CN113468242A - 一种基于多维次序匹配的多节点航迹快速关联方法及系统 - Google Patents

一种基于多维次序匹配的多节点航迹快速关联方法及系统 Download PDF

Info

Publication number
CN113468242A
CN113468242A CN202110734160.9A CN202110734160A CN113468242A CN 113468242 A CN113468242 A CN 113468242A CN 202110734160 A CN202110734160 A CN 202110734160A CN 113468242 A CN113468242 A CN 113468242A
Authority
CN
China
Prior art keywords
track
sequence
dispersion
node
mixed
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.)
Granted
Application number
CN202110734160.9A
Other languages
English (en)
Other versions
CN113468242B (zh
Inventor
关欣
国佳恩
衣晓
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Naval Aeronautical University
Original Assignee
Naval Aeronautical University
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Naval Aeronautical University filed Critical Naval Aeronautical University
Priority to CN202110734160.9A priority Critical patent/CN113468242B/zh
Publication of CN113468242A publication Critical patent/CN113468242A/zh
Application granted granted Critical
Publication of CN113468242B publication Critical patent/CN113468242B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • G06F16/24—Querying
    • G06F16/245—Query processing
    • G06F16/2458—Special types of queries, e.g. statistical queries, fuzzy queries or distributed queries
    • G06F16/2474—Sequence data queries, e.g. querying versioned data
    • 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
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/22—Matching criteria, e.g. proximity measures
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/25—Fusion techniques
    • 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • Databases & Information Systems (AREA)
  • Artificial Intelligence (AREA)
  • Evolutionary Biology (AREA)
  • Business, Economics & Management (AREA)
  • Evolutionary Computation (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • General Health & Medical Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Mathematical Physics (AREA)
  • Computational Linguistics (AREA)
  • Fuzzy Systems (AREA)
  • Software Systems (AREA)
  • Remote Sensing (AREA)
  • Economics (AREA)
  • Probability & Statistics with Applications (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

本发明涉及一种基于多维次序匹配的多节点航迹快速关联方法及系统，方法包括：建立混合航迹序列，确定所述混合航迹序列的融合状态向量；根据所述混合航迹序列的融合状态向量，对所述混合航迹序列进行逐点递推，得到所述混合航迹序列的离散度向量；根据所述混合航迹序列的离散度向量建立离散度匹配矩阵；根据所述离散度匹配矩阵建立次序匹配矩阵；根据所述次序匹配矩阵对所有航迹进行多维次序匹配，得到全局航迹的关联结果。相比传统航迹关联方法，本发明在不损失正确关联率的基础上，明显减少了运算量，提升了航迹的关联速度。

Description

一种基于多维次序匹配的多节点航迹快速关联方法及系统
技术领域
本发明涉及多传感器信息关联中的航迹关联领域，特别是涉及一种基于多维次序匹配的多节点航迹快速关联方法及系统。
背景技术
多传感器信息关联中的航迹关联是指将来自多传感器检测的目标航迹进行同源性判别，即判断来自不同传感器的航迹是否对应同一目标，航迹关联是航迹融合及目标跟踪的前提。由于传感器技术的发展及精度的提高，运用多传感器共同进行目标跟踪已成为现代空情侦测的常用手段。多局部节点条件下的航迹关联无法直接应用双节点航迹关联方法，在运算效率、算法复杂度上都有巨大衰退。针对多局部节点条件下的批量航迹，找到一种快速有效的关联方法十分必要。
现有的多节点航迹快速关联方法通常采用多维分配的方式，多维分配是在二维分配基础上根据节点数增加相应维度，并采用二维分配的方式进行关联判定，当节点数量及目标数量较大时，其运算量十分巨大，难以实现航迹快速关联。
因此，目前亟需一种全新的多节点航迹快速关联方法，以解决基于多维分配法的传统航迹关联方法存在的运算量大、关联速度慢的问题。
发明内容
本发明的目的是提供一种基于多维次序匹配的多节点航迹快速关联方法及系统，在混合航迹序列的离散度的基础上，采用了递推的运算方式求解不同航迹间相似性，采用多维次序匹配的方式进行航迹的关联判定，大幅降低了运算量，提升了多节点条件下的航迹的关联速度。
为实现上述目的，本发明提供了如下方案：
一种基于多维次序匹配的多节点航迹快速关联方法，包括：
建立混合航迹序列，确定所述混合航迹序列的融合状态向量；
根据所述混合航迹序列的融合状态向量，对所述混合航迹序列进行逐点递推，得到所述混合航迹序列的离散度向量；
根据所述混合航迹序列的离散度向量建立离散度匹配矩阵；
根据所述离散度匹配矩阵建立次序匹配矩阵；
根据所述次序匹配矩阵对所有航迹进行多维次序匹配，得到全局航迹的关联结果。
一种基于多维次序匹配的多节点航迹快速关联系统，包括：
融合状态向量确定模块，用于建立混合航迹序列，确定所述混合航迹序列的融合状态向量；
离散度向量获取模块，用于根据所述混合航迹序列的融合状态向量，对所述混合航迹序列进行逐点递推，得到所述混合航迹序列的离散度向量；
离散度匹配矩阵建立模块，用于根据所述混合航迹序列的离散度向量建立离散度匹配矩阵；
次序匹配矩阵建立模块，用于根据所述离散度匹配矩阵建立次序匹配矩阵；
全局航迹的关联结果获取模块，用于根据所述次序匹配矩阵对所有航迹进行多维次序匹配，得到全局航迹的关联结果。
根据本发明提供的具体实施例，本发明公开了以下技术效果：
本发明提出了一种基于多维次序匹配的多节点航迹快速关联方法及系统，该方法首先建立混合航迹序列，确定所述混合航迹序列的融合状态向量；根据所述混合航迹序列的融合状态向量，对所述混合航迹序列进行逐点递推，得到所述混合航迹序列的离散度向量；根据所述混合航迹序列的离散度向量建立离散度匹配矩阵；根据所述离散度匹配矩阵建立次序匹配矩阵；根据所述次序匹配矩阵对所有航迹进行多维次序匹配，得到全局航迹的关联结果。采用递推的方式获取待关联的混合航迹序列在不同时刻的离散度，采用多维次序匹配的方式进行航迹的关联判定，相比传统方法在不损失正确关联率的基础上，明显减少了运算量，提升了航迹的关联速度，实现了多节点下航迹的快速关联。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为本发明实施例1提供的基于多维次序匹配的多节点航迹快速关联方法的流程图；
图2为本发明实施例1提供的混合航迹序列的构造原理图；
图3为本发明实施例1提供的基于多维次序匹配的多节点航迹快速关联方法与基于多维分配法的传统航迹关联方法的耗时对比图；
图4为本发明实施例1提供的基于多维次序匹配的多节点航迹快速关联方法与基于多维分配法的传统航迹关联方法的正确关联率对比图；
图5为本发明实施例2提供的基于多维次序匹配的多节点航迹快速关联系统的结构框图。
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，所描述的实施例仅仅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。
本发明的目的是提供一种基于多维次序匹配的多节点航迹快速关联方法及系统，在混合航迹序列的离散度的基础上，采用了递推的运算方式求解不同航迹间相似性，采用多维次序匹配的方式进行航迹的关联判定，大幅降低了运算量，提升了多节点条件下的航迹的关联速度。
为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对本发明作进一步详细的说明。
实施例1
如图1所示，本实施例提供了一种基于多维次序匹配的多节点航迹快速关联方法，该方法包括以下步骤：
步骤S1、接收各个传感器采集的航迹数据，为各个所述航迹数据分配关联空间，并度量所述航迹数据中各个航迹之间的相似性。
本实施例中，首先通过融合中心接收各个传感器采集的航迹数据，融合中心具有接收航迹数据、分配关联空间、进行关联运算以及完成轨迹融合等功能，由于航迹关联是在融合中心进行关联的，因此融合中心还需要为各个传感器节点上报的航迹数据分配相应的关联空间以实现关联解算，分配关联空间指的是分配各个航迹数据进行关联运算时所需的运算空间。
当融合中心为各个航迹数据分配关联空间后，还需要度量各个航迹之间的相似性。度量航迹相似性的方法包括比较几何距离以及比较离散度等多种方法。本实施例采用比较航迹离散度的方式进行航迹之间的相似性的度量，确定航迹相似性度量就是将离散度作为度量航迹相似度的物理量。或者，还可以将几何距离作为度量航迹相似度的物理量，采用比较航迹的几何距离的方式，比较每两条航迹之间的几何距离，以及单个航迹中的各个点之间的几何距离，分析各个航迹之间的相似度，实现航迹之间的相似性的度量。
步骤S2、建立混合航迹序列，确定所述混合航迹序列的融合状态向量。
具体包括：
步骤S2.1、假设共有n个传感器构成对目标空域的监视跟踪系统，即n个局部节点对目标空域进行监视跟踪，各个节点异地配置，各个节点的坐标分别表示为(xi,yi),i＝1,2,…,n，各个节点独立观测目标空域内的飞行目标，得到的航迹集合记为：
Figure BDA0003140921140000041
其中，G1，G2，…，Gn表示n个不同节点分别对应的轨迹集合，
Figure BDA0003140921140000042
表示节点n观测的飞行目标的第m条航迹的航迹状态向量，m表示航迹总数。
同一条航迹在不同节点的状态向量不同，在每一个节点的状态向量中的元素都是当前节点对目标的量测值，多个不同时刻的量测值组成了该条航迹的状态向量。对于单条航迹而言，其在不同节点下的航迹状态向量由该节点的各个量测值组成，即：
Figure BDA0003140921140000051
其中，n表示节点；i，j，m分别表示同一目标在不同节点中对应的不同的航迹；ri，rj，rk分别表示第i条航迹、第j条航迹和第m条航迹对应的航迹状态向量中的元素个数；
Figure BDA0003140921140000052
表示节点n对飞行目标的第m条航迹的观测过程中航迹状态向量中的第rk个元素产生的量测值；T表示转置。
在进行航迹关联判别前，首先需要将待关联的航迹融合到同一向量空间中，得到混合航迹序列的融合状态向量。如图2所示，假设有μ、v、ω三个节点同时进行飞行目标的观测跟踪，从(b-1)T到bT为一个融合周期，即第b个融合周期，其中，T表示周期。在第b个融合周期内，融合中心接收来自μ、v、ω三个节点上报的异步航迹数据，并进行下面的航迹融合的过程。
步骤S2.2、为实现后续的多维次序匹配，采用两两航迹组合的关联判定方式，将来自不同节点的两条航迹进行融合，得到所述混合航迹序列的融合状态向量。所述融合状态向量是在航迹状态向量的基础上的依据航迹点上报时序进行的组合。
假设当前对来自节点μ的第i条航迹及节点v的第j号航迹进行关联判定，则所述混合航迹序列的融合状态向量为：
Figure BDA0003140921140000053
其中，
Figure BDA0003140921140000054
表示节点μ的第i条航迹以及节点v的第j号航迹进行融合得到的混合航迹序列的融合状态向量；ξ,c的值由不同航迹点的上报时刻决定，若当前时刻融合中心接收到的是节点μ对第i条航迹的量测值，此时ξ取值为μ，c取值为i；ri，rj分别表示第i条航迹和第j条航迹对应的航迹状态向量中的元素个数。
所述混合航迹序列的融合状态向量的维度是原来两个航迹状态向量的维度之和，其中，c∈{i,j}，ξ∈{μ,ν}。
步骤S3、根据所述混合航迹序列的融合状态向量，对所述混合航迹序列进行逐点递推，得到所述混合航迹序列的离散度向量。具体包括：
步骤S3.1、计算混合航迹序列坐标的均值及方差：
Figure BDA0003140921140000061
Figure BDA0003140921140000062
其中，k表示所述混合航迹序列的融合状态向量中前k个元素，Ak表示所述混合航迹序列的融合状态向量中前k个元素的坐标均值，
Figure BDA0003140921140000063
表示所述混合航迹序列的融合状态向量中前k个元素的坐标方差，
Figure BDA0003140921140000064
表示所述混合航迹序列的融合状态向量中第r个元素。
则所述混合航迹序列的离散度Vk为：
Figure BDA0003140921140000065
步骤S3.2、利用上述均值及方差的递推公式对离散度Vk公式进行转化，得到混合航迹序列离散度的递推运算公式：
Figure BDA0003140921140000066
Figure BDA0003140921140000067
所述混合航迹序列的离散度Vk同样为：
Figure BDA0003140921140000071
其中，Vk表示混合航迹序列的离散度，Ak表示所述混合航迹序列的融合状态向量中前k个元素的坐标均值，
Figure BDA0003140921140000072
表示所述混合航迹序列的融合状态向量中前k个元素的坐标方差，Ak-1表示所述混合航迹序列的融合状态向量中前k-1个元素的坐标均值，
Figure BDA0003140921140000073
表示所述混合航迹序列的融合状态向量中前k-1个元素的坐标方差，
Figure BDA0003140921140000074
表示所述混合航迹序列的融合状态向量中第k个元素。
步骤S3.3、对所述混合航迹序列的融合状态向量中的全部元素进行逐点递推，对全部元素进行逐点递推即采用前述的递推方法递推至最后一个元素，得到递推至每一个元素的离散度，将递推后得到的所有离散度结合，所有离散度就构成了当前混合航迹序列的离散度向量集合，即：
V＝[V(1),V(2),…,V(ri+rj)]T
其中，V表示所述混合航迹序列的离散度向量集合；V(1)、V(2)、V(ri+rj)分别表示所述混合航迹序列的融合状态向量中的各个元素对应的离散度向量；ri，rj分别表示第i条航迹和第j条航迹对应的航迹状态向量中的元素个数，T表示转置。
本发明根据重新构造的融合状态向量递推混合航迹序列的离散度，进而得到混合航迹序列的离散度向量集合，采用逐点递推的方式获取待关联的混合航迹序列在不同时刻的离散度，无需复杂的运算过程，明显减少了运算量，提升了航迹的关联速度，实现了多节点下航迹的快速关联。
步骤S4、根据所述混合航迹序列的离散度向量建立离散度匹配矩阵。具体包括：
步骤S4.1、将任意一个节点的任意一条航迹作为参考航迹，利用所述参考航迹与所述节点的其他各条航迹进行两两融合，得到混合航迹序列的融合状态向量。
步骤S4.2、采用所述逐点递推的方法计算所述混合航迹序列的离散度向量。
步骤S4.3、对所述离散度向量进行组合，得到所述离散度匹配矩阵。所述离散度匹配矩阵的纵向量为各个所述混合航迹序列的离散度向量，横向量为各个所述混合航迹序列经过相同次数递推后的离散度。
本实施例中，建立离散度匹配矩阵的过程是选取任意一个节点的任意一条航迹作为参考航迹，将该单个节点的所有航迹与参考航迹之间构造混合航迹序列，并依据离散度递推方法求解离散度向量，对离散度向量进行组合得到单节点的离散度匹配矩阵。在选定参考航迹后，依照混合航迹序列的构造方法将参考航迹与其他航迹两两之间进行组合，由此得到多组混合航迹序列的状态向量，对每一个状态向量都按照离散度递推方法进行递推，得到每一个混合航迹序列的离散度向量，对离散度向量进行组合，从而得到离散度匹配矩阵。
假设以节点1的1号航迹作为参考航迹，则该节点1的离散度匹配矩阵为：
Figure BDA0003140921140000081
其中，Ψ11表示选取的节点1中的航迹作为参考航迹后，节点1的参考航迹与节点1所有航迹构造混合航迹序列后得到的离散度匹配矩阵；V11表示将第1条航迹作为参考航迹，并与第1条航迹构造混合航迹序列后得到的离散度；V12表示将第1条航迹作为参考航迹，并与第2条航迹构造混合航迹序列后得到的离散度；V1m表示将第1条航迹作为参考航迹，与m号航迹构造混合航迹序列后得到的离散度，k表示所述混合航迹序列的融合状态向量中前k个元素；r1，r2，rm分别表示第1条航迹和第2条航迹以及第m条航迹对应的航迹状态向量中的元素个数；m表示航迹总数。矩阵元素皆为离散度向量元素，矩阵阶数为
Figure BDA0003140921140000091
其中，i表示第i条航迹，ri表示第i条航迹对应的航迹状态向量中的元素个数。
同样以节点1的1号航迹作为参考航迹，将除节点1以外的其余节点观测到的所有航迹与该参考航迹构造混合航迹序列，并递推求解离散度向量，最终将多个离散度向量组合，得到其余节点的离散度匹配矩阵Ψ12,Ψ13,…,Ψ1n，其中，Ψ1n表示选取的节点1中的航迹作为参考航迹后，节点1的参考航迹与节点n所有航迹构造混合航迹序列后得到的离散度匹配矩阵。
在获取各节点的离散度匹配矩阵后，即可对离散度匹配矩阵中各个元素进行排序，并依据排序结果进行关联判定。
步骤S5、根据所述离散度匹配矩阵建立次序匹配矩阵。具体包括：
步骤S5.1、从所述离散度匹配矩阵中任意选取一非零横向量，并按照从大到小的顺序对所述离散度匹配矩阵的所有元素进行排序，得到单节点所有航迹的离散度排序结果
Figure BDA0003140921140000092
其中，
Figure BDA0003140921140000093
表示节点n的第j条航迹经过排序后在本节点所有航迹中的离散度次序，
Figure BDA0003140921140000094
表示节点n的第m条航迹经过排序后在本节点所有航迹中的离散度次序；j和m分别表示节点n的第j条航迹和第m条航迹，m表示航迹总数，j≤m。
步骤S5.2、对所有节点的所述离散度匹配矩阵选取相同维度的横向量，并按照从大到小的顺序分别对各个所述离散度匹配矩阵中的所有元素进行排序，得到所有航迹相对所述参考航迹的离散度的次序匹配矩阵，所述次序匹配矩阵表示为：
Figure BDA0003140921140000095
其中，ζ表示次序匹配矩阵，
Figure BDA0003140921140000096
表示节点n的第m条航迹经过排序后在本节点所有航迹中的离散度次序。
为了提升关联精度，可选取多个不同的非零横向量进行多次排序，得到多个次序匹配矩阵ζ2,ζ3,…,ζs；其中，ζs表示选择的非零横向量s对应的次序匹配矩阵。
步骤S6、根据所述次序匹配矩阵对所有航迹进行多维次序匹配，得到全局航迹的关联结果。即在获取的次序匹配矩阵的基础上进行多维次序匹配，多维次序匹配后即可确定最终的关联结果。具体包括：
步骤S6.1、将某一个次序匹配矩阵中不同节点中经过排序后次序相同的航迹作为来自同一目标的同源航迹，所述同源航迹就是关联航迹，即若
Figure BDA0003140921140000101
则认为
Figure BDA0003140921140000102
为各个节点对应同一目标的一组同源航迹；其中，
Figure BDA0003140921140000103
表示某一个次序匹配矩阵中从节点1到节点n中经过排序后次序相同的航迹对应的离散度次序。以此方法遍历所有航迹，得到一组所述单一次序匹配矩阵对应的粗关联结果：
Figure BDA0003140921140000104
其中，Ψ1表示某个单一次序匹配矩阵对应的粗关联结果；
Figure BDA0003140921140000105
表示从节点1到节点n对应第m条航迹的一组同源航迹。
步骤S6.2、将其他的所述次序匹配矩阵中不同节点中经过排序后次序相同的航迹作为来自同一目标的同源航迹，以此方法遍历所有航迹，得到多组所述次序匹配矩阵对应的粗关联结果：
Figure BDA0003140921140000106
其中，Ψ1，Ψ2，…，Ψs分别表示各个次序匹配矩阵对应的粗关联结果；
Figure BDA0003140921140000107
表示从节点1到节点n对应第m条航迹的一组同源航迹；不同的次序匹配矩阵对应的粗关联结果中的不同的同源航迹采用不同数量的逗号的上角标进行区分。
例如，选择节点1及节点2，经过多次多维次序匹配后，节点1的第1条航迹在节点2中得到多条同源航迹
Figure BDA0003140921140000111
则最终关联结果为被关联次数最多的航迹，即
Figure BDA0003140921140000112
其中，γ表示最终的关联结果；mode(·)表示对括号内的关联航迹取众数；
Figure BDA0003140921140000113
分别表示节点2对应节点1的第1条航迹的多条同源航迹，采用不同数量的逗号的上角标进行区分；j表示关联次数最多的航迹对应的航迹号。此时，最终的关联结果γ则采用j的值进行运算，即在节点2中与节点1的第1条航迹相关联的航迹序号。对其余节点的航迹，采用相同方法确定与节点1的航迹配对的同源航迹，得到最终的全局航迹的关联结果。
步骤S6.3、将所述单一次序匹配矩阵对应的粗关联结果和其他所述次序匹配矩阵对应的粗关联结果结合，得到所述全局航迹的关联结果。
本实施例设置以下4个传感器节点构成对130km×120km的目标空域的监视跟踪系统，节点1位于(0km，0km)处，采样周期为0.3s，测距误差200m，测角误差0.3°；节点2位于(0km，120km)处，采样周期为0.2s，测距误差150m，测角误差0.3°；节点3位于(130km，0km)处，采样周期为0.5s，测距误差300m，测角误差0.5°；节点4位于(130km，120km)处，采样周期为0.4s，测距误差250m，测角误差0.2°。仿真设定150批次目标，运动速度在200～400m/s范围内随机分布，初始运动方向不定。进行100次蒙特卡罗方法实验，检验本发明方法在多节点条件下的关联效果。
需要说明的是，上述目标空域的大小、各个节点的坐标位置、采样周期、测距误差、测角误差以及运动速度等的值都不是固定的、唯一的，仅仅是为了举例说明选择的一组数值，不应作为对本发明的保护范围的限定，还可以选择其他数值，具体的数值可根据实际情况自行选择。
图3为基于多维次序匹配的多节点航迹快速关联方法与基于多维分配法的传统航迹关联方法的耗时对比图，图4为基于多维次序匹配的多节点航迹快速关联方法与基于多维分配法的传统航迹关联方法的正确关联率对比图。从图3可以看出，随着目标数的增多，基于多维分配法的传统航迹关联方法的运算耗时逐渐增大，而本发明的运算耗时始终保持在较低水平，因此，本发明的方法相比传统的多维分配方法在关联速度上提升巨大，运算耗时短，且受目标数量影响较小，关联时间大大缩短。从图4可以看出，本发明的方法在提升关联速度的同时没有损失关联精度，整体关联效果更好。
实施例2
如图5所示，本实施例提供了一种基于多维次序匹配的多节点航迹快速关联系统，该系统包括：
航迹相似性度量模块M1，用于接收各个传感器采集的航迹数据，为各个所述航迹数据分配关联空间，并度量所述航迹数据中各个航迹之间的相似性；
融合状态向量确定模块M2，用于建立混合航迹序列，确定所述混合航迹序列的融合状态向量；
离散度向量获取模块M3，用于根据所述混合航迹序列的融合状态向量，对所述混合航迹序列进行逐点递推，得到所述混合航迹序列的离散度向量；
离散度匹配矩阵建立模块M4，用于根据所述混合航迹序列的离散度向量建立离散度匹配矩阵；
次序匹配矩阵建立模块M5，用于根据所述离散度匹配矩阵建立次序匹配矩阵；
全局航迹的关联结果获取模块M6，用于根据所述次序匹配矩阵对所有航迹进行多维次序匹配，得到全局航迹的关联结果。
本发明提出了一种基于多维次序匹配的多节点航迹快速关联方法及系统，首先建立混合航迹序列，确定所述混合航迹序列的融合状态向量；根据所述混合航迹序列的融合状态向量，对所述混合航迹序列进行逐点递推，得到所述混合航迹序列的离散度向量；根据所述混合航迹序列的离散度向量建立离散度匹配矩阵；根据所述离散度匹配矩阵建立次序匹配矩阵；根据所述次序匹配矩阵对所有航迹进行多维次序匹配，得到全局航迹的关联结果。采用递推的方式获取待关联的混合航迹序列在不同时刻的离散度，采用多维次序匹配的方式进行航迹的关联判定，相比传统方法在不损失正确关联率的基础上，明显减少了运算量，提升了航迹的关联速度，实现了多节点下航迹的快速关联。
本说明书中各个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。本说明书中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处。综上所述，本说明书内容不应理解为对本发明的限制。

Claims (10)

1.一种基于多维次序匹配的多节点航迹快速关联方法，其特征在于，包括：
建立混合航迹序列，确定所述混合航迹序列的融合状态向量；
根据所述混合航迹序列的融合状态向量，对所述混合航迹序列进行逐点递推，得到所述混合航迹序列的离散度向量；
根据所述混合航迹序列的离散度向量建立离散度匹配矩阵；
根据所述离散度匹配矩阵建立次序匹配矩阵；
根据所述次序匹配矩阵对所有航迹进行多维次序匹配，得到全局航迹的关联结果。
2.根据权利要求1所述的基于多维次序匹配的多节点航迹快速关联方法，其特征在于，所述建立混合航迹序列，确定所述混合航迹序列的融合状态向量，具体包括：
假设共有n个节点对目标空域进行监测，各个节点异地配置，坐标分别为(xi,yi),i＝1,2,…,n，各个节点独立观测目标空域内的飞行目标，得到的航迹集合记为：
Figure FDA0003140921130000011
其中，G1，G2，…，Gn表示n个不同节点分别对应的轨迹集合，
Figure FDA0003140921130000012
表示节点n观测的飞行目标的第m条航迹的航迹状态向量，m表示航迹总数；
对于单条航迹，其在不同节点下的航迹状态向量由该节点的各个量测值组成，即：
Figure FDA0003140921130000013
其中，n表示节点；i，j，m分别表示同一目标在不同节点中对应的不同的航迹；ri，rj，rk分别表示第i条航迹、第j条航迹和第m条航迹对应的航迹状态向量中的元素个数；
Figure FDA0003140921130000021
表示节点n对飞行目标的第m条航迹的观测过程中航迹状态向量中的第rk个元素产生的量测值；T表示转置；
采用两两航迹组合的关联判定方式，将来自不同节点的两条航迹进行融合，得到所述混合航迹序列的融合状态向量；
假设当前对来自节点μ的第i条航迹及节点v的第j号航迹进行关联判定，则所述混合航迹序列的融合状态向量为：
Figure FDA0003140921130000022
其中，
Figure FDA0003140921130000023
表示节点μ的第i条航迹以及节点v的第j号航迹进行融合得到的混合航迹序列的融合状态向量；ξ,c的值由不同航迹点的上报时刻决定，若当前时刻融合中心接收到的是节点μ对第i条航迹的量测值，此时ξ取值为μ，c取值为i；ri，rj分别表示第i条航迹和第j条航迹对应的航迹状态向量中的元素个数；
所述混合航迹序列的融合状态向量的维度是原来两个航迹状态向量的维度之和，其中，c∈{i,j}，ξ∈{μ,ν}。
3.根据权利要求2所述的基于多维次序匹配的多节点航迹快速关联方法，其特征在于，所述根据所述混合航迹序列的融合状态向量，对所述混合航迹序列进行逐点递推，得到所述混合航迹序列的离散度向量，具体包括：
计算混合航迹序列坐标的均值及方差：
Figure FDA0003140921130000024
Figure FDA0003140921130000025
其中，k表示所述混合航迹序列的融合状态向量中前k个元素，Ak表示所述混合航迹序列的融合状态向量中前k个元素的坐标均值，
Figure FDA0003140921130000026
表示所述混合航迹序列的融合状态向量中前k个元素的坐标方差，
Figure FDA0003140921130000027
表示所述混合航迹序列的融合状态向量中第r个元素；
则所述混合航迹序列的离散度Vk为：
Figure FDA0003140921130000031
利用上述均值及方差的递推公式对离散度Vk公式进行转化，得到混合航迹序列离散度的递推运算公式：
Figure FDA0003140921130000032
Figure FDA0003140921130000033
其中，Ak-1表示所述混合航迹序列的融合状态向量中前k-1个元素的坐标均值，
Figure FDA0003140921130000034
表示所述混合航迹序列的融合状态向量中前k-1个元素的坐标方差，
Figure FDA0003140921130000035
表示所述混合航迹序列的融合状态向量中第k个元素；
对所述混合航迹序列的融合状态向量中的全部元素进行逐点递推，得到递推至每一个元素的离散度，将递推后得到的所有离散度结合，得到所述混合航迹序列的离散度向量集合：
V＝[V(1),V(2),…,V(ri+rj)]T
其中，V表示所述混合航迹序列的离散度向量集合；V(1)、V(2)、V(ri+rj)分别表示所述混合航迹序列的融合状态向量中的各个元素对应的离散度向量；ri，rj分别表示第i条航迹和第j条航迹对应的航迹状态向量中的元素个数，T表示转置。
4.根据权利要求3所述的基于多维次序匹配的多节点航迹快速关联方法，其特征在于，所述根据所述混合航迹序列的离散度向量建立离散度匹配矩阵，具体包括：
将任意一个节点的任意一条航迹作为参考航迹，利用所述参考航迹与所述节点的其他各条航迹进行两两融合，得到所述混合航迹序列的融合状态向量；
采用所述逐点递推的方法计算所述混合航迹序列的离散度向量；
对所述离散度向量进行组合，得到所述离散度匹配矩阵。
5.根据权利要求4所述的基于多维次序匹配的多节点航迹快速关联方法，其特征在于，所述离散度匹配矩阵的纵向量为各个所述混合航迹序列的离散度向量，横向量为各个所述混合航迹序列经过相同次数递推后的离散度。
6.根据权利要求4所述的基于多维次序匹配的多节点航迹快速关联方法，其特征在于，所述根据所述离散度匹配矩阵建立次序匹配矩阵，具体包括：
从所述离散度匹配矩阵中任意选取一非零横向量，并按照从大到小的顺序对所述离散度匹配矩阵的所有元素进行排序，得到单节点所有航迹的离散度排序结果
Figure FDA0003140921130000041
其中，
Figure FDA0003140921130000042
表示节点n的第j条航迹经过排序后在本节点所有航迹中的离散度次序，
Figure FDA0003140921130000043
表示节点n的第m条航迹经过排序后在本节点所有航迹中的离散度次序；j和m分别表示节点n的第j条航迹和第m条航迹，m表示航迹总数，j≤m；
对所有节点的所述离散度匹配矩阵选取相同维度的横向量，并按照从大到小的顺序分别对各个所述离散度匹配矩阵中的所有元素进行排序，得到所有航迹相对所述参考航迹的离散度的次序匹配矩阵，所述次序匹配矩阵表示为：
Figure FDA0003140921130000044
其中，ζ表示次序匹配矩阵，
Figure FDA0003140921130000045
表示节点n的第m条航迹经过排序后在本节点所有航迹中的离散度次序。
7.根据权利要求1所述的基于多维次序匹配的多节点航迹快速关联方法，其特征在于，所述根据所述次序匹配矩阵对所有航迹进行多维次序匹配，得到全局航迹的关联结果，具体包括：
将某一个次序匹配矩阵中不同节点中经过排序后次序相同的航迹作为来自同一目标的同源航迹，遍历所有航迹，得到一组所述单一次序匹配矩阵对应的粗关联结果；
将其他的所述次序匹配矩阵中不同节点中经过排序后次序相同的航迹作为来自同一目标的同源航迹，遍历所有航迹，得到多组所述次序匹配矩阵对应的粗关联结果；
将所述单一次序匹配矩阵对应的粗关联结果和其他所述次序匹配矩阵对应的粗关联结果结合，得到所述全局航迹的关联结果。
8.根据权利要求1所述的基于多维次序匹配的多节点航迹快速关联方法，其特征在于，在所述建立混合航迹序列，确定所述混合航迹序列的融合状态向量之前，还包括：
接收各个传感器采集的航迹数据，为各个所述航迹数据分配关联空间，并度量所述航迹数据中各个航迹之间的相似性。
9.一种基于多维次序匹配的多节点航迹快速关联系统，其特征在于，包括：
融合状态向量确定模块，用于建立混合航迹序列，确定所述混合航迹序列的融合状态向量；
离散度向量获取模块，用于根据所述混合航迹序列的融合状态向量，对所述混合航迹序列进行逐点递推，得到所述混合航迹序列的离散度向量；
离散度匹配矩阵建立模块，用于根据所述混合航迹序列的离散度向量建立离散度匹配矩阵；
次序匹配矩阵建立模块，用于根据所述离散度匹配矩阵建立次序匹配矩阵；
全局航迹的关联结果获取模块，用于根据所述次序匹配矩阵对所有航迹进行多维次序匹配，得到全局航迹的关联结果。
10.根据权利要求9所述的基于多维次序匹配的多节点航迹快速关联系统，其特征在于，还包括：
航迹相似性度量模块，用于接收各个传感器采集的航迹数据，为各个所述航迹数据分配关联空间，并度量所述航迹数据中各个航迹之间的相似性。
CN202110734160.9A 2021-06-30 2021-06-30 一种基于多维次序匹配的多节点航迹快速关联方法及系统 Active CN113468242B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110734160.9A CN113468242B (zh) 2021-06-30 2021-06-30 一种基于多维次序匹配的多节点航迹快速关联方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110734160.9A CN113468242B (zh) 2021-06-30 2021-06-30 一种基于多维次序匹配的多节点航迹快速关联方法及系统

Publications (2)

Publication Number Publication Date
CN113468242A true CN113468242A (zh) 2021-10-01
CN113468242B CN113468242B (zh) 2024-04-16

Family

ID=77874246

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110734160.9A Active CN113468242B (zh) 2021-06-30 2021-06-30 一种基于多维次序匹配的多节点航迹快速关联方法及系统

Country Status (1)

Country Link
CN (1) CN113468242B (zh)

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2009053863A (ja) * 2007-08-24 2009-03-12 National Institute Of Advanced Industrial & Technology 検証システム
JP2010151637A (ja) * 2008-12-25 2010-07-08 Mitsubishi Electric Corp 目標追尾装置
CN110986993A (zh) * 2019-12-31 2020-04-10 长城汽车股份有限公司 一种路况信息的获取方法及装置
WO2020206734A1 (zh) * 2019-04-10 2020-10-15 深圳市能信安技术有限公司 基于手写密码的身份认证方法及装置
CN111950937A (zh) * 2020-09-01 2020-11-17 上海海事大学 一种基于融合时空轨迹的重点人员风险评估方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2009053863A (ja) * 2007-08-24 2009-03-12 National Institute Of Advanced Industrial & Technology 検証システム
JP2010151637A (ja) * 2008-12-25 2010-07-08 Mitsubishi Electric Corp 目標追尾装置
WO2020206734A1 (zh) * 2019-04-10 2020-10-15 深圳市能信安技术有限公司 基于手写密码的身份认证方法及装置
CN110986993A (zh) * 2019-12-31 2020-04-10 长城汽车股份有限公司 一种路况信息的获取方法及装置
CN111950937A (zh) * 2020-09-01 2020-11-17 上海海事大学 一种基于融合时空轨迹的重点人员风险评估方法

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
LI BINGRONG; QU CHANGWEN; ZHOU ZHENG; GUO LINPENG: "Application of UKF Alogrithm in Passive Localization and Tracking", 《2018 IEEE 3RD ADVANCED INFORMATION TECHNOLOGY, ELECTRONIC AND AUTOMATION CONTROL CONFERENCE (IAEAC)》 *
QUYNH ANH PHAM; DAVID LOPEZ-BUENO; TENG WANG; GABRIEL MONTORO; PERE L. GILABERT: "Multi-dimensional LUT-based digital predistorter for concurrent dual-band envelope tracking power amplifier linearization", 《2018 IEEE TOPICAL CONFERENCE ON RF/MICROWAVE POWER AMPLIFIERS FOR RADIO AND WIRELESS APPLICATIONS (PAWR)》 *
ZHENGLEI WEI, DALI DING, LE WANG: "A flight maneuver recognition method based on multi-strategy affine canonical time warping", 《APPLIED SOFT COMPUTING》 *
国佳恩;周正;曾睿: "多局部节点异步航迹快速关联算法", 《系统工程与电子技术》 *

Also Published As

Publication number Publication date
CN113468242B (zh) 2024-04-16

Similar Documents

Publication Publication Date Title
CN105813194B (zh) 基于指纹数据库二次校正的室内定位方法
CN104853435B (zh) 一种基于概率的室内定位方法和装置
CN111601253B (zh) 无源被动智能跟踪定位方法、系统、存储介质、跟踪定位终端
CN107066806B (zh) 航迹关联方法及装置
CN110333480B (zh) 一种基于聚类的单无人机多目标aoa定位方法
CN104991225B (zh) 一种解相位干涉仪测向模糊的方法和装置
CN113091738A (zh) 基于视觉惯导融合的移动机器人地图构建方法及相关设备
Tang et al. On the similarity/dissimilarity of DNA sequences based on 4D graphical representation
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
CN108072356A (zh) 高度测量方法、装置及无人机
CN108810799B (zh) 一种基于线性判别分析的多楼层室内定位方法及系统
CN108562893A (zh) 一种外辐射源雷达多站混合跟踪方法
CN115204212A (zh) 一种基于stm-pmbm滤波算法的多目标跟踪方法
CN107607904A (zh) 一种基于测角信息的多目标同一性识别方法
CN114219022A (zh) 结合聚类分析和粒子群优化算法的多传感器多目标跟踪方法
CN113030940B (zh) 一种转弯机动下的多星凸型扩展目标跟踪方法
CN109917372A (zh) 基于目标预测的扩展目标量测集划分和跟踪方法
CN113534135B (zh) 一种基于离散度线性趋势检验的航迹关联方法及装置
CN113468242A (zh) 一种基于多维次序匹配的多节点航迹快速关联方法及系统
CN105259533B (zh) 基于多维标度法子空间分析的三阶段到达时间差定位方法
CN111735443A (zh) 一种基于赋值矩阵的密集目标航迹关联方法
CN114679683B (zh) 一种基于派生指纹迁移的室内智能定位方法
CN113850009B (zh) 一种基于椭圆rhm的标签粒子多扩展目标跟踪方法
CN114364016A (zh) 基于aoa和rssi加权指纹特征匹配室内定位方法、装置及系统
Buhaiov et al. Artificial neural networks application to MMG temperature calibration

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