CN113687347A - 一种航迹簇数据处理方法、系统及可读存储介质 - Google Patents

Abstract

本公开提供了一种航迹簇数据处理方法、系统及可读存储介质，包括：判断传感器的波束是否完成对航迹簇的扫描；在完成对航迹簇的扫描的情况下，对所述航迹簇的方案进行关联和更新；在完成所述航迹簇的关联和更新之后，重置所有航迹簇的更新状态。本公开的航迹簇数据处理可以将多目标航迹分解为多个独立的航迹簇，进行局部关联计算，实现扫描与多目标跟踪计算并行化和近似序贯化，提高多目标跟踪算法的计算效率，降低航迹跟踪的等待延迟。

Description

一种航迹簇数据处理方法、系统及可读存储介质

技术领域

本发明涉及航空技术领域，尤其涉及一种航迹簇数据处理方法、系统及 可读存储介质。

背景技术

传统的全局最优算法包括全局最近邻(GNN)、联合概率数据关联 (JPDA)、多假设关联(MHC)等等，此类算法采取整周期迭代方式，在传 感器完成一个扫描周期后进行全局关联分配。在信噪比低，杂波率高的场景 下，此类算法相对于最近邻(NN)方法具有目标关联正确性高，航迹质量高 的特点。

传统的全局最优关联算法需要将一个探测周期内的全部观测信息与所有 目标进行关联计算，每次计算迭代处理都集中在扫描周期结束时刻，无法实 现数据处理序贯化。普通全局最优数据关联算法，如图1所示，从目标探测 到多目标航迹跟踪在时间上是串行结构，每次多目标跟踪计算都开始于上一 个传感器扫描周期的结束时刻，需要集中处理的目标和量测的数量都较大， 对于扫描周期较长的远程警戒类雷达，用户需要额外等待从波束覆盖目标到 波束归零的一个比较明显的时间延迟才能得到目标的状态更新结果。

发明内容

本发明实施例提供一种航迹簇数据处理方法、系统及可读存储介质，将 多目标航迹分解为多个独立的航迹簇，进行局部关联计算，实现扫描与多目 标跟踪计算并行化和近似序贯化，提高多目标跟踪算法的计算效率，降低航 迹跟踪的等待延迟。

本公开实施例提出一种航迹簇数据处理方法，包括：

在确定传感器的波束扫描过任意航迹簇的情况下，对所述航迹簇的方案 进行关联和更新；

在完成所述航迹簇的关联和更新之后，重置所有航迹簇的更新状态。

在一些实施方式中，确定传感器的波束扫描过任意航迹簇包括：

在所述波束与航迹簇内的所有航迹的夹角的最小值大于设定门限，判定 所述波束扫描过该航迹簇。

在一些实施方式中，对所述航迹簇的方案进行关联和更新包括：

在任意两个航迹簇包含至少一个公共量测的情况下，基于该两个航迹簇 的方案进行合簇，其中合簇后的方案数量为合簇前的两个航迹簇的方案数量 的积；

保留合簇后的航迹簇中的关联代价最小的前N个方案。

在一些实施方式中，对所述航迹簇的方案进行关联和更新包括：

在当前航迹簇内不包含公共量测的情况下，进行分簇处理包括：

选取当前航迹簇内的第一轨迹，确定所述第一轨迹的第一量测集合，选 取当前航迹簇内的第二轨迹，确定所述第二轨迹的第二量测集合；

若所述第一量测集合与所述第二量测集合存在公共量测，则将所述第一 量测集合和所述第二量测集合进行合并，否则将所述第二量测集合加入独立 集合；

处理完当前航迹簇内的所有航迹之后，根据所述独立集合的大小进行分 簇。

在一些实施方式中，对所述航迹簇的方案进行关联和更新还包括：

获取当前航迹簇前一更新周期的方案集合，对于所述方案集合中的任一 方案，计算该方案在当前更新周期的关联代价矩阵，并基于所述关联代价矩 阵利用预设算法计算关联代价最小的前K个关联方案。

