CN105676180B - 一种基于多级拍卖算法的多平台点迹融合方法 - Google Patents
一种基于多级拍卖算法的多平台点迹融合方法 Download PDFInfo
- Publication number
- CN105676180B CN105676180B CN201610005479.7A CN201610005479A CN105676180B CN 105676180 B CN105676180 B CN 105676180B CN 201610005479 A CN201610005479 A CN 201610005479A CN 105676180 B CN105676180 B CN 105676180B
- Authority
- CN
- China
- Prior art keywords
- mrow
- msub
- msubsup
- trace
- beta
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000004422 calculation algorithm Methods 0.000 title claims abstract description 24
- 238000007500 overflow downdraw method Methods 0.000 title claims abstract description 7
- 230000015572 biosynthetic process Effects 0.000 claims abstract description 37
- 238000001514 detection method Methods 0.000 claims abstract description 29
- 239000011159 matrix material Substances 0.000 claims description 22
- 238000000034 method Methods 0.000 claims description 20
- 238000004364 calculation method Methods 0.000 claims description 15
- 238000000605 extraction Methods 0.000 claims description 3
- 238000012544 monitoring process Methods 0.000 claims description 3
- 238000007689 inspection Methods 0.000 claims description 2
- 230000007423 decrease Effects 0.000 abstract 1
- 230000004927 fusion Effects 0.000 description 18
- 230000008447 perception Effects 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 238000012545 processing Methods 0.000 description 4
- 238000012360 testing method Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 3
- 238000000342 Monte Carlo simulation Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 230000010354 integration Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000004075 alteration Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 230000007123 defense Effects 0.000 description 1
- 238000002592 echocardiography Methods 0.000 description 1
- 238000004880 explosion Methods 0.000 description 1
- 238000007499 fusion processing Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 230000028161 membrane depolarization Effects 0.000 description 1
- 230000006855 networking Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S5/00—Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations
- G01S5/02—Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations using radio waves
- G01S5/14—Determining absolute distances from a plurality of spaced points of known location
Landscapes
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Radar Systems Or Details Thereof (AREA)
- Other Investigation Or Analysis Of Materials By Electrical Means (AREA)
Abstract
本发明公开了一种基于多级拍卖算法的多平台点迹融合方法,首先将各平台探测获取的点迹数据转换到同一坐标系下;然后,判断各平台点迹的可能关联并评分,通过多级拍卖算法实现两两求解,明确不同平台点迹之间的互联关系,合并源于同一目标的点迹,形成编队层面的等效点迹;最后,基于这些点迹,采用多目标跟踪算法,估计出目标的位置、速度与批号。本发明能够在确保跟踪性能不下降的前提下,大幅度降低计算复杂度。
Description
技术领域
本发明涉及机载航电综合领域,特别涉及多机编队组网协同融合定位技术,具体是指一种基于多级拍卖算法的多机平台点迹融合策略。
背景技术
当前,随着网络中心战、空海一体战、体系对抗、集群作战、分布式作战等新型作战概念的方兴未艾,对于航空装备而言,数据融合正由传统的面向单机平台传感器的平台级融合向协同级融合、体系级融合方向发展。在协同级融合中,战机平台不再仅仅依靠本平台传感器的探测数据,而是通过机间数据链,与编队其他战机交互并共享探测信息,形成分布式探测网络,完成对战场态势的协同感知,进而支持编队战机的协同防御、协同站位和协同攻击。
目前在协同级融合的具体实现中,编队飞机是基于航迹进行融合感知的,即编队各战机首先形成基于本平台的目标航迹,然后在机间数据链的支持下,将之上报给编队长机,通过航迹关联与航迹融合,形成基于编队的目标航迹信息。在该融合模式下,各战机平台在形成各自目标航迹的过程中,会导致大量探测信息的丢失,随着战场环境日趋复杂、电磁干扰的愈演愈烈、以及航空武器的隐形化,这一融合模式的劣势将越发明显。例如:当编队战机探测低空目标、隐身目标、小型目标时,各平台通常只能形成一些零散的短航迹,当长机融合处理这类短航迹时,无法实现对目标稳定、持续、有效地跟踪,并且过多的短航迹也会导致编队对战场态势感知的混乱。
针对这一问题,基于点迹的编队融合感知成为一种可行的协同级融合的实现模式。在该模式下,编队战机不再形成各自的目标航迹,而是将探测获取的点迹数据直接上报给长机进行融合处理,从而避免了探测信息的过多损失。在长机处理多平台点迹时,一个关键问题是需要确定多源点迹与目标的对应关系,然而,由于点迹包含杂波、漏检、虚警等情况,直接基于点迹的处理方式将远比基于航迹的复杂;同时,伴随着编队规模的扩大、目标的密集,其计算求解也更容易陷入指数爆炸。目前常用的方法是将多平台点迹融合问题转换为多维分配问题,通过各种松弛方法或智能优化方法确定点迹与目标的对应关系,进而融合跟踪估计;但是,在转化为多维问题时,需枚举多平台点迹与目标可能对应关系并评分,在密集目标回波以及大编队协同探测情况下,这一过程的计算复杂度并不低,难以有效满足现阶段航空装备工程实时性需求。
发明内容
本发明的发明目的在于提供一种基于多级拍卖算法的多平台点迹融合方法,就是能够快速有效融合多平台探测获取的点迹数据,实现基于点迹处理的编队战机协同感知,提升编队飞机在复杂战场环境下对敌协同探测、跟踪、定位能力。
本发明的发明目的通过以下技术方案实现:
一种基于多级拍卖算法的多平台点迹融合方法,包含以下步骤:
第一步:将不同战机平台上报的点迹转化到同一个坐标系下,获取各点迹在同一个笛卡尔坐标系下的位置坐标、以及误差协方差阵;
第二步:任意选取两个战机平台,将其中一个战机平台作为中间平台,中间平台上报的点迹作为中间量点迹,中间量点迹对应的位置坐标与误差协方差阵集合分别为与另外一个战机平台作为待互联平台,待互联平台上报的点迹作为待互联点迹,待互联点迹集合对应的位置坐标与误差协方差阵集合分别为与mα表示中间平台上报的点迹数量,mβ表示待互联平台上报的点迹数量,表示中间平台漏检情况,表示待互联平台漏检情况;
第三步:从中间量点迹集合和待互联点迹集合中各选取一个点迹:定义粗的等效距离门限γth,并计算这两个点迹间的等效距离:
其中,(·)T表示矩阵的转置。若ρ<γth,则判断这两个点迹存在可能互联;
第四步,对于存在可能互联的中间量点迹与待互联点迹进行互联评分:
其中,P表示对目标的检测概率,ψ表示各战机平台监视区域的大小,P和ψ已知的常量,u(·)表示指标函数,满足:
当与都不表示漏检的情况,Vα与Vβ项的计算公式为:
其中,表示中间平台点迹与互联平台点迹的合并,通过凸组合方法加权计算获得;
第五步,根据中间量点迹与待互联点迹的互联评分,组成mα+mβ维代价矩阵Λ,mα+mβ维代价矩阵Λ包含Λpq(1≤p≤mα,1≤q≤mβ)存储与的互联评分;
第六步,基于矩阵Λ,通过拍卖算法作二维求解,明确中间量点迹与待互联点迹的对应关系,当判定将中间量点迹与待互联点迹源于同一目标时,将两者进行合并;若拍卖算法求解的累计次数小于D-1次,则将合并后的点迹集合作为中间量点迹集合,再从剩余平台中任取一个平台的点迹集作为待互联点迹集合,转入第三步;若拍卖算法求解的累计次数等于D-1次,则将合并后的点迹集合作为编队层面的等效点迹集合;
第七步:根据等效点迹集合,采用经典多目标跟踪算法,估计出目标的位置、速度与批号。
较佳地,所述第三步中还包含对与与进行可能互联的判断;
所述第四步中,当与互联、或与互联时,Vα与Vβ项的计算公式为:
其中,表示提取的对角元素,并对其开方组成的行向量;λ表示比例系数;
所述第五步中mα+mβ维代价矩阵Λ还包含存储与的互联评分;及
存储与的互联评分。
本发明的有益效果在于:采用本发明的技术可处理基于点迹的编队战机融合感知问题。当采用四机编队协同探测时,能够实现对多批目标的跟踪与定位。并且,随着目标探测获取的点迹数据增多(由目标密度的变大与编队平台数目增多导致),采用本发明的技术,相对传统方法(多维分配次优求解),能够在确保跟踪性能不下降的前提下,大幅度降低计算复杂度;例如,对于四机编队协同探测多于五个目标的场景,能够降低计算时间至少70%以上。
附图说明
图1是编队战机对20批目标的融合跟踪结果图。
具体实施方式
下面结合附图和实施例对本发明作进一步的详细说明。
本发明是由各编队战机将探测获取的点迹数据上报给长机后,由长机进行数据融合,首先将各平台探测获取的点迹数据转换到同一坐标系下;然后,判断各平台点迹的可能来源并进行评分,通过多级拍卖算法实现两两求解,明确不同平台点迹之间的互联关系,合并源于同一目标的点迹,形成编队层面的等效点迹;最后,基于这些点迹,采用多目标跟踪算法,估计出目标的位置、速度与批号。具体包含以下步骤:
第一步、将不同战机平台上报的点迹数据转化到一个坐标系下。在时刻k,第d个编队平台在笛卡尔坐标系下的位置为(xd,yd,zd),探测获取的第id个点迹数据为(平台d获取的点迹总数为md),其中,和分别表示点迹的距离、方位和俯仰数据。若和满足均值为零,标准差为σγ,d、ση,d与σθ,d的高斯分布,采用去偏量测转换公式,可以获取该点迹在同一个笛卡尔坐标系下的位置坐标以及误差协方差阵
第二步、从包含D个战机的编队中任意选取两个战机平台,将其中一个战机平台作为中间平台,中间平台上报的点迹作为中间量点迹,中间量点迹对应的位置坐标与误差协方差阵集合分别为与(mα为中间平台上报的点迹数量);另外一个平台作为待互联平台,待互联平台上报的点迹作为待互联点迹,待互联点迹集合对应的位置坐标与误差协方差阵集合分别为与(mβ为待互联平台上报的点迹数量)。
考虑到平台探测存在漏检的情况,采用与表示平台漏检情况,则中间量点迹集合与待互联点迹集合扩充为与
第三步、从中间量点迹集合和待互联点迹集合中各选取一个点迹:定义粗的等效距离门限γth,并计算这两个点迹间的等效距离:
其中,(·)T表示矩阵的转置。若ρ<γth,则判断这两个点迹存在互联的可能。此外,由于存在点迹可能无法被两个平台同时获取的情况(目标漏检、杂波会导致该现象的发生),因此将与与同样作为可能互联进行判断。
第四步、对存在可能互联的中间量点迹与待互联点迹计算其互联评分:
其中,P表示对目标的检测概率,ψ表示各平台监视区域的大小,两者为已知的常量,u(·)表示指标函数,满足:
当与互联、或与互联时,Vα与Vβ项的计算公式为:
其中,表示提取的对角元素,并对其开方组成的行向量;λ表示比例系数;对于其他互联情况,Vα与Vβ项的计算公式为:
其中,表示中间平台点迹与互联平台点迹的合并,可通过凸组合方法加权计算获得。
第五步、根据中间量点迹与待互联点迹可能的互联情况及评分,组成mα+mβ维代价矩阵Λ,其中,Λpq(1≤p≤mα,1≤q≤mβ)存储与的互联评分;存储与的互联评分;存储与的互联评分。
第六步、基于代价矩阵Λ,通过拍卖算法计算求解,明确中间量点迹与待互联点迹的对应关系,当判定将中间量点迹与待互联点迹源于同一目标时,将两者进行合并。若拍卖算法求解的累计次数小于D-1次,则将合并后的点迹集合作为中间量平台点迹集,再从剩余平台中任取一个平台的点迹集作为待互联点迹集,转入第三步;若拍卖算法求解的累计次数等于D-1次,表示所有编队战机平台的点迹都已经过互联判断,则将合并后的点迹集合作为编队层面的等效点迹集合。
第七步、根据等效点迹集合,采用经典多目标跟踪算法,估计出目标的位置、速度与批号。
测试实例
设置编队战机协同探测多个目标的场景,其中,编队战机的数量设置为4,初始位置为(5,0,10)km、(0,-5,20)km、(-5,0,8)km和(0,5,12)km,初始速度为(150,0,0)m/s,其中,长机的初始位置为(5,0,10)km。编队战机传感器距离的探测误差标准差为100m,方位和俯仰角的探测误差标准差为10mrad。敌机X与Y方向的初始位置分布在70到100km的范围内,初始高度分布在7到13km的范围内,编队战机和敌机作近似匀速直线运动。编队战机对目标的探测概率为0.8,落入跟踪门附件的杂波数满足均值为0.2的Possion分布。采用本发明测试该实例时,粗的等效距离门限γth=50,比例系数λ=6,测试总时长为100s,测试基于Matlab 2011a。
图1给出采用本发明的方法,战机编队对20批目标的融合跟踪定位结果图,由该图可见,本发明能够基于编队各平台的探测点迹,实现对多个目标的跟踪定位处理。
表一给出在不同目标密度条件下,本发明与传统基于多维分配次优求解方法在计算量上的比较结果(表中目标批数为5、10、20时,计算可获得编队在各扫描时刻探测获取的平均点迹数分别为20、40、80)。表中的计算时间分别经过100次Monte Carlo仿真后计算得到。由该表可见,随着目标批数的增大、目标点迹密度的加大,本发明的计算时间明显优于多维分配次优求解方法。
表二给出在不同目标密度条件下,本发明与基于多维分配次优求解方法在跟踪性能上的比较结果。由于目标探测点迹的精度和目标到长机间的距离有关,因此,表二分别统计目标距离长机70km、80km、90km、100km、110km时的跟踪均方根误差RMSE(经过100次MonteCarlo仿真后计算获得)。在表二中,表二(a)是目标批数为5时的位置和速度估计RMSE比较;表二(b)是目标批数为10时的位置和速度估计RMSE比较;表二(c)是目标批数为20时的位置和速度估计RMSE比较。由表二可见,本发明与基于多维分配的次优求解方法的跟踪性能在一个层面。因此,结合表一以及表二,本发明能够在确保跟踪性能的前提下,大幅度降低算法的计算量,特别是在目标点迹密度加大时。
表一
表二(a)
表二(b)
表二(c)
可以理解的是,对本领域普通技术人员来说,可以根据本发明的技术方案及其发明构思加以等同替换或改变,而所有这些改变或替换都应属于本发明所附的权利要求的保护范围。
Claims (2)
1.一种基于多级拍卖算法的多平台点迹融合方法,包含以下步骤:
第一步:将不同战机平台上报的点迹转化到同一个坐标系下,获取各点迹在同一个笛卡尔坐标系下的位置坐标、以及误差协方差阵;
第二步:任意选取两个战机平台,将其中一个战机平台作为中间平台,中间平台上报的点迹作为中间量点迹,中间量点迹对应的位置坐标与误差协方差阵集合分别为与另外一个战机平台作为待互联平台,待互联平台上报的点迹作为待互联点迹,待互联点迹集合对应的位置坐标与误差协方差阵集合分别为与mα表示中间平台上报的点迹数量,mβ表示待互联平台上报的点迹数量,表示中间平台漏检情况,表示待互联平台漏检情况;
第三步:从中间量点迹集合和待互联点迹集合中各选取一个点迹: 定义粗的等效距离门限Υth,并计算这两个点迹间的等效距离:
<mrow>
<mi>&rho;</mi>
<mo>=</mo>
<msup>
<mrow>
<mo>(</mo>
<msubsup>
<mi>z</mi>
<mi>k</mi>
<mrow>
<mi>&alpha;</mi>
<mo>,</mo>
<msub>
<mi>i</mi>
<mi>&alpha;</mi>
</msub>
</mrow>
</msubsup>
<mo>-</mo>
<msubsup>
<mi>z</mi>
<mi>k</mi>
<mrow>
<mi>&beta;</mi>
<mo>,</mo>
<msub>
<mi>i</mi>
<mi>&beta;</mi>
</msub>
</mrow>
</msubsup>
<mo>)</mo>
</mrow>
<mi>T</mi>
</msup>
<mrow>
<mo>(</mo>
<msubsup>
<mi>R</mi>
<mi>k</mi>
<mrow>
<mi>&alpha;</mi>
<mo>,</mo>
<msub>
<mi>i</mi>
<mi>&alpha;</mi>
</msub>
</mrow>
</msubsup>
<mo>+</mo>
<msubsup>
<mi>R</mi>
<mi>k</mi>
<mrow>
<mi>&beta;</mi>
<mo>,</mo>
<msub>
<mi>i</mi>
<mi>&beta;</mi>
</msub>
</mrow>
</msubsup>
<mo>)</mo>
</mrow>
<mrow>
<mo>(</mo>
<msubsup>
<mi>z</mi>
<mi>k</mi>
<mrow>
<mi>&alpha;</mi>
<mo>,</mo>
<msub>
<mi>i</mi>
<mi>&alpha;</mi>
</msub>
</mrow>
</msubsup>
<mo>-</mo>
<msubsup>
<mi>z</mi>
<mi>k</mi>
<mrow>
<mi>&beta;</mi>
<mo>,</mo>
<msub>
<mi>i</mi>
<mi>&beta;</mi>
</msub>
</mrow>
</msubsup>
<mo>)</mo>
</mrow>
</mrow>
其中,(·)T表示矩阵的转置,若ρ<Υth,则判断这两个点迹存在可能互联;
第四步,对于存在可能互联的中间量点迹与待互联点迹进行互联评分:
<mfenced open = "" close = "">
<mtable>
<mtr>
<mtd>
<mrow>
<mi>S</mi>
<mi>c</mi>
<mi>o</mi>
<mi>r</mi>
<mi>e</mi>
<mo>=</mo>
<mo>&lsqb;</mo>
<mi>u</mi>
<mrow>
<mo>(</mo>
<msub>
<mi>i</mi>
<mi>&alpha;</mi>
</msub>
<mo>)</mo>
</mrow>
<mo>+</mo>
<mi>u</mi>
<mrow>
<mo>(</mo>
<msub>
<mi>i</mi>
<mi>&beta;</mi>
</msub>
<mo>)</mo>
</mrow>
<mo>&rsqb;</mo>
<mi>l</mi>
<mi>n</mi>
<mrow>
<mo>(</mo>
<mn>1</mn>
<mo>-</mo>
<mi>P</mi>
<mo>)</mo>
</mrow>
<mo>+</mo>
<mi>u</mi>
<mrow>
<mo>(</mo>
<msub>
<mi>i</mi>
<mi>&alpha;</mi>
</msub>
<mo>)</mo>
</mrow>
<mo>&lsqb;</mo>
<msub>
<mi>V</mi>
<mi>&alpha;</mi>
</msub>
<mo>-</mo>
<mi>l</mi>
<mi>n</mi>
<mrow>
<mo>(</mo>
<mfrac>
<mrow>
<mi>P</mi>
<mi>&psi;</mi>
</mrow>
<mrow>
<mo>|</mo>
<mn>2</mn>
<msubsup>
<mi>&pi;R</mi>
<mi>k</mi>
<mrow>
<mi>&alpha;</mi>
<mo>,</mo>
<msub>
<mi>i</mi>
<mi>&alpha;</mi>
</msub>
</mrow>
</msubsup>
<msup>
<mo>|</mo>
<mrow>
<mn>1</mn>
<mo>/</mo>
<mn>2</mn>
</mrow>
</msup>
</mrow>
</mfrac>
<mo>)</mo>
</mrow>
<mo>&rsqb;</mo>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<mo>+</mo>
<mi>u</mi>
<mrow>
<mo>(</mo>
<msub>
<mi>i</mi>
<mi>&beta;</mi>
</msub>
<mo>)</mo>
</mrow>
<mo>&lsqb;</mo>
<msub>
<mi>V</mi>
<mi>&beta;</mi>
</msub>
<mo>-</mo>
<mi>l</mi>
<mi>n</mi>
<mrow>
<mo>(</mo>
<mfrac>
<mrow>
<mi>P</mi>
<mi>&psi;</mi>
</mrow>
<mrow>
<mo>|</mo>
<mn>2</mn>
<msubsup>
<mi>&pi;R</mi>
<mi>k</mi>
<mrow>
<mi>&beta;</mi>
<mo>,</mo>
<msub>
<mi>i</mi>
<mi>&beta;</mi>
</msub>
</mrow>
</msubsup>
<msup>
<mo>|</mo>
<mrow>
<mn>1</mn>
<mo>/</mo>
<mn>2</mn>
</mrow>
</msup>
</mrow>
</mfrac>
<mo>)</mo>
</mrow>
<mo>&rsqb;</mo>
<mo>-</mo>
<mn>2</mn>
<mi>ln</mi>
<mrow>
<mo>(</mo>
<mn>1</mn>
<mo>-</mo>
<mi>P</mi>
<mo>)</mo>
</mrow>
</mrow>
</mtd>
</mtr>
</mtable>
</mfenced>
其中,P表示对目标的检测概率,ψ表示各战机平台监视区域的大小,P和ψ已知的常量,u(·)表示指标函数,满足:
<mrow>
<mi>u</mi>
<mrow>
<mo>(</mo>
<mi>s</mi>
<mo>)</mo>
</mrow>
<mo>=</mo>
<mfenced open = "{" close = "">
<mtable>
<mtr>
<mtd>
<mn>0</mn>
</mtd>
<mtd>
<mrow>
<mi>s</mi>
<mo>=</mo>
<mn>0</mn>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mn>1</mn>
</mtd>
<mtd>
<mrow>
<mi>s</mi>
<mo>&NotEqual;</mo>
<mn>1</mn>
</mrow>
</mtd>
</mtr>
</mtable>
</mfenced>
</mrow>
当与都不表示漏检的情况,Vα与Vβ项的计算公式为:
<mrow>
<msub>
<mi>V</mi>
<mi>&alpha;</mi>
</msub>
<mo>=</mo>
<mo>&lsqb;</mo>
<mfrac>
<mn>1</mn>
<mn>2</mn>
</mfrac>
<msup>
<mrow>
<mo>(</mo>
<msubsup>
<mi>z</mi>
<mi>k</mi>
<mrow>
<mi>&alpha;</mi>
<mo>,</mo>
<msub>
<mi>i</mi>
<mi>&alpha;</mi>
</msub>
</mrow>
</msubsup>
<mo>-</mo>
<msubsup>
<mover>
<mi>z</mi>
<mo>^</mo>
</mover>
<mi>k</mi>
<mrow>
<mi>&alpha;</mi>
<mo>,</mo>
<mi>&beta;</mi>
</mrow>
</msubsup>
<mo>)</mo>
</mrow>
<mi>T</mi>
</msup>
<msup>
<mrow>
<mo>(</mo>
<msubsup>
<mi>R</mi>
<mi>k</mi>
<mrow>
<mi>&alpha;</mi>
<mo>,</mo>
<msub>
<mi>i</mi>
<mi>&alpha;</mi>
</msub>
</mrow>
</msubsup>
<mo>)</mo>
</mrow>
<mrow>
<mo>-</mo>
<mn>1</mn>
</mrow>
</msup>
<mrow>
<mo>(</mo>
<msubsup>
<mi>z</mi>
<mi>k</mi>
<mrow>
<mi>&alpha;</mi>
<mo>,</mo>
<msub>
<mi>i</mi>
<mi>&alpha;</mi>
</msub>
</mrow>
</msubsup>
<mo>-</mo>
<msubsup>
<mover>
<mi>z</mi>
<mo>^</mo>
</mover>
<mi>k</mi>
<mrow>
<mi>&alpha;</mi>
<mo>,</mo>
<mi>&beta;</mi>
</mrow>
</msubsup>
<mo>)</mo>
</mrow>
<mo>&rsqb;</mo>
</mrow>
<mrow>
<msub>
<mi>V</mi>
<mi>&beta;</mi>
</msub>
<mo>=</mo>
<mo>&lsqb;</mo>
<mfrac>
<mn>1</mn>
<mn>2</mn>
</mfrac>
<msup>
<mrow>
<mo>(</mo>
<msubsup>
<mi>z</mi>
<mi>k</mi>
<mrow>
<mi>&beta;</mi>
<mo>,</mo>
<msub>
<mi>i</mi>
<mi>&beta;</mi>
</msub>
</mrow>
</msubsup>
<mo>-</mo>
<msubsup>
<mover>
<mi>z</mi>
<mo>^</mo>
</mover>
<mi>k</mi>
<mrow>
<mi>&alpha;</mi>
<mo>,</mo>
<mi>&beta;</mi>
</mrow>
</msubsup>
<mo>)</mo>
</mrow>
<mi>T</mi>
</msup>
<msup>
<mrow>
<mo>(</mo>
<msubsup>
<mi>R</mi>
<mi>k</mi>
<mrow>
<mi>&beta;</mi>
<mo>,</mo>
<msub>
<mi>i</mi>
<mi>&beta;</mi>
</msub>
</mrow>
</msubsup>
<mo>)</mo>
</mrow>
<mrow>
<mo>-</mo>
<mn>1</mn>
</mrow>
</msup>
<mrow>
<mo>(</mo>
<msubsup>
<mi>z</mi>
<mi>k</mi>
<mrow>
<mi>&beta;</mi>
<mo>,</mo>
<msub>
<mi>i</mi>
<mi>&beta;</mi>
</msub>
</mrow>
</msubsup>
<mo>-</mo>
<msubsup>
<mover>
<mi>z</mi>
<mo>^</mo>
</mover>
<mi>k</mi>
<mrow>
<mi>&alpha;</mi>
<mo>,</mo>
<mi>&beta;</mi>
</mrow>
</msubsup>
<mo>)</mo>
</mrow>
<mo>&rsqb;</mo>
</mrow>
其中,表示中间平台点迹与互联平台点迹的合并,通过凸组合方法加权计算获得;
第五步,根据中间量点迹与待互联点迹的互联评分,组成mα+mβ维代价矩阵Λ,mα+mβ维代价矩阵Λ包含Λpq(1≤p≤mα,1≤q≤mβ)存储与的互联评分;
第六步,基于矩阵Λ,通过使用拍卖算法作二维求解,明确中间量点迹与待互联点迹的对应关系,当判定将中间量点迹与待互联点迹源于同一目标时,将两者进行合并;若拍卖算法求解的累计次数小于D-1次,则将合并后的点迹集合作为中间量点迹集合,再从剩余平台中任取一个平台的点迹集作为待互联点迹集合,转入第三步;若拍卖算法求解的累计次数等于D-1次,则将合并后的点迹集合作为编队层面的等效点迹集合;其中,D为个战机平台数量;
第七步:根据等效点迹集合,采用经典多目标跟踪算法,估计出目标的位置、速度与批号。
2.根据权利要求1所述的多平台点迹融合方法,其特征在于:
所述第三步中还包含对与 与进行可能互联的判断;
所述第四步中,当与互联、或与互联时,Vα与Vβ项的计算公式为:
<mrow>
<msub>
<mi>V</mi>
<mi>&alpha;</mi>
</msub>
<mo>=</mo>
<mfrac>
<mn>1</mn>
<mn>2</mn>
</mfrac>
<msup>
<mrow>
<mo>&lsqb;</mo>
<msqrt>
<mrow>
<mi>d</mi>
<mi>i</mi>
<mi>a</mi>
<mi>g</mi>
<mrow>
<mo>(</mo>
<msubsup>
<mi>R</mi>
<mi>k</mi>
<mrow>
<mi>&alpha;</mi>
<mo>,</mo>
<msub>
<mi>i</mi>
<mi>&alpha;</mi>
</msub>
</mrow>
</msubsup>
<mo>)</mo>
</mrow>
</mrow>
</msqrt>
<mo>/</mo>
<mi>&lambda;</mi>
<mo>&rsqb;</mo>
</mrow>
<mi>T</mi>
</msup>
<msup>
<mrow>
<mo>(</mo>
<msubsup>
<mi>R</mi>
<mi>k</mi>
<mrow>
<mi>&alpha;</mi>
<mo>,</mo>
<msub>
<mi>i</mi>
<mi>&alpha;</mi>
</msub>
</mrow>
</msubsup>
<mo>)</mo>
</mrow>
<mrow>
<mo>-</mo>
<mn>1</mn>
</mrow>
</msup>
<mo>&lsqb;</mo>
<msqrt>
<mrow>
<mi>d</mi>
<mi>i</mi>
<mi>a</mi>
<mi>g</mi>
<mrow>
<mo>(</mo>
<msubsup>
<mi>R</mi>
<mi>k</mi>
<mrow>
<mi>&alpha;</mi>
<mo>,</mo>
<msub>
<mi>i</mi>
<mi>&alpha;</mi>
</msub>
</mrow>
</msubsup>
<mo>)</mo>
</mrow>
</mrow>
</msqrt>
<mo>/</mo>
<mi>&lambda;</mi>
<mo>&rsqb;</mo>
</mrow>
<mrow>
<msub>
<mi>V</mi>
<mi>&beta;</mi>
</msub>
<mo>=</mo>
<mfrac>
<mn>1</mn>
<mn>2</mn>
</mfrac>
<msup>
<mrow>
<mo>&lsqb;</mo>
<msqrt>
<mrow>
<mi>d</mi>
<mi>i</mi>
<mi>a</mi>
<mi>g</mi>
<mrow>
<mo>(</mo>
<msubsup>
<mi>R</mi>
<mi>k</mi>
<mrow>
<mi>&beta;</mi>
<mo>,</mo>
<msub>
<mi>i</mi>
<mi>&beta;</mi>
</msub>
</mrow>
</msubsup>
<mo>)</mo>
</mrow>
</mrow>
</msqrt>
<mo>/</mo>
<mi>&lambda;</mi>
<mo>&rsqb;</mo>
</mrow>
<mi>T</mi>
</msup>
<msup>
<mrow>
<mo>(</mo>
<msubsup>
<mi>R</mi>
<mi>k</mi>
<mrow>
<mi>&beta;</mi>
<mo>,</mo>
<msub>
<mi>i</mi>
<mi>&beta;</mi>
</msub>
</mrow>
</msubsup>
<mo>)</mo>
</mrow>
<mrow>
<mo>-</mo>
<mn>1</mn>
</mrow>
</msup>
<mo>&lsqb;</mo>
<msqrt>
<mrow>
<mi>d</mi>
<mi>i</mi>
<mi>a</mi>
<mi>g</mi>
<mrow>
<mo>(</mo>
<msubsup>
<mi>R</mi>
<mi>k</mi>
<mrow>
<mi>&beta;</mi>
<mo>,</mo>
<msub>
<mi>i</mi>
<mi>&beta;</mi>
</msub>
</mrow>
</msubsup>
<mo>)</mo>
</mrow>
</mrow>
</msqrt>
<mo>/</mo>
<mi>&lambda;</mi>
<mo>&rsqb;</mo>
</mrow>
其中,表示提取的对角元素,并对其开方组成的行向量;λ表示比例系数;
所述第五步中mα+mβ维代价矩阵Λ还包含存储与的互联评分;及存储与的互联评分。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610005479.7A CN105676180B (zh) | 2016-01-05 | 2016-01-05 | 一种基于多级拍卖算法的多平台点迹融合方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610005479.7A CN105676180B (zh) | 2016-01-05 | 2016-01-05 | 一种基于多级拍卖算法的多平台点迹融合方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105676180A CN105676180A (zh) | 2016-06-15 |
CN105676180B true CN105676180B (zh) | 2018-06-01 |
Family
ID=56299201
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610005479.7A Active CN105676180B (zh) | 2016-01-05 | 2016-01-05 | 一种基于多级拍卖算法的多平台点迹融合方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105676180B (zh) |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103941233A (zh) * | 2014-03-04 | 2014-07-23 | 中国人民解放军海军航空工程学院 | 一种多平台主被动传感器协同跟踪的雷达间歇交替辐射控制方法 |
CN104597439A (zh) * | 2015-01-30 | 2015-05-06 | 西北工业大学 | 目标-回波-发射源三元数据关联的数字广播无源定位方法 |
CN104880708A (zh) * | 2015-01-30 | 2015-09-02 | 西北工业大学 | 一种可变数目机动目标跟踪方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP6091939B2 (ja) * | 2013-03-08 | 2017-03-08 | 株式会社東芝 | プロット融合方法及びプロット融合装置 |
-
2016
- 2016-01-05 CN CN201610005479.7A patent/CN105676180B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103941233A (zh) * | 2014-03-04 | 2014-07-23 | 中国人民解放军海军航空工程学院 | 一种多平台主被动传感器协同跟踪的雷达间歇交替辐射控制方法 |
CN104597439A (zh) * | 2015-01-30 | 2015-05-06 | 西北工业大学 | 目标-回波-发射源三元数据关联的数字广播无源定位方法 |
CN104880708A (zh) * | 2015-01-30 | 2015-09-02 | 西北工业大学 | 一种可变数目机动目标跟踪方法 |
Also Published As
Publication number | Publication date |
---|---|
CN105676180A (zh) | 2016-06-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106443598B (zh) | 基于卷积神经网络的雷达网协同航迹欺骗干扰鉴别方法 | |
CN106646450B (zh) | 基于距离分步聚类的雷达航迹抗差关联方法 | |
CN102707276B (zh) | 基于目标拓扑信息的ais与雷达航迹抗差关联算法 | |
CN1166922C (zh) | 多传感器多目标信息融合方法 | |
CN104021292B (zh) | 一种基于编队有源组网的弱目标检测与跟踪方法 | |
CN107063259B (zh) | 一种航迹关联方法及电子设备 | |
CN106680806A (zh) | 一种多雷达点迹融合方法 | |
CN111079859B (zh) | 一种无源多站多目标测向交叉定位与虚假点去除方法 | |
CN103116688A (zh) | 用于机载航电系统的多源异类传感器目标航迹关联方法 | |
CN110673090B (zh) | 基于dbscan的无源多站多目标定位方法 | |
CN108061889A (zh) | Ais与雷达角度系统偏差的关联方法 | |
CN109901159A (zh) | 一种基于深度学习的米波雷达目标识别方法 | |
CN103759732A (zh) | 一种角度信息辅助的集中式多传感器多假设跟踪方法 | |
CN103247057A (zh) | 目标-回波-道路网三元数据关联的道路目标多假设跟踪算法 | |
CN111352087A (zh) | 基于dbscan的被动mimo雷达多目标定位方法 | |
CN105787081A (zh) | 一种基于辐射源空间位置的辐射平台关联方法 | |
CN110673130A (zh) | 一种基于航迹关联的运动目标航迹跟踪方法 | |
CN101308206B (zh) | 一种白噪声背景下的圆周轨迹机动目标跟踪方法 | |
CN114942428A (zh) | 多目标跟踪的混合体制雷达数据关联算法 | |
CN110412504A (zh) | 基于角度与时差信息的无源多站多目标关联与定位方法 | |
CN102981154B (zh) | 一种高压线链点及整链的航迹处理方法 | |
CN107238835A (zh) | 一种编队目标点航抗叉关联方法 | |
CN114114242A (zh) | 一种基于点选航迹及航迹外推的雷达目标追赶跟踪方法 | |
CN105676180B (zh) | 一种基于多级拍卖算法的多平台点迹融合方法 | |
CN117310642A (zh) | 一种基于多尺度聚类的多雷达密集群目标航迹关联方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |