\stackrel{\·}{x}}_A^i\left(k\right),y_A^i\left(k\right),{\stackrel{\·}{y}}_A^i\left(k\right)]}^T\\ {\hat{X}}_R^j\left(k\right|k)={[{\hat{x}}_R^j\left(k\right),{\widehat{\stackrel{\·}{x}}}_R^j\left(k\right),{\hat{y}}_R^j\left(k\right),{\widehat{\stackrel{\·}{y}}}_R^j\left(k\right)]}^T\end{array}\right.---\left(2\right)$

为计算各因素的隶属度，首先上报目标的状态估计向量来构建航迹间的模糊因素集，以求出u_l(l＝1，2，…，n)。

因此，这里根据三种不同的目标不变信息量来确定模糊因素。

对于各目标相对拓扑信息的模糊因素，由于系统误差的存在使得雷达上报目标航迹发生旋转和平移，但不改变待关联目标与其它目标之间的相对距离以及待关联目标航向和该目标与其它目标联线之间的夹角，因而可根据这些目标之间的拓扑信息量定义该目标相对拓扑向量。以待关联目标位置为原点，该目标航向为极轴建立极坐标系，将该极坐标系方位向空间从极轴开始沿顺时针方向划分为M个象限，其它目标按照其与该待关联目标的相对位置关系落入各象限内，将落入每一象限内的各目标与待关联目标间的欧氏距离分别求和，作为该象限的相对拓扑分量。由此，定义

分别表示AIS上报的第i条目标航迹以及雷达上报的第j条目标航迹在第k时刻对应的相对拓扑向量。以AIS为例，1×M维的相对拓扑向量

设定如下

$T_A^i\left(k\right)=[\underset{s=1}{\overset{N_1}{\mathrm{\Σ}}}{\mathrm{\ρ}}_A^{{\mathrm{ii}}_s^1}\left(k\right),\·\·\·,\underset{s=1}{\overset{N_m}{\mathrm{\Σ}}}{\mathrm{\ρ}}_A^{{\mathrm{ii}}_s^m}\left(k\right),\·\·\·,\underset{s=1}{\overset{N_M}{\mathrm{\Σ}}}{\mathrm{\ρ}}_A^{{\mathrm{ii}}_s^M}\left(k\right)]---\left(1\right)$

式中，

表示k时刻AIS的待关联目标i点迹与目标i_s点迹间的欧氏距离，N_m表示落入象限m中的目标数。

当设置象限数M＝8时，假设AIS上报了5条航迹，即目标数为5，且k时刻各目标点迹位置如图1所示。则k时刻目标3的相对拓扑向量为 $T_A^3\left(k\right)=[{\mathrm{\ρ}}_A^{31}\left(k\right),{\mathrm{\ρ}}_A^{32}\left(k\right)+{\mathrm{\ρ}}_A^{34}\left(k\right),\mathrm{0,0,0,0,0},{\mathrm{\ρ}}_A^{35}\left(k\right)].$

定义模糊因素1为

$u_1\left(k\right)=1-\mathrm{Cor}(T_A^i\left(k\right),T_R^j\left(k\right));i\∈U_A,j\∈U_R---\left(4\right)$

式中， $\mathrm{Cor}(T_A^i\left(k\right),T_R^j\left(k\right))=\frac{T_A^i\left(k\right)T_R^j{\left(k\right)}^T}{\sqrt{\left|T_A^i\left(k\right)\right|\left|T_R^j\left(k\right)\right|}}.$

对于各目标航速间的信息模糊因素，可采用各目标航速间的欧氏距离，则模糊因素2为

$u_2\left(k\right)=|v_A^i\left(k\right)-v_B^j\left(k\right)|$ (5)

$=|{[{\left({\stackrel{\·}{x}}_A^i\left(k\right)\right)}^2+{\left({\stackrel{\·}{y}}_A^i\left(k\right)\right)}^2]}^{1/2}-{[{\left({\widehat{\stackrel{\·}{x}}}_R^j\left(k\right)\right)}^2+{\left({\widehat{\stackrel{\·}{y}}}_R^j\left(k\right)\right)}^2]}^{1/2}|;i\∈U_A,j\∈U_R$

对于各目标航向变化率间的信息模糊因素，亦可采用各目标航向变化率间的欧氏距离，则模糊因素3为

$u_3\left(k\right)=\frac{|({\mathrm{\θ}}_A^i\left(k\right)-{\mathrm{\θ}}_A^i(k-1))-({\mathrm{\θ}}_R^j\left(k\right)-{\mathrm{\θ}}_R^j(k-1))|}{T}$

$=\frac{|\left({\mathrm{tg}}^{-1}\right[\frac{{\stackrel{\·}{y}}_A^i\left(k\right)}{{\stackrel{\·}{x}}_A^i\left(k\right)}]-{\mathrm{tg}}^{-1}[\frac{{\stackrel{\·}{y}}_A^i(k-1)}{{\stackrel{\·}{x}}_A^i(k-1)}\left]\right)-({\mathrm{tg}}^{-1}\left[\frac{{\widehat{\stackrel{\·}{y}}}_R^j\left(k\right)}{{\widehat{\stackrel{\·}{x}}}_R^j\left(k\right)}\right]-{\mathrm{tg}}^{-1}\left[\frac{{\widehat{\stackrel{\·}{y}}}_R^j(k-1)}{{\widehat{\stackrel{\·}{x}}}_R^j(k-1)}\right]\left)\right|}{T},i\∈U_A,j\∈U_R---\left(6\right)$

对于该目标模糊因素集，有n＝3。定义上述模糊因素集时都没有包含加速度信息以及各目标相对航向的拓扑关系，而如果同时考虑这些因素，则可构造更多的模糊因素。

(3)模糊因素权集的分配

设对应于上述各模糊因素集的权分配集合为且有

其中a_l为第l个模糊因素u_l对应的权。模糊因素权初值可凭经验主观确定，而a_l的设置亦需要参考第l个因素对决策的重要性，通常设置为a₁≥a₂≥a₃…≥a_n。实际中，与式(4)～(6)对应的权向量初值通常取为a₁＝0.75，a₂＝0.15，a₃＝0.10。

(4)模糊航迹抗差关联准则

选取正态型模糊隶属度函数，基于第k个模糊因素判为两目标航迹相似的隶属度为

${\mathrm{\μ}}_l=\mathrm{\μ}\left(u_l\right)=\exp (-{\mathrm{\τ}}_l\left(\frac{u_l^2}{{\mathrm{\σ}}_l^2}\right)),l=\mathrm{1,2},\·\·\·,n---\left(7\right)$

式中，σ_l是模糊集

中因素l的展度，而τ_l是调整度，其取值可通过仿真确定。

采用加权平均法进行综合评价，通过下式计算两目标航迹间的综合相似度

$f_{\mathrm{ij}}\left(k\right)=\underset{l=1}{\overset{n}{\mathrm{\Σ}}}{a}_l\left(k\right){\mathrm{\μ}}_l;i\∈U_A,j\∈U_R---\left(8\right)$

由此，对k时刻AIS的n_A条目标航迹和雷达的n_R条目标航迹就可构建以下模糊关联矩阵

$\underset{~}{F}\left(k\right)=\left[\begin{array}{cccc}{f}_{11}\left(k\right)& f_{12}\left(k\right)& ...& f_{{1n}_R}\left(k\right)\\ f_{21}\left(k\right)& f_{22}\left(k\right)& ...& f_{{2n}_R}\left(k\right)\\ .& .& .& .\\ .& .& .& .\\ .& .& .& .\\ f_{n_{A}1}\left(k\right)& f_{n_{A}2}\left(k\right)& ...& f_{n_A{n}_R}\left(k\right)\end{array}\right]---\left(9\right)$

获得模糊关联矩阵以后，就可根据式(9)，利用最大综合相似度和阈值检测原则来进行航迹抗差关联检验，选取符合判别准则的航迹对为试验关联航迹对。其具体判决过程为：首先在关联矩阵

中找出最大元素，且f_ij(k)＞ε，判定航迹i和j为实验关联航迹，并划去该元素所对应行与列的所有元素；由此得到新的关联矩阵但原矩阵的行列号不变，对其重复进行上述过程，得到矩阵

直至

的所有元素均小于阈值ε为止，剩余的元素的行列号则对应为不关联矩阵。

采用信号检测中的双门限准则，选取正整数I和L，

若航迹i、j试验关联成功，则设定航迹关联质量m_ij(k)＝m_ij(k-1)+1(m_ij(0)＝0)，且航迹脱离质量D_ij′(k)＝D_ij′(k-1)+1(j′≠j)，D_i′j(k)＝D_i′j(k-1)+1(i′≠i)，否则置

中所有元素对应的D_ij(k)＝D_ij(k-1)+1(D_ij(0)＝0)。若在L次抗差关联检验后，有

则认为航迹i与j形成固定抗差关联，并停止对它们间的后续抗差关联检验，即抗差关联赋值进入了固定期。而若

对任意与它可能关联的j′(j′∈U_R)，均有m_i′j′(L)＜I，则认为i′、j′不能形成固定抗差关联对，需要进入下一个时刻的关联检验。如果对某一个i，使

成立的j不只一个，则需进行航迹关联多义性处理。

(5)多义性处理

在时刻，如果满足m_ij(k＝L)＞I的目标航迹j不只一个，则认为满足下式的航迹j_*为固定关联对：

$\underset{j_{*}\∈\{j_1,j_2,\·\·\·,j_q\}}{\mathrm{Max}{m}_{\mathrm{ij}}(k=L),}i\∈U_A,j\∈U_R,\∀j\∈\{j_1,j_2,\·\·\·,j_q\}\⋐U_R,m_{\mathrm{ij}}\left(L\right)\≥I---\left(10\right)$

但若满足上式的航迹j_*仍然不只一个，则可认为使相似性向量的范数最大的航迹组合为最终关联对，即

$\underset{J^{*}}{\mathrm{Max}}{\left|\right|f_{{\mathrm{ij}}_{*}}\left|\right|}_1=\underset{r=1}{\overset{L}{\mathrm{\Σ}}}\left|f_{{\mathrm{ij}}_{*}}\left(r\right)\right|;j^{*}\∈\{j_{*1},j_{*2},\·\·\·,j_{*q}\}\⋐U_R,i\∈U_A---\left(11\right)$

至此，当确定航迹i与j^*为最终关联对后，撤消其它与航迹i试验关联的航迹

图2给出了模糊航迹抗差关联算法流程图。

在航迹正确关联的基础上，可以采用现有的误差配准算法对雷达的系统误差进行估计和配准。

(6)相对于传统方法的优势

1)相比于一般的航迹关联算法，本发明能够很好的减小系统误差的影响，减小误关联率和漏关联率；

2)相比于一般的雷达间的航迹抗差关联，AIS能够获得目标的准确拓扑信息，进一步减小雷达系统误差和随机量测误差的影响，提高正确关联率。

Claims (3)

1.一种基于目标拓扑信息的AIS与雷达航迹抗差关联方法，包括模糊因素集的构建与抗差关联模型的构建，以及基于模糊信息处理理论的航迹关联方法，其特征在于：

(1)通过AIS与雷达上报的目标之间的拓扑关系构建航迹的模糊因素集；

(2)通过建立的模糊因素集构建雷达与AIS航迹之间的抗差关联模型。

2.根据权利要求1所述的一种基于目标拓扑信息的AIS与雷达航迹抗差关联方法，其特征在于通过AIS与雷达上报的目标之间的拓扑关系构建航迹的模糊因素集，具有如下技术特征：定义 

分别表示AIS上报的第i条目标航迹以及雷达上报的第j条目标航迹在第k时刻对应的相对拓扑向量；AIS中1×M维的相对拓扑向量 

设定如下

式中， 

表示k时刻AIS的待关联目标i点迹与目标i_s点迹间的欧氏距离，N_m表示落入象限m中的目标数；

定义模糊因素1为

式中，

对于各目标航速间的信息模糊因素，采用各目标航速间的欧氏距离，则模糊因素2为

对于各目标航向变化率间的信息模糊因素，采用各目标航向变化率间的欧氏距离，则模糊因素3为

。

3.根据权利要求1所述的一种基于目标拓扑信息的AIS与雷达航迹抗差关联方法，其特征在于通过模糊因素集构建雷达与AIS航迹之间的抗差关联模型，采用如下的步骤：选取正态型模糊隶属度函数，基于第k个模糊因素判为两目标航迹相似的隶属度为

式中，σ_l是模糊集 

中因素l的展度，而τ_l是调整度；

采用加权平均法进行综合评价，通过下式计算两目标航迹间的综合相似度

由此，对k时刻AIS的n_A条目标航迹和雷达的n_R条目标航迹构建以下模糊关联矩阵

获得模糊关联矩阵式(7)后，在关联矩阵 

中找出最大元素，且f_ij(k)＞ε，判定航迹i和j为试验关联航迹，并划去该元素所对应的所有行列元素；由此得到新的关联矩阵 

但原矩阵的行列号不变，对其重复进行上述过程，得到矩阵 

直至 

的所有元素均小于阈值ε为止， 

即为航迹试验关联矩阵，剩余的元素的行列号对应为不关联矩阵；根据得到的航迹试验关联矩阵 

采用双门限航迹关联算法进行航迹关联与多义性处理实现AIS与雷达的航迹抗差关联。 

Images