在一些实施方式中，对所述航迹簇的方案进行关联和更新还包括：

若任一航迹簇内包含n条航迹，在该航迹簇更新时有m个观测点落入该 航迹簇的航迹跟踪波门，且在m>n的情况下，生成m-n条衍生航迹。

在一些实施方式中，生成m-n条衍生航迹之后，还包括：

在所述衍生航迹被确认起始前，将所述衍生航迹的内部节点的似然度确 定为该航迹簇内所有关联量测的最小相关似然度值的一半。

在一些实施方式中，在任一航迹簇内所有目标都没有被所述传感器的波 束探测到的情况下，在所述传感器扫描周期结束后，将该航迹簇整体外推。

本公开实施例还提出一种航迹簇数据处理系统，包括：

处理器，被配置为在确定传感器的波束扫描过任意航迹簇的情况下，对 所述航迹簇的方案进行关联和更新；以及

在完成航迹簇关联和更新之后，重置所有航迹簇的更新状态。

本公开实施例还提出一种计算机可读存储介质，所述计算机可读存储介 质上存储有计算机程序，所述计算机程序被处理器执行时实现前述航迹簇数 据处理方法的步骤。

本发明实施例通过在确定传感器波束完成航迹簇扫描的情况下，对所述 航迹簇的方案进行关联和更新，从而将多目标航迹分解为多个独立的航迹簇， 无需等待一个完整的扫描周期结束，即可进行局部关联计算，实现扫描与多 目标跟踪计算并行化和近似序贯化，提高多目标跟踪算法的计算效率。

上述说明仅是本发明技术方案的概述，为了能够更清楚了解本发明的技 术手段，而可依照说明书的内容予以实施，并且为了让本发明的上述和其它 目的、特征和优点能够更明显易懂，以下特举本发明的具体实施方式。

附图说明

通过阅读下文优选实施方式的详细描述，各种其他的优点和益处对于本 领域普通技术人员将变得清楚明了。附图仅用于示出优选实施方式的目的， 而并不认为是对本发明的限制。而且在整个附图中，用相同的参考符号表示 相同的部件。在附图中：

图1为现有技术的全局最优数据关联算法。

图2为本公开实施例的航迹簇数据处理方法基本流程图。

图3为本公开实施例的航迹簇数据处理方法流程示意图。

图4为本公开实施例的传感器波束与航迹簇的更新时机示意图。

图5为本公开实施例的航迹分簇示意图。

图6为本公开实施例的航迹簇数据处理方法总流程示意图。

图7为本公开实施例的航迹衍生示意图。

图8为本公开实施例的目标真实运动轨迹示意图。

图9为本公开实施例的MHT与S-MHT跟踪精度对比示意图。

图10为本公开实施例的多目标航迹跟踪情况示意图。

具体实施方式

下面将参照附图更详细地描述本公开的示例性实施例。虽然附图中显示 了本公开的示例性实施例，然而应当理解，可以以各种形式实现本公开而不 应被这里阐述的实施例所限制。相反，提供这些实施例是为了能够更透彻地 理解本公开，并且能够将本公开的范围完整的传达给本领域的技术人员。

本公开实施例提出一种航迹簇数据处理方法，如图2，包括：

S201、判断传感器的波束是否完成航迹簇扫描；

S202、在完成航迹簇扫描的情况下，对所述航迹簇的方案进行关联和更 新；

S203、在完成所述航迹簇的关联和更新之后，重置所有航迹簇的更新状 态。

具体的说，如图3所示，在本实施例中，可以将多目标航迹分解为多个 独立的航迹簇。而传感器的波束按照预设方向周期性扫描，例如可以是顺时 针也可以是逆时针。在波束扫过航迹簇的情况下，也即此时新的量测落入了 该航迹簇中某航迹的跟踪波门，则此时是可以将该航迹簇更新状态置1，从而 实现该航迹簇的方案进行关联和更新。对该航迹簇的关联和更新之后，可以 重置所有航迹簇的更新状态。

在一实施例中，可以定义航迹T_i的更新状态为u_i。如果存在新量测落入航 迹T_i的跟踪波门则u_i＝1，否则u_i＝0。

定义航迹簇C_j的更新状态

其中

表示航迹簇C_j内的第l条航迹的更新状态。

如图4所示，当传感器波束与航迹簇内的所有航迹的夹角的最小值大于 设定阈值(即波束扫过航迹簇)，并且航迹簇的更新状态为1时，启动航迹簇 的关联方案计算和航迹更新计算，例如可以利用卡尔曼滤波对完成关联分配 后的航迹节点进行滤波更新计算。在完成航迹状态更新后可以将u_j ^c重新置为 0。

由此本公开实施例方法可以实现无需等待一个完整的扫描周期结束，即 可进行局部关联计算，实现扫描与多目标跟踪计算并行化和近似序贯化，提 高多目标跟踪算法的计算效率。

在一些实施方式中，对所述航迹簇的方案进行关联和更新包括：

在任意两个航迹簇包含至少一个公共量测的情况下，基于该两个航迹簇 的方案进行合簇，其中合簇后的方案数量为合簇前的两个航迹簇的方案数量 的积；

保留合簇后的航迹簇中的关联代价最小的前N个方案。

具体的说，如果航迹T_i与航迹T_j的跟踪波门内存在一个共同观测值m则认 为是m是航迹T_i与航迹T_j的共享量测，具备共同量测的航迹可以组成航迹簇。

如图5所示航迹T_i与航迹T_j由于共享相同的观测值m₅，所以将航迹T_i与航 迹T_j组合为一个航迹簇C_m；航迹T_k由于没有其他航迹与它共享观测，所以自 己独立形成一个航迹簇C_n。

下面进一步对航迹簇的合簇方法进行介绍，对于存在至少一个公共量测 的两个航迹簇，需要进行合并处理。例如存在两个航迹簇C₁和C₂，航迹簇C₁具 有关联方案集合

航迹集合C₂具有关联方案集合

则合簇后的关联方案为

其中

由(2)式可知合簇后关联数 量是被合簇的关联数量之积，所以合簇之后需要进行剪枝保留前N个最优的 关联方案。也即本公开方法可以根据量测数据与航迹之间的关联关系，对具 备共享量测的航迹簇要进行合簇。多假设跟踪情况下，合簇会导致关联分配 的分支增加，因此可以进行剪枝。

在一些实施方式中，确定传感器的波束扫描过任意航迹簇包括：

在所述波束与航迹簇内的所有航迹的夹角的最小值大于设定门限，判定 所述波束扫描过该航迹簇，则将该航迹簇的状态修改为更新状态。

具体参见图4，设传感器波束顺时针扫描，当前场景存在C₁和C₂两个航迹 簇，航迹簇C₂的更新状态为0(已经进行过更新处理了)，航迹簇C₁的更新状 态为1(有新量测落入C₁内的航迹跟踪波门)，当波束与C₁内的所有航迹夹角 的最小值满足α_min＞α_Th时，启动航迹簇内的关联方案和更新计算。航迹簇在 完成关联和航迹更新后可以将所有航迹以及航迹簇的更新状态置为0。

在一些实施方式中，对所述航迹簇的方案进行关联和更新包括：

在当前航迹簇内不包含公共量测的情况下，进行分簇处理包括：

选取当前航迹簇内的第一轨迹，确定所述第一轨迹的第一量测集合，选 取当前航迹簇内的第二轨迹，确定所述第二轨迹的第二量测集合；

若所述第一量测集合与所述第二量测集合存在公共量测，则将所述第一 量测集合和所述第二量测集合进行合并，否则将所述第二量测集合加入独立 集合；

处理完当前航迹簇内的所有航迹之后，根据所述独立集合的大小进行分 簇。

下面进一步对航迹簇的分簇方法进行介绍，对于航迹簇内不再具有共享 观测的多条航迹需要分簇处理，以降低后续计算复杂度。依次处理航迹簇内 的所有航迹：

首先可以取簇内第一条航迹T₁，以T₁的量测为元素组成集合Z₁，并以Z₁为 元素定义集合Z{Z₁}。

然后，取下一条航迹T，用T所有量测组成集合Z；

接着，如果Z与Z中的元素Z_i存在交集，则将Z并入Z_i。

Z′_i＝Z_i∪Z (3)

否则将Z作为独立元素加入Z中。

再然后，如果第三步发生并操作，则逐项检查所有Z包含的所有元素之间 是否能相互合并，可以合并的进行合并。

进一步的，重复第二步至第四步，直至处理完所有簇内的航迹；

最后，如果|Z|＞1，则可以进行分簇。如果|Z|＝1，则可以不进行分簇。

在一些实施方式中，对所述航迹簇的方案进行关联和更新还包括：

获取当前航迹簇前一更新周期的方案集合，对于所述方案集合中的任一 方案，计算该方案在当前更新周期的关联代价矩阵，并基于所述关联代价矩 阵利用预设算法计算关联代价最小的前K个关联方案。

例如存在一航迹簇C的前一更新周期的关联方案集合为A＝{a_γ},γ＝1,...l_a。对于每一个a_γ∈A，求当前周期的关联代价矩阵

其中

为量测m_j与航迹T_i的第k个节点关联的似然度。获得

后，可以使用Murty 算法求前K个关联代价最小的关联方案

在一些实施方式中，对所述航迹簇的方案进行关联和更新还包括：

若任一航迹簇内包含n条航迹，在该航迹簇更新时有m个观测点落入该 航迹簇的航迹跟踪波门，且在m>n的情况下，生成m-n条衍生航迹。

具体的说，如图6所示，例如存在一航迹簇C内包含n条航迹，在航迹 簇更新时刻有m个观测点落入航迹簇C的航迹跟踪波门。如果m>n则，则生 成m-n条衍生航迹。本示例中对于航迹簇内不再共享观测的子航迹簇要及时 进行分簇处理，提高后续计算的效率。在多假设跟踪情况下，为了避免分簇 后出现航迹标签矛盾，仅保留最高权重分支进行分簇。

在一些实施方式中，生成m-n条衍生航迹之后，还包括：

在所述衍生航迹被确认起始前，将所述衍生航迹的内部节点的似然度确 定为该航迹簇内所有关联量测的最小相关似然度值的一半。

如图7所示，航迹簇C₁内的航迹T₁和航迹T₂在最新的扫描周期内关联了3 个量测值，分别为m₉、m₁₀和m₁₁。由于量测点数量大于航迹数量。所以生成 衍生航迹T₃。T₃的根节点为虚拟量测点m₀，挂载的叶节点为所有的3个量测 m₉、m₁₀和m₁₁，三个新挂载点的似然度定为航迹T₁和航迹T₂的关联量测点的最 小似然度的一半。

在一些实施方式中，在任一航迹簇内所有目标都没有被所述传感器的波 束探测到的情况下，在所述传感器扫描周期结束后，将该航迹簇整体外推。

本公开的航迹簇数据处理方法可以根据传感器指向数据确定航迹簇是否 完成量测收集，对完成量测收集的航迹簇，立刻进行航迹簇内的多目标跟踪 处理，不等到整周期扫描完成集中处理，从而可以让计算量均匀的分散到传 感器的扫描周期内，传感器扫描与数据处理在时间上并行。并且2)传感器 波束扫过航迹簇后，航迹簇立刻进行更新，航迹更新的平均等待延时比整周 期计算的方法大幅缩短。同时航迹分簇处理，降低了关联分配矩阵的规模， 计算速度快。

本实施例还给出航迹簇数据处理方法的实施案例

将本公开的方法与多假设跟踪(MHT)算法结合，形成序贯化多假设跟踪 (S-MHT)算法进行试验。实验场景尺寸[-400km，400km][-400km,400km]。雷 达位于原点性能参数见下表1所示，杂波在探测范围内均匀分布。

表1：仿真雷达参数

目标的运动轨迹如图8所示，在仿真的第50秒开始，出现航迹组分裂， 目标T-2从航迹组[T-1、T-2、T-3]内分离出去。在仿真150秒时刻航迹组[T-1、 T-3]与航迹组[T-4、T-5]交叉。目标运动模型选择辛格模型形式，其中目标机 动能力选择典型的中等机动目标，加速度方差

机动时间常数 α＝1(1/s)。

MHT算法的N-back参数N＝3，探测概率设定为0.95的情况下，对基本 MHT和S-MHT算法进行精度对比。结果如图9所示。可见本公开的航迹簇 数据处理的数据关联算法与基于全局关联的MHT相比不存在精度下降问题。

多目标航迹跟踪效果如图10所示，黑点为传感器量测点，灰圈表示 S-MHT的输出航迹点。

另外本实施案例还分别对5个目标，10个目标，20个目标的情况下分别 进行50次蒙特卡洛实验，计算时间对比结果如下表2所示。

表2：不同场景的计算时间结果

将航迹更新等待时间定义为从传感器探测到目标点迹到航迹输出之间的 时间差，结果如表3所示。

表3：不同目标数量的航迹更新等待时间对比

从LOSPA误差对比可知，本公开的处理方法对多目标跟踪算法本身不会 产生跟踪精度影响，S-MHT与MHT整体误差基本相当。

从计算时间的对比上可以看出，结合了本公开的S-MHT相较普通MHT 在计算时间上具有很大的优势。。

由于本公开处理方法的计算具有序贯化处理特性，目标航迹总是在波束 扫过目标后立即更新，而普通MHT的特点导致航迹更新的等待时间与目标分 布，以及传感器扫描方向直接相关，本公开处理方法的更新等待时间相比普 通MHT大大减小。

本公开实施例还提出一种航迹簇数据处理系统，包括：

处理器，被配置为在确定传感器的波束扫描过任意航迹簇的情况下，对 所述航迹簇的方案进行关联和更新；以及

在完成航迹簇关联和更新之后，重置所有航迹簇的更新状态。

本公开实施例还提出一种计算机可读存储介质，所述计算机可读存储介 质上存储有计算机程序，所述计算机程序被处理器执行时实现前述航迹簇数 据处理方法的步骤。

本发明实施例通过在确定传感器波束完成对某航迹簇的扫描的情况下， 对所述航迹簇的方案进行关联和更新，从而将多目标航迹分解为多个独立的 航迹簇，无需等待一个完整的扫描周期结束，即可进行局部关联计算，实现 扫描与多目标跟踪计算并行化和近似序贯化，提高多目标跟踪算法的计算效 率。

需要说明的是，在本文中，术语“包括”、“包含”或者其任何其他变体 意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或 者装置不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还 包括为这种过程、方法、物品或者装置所固有的要素。在没有更多限制的情 况下，由语句“包括一个……”限定的要素，并不排除在包括该要素的过程、 方法、物品或者装置中还存在另外的相同要素。

上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。

通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到上述 实施例方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通 过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本发明的 技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体 现出来，该计算机软件产品存储在一个存储介质(如ROM/RAM、磁碟、光 盘)中，包括若干指令用以使得一台计算机设备执行本发明各个实施例所述 的方法。

上面结合附图对本发明的实施例进行了描述，但是本发明并不局限于上 述的具体实施方式，上述的具体实施方式仅仅是示意性的，而不是限制性的， 本领域的普通技术人员在本发明的启示下，在不脱离本发明宗旨和权利要求 所保护的范围情况下，还可做出很多形式，这些均属于本发明的保护之内。

Claims (10)

1.一种航迹簇数据处理方法，其特征在于，包括：

在确定传感器的波束扫描过任意航迹簇的情况下，对所述航迹簇的方案进行关联和更新；

在完成所述航迹簇的关联和更新之后，重置所有航迹簇的更新状态。

2.如权利要求1所述的航迹簇数据处理方法，其特征在于，确定传感器的波束扫描过任意航迹簇包括：

在所述波束与航迹簇内的所有航迹的夹角的最小值大于设定门限，判定所述波束扫描过该航迹簇。

3.如权利要求1所述的航迹簇数据处理方法，其特征在于，对所述航迹簇的方案进行关联和更新包括：

在任意两个航迹簇包含至少一个公共量测的情况下，基于该两个航迹簇的方案进行合簇，其中合簇后的方案数量为合簇前的两个航迹簇的方案数量的积；

保留合簇后的航迹簇中的关联代价最小的前N个方案。

4.如权利要求1所述的航迹簇数据处理方法，其特征在于，对所述航迹簇的方案进行关联和更新包括：

在当前航迹簇内不包含公共量测的情况下，进行分簇处理包括：

选取当前航迹簇内的第一轨迹，确定所述第一轨迹的第一量测集合，选取当前航迹簇内的第二轨迹，确定所述第二轨迹的第二量测集合；

若所述第一量测集合与所述第二量测集合存在公共量测，则将所述第一量测集合和所述第二量测集合进行合并，否则将所述第二量测集合加入独立集合；

处理完当前航迹簇内的所有航迹之后，根据所述独立集合的大小进行分簇。

5.如权利要求1所述的航迹簇数据处理方法，其特征在于，对所述航迹簇的方案进行关联和更新还包括：

获取当前航迹簇前一更新周期的方案集合，对于所述方案集合中的任一方案，计算该方案在当前更新周期的关联代价矩阵，并基于所述关联代价矩阵利用预设算法计算关联代价最小的前K个关联方案。

6.如权利要求1所述的航迹簇数据处理方法，其特征在于，对所述航迹簇的方案进行关联和更新还包括：

若任一航迹簇内包含n条航迹，在该航迹簇更新时有m个观测点落入该航迹簇的航迹跟踪波门，且在m>n的情况下，生成m-n条衍生航迹。

7.如权利要求6所述的航迹簇数据处理方法，其特征在于，生成m-n条衍生航迹之后，还包括：

在所述衍生航迹被确认起始前，将所述衍生航迹的内部节点的似然度确定为该航迹簇内所有关联量测的最小相关似然度值的一半。

8.如权利要求1所述的航迹簇数据处理方法，其特征在于，在任一航迹簇内所有目标都没有被所述传感器的波束探测到的情况下，在所述传感器扫描周期结束后，将该航迹簇整体外推。

9.一种航迹簇数据处理系统，其特征在于包括：

处理器，被配置为在确定传感器的波束扫描过任意航迹簇的情况下，对所述航迹簇的方案进行关联和更新；以及

在完成航迹簇关联和更新之后，重置所有航迹簇的更新状态。

10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现如权利要求1至8中任一项所述航迹簇数据处理方法的步骤。

Images