CN110888137B - 基于滑窗式双门限检测的角度跟踪方法 - Google Patents

Abstract

本发明公开了一种基于滑窗式双门限检测的角度跟踪方法，用于解决现有双门限航迹关联方法航迹关联效率低的技术问题。技术方案是首先设置合适的检验统计量，再利用方位角信息进行双门限检测，在只有方位角信息的情况下，实现航迹的有效关联。而且每次的检测集合在重新计算新数据的基础上保留上一次检测集合的一部分，可使得航迹关联的效率更高。本发明适用于只有方位角信息，无距离等信息的多传感器之间的航迹关联，明确了针对角度跟踪情况下的统计量，同时利用滑窗的方式可以通过更少的数据量和利用更少的时间判定出航迹间是否关联的问题，从而大大提高了数据关联的效率。

Description

基于滑窗式双门限检测的角度跟踪方法

技术领域

本发明涉及一种双门限航迹关联方法，特别涉及一种基于滑窗式双门限检测的角度跟踪方法。

背景技术

专著“多传感器信息融合及应用(第2版)[M].电子工业出版社,2007”中提出了一种统计双门限航迹关联算法方法。该方法就是对来自两个局部节点的R个估计误差样本，首先逐个基于卡方分布门限进行假设检验，若判决为接受，则计数器加1，否则计数器值不变。然后把计数器所计之值与指定的数L(即第二门限)进行比较，经过R次检验后，如果计数器的输出大于或等于L，则完成航迹关联判决，否则判定为不关联航迹。对于航迹的关联，由于传感器类型的不同，传递数据类型是不同的，上述专著中的算法适用于存在距离信息或者单一量测信息比较精确的情况，对于只拥有角度信息而且误差较大的情况，像被动声呐等，该专著的方法关联结果的准确度会降低很多。

文献“陈小惠,邰滢滢,万德钧,et al.主被动声呐多目标航迹关联的双门限算法研究[J].华东船舶工业学院学报(自然科学版),2002(6).”中提出了主被动声呐航迹关联的算法，其利用的是最大似然估计的方式求出主动声呐航迹和被动声呐航迹的相似性测度。这种算法没有充分利用现有数据，而且其双门限的设定中，低门限是限制漏关联，高门限是限制错误关联，该双门限设置的方式对于被动声呐探测误差较大情况下，即数据精准度不够的情况下，存在较大的误判的可能性，而且该方法在较长时间数据积累下只作一次关联判决，错误率相对较大，而且十分欠缺效率。

发明内容

为了克服现有双门限航迹关联方法航迹关联效率低的不足，本发明提供一种基于滑窗式双门限检测的角度跟踪方法。该方法首先设置合适的检验统计量，再利用方位角信息进行双门限检测，在只有方位角信息的情况下，实现航迹的有效关联。而且每次的检测集合在重新计算新数据的基础上保留上一次检测集合的一部分，可使得航迹关联的效率更高。本发明适用于只有方位角信息，无距离等信息的多传感器之间的航迹关联，明确了针对角度跟踪情况下的统计量，同时利用滑窗的方式可以通过更少的数据量和利用更少的时间判定出航迹间是否关联的问题，从而大大提高了数据关联的效率。

本发明解决其技术问题所采用的技术方案：一种基于滑窗式双门限检测的角度跟踪方法，其特点是包括以下步骤：

步骤一、依次顺序接收多源传感器传回的方位角信息M_i,j，i＝1,2,…；j＝1,2,…，其中，i＝1,2,…由相应传感器形成，需要进行航迹关联判断的航迹编号；j＝1,2,…为各航迹中的数据节点号。

依据接收数据的时间顺序将n个数据节点划归一个滑窗W_r，每两个滑窗W_r和W_r+1之间的数据节点重叠个数为p，则R个数据滑窗W_r，r＝1,2,…,R包含的数据节点总数为N＝nR-(R-1)p，第r个滑窗W_r包含的数据节点号则为：

j＝(r-1)(n-p)+1,(r-1)(n-p)+2,…(r-1)(n-p)+n (1)

步骤二、确定检验统计量。

①确定各航迹各节点信息的分布。

在第r个滑窗W_r内，令M_1,j、M_2,j分别表示在进行关联的航迹M₁、M₂的第j个节点的方位角信息，因为噪声为高斯白噪声，则对应的方位角信息服从正态分布，表示为：

M_1,j～N(μ_1,j,σ_1,j ²)，M_2,j～N(μ_2,j,σ_2,j ²) (2)

式中，μ_1,j、σ_1,j分别表示为航迹M₁第j个节点方位角的均值和方差，μ_2,j、σ_2,j分别表示为航迹M₂第j个节点方位角的均值和方差，检验两个航迹相同节点的方位角是否相同，就是检验μ_1,j和μ_2,j是否相同，所以假设检验写成：

H₀:μ_1,j＝μ_2,j；H₁:μ_1,j≠μ_2,j (3)

由于M_1,j和M_2,j均属于正态分布，得到：

式中，n_1,j和n_2,j分别表示航迹M₁和M₂中第j个节点的量测值的数量，令n_1,j＝n_2,j＝1，进行归一化处理，得到标准正态分布统计量：

②定义检验统计量。

依据接收数据的时间顺序将n个数据节点划归一个滑窗，计算第r个滑窗W_r内n个数据节点，依据式(5)求得的标准正态分布统计量的平方和如下：

式中，

为式(5)定义的标准正态分布统计量的平方。由于

是由多个相互独立且服从标准正态分布的变量的平方和组成，因此

服从卡方分布，定义为检验统计量。

令H_j＝M_1,j-M_2,j-(μ_1,j-μ_2,j)，

则检验统计量

写为：

步骤三、进行第一门限判决。

检测结果通过航迹M₁、M₂关联次数计数器m₁₂来记录，利用卡方分布表，得到卡方检测门限λ，门限λ即为第一门限值，将检验统计量

与第一门限进行比较，若大于第一门限λ，则关联次数计数器m₁₂的值加1，判决为关联1次。若小于第一门限λ，则关联次数计数器m₁₂的值不变。

步骤四、计算R个滑窗的检验统计量，进行多次检测。

读取第r+1个滑窗W_r+1内的数据，继续执行步骤二和步骤三，直到完成R个数据滑窗W_r，r＝1,2,…,R的检测。

令两个滑窗之间的数据节点重叠个数为

则滑窗W_r得到的检验统计量为

下一个滑窗W_r+1得到的检验统计量为

其中检验统计量

中的前半部分统计量

为上一滑窗的检验统计量

的后半部分，也就是说每次检测是在重新计算新数据的基础上保留上一次检测信息，使得航迹关联的效率更高。

步骤五、进行第二门限判决。

将关联次数计数器m₁₂与设定的第二门限值L进行比较。若m₁₂＞L，则判定航迹M₁、M₂关联，即两条航迹为同一目标，若m₁₂＜L，则判定航迹M₁、M₂不关联，即两条航迹分别表示不同目标。

步骤六、进行多传感器航迹关联。

若进行航迹关联的航迹数超过两条，则重复步骤二到步骤五，用关联次数计数器m_ii来记录不同航迹M_i,j，i＝1,2,…；j＝1,2,…每两两之间的关联结果。

步骤七、航迹关联多义性处理。

当两个传感器的航迹存在两个以上相互关联时，进行多义性处理，将关联次数进行比较，选取关联次数最大的两条航迹为关联航迹。若存在关联次数相同的情况，再比较卡方检验统计量的均值，取具有最小的卡方检验统计量均值的两条航迹，判决为关联航迹。

步骤八、输出最终航迹结果。

本发明的有益效果是：该方法首先设置合适的检验统计量，再利用方位角信息进行双门限检测，在只有方位角信息的情况下，实现航迹的有效关联。而且每次的检测集合在重新计算新数据的基础上保留上一次检测集合的一部分，可使得航迹关联的效率更高。本发明适用于只有方位角信息，无距离等信息的多传感器之间的航迹关联，明确了针对角度跟踪情况下的统计量，同时利用滑窗的方式可以通过更少的数据量和利用更少的时间判定出航迹间是否关联的问题，从而大大提高了数据关联的效率。

下面结合附图和具体实施方式对本发明作详细说明。

附图说明

图1是本发明基于滑窗式双门限检测的角度跟踪方法的流程图。

图2是本发明方法中数据滑窗结构示意图，其中W_r为一个滑窗，n为一个滑窗内数据节点个数，p为每两个滑窗W_r和W_r+1之间的数据节点重叠个数，R为一次检测中的滑窗个数。

图3是本发明方法中航迹关联的多义性处理流程图。

具体实施方式

参照图1-3。本发明基于滑窗式双门限检测的角度跟踪方法具体步骤如下：

步骤一、读入多传感器量测信息。

依次顺序接收多源传感器传回的方位角信息M_i,j(i＝1,2,…；j＝1,2,…)，其中i＝1,2,…为由相应传感器形成的，需要进行航迹关联判断的航迹编号，j＝1,2,…为各航迹中的数据节点号。

依据接收数据的时间顺序将n个数据节点划归一个滑窗W_r，每两个滑窗W_r和W_r+1之间的数据节点重叠个数为p，则R个数据滑窗W_r(r＝1,2,…,R)包含的数据节点总数为N＝nR-(R-1)p，第r个滑窗W_r包含的数据节点号则为：

j＝(r-1)(n-p)+1,(r-1)(n-p)+2,…(r-1)(n-p)+n (1)

步骤二、确定检验统计量。

①确定各航迹各节点信息的分布。

在第r个滑窗W_r内，令M_1,j、M_2,j分别表示在进行关联的航迹M₁、M₂的第j个节点的方位角信息，因为噪声为高斯白噪声，则对应的方位角信息服从正态分布，可表示为：

M_1,j～N(μ_1,j,σ_1,j ²)，M_2,j～N(μ_2,j,σ_2,j ²) (2)

式中，μ_1,j、σ_1,j分别表示为航迹M₁第j个节点方位角的均值和方差，μ_2,j、σ_2,j分别表示为航迹M₂第j个节点方位角的均值和方差，检验两个航迹相同节点的方位角是否相同，就是检验μ_1,j和μ_2,j是否相同，所以假设检验可以写成：

H₀:μ_1,j＝μ_2,j；H₁:μ_1,j≠μ_2,j (3)

由于M_1,j和M_2,j均属于正态分布，可以得到：

式中，n_1,j和n_2,j分别表示航迹M₁和M₂中第j个节点的量测值的数量，在本发明中令n_1,j＝n_2,j＝1，进行归一化处理可得标准正态分布统计量：

②定义检验统计量。

依据接收数据的时间顺序将n个数据节点划归一个滑窗，计算第r个滑窗W_r内n个数据节点依据式(5)求得的标准正态分布统计量的平方和如下：

式中

为式(5)定义的标准正态分布统计量的平方。由于

是由多个相互独立且服从标准正态分布的变量的平方和组成，因此

服从卡方分布，可定义为检验统计量。

令H_j＝M_1,j-M_2,j-(μ_1,j-μ_2,j)，

则检验统计量

可以写为：

步骤三、进行第一门限判决。

检测结果可通过航迹M₁、M₂关联次数计数器m₁₂来记录，利用卡方分布表，得到卡方检测门限λ，门限λ即为第一门限值，将检验统计量

与第一门限进行比较，若大于第一门限λ，则关联次数计数器m₁₂的值加1，判决为关联1次。若小于第一门限λ，则关联次数计数器m₁₂的值不变。

步骤四、计算R个滑窗的检验统计量，进行多次检测。

读取第r+1个滑窗W_r+1内的数据，继续执行步骤二和步骤三，直到完成R个数据滑窗W_r(r＝1,2,…,R)的检测。

在本发明中，令两个滑窗之间的数据节点重叠个数为

则滑窗W_r得到的检验统计量为

下一个滑窗W_r+1得到的检验统计量为

其中检验统计量

中的前半部分统计量

为上一滑窗的检验统计量

的后半部分，也就是说每次检测是在重新计算新数据的基础上保留上一次检测信息，可使得航迹关联的效率更高。

步骤五、进行第二门限判决。

将关联次数计数器m₁₂与设定的第二门限值L进行比较。若m₁₂＞L，则判定航迹M₁、M₂关联，即两条航迹为同一目标，若m₁₂＜L，则判定航迹M₁、M₂不关联，即两条航迹分别表示不同目标。

步骤六、进行多传感器航迹关联。

若进行航迹关联的航迹数超过两条，则重复步骤二到步骤五，用关联次数计数器m_ii来记录不同航迹M_i,j(i＝1,2,…；j＝1,2,…)每两两之间的关联结果。

步骤七、航迹关联多义性处理。

当两个传感器的航迹存在两个以上相互关联时，进行多义性处理，将关联次数进行比较，选取关联次数最大的两条航迹为关联航迹。若存在关联次数相同的情况，再比较卡方检验统计量的均值，取具有最小的卡方检验统计量均值的两条航迹，判决为关联航迹。

步骤八、输出最终航迹结果。

Claims (1)

1.一种基于滑窗式双门限检测的角度跟踪方法，其特征在于包括以下步骤：

步骤一、依次顺序接收多源传感器传回的方位角信息M_i,j，i＝1,2,…；j＝1,2,…，其中，i＝1,2,…由相应传感器形成，需要进行航迹关联判断的航迹编号；j＝1,2,…为各航迹中的数据节点号；

依据接收数据的时间顺序将n个数据节点划归一个滑窗W_r，每两个滑窗W_r和W_r+1之间的数据节点重叠个数为p，则R个数据滑窗W_r，r＝1,2,…,R包含的数据节点总数为N＝nR-(R-1)p，第r个滑窗W_r包含的数据节点号则为：

j＝(r-1)(n-p)+1,(r-1)(n-p)+2,…(r-1)(n-p)+n (1)

步骤二、确定检验统计量；

①确定各航迹各节点信息的分布；

在第r个滑窗W_r内，令M_1,j、M_2,j分别表示在进行关联的航迹M₁、M₂的第j个节点的方位角信息，因为噪声为高斯白噪声，则对应的方位角信息服从正态分布，表示为：

M_1,j～N(μ_1,j,σ_1,j ²)，M_2,j～N(μ_2,j,σ_2,j ²) (2)式中，μ_1,j、σ_1,j分别表示为航迹M₁第j个节点方位角的均值和方差，μ_2,j、σ_2,j分别表示为航迹M₂第j个节点方位角的均值和方差，检验两个航迹相同节点的方位角是否相同，就是检验μ_1,j和μ_2,j是否相同，所以假设检验写成：

H₀:μ_1,j＝μ_2,j；H₁:μ_1,j≠μ_2,j (3)

由于M_1,j和M_2,j均属于正态分布，得到：

式中，n_1,j和n_2,j分别表示航迹M₁和M₂中第j个节点的量测值的数量，令n_1,j＝n_2,j＝1，进行归一化处理，得到标准正态分布统计量：

②定义检验统计量；

依据接收数据的时间顺序将n个数据节点划归一个滑窗，计算第r个滑窗W_r内n个数据节点，依据式(5)求得的标准正态分布统计量的平方和如下：

式中，

为式(5)定义的标准正态分布统计量的平方；由于

是由多个相互独立且服从标准正态分布的变量的平方和组成，因此

服从卡方分布，定义为检验统计量；

令H_j＝M_1,j-M_2,j-(μ_1,j-μ_2,j)，

则检验统计量

写为：

步骤三、进行第一门限判决；

检测结果通过航迹M₁、M₂关联次数计数器m₁₂来记录，利用卡方分布表，得到卡方检测门限λ，门限λ即为第一门限值，将检验统计量X_r ²与第一门限进行比较，若大于第一门限λ，则关联次数计数器m₁₂的值加1，判决为关联1次；若小于第一门限λ，则关联次数计数器m₁₂的值不变；

步骤四、计算R个滑窗的检验统计量，进行多次检测；

读取第r+1个滑窗W_r+1内的数据，继续执行步骤二和步骤三，直到完成R个数据滑窗W_r，r＝1,2,…,R的检测；

令两个滑窗之间的数据节点重叠个数为

则滑窗W_r得到的检验统计量为

下一个滑窗W_r+1得到的检验统计量为

其中检验统计量

中的前半部分统计量

为上一滑窗的检验统计量

的后半部分，也就是说每次检测是在重新计算新数据的基础上保留上一次检测信息，使得航迹关联的效率更高；

步骤五、进行第二门限判决；

将关联次数计数器m₁₂与设定的第二门限值L进行比较；若m₁₂＞L，则判定航迹M₁、M₂关联，即两条航迹为同一目标，若m₁₂＜L，则判定航迹M₁、M₂不关联，即两条航迹分别表示不同目标；

步骤六、进行多传感器航迹关联；

若进行航迹关联的航迹数超过两条，则重复步骤二到步骤五，用关联次数计数器m_ii来记录不同航迹M_i,j，i＝1,2,…；j＝1,2,…每两两之间的关联结果；

步骤七、航迹关联多义性处理；

当两个传感器的航迹存在两个以上相互关联时，进行多义性处理，将关联次数进行比较，选取关联次数最大的两条航迹为关联航迹；若存在关联次数相同的情况，再比较卡方检验统计量的均值，取具有最小的卡方检验统计量均值的两条航迹，判决为关联航迹；

步骤八、输出最终航迹结果。

Images