CN111858816B - 一种提高单监视源与多监视源航迹关联效率的方法及系统 - Google Patents
一种提高单监视源与多监视源航迹关联效率的方法及系统 Download PDFInfo
- Publication number
- CN111858816B CN111858816B CN202010716279.9A CN202010716279A CN111858816B CN 111858816 B CN111858816 B CN 111858816B CN 202010716279 A CN202010716279 A CN 202010716279A CN 111858816 B CN111858816 B CN 111858816B
- Authority
- CN
- China
- Prior art keywords
- track
- monitoring
- grid
- monitoring source
- source
- 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
- 238000012544 monitoring process Methods 0.000 title claims abstract description 199
- 238000000034 method Methods 0.000 title claims abstract description 44
- 230000002596 correlated effect Effects 0.000 abstract description 2
- 230000000875 corresponding effect Effects 0.000 description 17
- 238000004364 calculation method Methods 0.000 description 10
- 238000001514 detection method Methods 0.000 description 9
- 238000012545 processing Methods 0.000 description 9
- 230000004927 fusion Effects 0.000 description 5
- 238000010586 diagram Methods 0.000 description 4
- 238000001914 filtration Methods 0.000 description 2
- 238000012216 screening Methods 0.000 description 2
- 238000012935 Averaging Methods 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000007499 fusion processing Methods 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/29—Geographical information databases
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/22—Indexing; Data structures therefor; Storage structures
- G06F16/2228—Indexing structures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/40—Business processes related to the transportation industry
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G5/00—Traffic control systems for aircraft, e.g. air-traffic control [ATC]
- G08G5/0073—Surveillance aids
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
- Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Databases & Information Systems (AREA)
- Business, Economics & Management (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Economics (AREA)
- Remote Sensing (AREA)
- Aviation & Aerospace Engineering (AREA)
- Health & Medical Sciences (AREA)
- Software Systems (AREA)
