CN113447027B - 一种基于几何图形的目标融合过滤方法 - Google Patents

Abstract

本发明公开了一种基于几何图形的目标融合过滤方法，包括步骤：传感器数据采集；目标身份确定、时间过滤；选择空间过滤几何图形；航向过滤处理；聚合航迹过滤后的态势数据；目标速度过滤；多源数据融合并形成一条融合航迹信息。本发明有较好的目标跟踪完整率和识别完整率，清晰性反应态势信息中所含虚假航迹、模糊航迹、模糊识别目标；最终生成的航迹的最长航迹持续比较高；准确衡量航迹位置、速度、航向、身份标识；具备事中实时处理能力，航迹确认时延和目标识别时延都较低。

Description

一种基于几何图形的目标融合过滤方法

技术领域

本发明属于无线电信号信息处理技术领域，尤其涉及一种基于几何图形的目标融合过滤方法。

背景技术

在态势分析过程中，目标的活动轨迹是分析的核心，但由于传感器性能、信号处理、目标定位等因素导致航迹点位常出现点多但误差大、点少精度高但连续性不高的问题，态势一致性差，无法达到协同计划一致和协同行动同步。如何对同一时间段内多数据源对同一目标生成的多条航迹进行融合处理是目前难点问题。目前，航迹融合算法有很多如基于概率统计的融合算法(如：加权平均、贝叶斯估计、卡尔曼滤波)、逻辑推理(如DS证据、模糊逻辑)、神经网络方法、基于特征抽取(PCA等)、基于搜索、网格等融合算法。但这些算法应用场景都是基于传感器输出定位数据量多且准的场景下，而通常情况下，传感器输出的都是非这种理想场景，现实各传感器输出的航迹数据偏差很大。在不考虑实际业务场景和数据质量条件下，直接使用数据融合处理算法往往会出现航迹连续的态势生成质量不高、可信度低、可解释性差等问题。

发明内容

本发明的目的就在于为了解决上述问题而提供一种基于几何图形的目标融合过滤方法，包括步骤:

传感器获取目标态势数据，并缓存；

抽取清洗航迹数据，并进行目标身份确定、时间过滤；

选择空间过滤几何图形；

结合航向可行性分析对目标航迹进行航向过滤处理；

聚合航迹过滤后的态势数据，并标注数据的具体来源；

对聚合后的数据再进行目标速度过滤；

多源数据融合并形成一条融合航迹信息。

具体的，所述航向过滤处理包括：

航向区域收敛性判断：目标点位置在航向矩形内，并证明航向矩形具备收敛性；

设目标点位置为C，A、B为两个位置点；JA为A点的经度；JB为B点的经度；WA为A点的纬度；WB为B点的纬度；

S(A,B)为A、B两个位置点间的地理空间面积，S(C,B)为C、B两个位置点间的地理空间面积，Credi为航向可信调整因子，Tadj为时间调整因子非常数，JC为目标点的经度，WC为目标点的纬度；

min(JA,JB)＜JC＜max(JA,JB)；

min(WA,WB)＜WC＜max(WA,WB)；

航向异常点剔除，满足如下公式：

S(C,B)/S(A,B)≥Credi*Tadj。

具体的，所述对聚合后的数据再进行目标速度过滤包括：

根据A、B两点时间和经纬度数据计算出速度；

C＝sin(WA)*sin(WB)+cos(JA)*cos(JB)*cos(JA-JB)；

L(A,B)＝RE*arccos(C)

V(A,B)＝L(A,B)/(TB-TA)；

其中，WA为A点的纬度；WB为B点的纬度；JA为A点的经度，JB为B点的经度，L(A,B)为AB的距离，RE为地球半径，V(A,B)为目标速度。

本发明的有益效果在于：

1.通过多源航迹融合，本发明能完整利用所有同目标或关联目标的航迹信息，如被跟踪、识别的目标所占比例依赖所需要的分析对象，而且本分发明可事后复盘分析，事中实时跟踪识别，因此只要所感兴趣的目标都能有较好的目标跟踪完整率和识别完整率；

2.清晰性反应态势信息中所含虚假航迹、模糊航迹、模糊识别目标。通过速度、身份、时间、航向等多维态势信息过滤，身份和时间的过滤可清除虚假航迹；而同一目标最终会生成一条航迹，所以不会出现一个目标的多个指派航迹；这也间接不可能出现模糊识别目标的情况出现，这也保证了态势的一致性；

3.连续性反应航迹的“破碎”程度，通过航向调整、航速过滤再辅以数据多源信息补充，使得最终生成的航迹的最长航迹持续比较高；

4.准确性衡量航迹位置、速度、航向、身份标识与真实情况的一致性；

5.及时性，本发明支持事前配置参数，具备事中实时处理能力，航迹确认时延和目标识别时延都较低。

附图说明

图1是本发明的流程图；

图2是目标点C位置在航向矩形内的示意图；

图3是航向矩形过小而无法包含其他可信点的示意图；

图4是目标点过于靠近终点的示意图；

图5是多源数据融合形成的融合航迹示意图；

图6是设备A和B航迹信息示意图；

图7是测试数据区域特征测试效果图。

具体实施方式

下面结合附图对本发明作进一步说明：

如附图1所示，本发明提供一种基于几何图形的目标融合过滤方法，具体包括以下步骤:

传感器获取目标态势数据，并缓存；

抽取清洗航迹数据，并进行目标身份确定、时间过滤；

选择空间过滤几何图形；

结合航向可行性分析对目标航迹进行航向过滤处理；

聚合航迹过滤后的态势数据，并标注数据的具体来源；

对聚合后的数据再进行目标速度过滤；

多源数据融合并形成一条融合航迹信息。

本发明具体实施过程包括以下步骤：

步骤一、控制参数配置，需要配置的参数为速度阈值、几何图形参数配置、航向调整参数等，传感器获取目标态势数据，并缓存；

步骤二、确认目标身份，使设备A所生成态势目标身份与设备B所生成态势点位身份一致；

步骤三、根据目标身份设置最大速度V如400Km/s，空间过滤图形类型为矩形，航向调整因子0.5，配置时间范围；

步骤四、根据时间范围和身份信息分别提取对应的数据，并将数据规整成一条航迹；

结合航向可行性分析对目标航迹进行航向过滤处理，包括：

(1)航向区域收敛性判断：目标点位置在航向矩形内，并证明航向矩形具备收敛性，即C点需满足如下条件:

min(JA,JB)＜JC＜max(JA,JB)；

min(WA,WB)＜WC＜max(WA,WB)；

(2)航向异常点剔除，满足如下公式：

S(C,B)/S(A,B)≥Credi*Tadj。

其中，WA为A点的纬度；WB为B点的纬度；JA为A点的经度，JB为B点的经度，JC为目标点的经度，WC为目标点的纬度，L(A,B)为AB的距离，RE为地球半径，V(A,B)为目标速度。

从而解决了场景存在两个的问题：

1.当前位置点与后续点存在较大偏移，造成航向矩形过小而无法包含其他可信点，如附图3所示。

2.目标点过于靠近终点，S(C,B)过小而被过滤的问题，如附图4所示C1，C2两种场景下所构建的航向矩形所示。

步骤五、聚合航迹过滤后的态势数据，并标注数据的具体来源；

步骤六、根据公式进行航向异常点剔除：对聚合后的数据再进行目标速度过滤，即根据A、B两点时间和经纬度数据计算出速度；

步骤七、生成设备A和设备B同一目标同一时间段的融合航迹，如附图5所示。如附图6所示设备A和B航迹信息示意图，测试数据区域特征测试效果图如附图7所示。

本发明利用多传感器下同一目标采集航迹信息，并采用几何图形的空间检索技术，并融合四大原则(同一身份、同一时间范围、航行速度不超过目标航速的最大参考值、航向不能偏离)对目标航迹进行身份、时间、航向、速度等多维分级过滤，特别是目标航向过滤结合目标本身要素(时距、区域等)实现并验证了发明的可行性，从源头上保证态势的一致性。基于航向可行性分析，构建航向过滤几何图形，并在图形过滤下验证并实现了航向区域收敛性(即航向不会持续发生偏离)；同时，引入航向矩形面积和航向偏移调整因子，更准确的限定目标航向；最后，航迹点具有时间效应，在极端场景下航迹点分布会边界效应，该发明提出时差调整并解决过滤航迹点分布严重不均衡下导致点位缺失的现象。工程实践证明该技术发明可实现融合态势的连续性和准确性，也可应用在多目标的伴行关系分析，并具备良好的效果，最终实现态势一致，更好的辅助目标行动意图预测和理解。

本发明有以下优点：

1.通过多源数据航迹融合，本发明能完整利用所有同目标或关联目标的航迹信息，如被跟踪、识别的目标所占比例依赖所需要的分析对象，而且本分发明可事后复盘分析，事中实时跟踪识别，因此只要所感兴趣的目标都能有较好的目标跟踪完整率和识别完整率。

2.清晰性反应态势信息中所含虚假航迹、模糊航迹、模糊识别目标。通过速度、身份、时间、航向等多维态势信息过滤，身份和时间的过滤可清除虚假航迹；而同一目标最终会生成一条航迹，所以不会出现一个目标的多个指派航迹；这也间接不可能出现模糊识别目标的情况出现，这也保证了态势的一致性。

3.连续性反应航迹的“破碎”程度，通过航向调整、航速过滤再辅以多源信息补充，使得最终生成的航迹的最长航迹持续比较高。

4.准确性衡量航迹位置、速度、航向、身份标识与真实情况的一致性。通过实际数据的事后分析，目标位置误差(航迹估计位置相对于目标真实位置的均方根误差)、速度误差(航迹速度相对于目标真实速度的均方根误差)、航向误差(航迹航向相对于目标真实航迹的均方根误差)都在10％以内。

5.及时性，本发明支持事前配置参数，具备事中实时处理能力，航迹确认时延和目标识别时延都较低。

本发明的技术方案不限于上述具体实施例的限制，凡是根据本发明的技术方案做出的技术变形，均落入本发明的保护范围之内。

Claims (1)

1.一种基于几何图形的目标融合过滤方法，其特征在于，包括步骤:

传感器获取目标态势数据，并缓存；

抽取清洗航迹数据，并进行目标身份确定、时间过滤，使多源目标点位身份一致；

选择空间过滤几何图形；

结合航向可行性分析对目标航迹进行航向过滤处理；

聚合航迹过滤后的态势数据，并标注数据的具体来源；

对聚合后的数据再进行目标速度过滤；

多源数据融合并形成一条融合航迹信息；

所述航向过滤处理包括：

航向区域收敛性判断：目标点位置在航向矩形内，并证明航向矩形具备收敛性；

设目标点位置为C，A、B为两个位置点；JA为A点的经度；JB为B点的经度；WA为A点的纬度；WB为B点的纬度；

S(A,B)为A、B两个位置点间的地理空间面积，S(C,B)为C、B两个位置点间的地理空间面积，Credi为航向可信调整因子，Tadj为时间调整因子非常数，JC为目标点的经度，WC为目标点的纬度；

min(JA,JB)＜JC＜max(JA,JB)；

min(WA,WB)＜WC＜max(WA,WB)；

航向异常点剔除，满足如下公式：

S(C,B)/S(A,B)≥Credi*Tadj；

所述对聚合后的数据再进行目标速度过滤包括：

根据A、B两点时间和经纬度数据计算出速度；

C＝sin(WA)*sin(WB)+cos(JA)*cos(JB)*cos(JA-JB)；

L(A,B)＝RE*arccos(C)

V(A,B)＝L(A,B)/(TB-TA)；

其中，WA为A点的纬度；WB为B点的纬度；JA为A点的经度，JB为B点的经度，L(A,B)为AB的距离，RE为地球半径，V(A,B)为目标速度。

Images