CN110133636A

CN110133636A - 一种基于区域相关度的抗差航迹关联方法

Info

Publication number: CN110133636A
Application number: CN201910426229.4A
Authority: CN
Inventors: 衣晓; 周威; 关欣; 赵志勇; 周正
Original assignee: Naval Aeronautical University
Current assignee: Naval Aeronautical University
Priority date: 2019-05-21
Filing date: 2019-05-21
Publication date: 2019-08-16

Abstract

本发明针对系统误差下的航迹关联问题，公开了一种基于区域相关度的抗系统误差多传感器航迹关联方法。该方法分析了时变系统误差对航迹的影响，将其用灰区域来描述；定义了区域间的绝对距离以及区域测度的概念，通过分析区域间的相对位置关系，进而求得区域间的相关度，以此来实现航迹关联。该方法抗差性能好，步骤简单，耗时少，具有很强的适用性。

Description

一种基于区域相关度的抗差航迹关联方法

技术领域

本发明涉及一种基于区域相关度的抗差航迹关联方法。

背景技术

在分布式多目标多传感器跟踪系统中，航迹关联是一项关键技术，旨在判断来自不同传感器的航迹哪些来自同一目标，然后合并同源航迹，提高航迹的准确性。在现实中，雷达探测过程受到系统误差的影响，得到的目标航迹量测值与目标真实位置存在偏差，导致航迹关联的正确率大大降低。

对此，目前主要方法是先对航迹进行误差配准，之后再进行航迹关联。准确的航迹关联是以精准的误差配准为前提，而高精度的误差配准又需以准确的航迹关联为基础，它们两个互为前提。因此研究在带有系统误差的情况下如何进行航迹关联是很有必要的。目前已有的抗系统误差航迹关联方法，大多通过多次迭代计算，方法耗时较为严重；同时方法的适用条件一般都比较苛刻，适用性较差。因此迫切需要一种更好的方法解决大系统误差条件下航迹关联问题。

发明内容

为了克服现有技术的缺陷，本发明公开了一种基于区域相关度的抗差航迹关联方法。本发明分析了时变系统误差对航迹的影响，将其用灰区域来描述。定义了区域间的绝对距离以及区域测度的概念，通过分析区域间的相对位置关系，进而求得区域间的相关度，以此来实现航迹关联。

为了实现本发明的目的，本发明提供了一种基于区域相关度的抗差航迹关联方法。所述航迹关联方法，包括以下步骤：

步骤一，根据目标真实位置存在的扇形灰区域，计算不同雷达之间的灰区域中心、灰区域之间的绝对距离d₁和灰区域测度；所述灰区域中心为扇形灰区域角平分线的中点，所述灰区域之间的绝对距离d₁为不同灰区域中心之间的欧式距离，所述灰区域测度为所述灰区域内点到灰区域中心的欧式距离最大值,所述扇形灰区域由雷达量测值和雷达系统误差范围推算得到；

步骤二，根据所述灰区域中心、灰区域之间绝对距离d₁、灰区域测度，计算灰区域之间的区域相关度其中，σ_a、σ_b分别为不同灰区域的灰区域测度；

步骤三，根据航迹之间的区域相关度，计算航迹间的区域灰关联度ζ_lj，进而实现航迹关联；航迹间区域灰关联度的计算方法为：其中，ρ为灰关联分辨系数，κ_ij为雷达1的航迹i和雷达2的航迹j间的区域相关度。

与现有技术相比，本发明具有如下有益效果：

①抗系统误差性能好。本发明中的关联方法将系统误差对航迹的影响区域化描述，并且根据区域间的相对位置关系求得航迹间的相关度，对系统误差抗性好。

②适用性强。本发明中，方法在任何条件下均能保持很高的性能，同时方法步骤简单，耗时短，因此在实际应用中适用性更强。

附图说明

图1是系统误差灰区域示意图。

图2是区域间相对位置关系示意图。

具体实施方式

下面结合附图和实施例对本发明作进一步详细描述。

为了解决现有技术中存在的技术问题，发明人分析了时变系统误差对航迹的影响，将其用灰区域来描述。定义了区域间的绝对距离以及区域测度的概念，通过分析区域间的相对位置关系，进而求得区域间的相关度，以此来实现航迹关联。

假设异地配置的两部2D雷达A(0,0)、B(x_s,0)同时对目标区域内N_s批目标进行跟踪探测。同一处理周期内，雷达探测数目均为N_s，k时刻雷达A的探测航迹集合Γ_a(k)为：

式中，表示雷达A在k时刻对目标i探测得到的航迹量测值。

k时刻雷达B的探测航迹集合Γ_b(k)为：

式中，表示雷达B在k时刻对目标j探测得到的航迹量测值。

步骤一，推算目标真实位置存在区域：

雷达对目标进行观测时，由于受到时变系统误差以及随机误差的影响，雷达量测值与目标真实值相比存在偏移和旋转。以雷达A为例，雷达量测值即：

式中，为目标量测值，r、θ为目标真实值，Δr_a、Δθ_a为雷达测距、测角系统误差，其范围为(0,Δr_am)、(0,Δθ_am)，为随机误差。

随机误差引起的目标位置变化较小，在此处忽略随机误差对航迹的影响。那么根据雷达量测值和时变系统误差的范围，可以推算得到目标真实位置存在的区域，即：

目标真实位置区域为一扇形区域，称其为系统误差灰区域，如图1所示。目标真实位置必定在该系统误差灰区域内。

步骤二，根据所述灰区域值，计算不同雷达之间的灰区域中心、灰区域之间的绝对距离和灰区域测度：

取系统误差灰区域中心，即：

定义两系统误差灰区域中心距离为区域间绝对距离，即：

式中，x_oa、y_oa为雷达A的系统误差灰区域中心，x_ob、y_ob为雷达B的系统误差灰区域中心。

当区域大小一定时，区域间绝对距离越大，两区域就越远；而当区域大小不固定时，绝对距离也就不能完全表示两区域位置关系上的远近。因此引入区域测度的概念，以此来描述区域的大小。

系统误差灰区域是一扇形区域，取区域内到区域中心点距离的最大值为测度。区域测度越大，区域也就越大。要求扇形区域内到区域中心的最远点，即求一个以区域中心位圆心的最小覆盖圆的半径，而对于覆盖圆来说，其弧度必定远远大于扇形边界的弧度。以雷达A为例，灰区域的测度即：

式中，A、B、C、D是灰区域四个端点，O是灰区域中心。

步骤三，计算区域相关度矩阵：

将雷达A探测得到的N_s条航迹看作已知航迹，将雷达B探测的N_s条航迹看作待识别航迹，取k时刻雷达A探测的N_s条航迹值与雷达B探测的第j条航迹值组成N_s+1行航迹关联决策矩阵，即：

式中，表示雷达A在k时刻探测的第i条航迹值所形成的系统误差灰区域的中心坐标；表示雷达A在k时刻探测的第i条航迹值所形成的系统误差灰区域的测度。

定义区域相关度为：

区域相关度能够表示两区域的位置关系。当两区域中心重合时，此时两区域相关度最高，为1；随着两目标区域间绝对距离的增大，区域相关度不断减小；同时，当区域间绝对距离一定时，随着区域测度的增大，区域相关度也就越大。

将N_s条已知航迹与待识别航迹j进行比较，运用上述方法，计算航迹之间的区域相关度，形成区域相关度矩阵Τ，即：

式中，κ_ij为航迹i的系统误差灰区域和航迹j的系统误差灰区域之间的区域相关度。

步骤四，计算航迹间的区域灰关联度：

计算已知航迹l与待识别航迹j间的区域灰关联度ζ_lj，即：

式中，ρ为灰关联分辨系数，这里取0.5。

ζ_lj直接体现了已知航迹l与待识别航迹j直接的相似度，ζ_lj越大，两航迹来自同一目标的概率也就越大。航迹关联采取最大区域灰关联度原则，即若则认为已知航迹l与待识别航迹j关联。

实施例

假设两部异地配置的2D雷达的坐标为(0,0)、(100km，0)。目标初始位置在50km×50km的矩形区域内随机产生，目标做匀速直线运动，初始速度方向和大小在0～2πrad和200～400m/s随机产生。雷达采样周期为1s，目标批次为20。雷达A的测距、测角系统误差为0.5km、0.5rad，雷达B的测距、测角系统误差为-0.5km、-0.5rad。采用本专利方法计算相似度，对来自两部雷达的航迹进行关联。

采用本发明提出的关联方法，上述设计要求可按如下技术措施实施。

首先读取来自两雷达的数据：

其中，分别表示雷达A和雷达B的第i个航迹文件，雷达探测目标航迹数为20。

对雷达探测数据进行数据预处理，如图2所示，得到每个航迹值的系统误差灰区域中心坐标以及区域测度，即：

系统误差灰区域中心：

雷达A灰区域四个端点A、B、C、D的坐标：

X_a＝R_a·Φ_a1 Y_a＝R_a·Φ_a2 (17)

式中，

雷达B灰区域四个端点E、F、G、H的坐标：

X_a＝R_a·Φ_a1 Y_a＝R_a·Φ_a2 (18)

式中，

雷达A、B的灰区域测度为：

在第k个融合周期内，取雷达B的第20条航迹与雷达A的20条航迹的区域中心和区域测度组成关联决策矩阵，即：

区域相关度的定义：

式中，d₁为两区域中心间绝对距离，σ_a、σ_b为两区域测度。

将第21行与前20行分别比较，计算它们之间的区域相关度，得到区域相关度矩阵T，即：

T＝[0.136 0.157 0.048 0.081 0.067 0.063 0.039 0.148 0.212 0.151 0.1260.083 0.063 0.334 0.052 0.469] (22)

根据区域相关度矩阵计算航迹间的灰关联度ζ_lj，即：

根据上述方法计算得到关联度矩阵，即：

Z＝[0.760 0.855 0.413 0.557 0.482 0.728 0.457 0.544 0.487 0.518 0.3560.687 0.759 0.692 0.710 0.524 0.476 0.818 0.427 1] (24)

航迹关联采取最大区域灰关联度原则，即若因此则认为来自雷达航迹B的第20条航迹与来自雷达航迹A的第20条航迹关联。

Claims

1.一种基于区域相关度的抗差航迹关联方法，其特征在于，包括以下步骤：

步骤一，根据目标真实位置存在的扇形灰区域，计算不同雷达之间的灰区域中心、灰区域之间的绝对距离d₁和灰区域测度；所述灰区域中心为扇形灰区域角平分线的中点，所述灰区域之间的绝对距离d₁为不同灰区域中心之间的欧式距离，所述灰区域测度为所述灰区域内点到灰区域中心的欧式距离最大值；

步骤二，计算灰区域之间的区域相关度其中，σ_a、σ_b分别为不同灰区域的灰区域测度；

步骤三，根据航迹之间的区域相关度，计算航迹间的区域灰关联度ζ_lj，进而实现航迹关联。

2.根据权利要求1所述的基于区域相关度的抗差航迹关联方法，其特征在于，所述扇形灰区域由雷达量测值和雷达系统误差范围推算得到。

3.根据权利要求1或2所述的基于区域相关度的抗差航迹关联方法，其特征在于，步骤三中航迹间区域灰关联度的计算方法为：其中，ρ为灰关联分辨系数，κ_ij为来自雷达1的航迹i和来自雷达2的航迹j间的区域相关度。

4.根据权利要求3所述的基于区域相关度的抗差航迹关联方法，其特征在于，ρ取0.5。