- General Health & Medical Sciences (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Radar Systems Or Details Thereof (AREA)
Abstract
本发明属于民用航空技术领域,具体涉及一种提高单监视源与多监视源航迹关联效率的方法及系统,所述方法包括以下步骤:若干个单监视源接收当前周期内航空目标运动时的航迹数据,从而得到若干个单监视源航迹;将当前周期的单监视源航迹的区域范围与上个周期的多监视源航迹的区域索引进行关联,将关联到同一多监视源航迹的多个单监视源航迹进行融合,得到准确的当前周期的目标航迹,并将目标航迹作为当前周期的多监视源航迹。本发明在单监视源航迹和多监视源航迹进行关联时,通过将当前周期的若干个单监视源航迹的区域范围与上个周期的多监视源航迹的区域索引进行关联,计算量小,提高了关联效率,能够快速而准确的确定航空目标的目标航迹。
Description
技术领域
本发明属于民用航空技术领域,具体涉及一种提高单监视源与多监视源航迹关联效率的方法及系统。
背景技术
在集成塔台系统中,包括了监视数据处理模块、飞行计划处理模块、各种外部数据接入处理模块、人机界面集成显示模块等部分,其中监视数据处理模块占据着举足轻重的地位,解决空中及地面目标的精确显示问题,是管制员的“眼睛”。集成塔台监视数据处理模块的结构如图1所示。
图1所示的单监视源与多监视源航迹关联部分为多监视源航迹跟踪的先决条件,直接影响着多监视源航迹是否会产生分裂以及更新,是否能够及时反映所有参与融合的单监视源的所有相关信息。一般在空管系统中采用的单监视源与多监视源的航迹关联过程包括三个部分:首先将单监视源送过来的点迹进行门限过滤,再对应关联门的输出形成可行或有效点迹-航迹对,然后形成关联矩阵,用以度量各个点迹与多监视源航迹接近的程度,最后将最近预测位置的点迹按赋值策略将他们分别赋予相对应的多监视源航迹。关联过程如图2所示。
集成塔台系统中,不论是场面上还是进近空域,都有很多目标航空器,在场面上甚至存在许多活动的车辆目标,在繁忙的机场,场面活动目标可能会达到上百架,空中活动目标甚至更多,面对这样大量的目标数据,不可能把每个单监视源航迹与数据库中的每条多监视源航迹进行一一比较、判断,一般采用的技术手段都会设置一个窗口,也就是关联波门,来限制非处理多监视源航迹的影响。这里采用的关联波门虽然可以滤除不必要计算的多监视源目标,但是还是需要采用关联门对每个多监视源目标进行过滤才能确定某个单监视源航迹与哪些多监视源航迹具备初始关联条件。常用的技术方法在此处每个单监视源目标点迹与多监视源航迹匹配过滤上花费的时间代价都接近O(n)。
上述在进行单监视源点迹与多监视源航迹关联匹配的过程中,需要对每个到来的单监视源航迹与每个多监视源航迹进行关联波门检测。假设到来的单监视源航迹个数为M个,多监视源航迹个数为N个,则需要进行的关联波门检测次数为M*N次,算法时间代价为O(M*N)。假如单监视源航迹有1000个,多监视源航迹个数有100个,则需要检查的次数接近10万次,而实际集成塔台系统运行测试过程中,多监视源航迹个数远远大于100个,接入的单监视源给出目标航迹总个数也远远大于1000个,所以需要检查的次数会呈几何级数增长。这样的话就会导致在上述监视数据处理模块中,多监视源航迹关联部分占用的系统CPU资源很大程度上放在了匹配关联波门处理上,影响了大批次目标的关联融合处理效率。
发明内容
针对现有技术中的缺陷,本发明提供了一种提高单监视源与多监视源航迹关联效率的方法及系统,可以动态控制单监视源航迹需检测关联的多监视源航迹集合,在单监视源航迹和多监视源航迹进行关联时,通过将当前周期的若干个单监视源航迹的区域范围与上个周期的多监视源航迹的区域索引进行关联,计算量小,提高了关联效率,能够快速而准确的确定航空目标的目标航迹。
第一方面,本发明提供了一种提高单监视源与多监视源航迹关联效率的方法,包括以下步骤:
若干个单监视源接收当前周期内航空目标运动时的航迹数据,从而得到若干个单监视源航迹;
将当前周期的单监视源航迹的区域范围与上个周期的多监视源航迹的区域索引进行关联,将关联到同一多监视源航迹的多个单监视源航迹进行融合,得到准确的当前周期的目标航迹,并将目标航迹作为当前周期的多监视源航迹。
优选地,所述将当前周期的单监视源航迹的区域范围与上个周期的多监视源航迹的区域索引进行关联,具体为:
根据上个周期的多监视源航迹的坐标,得到多监视源航迹在区域网格上的区域索引;
根据当前周期的单监视源航迹的坐标,得到单监视源航迹在区域网格上的区域范围;
在区域范围内查询相匹配的区域索引,将区域范围对应的单监视源航迹与匹配到的区域索引相对应的多监视源航迹进行关联。
优选地,所述区域网格是对机场场面地域或进近管制空域进行划分后由M*N个小网格组成的马赛克网格,每个小网格的边长为W;
以区域网格的左下角为原点,每个小网格相对于原点的二维位置表示为grid[i][j],i、j均为正整数,i表示小网格在区域网格上的横坐标位置,j表示小网格在区域网格上的纵坐标位置;
优选地,所述上个周期的多监视源航迹的坐标为{x=xp,y=yp};
优选地,所述当前周期的一个单监视源航迹的坐标为{x=xq,y=yq};
优选地,所述将区域索引与每个区域范围进行匹配关联,具体为:
将区域范围内包含的区域索引所对应的多监视源航迹,与区域范围对应的单监视源航迹进行关联。
优选地,所述方法还包括设置区域网格的步骤。
优选地,所述设置区域网格的步骤具体为:根据机场场面地域进行网格划分,形成包含M*N个小网格的机场场面地域网格Mairport,根据进近管制空域进行网格划分,形成包含M*N个小网格的进近管制空域网格Mairspace;
所述机场场面地域网格Mairport中的小网格的边长W=Wgrid_airpo rt;
所述进近管制空域网格Mairspace中的小网格的边长W=Wgird_airsp ace。
优选地,所述航空目标为场面目标时,选取机场场面地域网格作为区域网格;所述航空目标为空中目标时,选取进近管制空域网格作为区域网格。
第二方面,本发明提供了一种提高单监视源与多监视源航迹关联效率的系统,适用于第一方面所述的一种提高单监视源与多监视源航迹关联效率的方法,包括:
数据获取单元,用于通过若干个单监视源接收当前周期内航空目标运动时的航迹数据,从而得到若干个单监视源航迹;
航迹关联单元,用于将当前周期的单监视源航迹的区域范围与上个周期的多监视源航迹的区域索引进行关联,将关联到同一多监视源航迹的多个单监视源航迹进行融合,得到准确的当前周期的目标航迹,并将目标航迹作为当前周期的多监视源航迹。
本发明的技术方案,可以动态控制单监视源航迹需检测关联的多监视源航迹集合,在单监视源航迹和多监视源航迹进行关联时,通过将当前周期的若干个单监视源航迹的区域范围与上个周期的多监视源航迹的区域索引进行关联,计算量小,提高了关联效率,能够快速而准确的确定航空目标的目标航迹。
附图说明
为了更清楚地说明本发明具体实施方式或现有技术中的技术方案,下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍。在所有附图中,类似的元件或部分一般由类似的附图标记标识。附图中,各元件或部分并不一定按照实际的比例绘制。
图1为背景技术中集成塔台监视数据处理模块的结构示意图;
图2为背景技术中单监视源航迹与多监视源航迹关联过程图;
图3为本实施例中提高单监视源与多监视源航迹关联效率的方法流程图;
图4为本实施例中区域网格的示意图;
图5为本实施例中提高单监视源与多监视源航迹关联效率的系统结构图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
应当理解,当在本说明书和所附权利要求书中使用时,术语“包括”和“包含”指示所描述特征、整体、步骤、操作、元素和/或组件的存在,但并不排除一个或多个其它特征、整体、步骤、操作、元素、组件和/或其集合的存在或添加。
还应当理解,在本发明说明书中所使用的术语仅仅是出于描述特定实施例的目的而并不意在限制本发明。如在本发明说明书和所附权利要求书中所使用的那样,除非上下文清楚地指明其它情况,否则单数形式的“一”、“一个”及“该”意在包括复数形式。
还应当进一步理解,在本发明说明书和所附权利要求书中使用的术语“和/或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合,并且包括这些组合。
如在本说明书和所附权利要求书中所使用的那样,术语“如果”可以依据上下文被解释为“当...时”或“一旦”或“响应于确定”或“响应于检测到”。类似地,短语“如果确定”或“如果检测到[所描述条件或事件]”可以依据上下文被解释为意指“一旦确定”或“响应于确定”或“一旦检测到[所描述条件或事件]”或“响应于检测到[所描述条件或事件]”。
实施例一:
本实施例提供了一种提高单监视源与多监视源航迹关联效率的方法,如图3所示,包括以下步骤:
S1,若干个单监视源接收当前周期内航空目标运动时的航迹数据,从而得到若干个单监视源航迹;
S2,将当前周期的单监视源航迹的区域范围与上个周期的多监视源航迹的区域索引进行关联,将关联到同一多监视源航迹的多个单监视源航迹进行融合,得到准确的当前周期的目标航迹,并将目标航迹作为当前周期的多监视源航迹。
本实施例的方法,旨在解决单监视源航迹与多监视源航迹进行关联波门检测时计算量过大,导致占用系统CPU资源过多的问题,本方法通过将当前周期的若干个单监视源航迹的区域范围与上个周期的多监视源航迹的区域索引进行关联,计算量小,从而提高单监视源与多监视源关联处理效率,提升集成塔台系统的关联融合性能,能够快速而准确的确定航空目标的目标航迹。
其中,所述将当前周期的单监视源航迹的区域范围与上个周期的多监视源航迹的区域索引进行关联,具体为:
根据上个周期的多监视源航迹的坐标,得到多监视源航迹在区域网格上的区域索引;
根据当前周期的单监视源航迹的坐标,得到单监视源航迹在区域网格上的区域范围;
在区域范围内查询相匹配的区域索引,将区域范围对应的单监视源航迹与匹配到的区域索引相对应的多监视源航迹进行关联。
本实施例的所述区域网格是对机场场面地域或进近管制空域进行划分后由M*N个小网格组成的马赛克网格,如图4所示,每个小网格的边长为W,所述区域网格覆盖机场场面地域或进近管制空域。
以区域网格的左下角为原点,每个小网格相对于原点的二维位置表示为grid[i][j],i、j均为正整数,i表示小网格在区域网格上的横坐标位置,j表示小网格在区域网格上的纵坐标位置;
用区域网格作为基准参考,计算多监视源航迹的区域索引,以及每个单监视源航迹的区域范围。例如三个单监视源(如三个监视雷达),对同一目标进行监视时,有三个单监视源航迹,每个单监视源是周期性采集航空目标的航迹数据。每个周期内,三个单监视源航迹进行关联融合后,即得到一个多监视源航迹。本实施例的方法,首先计算上个周期的多监视源航迹对应的一个区域索引,即多监视源航迹在区域网格上所在的位置;然后计算当前周期的三个单监视源航迹对应的三个区域范围,即在区域网格上划出三个对应的区域范围;最后判断区域范围内包含的是哪个区域索引,将该区域范围对应的单监视源航迹与该区域索引对应的多监视源航迹进行关联。本实施中,区域网格上可能有多个航迹目标的多个多监视源航迹(多监视源航迹即一个航迹位置,多个航迹目标就有多个航迹位置),每个区域范围内的区域索引有且只有一个。每个多监视源航迹均有唯一的航迹ID,如果两个区域范围内有同一个多监视源航迹,则多监视源航迹与两个单监视源航迹关联;如果三个区域范围内有同一个多监视源航迹,则多监视源与三个单监视源航迹均相关联。在关联后,采用融合算法得到当前周期下,航空目标的目标航迹,融合算法如加权算法、平均算法等。再将得到的目标航迹作为当前周期的多监视源航迹,在下个周期继续上述计算。
一、区域索引计算:
所述上个周期的多监视源航迹的坐标为{x=xp,y=yp};
计算多监视源航迹相比于中心小网格的区域索引,区域索引
二、区域范围计算:
所述当前周期的一个单监视源航迹的坐标为{x=xq,y=yq};
根据该单监视源航迹坐标和关联位置波门α(α是单监视源航迹与多监视源航迹的关联位置波门),计算该单监视源航迹的区域范围,区域范围
通过上述计算方式,计算出三个单监视源航迹对应的三个区域范围。
三、区域索引与区域范围关联
所述将区域索引与每个区域范围进行匹配关联,具体为:
将区域范围内包含的区域索引所对应的多监视源航迹,与区域范围对应的单监视源航迹进行关联。
本实施例中,一个多监视源航迹可能关联一个或多个单监视源航迹。最后将关联成功的一个或多个单监视源航迹进行融合,得到航空目标在当前周期下的目标航迹。将目标航迹作为当前周期的多监视源航迹,该融合后的多监视源航迹再与下个周期的若干个单监视源航迹进行上述方法的关联,在航空目标运动的若干个周期中,以此类推,进行每个周期的关联融合计算,从而得到航空目标整个运动过程的准确航迹。
在传统的关联门的检测中,计算效率较低的原因是在检测过程中没有完全利用航空目标的运动特点,当前周期的单监视源航迹与上个周期的多监视源航迹进行匹配关联时,单监视源航迹需要与整个区域内的所有多监视源航迹进行匹配关联,因此计算量大。本实施例中,考虑航空目标上一时刻的运动速度,目标的最大运动范围,在设定航空目标以最大飞行速度运动情况下,运动范围仅局限于矩形框(即区域范围)中,关联过程中,区域范围外的多监视源航迹完全不需要进行关联波门检测,单监视源航迹只需与区域范围内的多监视源航迹进行关联,无需进行大量的匹配关联计算。
本实施例的方法还包括设置区域网格的步骤,具体为:根据机场场面地域进行网格划分,形成包含M*N个小网格的机场场面地域网格Mairport,根据进近管制空域进行网格划分,形成包含M*N个小网格的进近管制空域网格M airspace;
所述机场场面地域网格Mairport中的小网格的边长W=Wgrid_airpo rt;
所述进近管制空域网格Mairspace中的小网格的边长W=Wgird_airsp ace。
本实施例中,在对单监视源航迹与多监视源航迹进行关联计算时,所述航空目标为场面目标时,选取机场场面地域网格作为区域网格进行关联计算,即采用W=Wgrid_airpo rt进行计算,每个区域范围匹配到的区域索引个数为1,也就是说,通过区域索引,单监视源航迹与多监视源航迹关联波门匹配复杂度由原来的每个单监视源航迹复杂度O(N)降低为了接近O(1),算法复杂度大大降低。所述航空目标为空中目标时,选取进近管制空域网格作为区域网格进行关联计算,即采用W=Wgird_airsp ace进行计算,每个区域范围匹配到的区域索引个数为1,也就是说,通过区域索引,单监视源航迹与多监视源航迹关联波门匹配复杂度由原来的每个单监视源航迹复杂度O(N)降低为了接近O(1),算法复杂度大大降低。
综上所述,本实施例的技术方案具有以下有益效果:
(1)现有技术中,集成塔台系统中机场场面地域及进近管制空域中没有使用其他区域对多监视源航迹的运动轨迹进行动态跟踪记录;本实施例中使用马赛克区域网格对机场场面地域或进近管制空域中多监视源航迹的运动轨迹进行跟踪记录;
(2)现有技术中,单监视源航迹与多监视源航迹进行关联,进行关联波门的粗筛时,与每个多监视源航迹都需要进行检查,算法复杂度为O(N);本实施例中单监视源航迹与多监视源航迹进行关联匹配过程中,借助记录的多监视源运动轨迹对应的马赛克网格的区域索引,将关联波门内的需检测的多监视源运动轨迹,通过区域范围的方式将其中的区域索引快速锁定,该方法将单监视源航迹与多监视源航迹的关联波门粗筛算法复杂度大大降低,接近O(1)。
实施例二:
本实施例提供了一种提高单监视源与多监视源航迹关联效率的系统,适用于实施例一所述的一种提高单监视源与多监视源航迹关联效率的方法,如图5所示,包括:
数据获取单元,用于通过若干个单监视源接收当前周期内航空目标运动时的航迹数据,从而得到若干个单监视源航迹;
航迹关联单元,用于将当前周期的单监视源航迹的区域范围与上个周期的多监视源航迹的区域索引进行关联,将关联到同一多监视源航迹的多个单监视源航迹进行融合,得到准确的当前周期的目标航迹,并将目标航迹作为当前周期的多监视源航迹。
本实施例的系统适用于实施例一中的方法,基于类似内容的描述,在此不再赘述。
综上所述,本实施例的技术方案,在单监视源航迹和多监视源航迹进行关联时,通过将当前周期的若干个单监视源航迹的区域范围与上个周期的多监视源航迹的区域索引进行关联,计算量小,提高了关联效率,能够快速而准确的确定航空目标的目标航迹。
此外,本领域普通技术人员可以意识到,结合本文中所公开的实施例描述的各示例的单元或步骤,能够以电子硬件、计算机软件或者二者的结合来实现,为了清楚地说明硬件和软件的可互换性,在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本发明的范围。
在本申请所提供的实施例中,应该理解到,所述步骤的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个步骤可结合为一个步骤,一个步骤可拆分为多个步骤,或一些特征可以忽略等。
最后应说明的是:以上各实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述各实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分或者全部技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的范围,其均应涵盖在本发明的权利要求和说明书的范围当中。
Claims (9)
1.一种提高单监视源与多监视源航迹关联效率的方法,其特征在于,包括以下步骤:
若干个单监视源接收当前周期内航空目标运动时的航迹数据,从而得到若干个单监视源航迹;
将当前周期的单监视源航迹的区域范围与上个周期的多监视源航迹的区域索引进行关联,将关联到同一多监视源航迹的多个单监视源航迹进行融合,得到准确的当前周期的目标航迹,并将目标航迹作为当前周期的多监视源航迹;
所述将当前周期的单监视源航迹的区域范围与上个周期的多监视源航迹的区域索引进行关联,具体为:
根据上个周期的多监视源航迹的坐标,得到多监视源航迹在区域网格上的区域索引;
根据当前周期的单监视源航迹的坐标,得到单监视源航迹在区域网格上的区域范围;
在区域范围内查询相匹配的区域索引,将区域范围对应的单监视源航迹与匹配到的区域索引相对应的多监视源航迹进行关联。
5.根据权利要求4所述的一种提高单监视源与多监视源航迹关联效率的方法,其特征在于,所述将区域索引与每个区域范围进行匹配关联,具体为:
将区域范围内包含的区域索引所对应的多监视源航迹,与区域范围对应的单监视源航迹进行关联。
6.根据权利要求2所述的一种提高单监视源与多监视源航迹关联效率的方法,其特征在于,还包括设置区域网格的步骤。
7.根据权利要求6所述的一种提高单监视源与多监视源航迹关联效率的方法,其特征在于,所述设置区域网格的步骤具体为:
根据机场场面地域进行网格划分,形成包含M*N个小网格的机场场面地域网格Mairport,根据进近管制空域进行网格划分,形成包含M*N个小网格的进近管制空域网格Mairspace;
所述机场场面地域网格Mairport中的小网格的边长W=Wgrid_airpo rt;
所述进近管制空域网格Mairspace中的小网格的边长W=Wgird_airsp ace。
8.根据权利要求6所述的一种提高单监视源与多监视源航迹关联效率的方法,其特征在于,所述航空目标为场面目标时,选取机场场面地域网格作为区域网格;所述航空目标为空中目标时,选取进近管制空域网格作为区域网格。
9.一种提高单监视源与多监视源航迹关联效率的系统,适用于权利要求1-8任一项所述的一种提高单监视源与多监视源航迹关联效率的方法,其特征在于,包括:
数据获取单元,用于通过若干个单监视源接收当前周期内航空目标运动时的航迹数据,从而得到若干个单监视源航迹;
航迹关联单元,用于将当前周期的单监视源航迹的区域范围与上个周期的多监视源航迹的区域索引进行关联,将关联到同一多监视源航迹的多个单监视源航迹进行融合,得到准确的当前周期的目标航迹,并将目标航迹作为当前周期的多监视源航迹;
所述将当前周期的单监视源航迹的区域范围与上个周期的多监视源航迹的区域索引进行关联,具体为:
根据上个周期的多监视源航迹的坐标,得到多监视源航迹在区域网格上的区域索引;
根据当前周期的单监视源航迹的坐标,得到单监视源航迹在区域网格上的区域范围;
在区域范围内查询相匹配的区域索引,将区域范围对应的单监视源航迹与匹配到的区域索引相对应的多监视源航迹进行关联。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010716279.9A CN111858816B (zh) | 2020-07-23 | 2020-07-23 | 一种提高单监视源与多监视源航迹关联效率的方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010716279.9A CN111858816B (zh) | 2020-07-23 | 2020-07-23 | 一种提高单监视源与多监视源航迹关联效率的方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111858816A CN111858816A (zh) | 2020-10-30 |
CN111858816B true CN111858816B (zh) | 2023-06-13 |
Family
ID=72950304
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010716279.9A Active CN111858816B (zh) | 2020-07-23 | 2020-07-23 | 一种提高单监视源与多监视源航迹关联效率的方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111858816B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112433849B (zh) * | 2020-11-11 | 2022-09-02 | 成都民航空管科技发展有限公司 | 一种集成塔台系统多监视源数据分布式融合的方法及系统 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
FR2979709A1 (fr) * | 2011-09-02 | 2013-03-08 | Thales Sa | Procede pour initialiser des pistes cartesiennes a partir de mesures bistatiques realisees par un ou plusieurs recepteurs d'un systeme radar multistatique |
CN104749576A (zh) * | 2015-04-08 | 2015-07-01 | 四川九洲空管科技有限责任公司 | 一种多雷达航迹关联融合方法 |
CN104808197A (zh) * | 2015-05-06 | 2015-07-29 | 四川九洲空管科技有限责任公司 | 一种多监视源飞行目标并行跟踪处理方法 |
CN107169301A (zh) * | 2017-06-08 | 2017-09-15 | 中国人民解放军海军航空工程学院 | 一种分而治之航迹关联方法 |
CN110501006A (zh) * | 2019-08-29 | 2019-11-26 | 电子科技大学 | 一种异类传感器联合航迹关联与跟踪方法 |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP2799902A1 (en) * | 2013-04-30 | 2014-11-05 | Baselabs GmbH | Method and apparatus for the tracking of multiple objects |
CN107133269B (zh) * | 2017-04-01 | 2021-06-18 | 中国人民解放军国防科技大学 | 基于移动目标的频繁位置轨迹生成方法及装置 |
CN110031834A (zh) * | 2018-01-12 | 2019-07-19 | 西安艾索信息技术有限公司 | 一种改进的多目标雷达航迹处理方法 |
CN109508000B (zh) * | 2018-12-16 | 2021-09-03 | 西南电子技术研究所(中国电子科技集团公司第十研究所) | 异构多传感器多目标跟踪方法 |
CN110988880B (zh) * | 2019-12-12 | 2021-09-07 | 南京莱斯电子设备有限公司 | 一种基于smr目标轨迹的地理信息提取及目标跟踪方法 |
-
2020
- 2020-07-23 CN CN202010716279.9A patent/CN111858816B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
FR2979709A1 (fr) * | 2011-09-02 | 2013-03-08 | Thales Sa | Procede pour initialiser des pistes cartesiennes a partir de mesures bistatiques realisees par un ou plusieurs recepteurs d'un systeme radar multistatique |
CN104749576A (zh) * | 2015-04-08 | 2015-07-01 | 四川九洲空管科技有限责任公司 | 一种多雷达航迹关联融合方法 |
CN104808197A (zh) * | 2015-05-06 | 2015-07-29 | 四川九洲空管科技有限责任公司 | 一种多监视源飞行目标并行跟踪处理方法 |
CN107169301A (zh) * | 2017-06-08 | 2017-09-15 | 中国人民解放军海军航空工程学院 | 一种分而治之航迹关联方法 |
CN110501006A (zh) * | 2019-08-29 | 2019-11-26 | 电子科技大学 | 一种异类传感器联合航迹关联与跟踪方法 |
Non-Patent Citations (5)
Title |
---|
Felix Opitz等.Situation assessment in airborne ground surveillance.《2015 16th International Radar Symposium(IRS)》.2015,第1-6页. * |
Michele Vespe等.Multi-sensor autonomous tracking for maritime surveillance.《2008 International Conference on Radar》.2008,第525-530页. * |
任秋刚.近海船舶监控系统中航迹关联算法的研究与实现.《中国优秀硕士学位论文全文数据库(工程科技Ⅱ辑)》.2020,(第undefined期),C036-233. * |
孙沂等.空管自动化系统的多雷达与ADS-B数据融合技术综述.《第二十五届中国(天津)2011’IT、网络、信息技术、电子、仪器仪表创新学术会议论文集》.2011,第10-14页. * |
尚德佳.空管多监视数据融合研究.《中国优秀硕士学位论文全文数据库(工程科技Ⅱ辑)》.2012,(第undefined期),C031-110. * |
Also Published As
Publication number | Publication date |
---|---|
CN111858816A (zh) | 2020-10-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109711320B (zh) | 一种值班人员违规行为检测方法及系统 | |
CN111899227A (zh) | 基于无人机作业的铁路扣件缺陷自动采集辨识方法 | |
Lai et al. | Characterization of Sky‐region Morphological‐temporal Airborne Collision Detection | |
CN104808197A (zh) | 一种多监视源飞行目标并行跟踪处理方法 | |
CN109145836B (zh) | 基于深度学习网络和卡尔曼滤波的船只目标视频检测方法 | |
CN114299417A (zh) | 一种基于雷视融合的多目标跟踪方法 | |
CN108986142A (zh) | 基于置信图峰值旁瓣比优化的遮挡目标跟踪方法 | |
CN111858816B (zh) | 一种提高单监视源与多监视源航迹关联效率的方法及系统 | |
CN114067224A (zh) | 一种基于多传感器数据融合的无人机集群目标数量检测方法 | |
CN115690545B (zh) | 训练目标跟踪模型和目标跟踪的方法和装置 | |
CN107132515A (zh) | 一种基于多维信息约束的点迹筛选方法 | |
CN103700112A (zh) | 一种基于混合预测策略的遮挡目标跟踪方法 | |
CN1441911A (zh) | 在跟踪系统中检测与消除自告警信号的方法 | |
CN109815773A (zh) | 一种基于视觉的低慢小航空器探测方法 | |
Jiang et al. | A radar filtering model for aerial surveillance base on kalman filter and neural network | |
CN115220002B (zh) | 一种固定单站的多目标数据关联跟踪方法和相关装置 | |
CN116385876A (zh) | 基于yolox的光学遥感影像地物检测方法 | |
Liu et al. | Abnormal behavior analysis strategy of bus drivers based on deep learning | |
CN112257750B (zh) | 一种面向复合式探测节点的分布式融合系统 | |
AU2020408906A1 (en) | Method and device for supervising a traffic control system | |
Bie et al. | UAV recognition and tracking method based on YOLOv5 | |
CN116168543B (zh) | 基于毫米波雷达的车辆轨迹修正方法、装置及存储介质 | |
CN110967691A (zh) | 红外光电扫描避碰系统 | |
CN117590865B (zh) | 一种固定翼无人机跟踪目标运动预测方法 | |
CN117037496A (zh) | 交通冲突点事件监测方法、装置、计算机设备及存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |