CN103575279B - 基于模糊信息的航迹关联方法及系统 - Google Patents

Abstract

本发明公开了一种基于模糊信息的航迹关联方法，包括以下步骤：获取传感器数据；提取传感器ID信息；提取航迹位置信息；提取状态信息；传感器ID信息模糊处理；位置信息模糊处理；状态信息模糊处理；将模糊处理后的信息在进行模糊综合处理得到各传感器的特征融合度，并与设定的门限值进行比较判定，判定各传感器的数据源是否来自同一目标。本发明还公开了一种基于模糊信息的航迹关联系统，该方法和系统通过对传感器的多个特征的模糊化处理，能够去伪存真，更好地反应问题的本质；实现了对不同通航传感器所测航迹的实施监控，并能及时准确关联来自于不同传感器的航迹，实时性强，准确性高，大大提高了对通航监视航迹的关联质量。

Description

基于模糊信息的航迹关联方法及系统

技术领域

本发明属于通航飞行监视技术领域，涉及一种航迹关联方法及系统，具体涉及一种基于模糊信息的航迹关联方法及系统。

背景技术

目前，通航飞行监视中涉及多种不同的传感器，他们从类型上可分为非协作式传感器和协作式传感器。非协作式传感器不能获取飞行器标识信息；协作式传感器可以获取标识信息，但是不同的协作式传感器获取的标识信息存在差异，且由于电磁干扰等因素，也不能确保信息的稳定获取。因此，各传感器所测航迹在进行关联配对时存在困难。目前还没有一种针对通航飞行监视各传感器航迹关联的有效方法及系统，因此给通航监视、导航与应用带来了很大不便。

发明内容

本发明的目的在于，针对上述现有技术的不足，提供一种基于模糊信息的航迹关联方法及系统，通过对采集的信息进行模糊处理和判断，将各传感器所测航迹关联在一起，从而得出更为准确的航迹信息。

为达到上述目的，本申请采取的技术方案是：提供一种基于模糊信息的航迹关联方法，其特征在于，包括以下步骤：

步骤A，获取传感器数据，接收来自于至少两个传感器的输出数据；

步骤B，提取被测目标的ID信息，从获取的各传感器的输出数据中提取被测目标的ID信息，若传感器数据中不含ID信息，则设置ID为空缺；

步骤C，提取航迹位置信息，从获取的各传感器的输出数据中提取被测目标的航迹位置信息；

步骤D，提取状态信息，从获取的各传感器的输出数据中提取被测目标的状态信息；

步骤E，ID信息模糊处理，对提取的各传感器的被测目标的ID信息进行模糊化处理，将被测目标的ID信息转换成代表被测目标ID特征的数值信息；

步骤F，位置信息模糊处理，对提取的航迹位置信息进行模糊处理，得到代表被测目标航迹位置特征的位置数据；

步骤G，状态信息模糊处理，对提取的状态信息进行模糊处理，得到代表被测目标状态特征的轨迹数据；

步骤H，模糊综合处理，将代表被测目标的ID特征的数值信息、航迹位置特征的位置数据和状态特征的轨迹数据按照方程（1）进行处理，得到各传感器测得的被测目标的ID特征相似度、航迹位置特征相似度和状态特征相似度：

$L_{i,j}^{l,m}\left(k\right)=\frac{\underset{p=1}{\overset{M}{\mathrm{\Σ}}}{s}_{i,l}^k\left(p\right)\×s_{j,m}^k\left(p\right)}{\sqrt{\left(\underset{p=1}{\overset{M}{\mathrm{\Σ}}}{\left[s_{i,l}^k\left(p\right)\right]}^2\right)\×\left(\underset{p=1}{\overset{M}{\mathrm{\Σ}}}{\left[s_{j,m}^k\left(p\right)\right]}^2\right)}}---\left(1\right)$

其中，为传感器i测得的航迹l和传感器j测得的航迹m在特征k上的相似度；特征k为第k个特征，代表被测目标的ID特征、航迹位置特征或者状态特征；为传感器x测得的航迹y在特征k模糊化后所得到的具体分量，x＝i,j,y＝l,m；M为传感器i和传感器j测得的航迹模糊化后分量数目；为传感器x测得的航迹y的特征k模糊化后第p个分量的值；

并根据各传感器测得的被测目标的传感器ID特征相似度、航迹位置特征相似度和状态特征相似度按照方程（2）进行融合处理，得到被测目标的特征融合度：

$J_{i,j}^{l,m}=1-{\left[\underset{k=1}{\overset{N}{\mathrm{\Π}}}{L}_{i,j}^{l,m}\left(k\right)\right]}^{\frac{1}{N}}---\left(2\right)$

其中，为对传感器i测得的航迹l和传感器j测得的航迹m匹配关系的特征融合度，作为对传感器i测得的航迹l和传感器j测得的航迹m匹配关系的综合判据；

步骤I，门限判定，将得到的被测目标的特征融合度与设定的门限值进行比较判定，若被测目标的特征融合度不大于门限值，判定为各传感器的数据源自同一目标，进而得到融合航迹，保存到关联数据库中；若被测目标的特征融合度大于门限值，判定为各传感器的数据源自不同目标，各传感器的数据不能进行关联和融合。

所述步骤C进一步包括：将获取的各传感器的输出数据通过扩展卡尔曼滤波算法进行滤波；从滤波后的各传感器的输出数据中提取被测目标的航迹位置信息。

所述步骤D进一步包括：对获取的各传感器的输出数据进行分析，得到被测目标的状态信息，并将状态信息提取出来。

所述航迹位置信息包括被测目标的三维空间位置、运动速率、运动方向、定位误差协方差。

所述状态信息包括匀速、加速、减速、左转、右转、上升、下降。

本申请还提供了一种基于模糊信息的航迹关联系统，其特征在于，包括：

获取数据模块，用于接收来自于至少两个传感器的输出数据；

ID标识处理模块，用于从获取的各传感器的输出数据中提取被测目标的ID信息，若传感器数据中不含ID信息，则设置ID为空缺；

位置处理模块，用于从获取的各传感器的输出数据中提取被测目标的航迹位置信息；

状态处理模块，用于从获取的各传感器的输出数据中提取被测目标的状态信息；

融合判断模块；所述融合判断模块进一步包括ID信息模糊处理模块，用于对提取的各传感器的被测目标的ID信息进行模糊化处理，将被测目标的ID信息转换成代表被测目标ID特征的数值信息；

位置信息模糊处理模块，用于对提取的航迹位置信息进行模糊处理，得到代表被测目标航迹位置特征的位置数据；

状态信息模糊处理模块，用于对提取的状态信息进行模糊处理，得到代表被测目标状态特征的轨迹数据；

模糊综合处理模块，用于将代表被测目标的ID特征的数值信息、航迹位置特征的位置数据和状态特征的轨迹数据按照方程（1）进行处理，得到各传感器测得的被测目标的ID特征相似度、航迹位置特征相似度和状态特征相似度：

$L_{i,j}^{l,m}\left(k\right)=\frac{\underset{p=1}{\overset{M}{\mathrm{\Σ}}}{s}_{i,l}^k\left(p\right)\×s_{j,m}^k\left(p\right)}{\sqrt{\left(\underset{p=1}{\overset{M}{\mathrm{\Σ}}}{\left[s_{i,l}^k\left(p\right)\right]}^2\right)\×\left(\underset{p=1}{\overset{M}{\mathrm{\Σ}}}{\left[s_{j,m}^k\left(p\right)\right]}^2\right)}}---\left(1\right)$

其中，为传感器i测得的航迹l和传感器j测得的航迹m在特征k上的相似度；特征k为第k个特征，代表被测目标的ID特征、航迹位置特征或者状态特征；为传感器x测得的航迹y在特征k模糊化后所得到的具体分量，x＝i,j,y＝l,m；M为传感器i和传感器j测得的航迹模糊化后分量数目；为传感器x测得的航迹y的特征k模糊化后第p个分量的值；

并根据各传感器测得的被测目标的传感器ID特征相似度、航迹位置特征相似度和状态特征相似度按照方程（2）进行融合处理，得到被测目标的特征融合度：

$J_{i,j}^{l,m}=1-{\left[\underset{k=1}{\overset{N}{\mathrm{\Π}}}{L}_{i,j}^{l,m}\left(k\right)\right]}^{\frac{1}{N}}---\left(2\right)$

其中，为对传感器i测得的航迹l和传感器j测得的航迹m匹配关系的特征融合度，作为对传感器i测得的航迹l和传感器j测得的航迹m匹配关系的综合判据；

门限判定模块，用于将得到的被测目标的特征融合度与设定的门限值进行比较判定，若被测目标的特征融合度不大于门限值，判定为各传感器的数据源自同一目标，进而得到融合航迹，保存到关联数据库中；若被测目标的特征融合度大于门限值，判定为各传感器的数据源自不同目标，各传感器的数据不能进行关联和融合。

所述位置处理模块进一步包括：滤波模块，用于将获取的各传感器的输出数据通过扩展卡尔曼滤波算法进行滤波，从滤波后的各传感器的输出数据中提取被测目标的航迹位置信息。

所述状态处理模块进一步包括：状态分析模块，用于对获取的各传感器的输出数据进行分析，得到被测目标的状态信息，并将状态信息提取出来。

本申请提供的基于模糊信息的航迹关联技术方案，

1、通过对传感器的多个特征的模糊化处理，能够去伪存真，更好地反应问题的本质；

2、避免了噪声等干扰，能够很好的表示传感器多个特征的不确定性；

3、实现方式简单，缩短数据处理环节，提高了通航监视的工作效率；

4、实现了对不同通航传感器所测航迹的实施监控，并能及时准确关联来自于不同传感器的航迹，实时性强，准确性高，大大提高了对通航监视航迹的关联质量。

附图说明

此处所说明的附图用来提供对本申请的进一步理解，构成本申请的一部分，本申请的示意性实施例及其说明用于解释本申请，并构成对本申请的不当限定。在附图中：

图1示意性地示出了根据本申请一个实施例的基于模糊信息的航迹关联方法的流程图。

图2示意性地示出了根据本申请一个实施例的基于模糊信息的航迹关联的关联过程。

图3示意性地示出了根据本申请的一个实施例的基于模糊信息的航迹关联系统的示意图。

在这些附图中，使用相同的参考标号来表示相同或相似的部分。

具体实施方式

为使本申请的目的、技术方案和优点更加清楚，以下结合附图及具体实施例，对本申请作进一步地详细说明。

在以下描述中，对“一个实施例”、“实施例”、“一个示例”、“示例”等等的引用表明如此描述的实施例或示例可以包括特定特征、结构、特性、性质、元素或限度，但并非每个实施例或示例都必然包括特定特征、结构、特性、性质、元素或限度。另外，重复使用短语“根据本申请的一个实施例”虽然有可能是指代相同实施例，但并非必然指代相同的实施例。

为简单起见，以下描述中省略了本领域技术人员公知的某些技术特征。

本申请公开了一种基于模糊信息的航迹关联方法。

特征的模糊化是指根据一定的模糊化规则，把原来的一类或者几类特征变量分成多个模糊变量，使每个模糊变量表达原特征的局部特性。用这些新的模糊特征代替原来的特征进行模式识别。将原来的一种特征变为若干模糊特征的目的在于使新特征更好地反应问题的本质。另外，由于噪声等干扰因素的存在使得对提取的目标特征具有一定的不确定性。如果采用具体的特征值则可能会造成信息的流失。而特征的模糊化能很好的表示这种不确定性。

图1示意性地示出了根据本申请一个实施例的基于模糊信息的航迹关联方法的流程图，包括以下步骤：

步骤A，获取传感器数据，接收来自于至少两个传感器的输出数据。

根据本申请的一个实施例，传感器的输出数据可以包括被测目标的身份识别码（ID信息）、被测目标的三维空间位置、运动速率、运动方向、定位误差协方差等。

步骤B，提取被测目标的ID信息，从获取的各传感器的输出数据中提取被测目标的ID信息，若传感器数据中不含ID信息，则设置ID为空缺。

根据本申请的一个实施例，上述ID信息可以包含被测目标的制造商、型号和编号等信息。以飞行器为例，ID信息可以包含飞行器的制造商、机型、编号等信息。但是，由于通航飞行器及其标准的多样性，并非所有的飞行器一定含有标识码；另一方面，由于测量误差和通信误差，地面站点也不能保证一定能准确接收飞行器下发的ID信息。因此，若传感器测量的数据中中不含ID信息，则设ID为空缺，即ID=NULL。

步骤C，提取航迹位置信息，从获取的各传感器的输出数据中提取被测目标的航迹位置信息。

根据本申请的一个实施例，航迹位置信息可以包括被测目标的三维空间位置、运动速率、运动方向、定位误差协方差等。

被测目标的三维空间位置可以表示为传感器所在高度以及基于水平投影的金字塔区域。上述基于水平投影的金字塔区域可以采用经纬度来标识。

根据本申请的一个实施例，可以先将获取的各传感器的输出数据通过扩展卡尔曼滤波算法进行滤波；再从滤波后的各传感器的输出数据中提取被测目标的航迹位置信息。通过扩展卡尔曼滤波算法进行滤波，抑制各传感器输出数据的噪声，是为了提高数据的准确性。

步骤D，提取状态信息，从获取的各传感器的输出数据中提取被测目标的状态信息。

根据本申请的一个实施例，状态信息可以包括匀速、加速、减速、左转、右转、上升、下降。

根据本申请的一个实施例，可以对获取的各传感器的输出数据进行运动状态分析，得到被测目标的状态信息，再将状态信息提取出来。

例如，根据传感器的输出数据中的航迹位置信息（如被测目标的三维空间位置、运动速率、运动方向、定位误差协方差等），可以计算出被测目标的运动轨迹，从而判断运动状态（如加速/减速/匀速、上升/下降、直线/左转/右转等）。

步骤E，ID信息模糊处理，对提取的各传感器的被测目标的ID信息进行模糊化处理，将被测目标的ID信息转换成代表被测目标ID特征的数值信息。

根据本申请的一个实施例，可以将ID标识信息（定量的二进制编码）转换为笼统的多重信息，即（数值信息）—>（制造商、机型、编号）。也就是将单一的二进制编码信息转换为多重属性信息，如将被测目标的制造商、型号、编码分别用不同的数值（如0,1,2）来表示。这样，即使二进制编码的某些位出错，也不易导致所有属性信息的错乱。如：由于误差导致ID标识信息部分码子错误，造成的结果可能是某个编号属性的错误，而制造商和型号可以正常提取，并进行模糊化处理。

因此，将定量的二进制编码信息模糊化为多重身份信息，并用一定的数值来表示，可以加强信息的容错性。

步骤F，位置信息模糊处理，对提取的航迹位置信息进行模糊处理，得到代表被测目标航迹位置特征的位置数据。

根据本申请的一个实施例，由于在实际应用中对位置的测量也不可能完全精确。如果将存在误差的位置数据用作精确判定的标准也是不合理的。可以对位置特征进行模糊化处理，即（位置数据）—>（高度层、基于水平投影的金字塔区域），用位置数据来表示被测目标所在高度层、基于水平投影的金字塔区域等信息。

例1，高度层可以以100米作为一个层次划分，如0-100米高度内用0表示，100-200米高度内用1表示，200-300米高度内用数字2表示，依次类推。

例2，基于水平投影的金字塔区域可以根据被测目标位于金字塔区域的位置，选择以经纬0.000001°、0.00005°、0.0001°或者0.0002°等作为标准划分区域位置，划分方法与高度层的划分方法类似。如以0.0002°作为划分标准时，经纬度（0,0）-（0.0002°,0.0002°）范围内用0表示，（0.0002°,0.0002°）-（0.0004°,0.0004°）范围内用1表示，（0.0004°,0.0004°）-（0.0006°,0.0006°）范围内用2表示，依次类推。划分标准的选择，可以根据被测目标所在金字塔区域的位置，如当被测目标位于金字塔区域的底层时，划分的区域很细，可以选取较小的度数为标准；当被测目标位于金字塔区域的顶层时，划分的区域很少，可以选取较大的度数为标准。此外，划分标准的选择，也可以根据传感器的输出数据中的经纬度数值的精度。

通过上述处理，可以将原本定理的经纬海拔高度数据模糊化，从而抑制位置测量误差。

步骤G，状态信息模糊处理，对提取的状态信息进行模糊处理，得到代表被测目标状态特征的轨迹数据。

传感器有对目标飞行点迹的记录，可以推测被测目标的运动状态。由于原始轨迹自身也是含有噪声的，因此状态转换也遵循模糊化处理的方法，即：（轨迹数据）—>（减速/匀速/加速，上升/下降，直线/左转/右转），用轨迹数据来表示传感器所在飞行器的运动状态信息（如减速/匀速/加速，上升/下降，直线/左转/右转）。

例如，对于减速/匀速/加速，减速用0表示，匀速用1表示，加速用2表示；对于上升/下降，上升用0表示，下降用1表示；对于直线/左转/右转，直线用0表示，左转用1表示，右转用2表示。

步骤H，模糊综合处理，将代表被测目标的ID特征的数值信息、航迹位置特征的位置数据和状态特征的轨迹数据按照方程（1）进行处理，得到各传感器测得的被测目标的传感器ID特征相似度、航迹位置特征相似度和状态特征相似度：

$L_{i,j}^{l,m}\left(k\right)=\frac{\underset{p=1}{\overset{M}{\mathrm{\Σ}}}{s}_{i,l}^k\left(p\right)\×s_{j,m}^k\left(p\right)}{\sqrt{\left(\underset{p=1}{\overset{M}{\mathrm{\Σ}}}{\left[s_{i,l}^k\left(p\right)\right]}^2\right)\×\left(\underset{p=1}{\overset{M}{\mathrm{\Σ}}}{\left[s_{j,m}^k\left(p\right)\right]}^2\right)}}---\left(1\right)$

其中，为传感器i测得的航迹l和传感器j测得的航迹m在特征k上的相似度；特征k为第k个特征，代表被测目标的ID特征、航迹位置特征或者状态特征；为传感器x测得的航迹y在特征k模糊化后所得到的具体分量，x＝i,j,y＝l,m；M为传感器i和传感器j测得的航迹模糊化后分量数目；为传感器x测得的航迹y的特征k模糊化后第p个分量的值；

并根据被测目标的传感器ID特征相似度、航迹位置特征相似度和状态特征相似度按照方程（2）进行融合处理，得到被测目标的特征融合度：

$J_{i,j}^{l,m}=1-{\left[\underset{k=1}{\overset{N}{\mathrm{\Π}}}{L}_{i,j}^{l,m}\left(k\right)\right]}^{\frac{1}{N}}---\left(2\right)$

其中，为对传感器i测得的航迹l和传感器j测得的航迹m匹配关系的特征融合度，作为对传感器i测得的航迹l和传感器j测得的航迹m匹配关系的综合判据。

例如，判定传感器1的航迹l和传感器2的航迹m的相似度。

传感器ID特征为第1特征， $s_{1,l}^1\left(1\right)=0$ $s_{1,l}^1\left(2\right)=1,$ $s_{1,l}^1\left(3\right)=2,$ $s_{2,m}^1\left(1\right)=0,$ $s_{2,m}^1\left(2\right)=1,$ $s_{2,m}^1\left(3\right)=2;$ $L_{\mathrm{1,2}}^{l,m}\left(1\right)=1;$

位置特征为第2特征， $s_{1,l}^2\left(1\right)=1,$ $s_{1,l}^2\left(2\right)=2,$ $s_{2,m}^2\left(1\right)=2,$ $s_{2,m}^2\left(2\right)=2;$ $L_{\mathrm{1,2}}^{l,m}\left(2\right)=\frac{3}{\sqrt{10}};$

状态特征为第3特征， $s_{1,l}^3\left(1\right)=0,$ $s_{1,l}^3\left(2\right)=1,$ $s_{1,l}^3\left(3\right)=1,$ $s_{2,m}^3\left(1\right)=0,$ $s_{2,m}^2\left(2\right)=1,$ $s_{2,m}^3\left(3\right)=0;$ $L_{\mathrm{1,2}}^{l,m}\left(3\right)=\frac{1}{\sqrt{2}};$

$J_{\mathrm{1,2}}^{l,m}=1-{\left[\underset{k=1}{\overset{N}{\mathrm{\Π}}}{L}_{i,j}^{l,m}\left(k\right)\right]}^{\frac{1}{N}}=1-{[1\×\frac{3}{\sqrt{10}}\×\frac{1}{2}]}^{\frac{1}{3}}=0.125$

根据本申请的一个实施例，对于两个以上传感器对至少一个目标进行测量时，可以通过两两进行比较，得出两两传感器测得的被测目标的特征融合度。

步骤I，门限判定，将得到的被测目标的特征融合度与设定的门限值进行比较判定，若被测目标的特征融合度不大于门限值，判定为各传感器的数据源自同一目标，进而得到融合航迹，保存到关联数据库中；若被测目标的特征融合度大于门限值，判定为各传感器的数据源自不同目标，各传感器的数据则不能进行关联和融合。

门限值可以根据多次经验设定，门限值优选的范围为不大于0.5，更优选的值为0.2。

例如，设定门限值为0.2，上面得到的小于设定的门限值，判定为传感器1和传感器2的数据源自同一目标，进而得到由模糊信息表示的融合航迹，并将融合航迹保存到关联数据库中。

需要注意的是，当传感器i中的一条航迹与传感器j中的多条航迹进行关联判决时，可能存在多个满足条件的判决值（即被测目标的特征融合度不大于门限值），此时，选取其中特征融合度最小值作为最终判决结果。

上述给出的只是两个传感器的多个特征进行融合判决的情况，下面结合图2示意性地示出了根据本申请一个实施例的基于模糊信息的航迹关联的多个传感器的关联过程。

将传感器S₁、S₂、…S_m的航迹信息（包括位置信息和状态信息等）进行模糊处理，得到模糊化的用于描述航迹关联的矩阵。

例如，传感器S₁测得的航迹信息为t₁₁，t₁₂，t₁₃,，…；传感器S₁测得的航迹信息为t₂₁，t₂₂，t₂₃,，…；…传感器S_m测得的航迹信息为t_m1，t_m2，t_m3,，…；将上述航迹信息进行模糊处理，得到模糊化的用于描述航迹关联的矩阵（如图所示）。

再通过上述航迹关联的矩阵中的数据进行模糊综合处理得到融合航迹T₁、T₂、…T_n，多个传感器可以采用两两比较的形式，选择其中特征融合度最小的进行门限判定，得出最终判决结果。

本申请还提供了一种基于模糊信息的航迹关联系统，该航迹关联系统包括：

获取数据模块101，用于接收来自于至少两个传感器的输出数据；

ID标识处理模块102，用于从获取的各传感器的输出数据中提取被测目标的ID信息，若传感器数据中不含ID信息，则设置ID为空缺；

位置处理模块103，用于从获取的各传感器的输出数据中提取被测目标的航迹位置信息；

状态处理模块104，用于从获取的各传感器的输出数据中提取被测目标的状态信息；

融合判断模块105；融合判断模块105进一步包括：

ID信息模糊处理模块，用于对提取的各传感器的被测目标的ID信息进行模糊化处理，将被测目标的ID信息转换成代表被测目标ID特征的数值信息；

位置信息模糊处理模块，用于对提取的航迹位置信息进行模糊处理，得到代表被测目标航迹位置特征的位置数据；

状态信息模糊处理模块，用于对提取的状态信息进行模糊处理，得到代表被测目标状态特征的轨迹数据；

模糊综合处理模块，用于将代表被测目标的ID特征的数值信息、航迹位置特征的位置数据和状态特征的轨迹数据按照方程（1）进行处理，得到各传感器测得的被测目标的ID特征相似度、航迹位置特征相似度和状态特征相似度：

$L_{i,j}^{l,m}\left(k\right)=\frac{\underset{p=1}{\overset{M}{\mathrm{\Σ}}}{s}_{i,l}^k\left(p\right)\×s_{j,m}^k\left(p\right)}{\sqrt{\left(\underset{p=1}{\overset{M}{\mathrm{\Σ}}}{\left[s_{i,l}^k\left(p\right)\right]}^2\right)\×\left(\underset{p=1}{\overset{M}{\mathrm{\Σ}}}{\left[s_{j,m}^k\left(p\right)\right]}^2\right)}}---\left(1\right)$

其中，为传感器i测得的航迹l和传感器j测得的航迹m在特征k上的相似度；特征k为第k个特征，代表被测目标的ID特征、航迹位置特征或者状态特征；为传感器x测得的航迹y在特征k模糊化后所得到的具体分量，x＝i,j,y＝l,m；M为传感器i和传感器j测得的航迹模糊化后分量数目；为传感器x测得的航迹y的特征k模糊化后第p个分量的值；

并根据各传感器测得的被测目标的传感器ID特征相似度、航迹位置特征相似度和状态特征相似度按照方程（2）进行融合处理，得到被测目标的特征融合度：

$J_{i,j}^{l,m}=1-{\left[\underset{k=1}{\overset{N}{\mathrm{\Π}}}{L}_{i,j}^{l,m}\left(k\right)\right]}^{\frac{1}{N}}---\left(2\right)$

其中，为对传感器i测得的航迹l和传感器j测得的航迹m匹配关系的特征融合度，作为对传感器i测得的航迹l和传感器j测得的航迹m匹配关系的综合判据；

门限判定模块，用于将得到的被测目标的特征融合度与设定的门限值进行比较判定，若被测目标的特征融合度不大于门限值，判定为各传感器的数据源自同一目标，进而得到融合航迹，保存到关联数据库中；若被测目标的特征融合度大于门限值，判定为各传感器的数据源自不同目标，各传感器的数据不能进行关联和融合。

位置处理模块进一步包括：滤波模块，用于将获取的各传感器的输出数据通过扩展卡尔曼滤波算法进行滤波，从滤波后的各传感器的输出数据中提取被测目标的航迹位置信息。

状态处理模块进一步包括：状态分析模块，用于对获取的各传感器的输出数据进行分析，得到被测目标的状态信息，并将状态信息提取出来。

以上所述仅为本申请的实施例而已，并不用于限制本申请，对于本领域的技术人员来说，本申请可以有各种更改和变化。凡在本申请的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本申请的权利要求范围之内。

Claims (10)

1.一种基于模糊信息的航迹关联方法，其特征在于，包括以下步骤：

步骤A，获取传感器数据，接收来自于至少两个传感器的输出数据；

步骤B，提取被测目标的ID信息，从获取的各传感器的输出数据中提取被测目标的ID信息，若传感器数据中不含ID信息，则设置ID为空缺；

步骤C，提取航迹位置信息，从获取的各传感器的输出数据中提取被测目标的航迹位置信息；

步骤D，提取状态信息，从获取的各传感器的输出数据中提取被测目标的状态信息；

步骤E，ID信息模糊处理，对提取的各传感器的被测目标的ID信息进行模糊化处理，将被测目标的ID信息转换成代表被测目标ID特征的数值信息；

步骤F，位置信息模糊处理，对提取的航迹位置信息进行模糊处理，得到代表被测目标航迹位置特征的位置数据；用位置数据来表示被测目标所在高度层、基于水平投影的金字塔区域信息；将高度层依据设定的划分标准划分为若干层次，依次用设定数值表示；将给予水平投影的金字塔区域依据设定的划分标准划分为若干区域位置，依次用设定数值表示；

步骤G，状态信息模糊处理，对提取的状态信息进行模糊处理，得到代表被测目标状态特征的轨迹数据；用轨迹数据来表示传感器所在飞行器的运行状态信息，包括减速/匀速/加速、上升/下降、直线/左转/右转；对于减速/匀速/加速，依次用设定数值表示；对于上升/下降，依次用设定数值表示；对于直线/左转/右转，直依次用设定数值表示；

步骤H，模糊综合处理，将代表被测目标的ID特征的数值信息、航迹位置特征的位置数据和状态特征的轨迹数据按照方程(1)进行处理，得到各传感器测得的被测目标的ID特征相似度、航迹位置特征相似度和状态特征相似度：

$L_{i,j}^{l,m}\left(k\right)=\frac{\underset{p=1}{\overset{M}{\Σ}}{s}_{i,l}^k\left(p\right)\×s_{j,m}^k\left(p\right)}{\sqrt{\left(\underset{p=1}{\overset{M}{\Σ}}{\[s_{i,l}^k\left(p\right)\]}^2\right)\×\left(\underset{p=1}{\overset{M}{\Σ}}{\[s_{j,m}^k\left(p\right)\]}^2\right)}}---\left(1\right)$

其中，为传感器i测得的航迹l和传感器j测得的航迹m在特征k上的相似度；特征k为第k个特征，代表被测目标的ID特征、航迹位置特征或者状态特征；为传感器x测得的航迹y在特征k模糊化后所得到的具体分量，x＝i,j,y＝l,m；M为传感器i和传感器j测得的航迹模糊化后分量数目；为传感器x测得的航迹y的特征k模糊化后第p个分量的值；

并根据各传感器测得的被测目标的传感器ID特征相似度、航迹位置特征相似度和状态特征相似度按照方程(2)进行融合处理，得到被测目标的特征融合度：

$J_{i,j}^{l,m}=1-{\[\underset{k=1}{\overset{N}{\Π}}{L}_{i,j}^{l,m}\left(k\right)\]}^{\frac{1}{N}}---\left(2\right)$

其中，为对传感器i测得的航迹l和传感器j测得的航迹m匹配关系的特征融合度，作为对传感器i测得的航迹l和传感器j测得的航迹m匹配关系的综合判据；为传感器i测得的航迹l和传感器j测得的航迹m在特征k上的相似度；N为特征个数；

步骤I，门限判定，将得到的被测目标的特征融合度与设定的门限值进行比较判定，若被测目标的特征融合度不大于门限值，判定为各传感器的数据源自同一目标，进而得到融合航迹，保存到关联数据库中；若各传感器测得的被测目标的特征融合度大于门限值，判定为各传感器的数据源自不同目标，各传感器的数据不能进行关联和融合。

2.根据权利要求1所述的基于模糊信息的航迹关联方法，其特征在于，所述步骤C进一步包括：将获取的各传感器的输出数据通过扩展卡尔曼滤波算法进行滤波；从滤波后的各传感器的输出数据中提取被测目标的航迹位置信息。

3.根据权利要求1所述的基于模糊信息的航迹关联方法，其特征在于，所述步骤D进一步包括：对获取的各传感器的输出数据进行分析，得到被测目标的状态信息，并将状态信息提取出来。

4.根据权利要求1或2所述的基于模糊信息的航迹关联方法，其特征在于，所述航迹位置信息包括被测目标的三维空间位置、运动速率、运动方向、定位误差协方差。

5.根据权利要求1或3所述的基于模糊信息的航迹关联方法，其特征在于，所述状态信息包括匀速、加速、减速、左转、右转、上升、下降。

6.一种基于模糊信息的航迹关联系统，其特征在于，包括：

获取数据模块，用于接收来自于至少两个传感器的输出数据；

ID标识处理模块，用于从获取的各传感器的输出数据中提取被测目标的ID信息，若传感器数据中不含ID信息，则设置ID为空缺；

位置处理模块，用于从获取的各传感器的输出数据中提取被测目标的航迹位置信息；

状态处理模块，用于从获取的各传感器的输出数据中提取被测目标的状态信息；

融合判断模块；所述融合判断模块进一步包括ID信息模糊处理模块，用于对提取的各传感器的被测目标的ID信息进行模糊化处理，将被测目标的ID信息转换成代表被测目标ID特征的数值信息；

位置信息模糊处理模块，用于对提取的航迹位置信息进行模糊处理，得到代表被测目标航迹位置特征的位置数据；用位置数据来表示被测目标所在高度层、基于水平投影的金字塔区域信息；将高度层依据设定的划分标准划分为若干层次，依次用设定数值表示；将给予水平投影的金字塔区域依据设定的划分标准划分为若干区域位置，依次用设定数值表示；

状态信息模糊处理模块，用于对提取的状态信息进行模糊处理，得到代表被测目标状态特征的轨迹数据；用轨迹数据来表示传感器所在飞行器的运行状态信息，包括减速/匀速/加速、上升/下降、直线/左转/右转；对于减速/匀速/加速，依次用设定数值表示；对于上升/下降，依次用设定数值表示；对于直线/左转/右转，直依次用设定数值表示；

模糊综合处理模块，用于将代表被测目标的ID特征的数值信息、航迹位置特征的位置数据和状态特征的轨迹数据按照方程(1)进行处理，得到各传感器测得的被测目标的ID特征相似度、航迹位置特征相似度和状态特征相似度：

$L_{i,j}^{l,m}\left(k\right)=\frac{\underset{p=1}{\overset{M}{\Σ}}{s}_{i,l}^k\left(p\right)\×s_{j,m}^k\left(p\right)}{\sqrt{\left(\underset{p=1}{\overset{M}{\Σ}}{\[s_{i,l}^k\left(p\right)\]}^2\right)\×\left(\underset{p=1}{\overset{M}{\Σ}}{\[s_{j,m}^k\left(p\right)\]}^2\right)}}---\left(1\right)$

其中，为传感器i测得的航迹l和传感器j测得的航迹m在特征k上的相似度；特征k为第k个特征，代表被测目标的ID特征、航迹位置特征或者状态特征；为传感器x测得的航迹y在特征k模糊化后所得到的具体分量，x＝i,j,y＝l,m；M为传感器i和传感器j测得的航迹模糊化后分量数目；为传感器x测得的航迹y的特征k模糊化后第p个分量的值；

并根据各传感器测得的被测目标的传感器ID特征相似度、航迹位置特征相似度和状态特征相似度按照方程(2)进行融合处理，得到被测目标的特征融合度：

$J_{i,j}^{l,m}=1-{\[\underset{k=1}{\overset{N}{\Π}}{L}_{i,j}^{l,m}\left(k\right)\]}^{\frac{1}{N}}---\left(2\right)$

其中，为对传感器i测得的航迹l和传感器j测得的航迹m匹配关系的特征融合度，作为对传感器i测得的航迹l和传感器j测得的航迹m匹配关系的综合判据；为传感器i测得的航迹l和传感器j测得的航迹m在特征k上的相似度；N为特征个数；

门限判定模块，用于将得到的被测目标的特征融合度与设定的门限值进行比较判定，若被测目标的特征融合度不大于门限值，判定为各传感器的数据源自同一目标，进而得到融合航迹，保存到关联数据库中；若被测目标的特征融合度大于门限值，判定为各传感器的数据源自不同目标，各传感器的数据不能进行关联和融合。

7.根据权利要求6所述的基于模糊信息的航迹关联系统，其特征在于，所述位置处理模块进一步包括：滤波模块，用于将获取的各传感器的输出数据通过扩展卡尔曼滤波算法进行滤波，从滤波后的各传感器的输出数据中提取被测目标的航迹位置信息。

8.根据权利要求6所述的基于模糊信息的航迹关联系统，其特征在于，所述状态处理模块进一步包括：状态分析模块，用于对获取的各传感器的输出数据进行分析，得到被测目标的状态信息，并将状态信息提取出来。

9.根据权利要求6或7所述的基于模糊信息的航迹关联系统，其特征在于，所述航迹位置信息包括被测目标的三维空间位置、运动速率、运动方向、定位误差协方差。

10.根据权利要求6或8所述的基于模糊信息的航迹关联系统，其特征在于，所述状态信息包括匀速、加速、减速、左转、右转、上升、下降。