CN114967751A - 飞行器航迹追踪方法、装置、设备及存储介质 - Google Patents

飞行器航迹追踪方法、装置、设备及存储介质 Download PDF

Info

Publication number
CN114967751A
CN114967751A CN202210707212.8A CN202210707212A CN114967751A CN 114967751 A CN114967751 A CN 114967751A CN 202210707212 A CN202210707212 A CN 202210707212A CN 114967751 A CN114967751 A CN 114967751A
Authority
CN
China
Prior art keywords
track
aircraft
assumed
tracking
measurement value
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
CN202210707212.8A
Other languages
English (en)
Other versions
CN114967751B (zh
Inventor
张新球
何昊
蓝海梅
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.)
Shenzhen Huachuang Electric Technology Co ltd
Original Assignee
Shenzhen Huachuang Electric Technology Co ltd
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 Shenzhen Huachuang Electric Technology Co ltd filed Critical Shenzhen Huachuang Electric Technology Co ltd
Priority to CN202210707212.8A priority Critical patent/CN114967751B/zh
Publication of CN114967751A publication Critical patent/CN114967751A/zh
Application granted granted Critical
Publication of CN114967751B publication Critical patent/CN114967751B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
    • G05D1/10—Simultaneous control of position or course in three dimensions
    • G05D1/101—Simultaneous control of position or course in three dimensions specially adapted for aircraft

Landscapes

  • Engineering & Computer Science (AREA)
  • Aviation & Aerospace Engineering (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Automation & Control Theory (AREA)
  • Radar Systems Or Details Thereof (AREA)

Abstract

本发明属于飞行器信号处理领域，公开了一种飞行器航迹追踪方法、装置、设备及存储介质；该方法包括：获取当前时刻飞行器的参考航迹的预测值建立跟踪门限；并通过跟踪门限对获取到的当前时刻飞行器的参考航迹的量测值进行筛选，得到处于跟踪门限内的参考量测值；关联参考量测值与目标航迹生成所述当前时刻的多个假设航迹；识别并根据假设航迹中的量测值包含的预设报文信息对所述多个假设航迹进行筛选，得到当前时刻飞行器目标航迹；本发明通过假设航迹中识别出的预设报文信息对假设航迹进行修剪，减少数据处理量，解决了现有的航迹追踪算法中虚假航迹数量过多，内存占用与计算量大的问题，实现了能够准确且更快速的进行目标追踪。

Description

飞行器航迹追踪方法、装置、设备及存储介质
技术领域
本发明涉及飞行器信号处理技术领域，尤其涉及一种飞行器航迹追踪方法、装置、设备及存储介质。
背景技术
在多目标跟踪过程中需要通过数据关联进行航迹的起始与维持。数据关联是影响多目标跟踪系统整体性能的关键。准确的数据关联可以大幅度降低虚假航迹的产生，对目标状态有更准确的跟踪。航迹关联将传感器采集的不确定目标的状态信息进行关联生成航迹。航迹关联需要将量测空间内的真实轨迹目标识别，减少因为噪声产生的虚假航迹。同时降低因为关联错误产生的航迹误跟踪。
上述内容仅用于辅助理解本发明的技术方案，并不代表承认上述内容是现有技术。
发明内容
本发明的主要目的在于提供一种飞行器航迹追踪，旨在解决现有技术现有的航迹追踪算法中虚假航迹数量过多，内存占用与计算量大无法准确快速完成目标追踪的技术问题。
为实现上述目的，本发明提供了一种飞行器航迹追踪方法，所述方法包括以下步骤:
获取当前时刻飞行器的参考航迹的预测值，根据所述预测值建立跟踪门限，所述跟踪门限包括椭圆门限以及方向门限；
获取当前时刻飞行器的参考航迹的量测值，根据所述跟踪门限对所述量测值进行筛选，得到处于所述跟踪门限内的参考量测值；
将所述参考量测值与参考航迹进行关联，以生成所述当前时刻的多个假设航迹；
识别假设航迹中的量测值所包含的预设报文信息，根据所述预设报文信息对所述多个假设航迹进行筛选，得到当前时刻飞行器目标航迹。
可选地，所述获取当前时刻飞行器的参考航迹的预测值，根据所述预测值建立跟踪门限，所述跟踪门限包括椭圆门限以及方向门限，包括：
获取参考航迹历史运动信息；
根据所述历史运动信息生成当前时刻参考航迹的预测值；
根据所述历史运动信息以及所述预测值建立椭圆门限以及方向门限。
可选地，所述获取当前时刻飞行器的参考航迹的量测值，根据所述跟踪门限对所述量测值进行筛选，得到处于所述跟踪门限内的参考量测值之后，包括：
获取跟踪门限外的量测值；
根据所述量测值建立初始航迹；
根据所述初始航迹计算初始得分。
可选地，所述将所述参考量测值与目标航迹进行关联，以生成所述当前时刻的多个假设航迹之后，还包括：
获取所述参考量测值的数量以及所述参考航迹的航迹得分，所述航迹得分由所述参考航迹的初始得分计算得到；
根据所述参考量测值的数量计算当前时刻的得分增量；
根据所述得分增量以及所述参考航迹的航迹得分计算所述当前时刻的多个假设航迹的航迹得分；
删除航迹得分低于预设分值的假设航迹。
可选地，所述识别假设航迹中的量测值所包含的预设报文信息，根据所述预设报文信息对所述多个假设航迹进行筛选，得到当前时刻飞行器目标航迹，包括：
当在预设周期内识别到所述假设航迹量测值中存在携带有同源预设报文信息，则删除所述预设周期内的其他假设航迹；
将所述携带有同源预设报文信息对应的假设航迹输出为当前时刻飞行器目标航迹。
可选地，所述识别假设航迹中量测值的预设报文信息，根据所述预设报文信息对所述假设航迹进行筛选得到飞行器当前时刻目标航迹，还包括：
当在预设周期内识别到所述假设航迹量测值中不存在携带有同源预设报文信息，则删除所述携带有预设报文信息的假设航迹对应的预设周期前量测值生成的其他假设航迹；
当在预设周期内识别到所述假设航迹量测值中存在非同源预设报文信息，则删除所述假设航迹。
可选地，所述的将所述携带有同源预设报文信息对应的假设航迹输出为当前时刻飞行器目标航迹之后，所述方法还包括：
对所述当前时刻飞行器目标航迹进行IMM-CKF滤波处理得到处理后的飞行器目标航迹。
此外，为实现上述目的，本发明还提供一种飞行器航迹追踪装置，所述装置包括：
数值获取模块，用于获取当前时刻飞行器的参考航迹的预测值，根据所述预测值建立跟踪门限，所述跟踪门限包括椭圆门限以及方向门限。
所述数值获取模块，还用于获取当前时刻飞行器的参考航迹的量测值，根据所述跟踪门限对所述量测值进行筛选，得到处于所述跟踪门限内的参考量测值。
航迹生成模块，用于将所述参考量测值与参考航迹进行关联，以生成所述当前时刻的多个假设航迹。
所述航迹生成模块，还用于识别假设航迹中的量测值所包含的预设报文信息，根据所述预设报文信息对所述多个假设航迹进行筛选，得到当前时刻飞行器目标航迹。
此外，为实现上述目的，本发明还提出一种飞行器航迹追踪装置，所述飞行器航迹追踪装置包括：
此外，为实现上述目的，本发明还提出一种飞行器航迹追踪设备，所述飞行器航迹追踪设备包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的飞行器航迹追踪程序，所述飞行器航迹追踪程序配置为实现如上文所述的飞行器航迹追踪方法的步骤。
此外，为实现上述目的，本发明还提出一种存储介质，所述存储介质上存储有飞行器航迹追踪程序，所述飞行器航迹追踪程序被处理器执行时实现如上文所述的飞行器航迹追踪方法的步骤。
本发明通过跟踪门限对生成的假设航迹数量进行限制，再通过计算每个假设航迹的航迹得分进行修剪，最后通过假设航迹中识别出的预设报文信息对假设航迹进行再次修剪，若同一假设航迹中两次识别出同一预设报文可直接确定输出为真实航迹，在减少数据处理量的同时保证航迹追踪数据的真实性以及准确性，解决了现有的航迹追踪算法中虚假航迹数量过多，内存占用与计算量大的问题，实现了能够准确且更快速的关联目标航迹完成目标追踪。
附图说明
图1是本发明实施例方案涉及的硬件运行环境的飞行器航迹追踪设备的结构示意图；
图2为本发明飞行器航迹追踪方法第一实施例的流程示意图；
图3为本发明飞行器航迹追踪方法一实施例的算法示意图；
图4为本发明飞行器航迹追踪方法第二实施例的流程示意图；
图5为本发明飞行器航迹追踪方法一实施例的假设航迹修剪示意图；
图6为本发明飞行器航迹追踪方法第三实施例的流程示意图；
图7为本发明飞行器航迹追踪方法一实施例的飞行器航迹追踪图；
图8为本发明飞行器航迹追踪方法一实施例的算法对比图；
图9为本发明飞行器航迹追踪装置第一实施例的结构框图。
本发明目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。
具体实施方式
应当理解，此处所描述的具体实施例仅用以解释本发明，并不用于限定本发明。
参照图1，图1为本发明实施例方案涉及的硬件运行环境的飞行器航迹追踪设备结构示意图。
如图1所示，该飞行器航迹追踪设备可以包括：处理器1001，例如中央处理器(Central Processing Unit，CPU)，通信总线1002、用户接口1003，网络接口1004，存储器1005。其中，通信总线1002用于实现这些组件之间的连接通信。用户接口1003可以包括显示屏(Display)、输入单元比如键盘(Keyboard)，可选用户接口1003还可以包括标准的有线接口、无线接口。网络接口1004可选的可以包括标准的有线接口、无线接口(如无线保真(WIreless-FIdelity，WI-FI)接口)。存储器1005可以是高速的随机存取存储器(RandomAccess Memory，RAM)存储器，也可以是稳定的非易失性存储器(Non-Volatile Memory，NVM)，例如磁盘存储器。存储器1005可选的还可以是独立于前述处理器1001的存储装置。
本领域技术人员可以理解，图1中示出的结构并不构成对飞行器航迹追踪设备的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。
如图1所示，作为一种存储介质的存储器1005中可以包括操作系统、网络通信模块、用户接口模块以及飞行器航迹追踪程序。
在图1所示的飞行器航迹追踪设备中，网络接口1004主要用于与网络服务器进行数据通信；用户接口1003主要用于与用户进行数据交互；本发明飞行器航迹追踪设备中的处理器1001、存储器1005可以设置在飞行器航迹追踪设备中，所述飞行器航迹追踪设备通过处理器1001调用存储器1005中存储的飞行器航迹追踪程序，并执行本发明实施例提供的飞行器航迹追踪方法。
本发明实施例提供了一种飞行器航迹追踪方法，参照图2，图2为本发明一种飞行器航迹追踪方法第一实施例的流程示意图。
本实施例中，所述飞行器航迹追踪方法包括以下步骤：
步骤S10：获取当前时刻飞行器的参考航迹的预测值，根据所述预测值建立跟踪门限，所述跟踪门限包括椭圆门限以及方向门限。
需要说明的是，本实施例的执行主体可以是一种具有数据处理、网络通信以及程序运行功能的计算服务设备，例如手机、平板电脑、个人电脑等，或者是一种能够实现上述功能的电子设备或飞行器航迹追踪设备。以下以所述飞行器航迹追踪设备为例，对本实施例及下述各实施例进行说明。
需强调的是，所述参考航迹是指当前时刻之前已经生成的飞行器航迹，根据所述飞行器航迹可以得知所述飞行器的历史运动信息，通过所述历史运动信息中的所述飞行器的速度、加速度、方向、风速、飞行器重量等信息可以得到当前时刻所述飞行器的预测值。
可理解的是，根据飞行器的参考航迹可以得到前一时刻所述飞行器的运动方向、飞行速度、飞行加速度可以进一步得到参考航迹的历史运动信息，根据所述运动信息从而可以得到当前时刻飞行器的预测值，所述预测值是预测当前时刻该飞行器的预测位置。
应理解的是，所述跟踪门限是根据所述预测值以及所述飞行器的历史运动信息构建而成，其中椭圆门限是基于所述飞行器的飞行速度以及加速度等信息对于预设范围的限定，所述方向门限是基于所述飞行器的飞行方向，飞行拐点等信息对于预设方向角度的限定。
步骤S20：获取当前时刻飞行器的参考航迹的量测值，根据所述跟踪门限对所述量测值进行筛选，得到处于所述跟踪门限内的参考量测值。
需要说明的是，所述当前时刻飞行器的参考航迹的量测值是指在当前时刻所检测到的所有量测值，所述量测值是基于雷达接收到的飞行器发出的信号生成的位置点，在当前时刻检测到的量测值数量可以有多个。
在当前时刻量测值既不在椭圆门限内也不再方向门限内时，则将该量测值作为一个新航迹的起始点。
应理解的是，当前时刻检测到的量测值并不是全部都符合生成所述参考航迹的假设航迹，根据所述椭圆门限以及所述方向门限对所述量测值进行筛选，保留同时椭圆门限内也在方向门限内的量测值。
为了便于理解可参考图3，其中坐标轴是以参考航迹以经纬度为标准建立的坐标系，其中
Figure BDA0003706497190000062
为参考航迹前一时刻的位置，Zg(k+1)为当前时刻任一量测值，ε为预测值运动方向与参考航迹运动方向的夹角，θ为当前时刻任一量测值Zg(k+1)与X轴的夹角，Vx为参考航迹在X轴的速度分量，Vy为参考航迹在Y轴的速度分量。
在具体实施中，假设k时刻的量测值Z(k)，在k时刻的预测值为
Figure BDA0003706497190000063
则椭圆门限的公式可表示为：
Figure BDA0003706497190000061
其中S-1(k)是指参考航迹的逆残差协方差矩阵，所述逆残差协方差矩阵是参考航迹在航迹追踪过程中得到的计算矩阵，通过历史运动信息可以得到，预设门限γ是由量测数据落入椭圆跟踪门限的概率PG查X2分布表可以得到，所述量测数据落入椭圆跟踪门限的概率PG是在实在过程中反复实验后选择的较为合适的一个概率，X2为卡方分布表，通过卡方分布表可以查到不同概率PG对应的预设门限γ。
方向跟踪门限的公式可表示为：
|ε|≤Kgσθ
其中ε为参考航迹运动方向和预测值运动方向的夹角，所述ε为预设值，可以根据实验选择不同的数值，Kg由量测数据落入方向跟踪门限的概率Po查X2分布表得到，所述量测数据落入椭圆跟踪门限的概率Po是在实在过程中反复实验后选择的较为合适的一个概率值，X2为卡方分布表，σθ为任一量测值运动方向与X轴的夹角，该X轴是参考航迹以经纬度为标准建立的坐标系中的X轴，其中ε计算公式可以表示为：
Figure BDA0003706497190000071
其中xg(k)、yg(k)为当前时刻任一量测值在坐标系中的坐标点，
Figure BDA0003706497190000072
Figure BDA0003706497190000073
当前时刻预测值在坐标系中的坐标点。
步骤S30：将所述参考量测值与参考航迹进行关联，以生成所述当前时刻的多个假设航迹。
需要说明的是，参考量测值是对当前时刻所有在椭圆门限内且同时在方向门限内的量测值，将每一个参考量测值和参考航迹上一时刻量测值连接得到一条当前时刻的假设航迹，从而得到当前时刻的多个假设航迹。
需强调的是，如果当前时刻没有在椭圆门限内且同时在方向门限内的量测值，则将当前时刻的预测值作为当前时刻的唯一量测值生成假设航迹。
步骤S40：识别假设航迹中的量测值所包含的预设报文信息，根据所述预设报文信息对所述多个假设航迹进行筛选，得到当前时刻飞行器目标航迹。
需要说明的是，该量测值是指生成假设航迹中当前时刻的参考量测值，所述预设报文信息可以是ADS_B报文信息，ADS_B报文信息是基于ADS-B系统传递的信息，其中ADS-B系统是广播式自动相关监视系统的简称，由多地面站和机载站构成，以网状、多点对多点方式完成数据双向通信。ADS-B系统是一个集通信与监视于一体的信息系统，由信息源、信息传输通道和信息处理与显示三部分组成。根据ADS_B信息进行解译可以获得飞行器的唯一识别码，从而可以知道对应的飞行器。
应理解的是，所述ADS_B信息的主要信息是飞机的4维位置信息(经度、纬度、高度和时间)和其它可能附加信息(冲突告警信息，飞行员输入信息，航迹角以及航线拐点等信息)以及飞机的识别信息和类别信息。此外，还可能包括一些别的附加信息，如航向、空速、风速、风向以及飞机外界温度等。
需强调的是，不是每一个量测值都可以识别出预设报文信息。若识别预设报文信息，则可以根据该预设报文信息对该假设航迹作出判断，是继续生成更多的假设航迹，还是剔除该假设航迹，或是确认该假设航迹为真实航迹。
本实施例通过当前时刻预测值建立的椭圆门限以及方向门限对当前时刻的量测值进行筛选，有效减少假设航迹的数量，在通过ADS_B报文信息对假设航迹进行筛选，并进一步通过ADS_B报文信息确认虚假航迹中的很是航迹，减少后续生成更多不必要的虚假航迹，在减少假设航迹数据处理量的同时保证航迹追踪数据的真实性以及准确性，解决了现有的航迹追踪算法中虚假航迹数量过多，内存占用与计算量大的问题，实现了能够准确且更快速的关联目标航迹完成目标追踪。
参考图4，图4为本发明一种飞行器航迹追踪方法第二实施例的流程示意图。
基于上述第一实施例，本实施例飞行器航迹追踪方法在所述步骤S30之后，还包括：
步骤31：获取所述参考量测值的数量以及所述参考航迹的航迹得分，所述航迹得分由所述参考航迹的初始得分计算得到。
需说明的是，参考量测值的数量是指当前时刻处于椭圆门限内且同时处于方向门限内的参考量测值的数量，参考航迹的航迹得分是根据参考航迹的第一个量测值计算得到初始得分，再根据初始得分与当前时刻前每一时刻得分增量相加得到当前时刻参考航迹的航迹得分，所述初始得分的计算公式为：
Figure BDA0003706497190000091
其中Ti 1是指初始得分，λN是指该参考航迹第一个量测值的空间密度，λF是指虚警的空间密度，λN以及λF都可以根据初始量测值进行密度计算得到。
步骤32：根据所述参考量测值的数量计算当前时刻的得分增量。
需说明的是，得分增量可分为两类进行计算，一类是当前时刻参考量测值为0，另一类是当前时刻参考量测值数量不为0，可理解得分增量ΔS(Tk i)计算公式为：
Figure BDA0003706497190000092
其中i表示参考量测值数量，PG为门限判决概率，该门限判决概率是在实验中得到的预设参数，可根据实际需求进行调整，此处不作限制，P(Zk i|Tk-1 i)是指该参考量测值是属于该参考航迹的概率，该概率是在实验中得到的预设参数，可根据实际需求进行调整，此处不作限制。
步骤33：根据所述得分增量以及所述参考航迹的航迹得分计算所述当前时刻的多个假设航迹的航迹得分。
需说明的是，当前时刻假设航迹得分计算公式可以表示为：
S(Ti k)＝S(Ti k-1)+ΔS(Ti k)
其中S(Tk-1 i)为参考航迹的航迹得分，S(Tk i)为当前时刻假设航迹得分，在具体实施中，若当前时刻前仅有第一个量测值，则S(Tk-1 i)可以视为初始得分。
步骤34：删除航迹得分低于预设分值的假设航迹。
需说明的是，根据参考航迹得分以及参考量测值数量计算得到当前时刻假设航迹得分后，可以通过航迹得分对当前时刻的假设航迹进行修剪，当前时刻假设航迹得分低于预设分值，该预设分值为预设最低分值，则剔除该假设航迹。
需强调的是，若当前时刻航迹得分高于预设最高分值，则将所述假航迹确认为真实航迹，剔除其他假设航迹。在具体实施中，为了便于理解，预设最低得分为1分，预设最高得分为7分，当前时刻假设航迹有7个，假设航迹得分分别是4、0、5、7、2、1、2，则将得分为零的加上航迹剔除；若假设航迹得分分别是4、0、5、8、2、1、2，则将得分为8的假设航迹确认为真实航迹，其余假设航迹全部剔除。
应理解的是，假设航迹在N个周期内不停的延续生成新的假设航迹，当N个周期后保留最高得分的假设航迹，剔除N个周期前量测值生成的其他假设航迹，为了便于理解，参考图5，其中在4个周期后，第四周期中的第4个假设航迹得分最高，则保留该假设航迹，将该假设航迹4个周期前的量测值生成的其他假设航迹剔除。
可理解的是，所述预设最低分值以及预设最高分值是在多次实验过程中得到的较为合适的数值，可以根据实际情况进行调整，本发明此处不作限制。
本实施例通过计算每一个假设航迹的航迹得分，剔除航迹得分低于预设最低分值的假设航迹，当假设航迹得分高于预设最高分值则将该假设航迹确认为真实航迹，减少后续生成其他不必要的虚假航迹，在减少假设航迹数据处理量的同时保证航迹追踪数据的真实性以及准确性，解决了现有的航迹追踪算法中虚假航迹数量过多，内存占用与计算量大的问题，实现了能够准确且更快速的关联目标航迹完成目标追踪。
参考图6，图6为本发明一种飞行器航迹追踪方法第三实施例的流程示意图。
基于上述第三实施例，本实施例飞行器航迹追踪方法在所述步骤S40包括：
步骤41：当在预设周期内识别到所述假设航迹量测值中存在携带有同源预设报文信息，则删除所述预设周期内的其他假设航迹。
需说明的是，预设周期是该假设航迹前N个时刻，是经过试验得到的一个较为合适的数值，可根据实际情况调整，本发明对此不作限制。
预设周期内的其他航迹是指在N个周期前生成该假设航迹的量测值生成的其他假设航迹。
可理解的是，所述同源是指该ADS_B报文信息中含有的飞行器的识别码是否是同一飞行器。
应理解的是，识别前N个时刻构成该假设航迹的量测值是否有和当前时刻量测值携带的ADS_B报文信息相同的ADS_B报文信息。
在具体实施中，为了便于理解，若当前0.5秒内生成的假设航迹量测值中携带有ADS_B报文信息，则在前4个周期中，即该假设航迹前2秒内也识别出同样的ADS_B报文信息，则将该假设航迹4个周期前量测值生成的其他6个假设航迹全部剔除。
步骤42：将所述携带有同源预设报文信息对应的假设航迹输出为当前时刻飞行器目标航迹。
需说明的是，所述假设航迹会有一定时间的延迟，对每一个假设航迹都会保留N个周期，在确定该假设航迹为真实航迹后才会输出进行航迹追踪。在根据假设航迹得到目标航迹后，对当前时刻飞行器目标航迹进行IMM-CKF滤波处理得到处理后的飞行器目标航迹。
需强调的是，当在预设周期内识别到所述假设航迹量测值中不存在携带有同源预设报文信息，则删除所述携带有预设报文信息的假设航迹对应的预设周期前量测值生成的其他假设航迹；
当在预设周期内识别到所述假设航迹量测值中存在非同源预设报文信息，则删除所述假设航迹
在具体实验中，选取目标跟踪过程中采样航迹密度高的复杂场景对两个算法进行对比。多个地面雷达探测区域近似为R＝200km的圆形区域。航迹数量NTrack≥30，量测门限周期T＝600s。单个量测门限时间t＝1s。每个周期产生聚类处理后量测点Npoint≥200。其中携带ADS_B的量测点数量比例约为6％。空间噪声的密度为λF＝1*10-8，新生目标空间密度λN＝1*10-8。回溯周期N＝4。SPRT的虚假航迹确认概率α＝1*10-6，真实航迹的检测概率β＝1*10-3。选择符合上述条件的10个场景的量测数据进行每个进行10次重复仿真,通过两个算法使用以下指标进行评估：
确认航迹正确率Rc，Rc表示本发明产生确认航迹后的正确航迹所占总确认航迹的比例。确认航迹与真实航迹的相似点数超过90.％时认为是正确航迹。平均航迹误关联率Rmc，Rmc表示关联过程中误关联的航迹点数量占整体航迹点数量的比例。确认航迹滞后周期数TD，TD表示本发明产生确认航迹与真实航迹滞后的周期数。平均假设航迹数NHT，NHT表示同一时刻平均每条航迹所维持的假设航迹数量。运行时间TE，系统多次运行取得的平均运算时间，单位为s。最大内存占用ME，系统多次运行中最大占用内存空间，单位为MB。参考图7多目标跟踪场景中20km*20km局部密集航迹的跟踪情况。持续时间为30s，其中实心原点为杂波点，黑色线条为多个飞行器航迹。
相较于MHT算法本发明识别飞行器的速度更快，可参考图8，其中带有圆圈的线条为真实飞行器数据，带有菱形的线条是本发明算法的检测数据，带有星号的线条为MHT算法的监测数据，横轴为量测周期，纵轴为识别目标数量，可见本发明在识别目标相较于MHT算法更快，本发明算法和MHT算法的性能见下表：
R<sub>c</sub> R<sub>mc</sub> T<sub>D</sub> N<sub>HT</sub> T<sub>E</sub> M<sub>E</sub>
MHT 96.67％ 5.26％ 5.24 14 240.63 276M
本发明 95.83％ 6.47％ 3.52 4 78.68 160M
基于上表，本发明确认航迹正确率高且平均航迹误关联率小于MHT算法的同时，确认航迹滞后周期数远快于MHT算法，平均假设航迹数远小于MHT算法、运行时间以及最大内存占用远小于MHT算法。
本实施例通过ADS_B报文信息对预设周期内的假设航迹进行修剪，同时对同一假设航迹中同源预设报文信息确认后输出真实航迹，减少假设航迹的数量，在保证真实航迹准确率的同时减少了飞行器航迹追踪的数据处理量，不仅能够更快的确认真实飞行器航迹，且占用更少的内存进行数据处理完成飞行器航迹追踪。
参照图9，图9为本发明多目标识别装置第一实施例的结构框图。
如图9所示，本发明实施例提出的飞行器航迹追踪装置包括：
数值获取模块10，用于获取当前时刻飞行器的参考航迹的预测值，根据所述预测值建立跟踪门限，所述跟踪门限包括椭圆门限以及方向门限；
所述数值获取模块10，还用于获取当前时刻飞行器的参考航迹的量测值，根据所述跟踪门限对所述量测值进行筛选，得到处于所述跟踪门限内的参考量测值；
航迹生成模块20，用于将所述参考量测值与目标航迹进行关联，以生成所述当前时刻的多个假设航迹；
所述航迹生成模块20，还用于识别假设航迹中的量测值所包含的预设报文信息，根据所述预设报文信息对所述多个假设航迹进行筛选，得到当前时刻飞行器目标航迹。
本实施例通过当前时刻预测值建立的椭圆门限以及方向门限对当前时刻的量测值进行筛选，有效减少假设航迹的数量，在通过ADS_B报文信息对假设航迹进行筛选，并进一步通过ADS_B报文信息确认虚假航迹中的很是航迹，减少后续生成更多不必要的虚假航迹，在减少假设航迹数据处理量的同时保证航迹追踪数据的真实性以及准确性，解决了现有的航迹追踪算法中虚假航迹数量过多，内存占用与计算量大的问题，实现了能够准确且更快速的关联目标航迹完成目标追踪。
此外，本发明实施例还提出一种存储介质，所述存储介质上存储有飞行器航迹追踪程序，所述飞行器航迹追踪程序被处理器执行时实现如上文所述的飞行器航迹追踪方法的步骤。
在一实施例中，所述数值获取模块，还用于获取参考航迹历史运动信息；根据所述历史运动信息生成当前时刻参考航迹的预测值；根据所述历史运动信息以及所述预测值建立椭圆门限以及方向门限。
在一实施例中，所述数值获取模块，还用于获取跟踪门限外的量测值；根据所述量测值建立初始航迹；根据所述初始航迹计算初始得分。
在一实施例中，所述航迹生成模块，还用于获取所述参考量测值的数量以及所述参考航迹的航迹得分，所述航迹得分由所述参考航迹的初始得分计算得到；根据所述参考量测值的数量计算当前时刻的得分增量；根据所述得分增量以及所述参考航迹的航迹得分计算所述当前时刻的多个假设航迹的航迹得分；删除航迹得分低于预设分值的假设航迹。
在一实施例中，所述航迹生成模块，还用于当在预设周期内识别到所述假设航迹量测值中存在携带有同源预设报文信息，则删除所述预设周期内的其他假设航迹；将所述携带有同源预设报文信息对应的假设航迹输出为当前时刻飞行器目标航迹。
在一实施例中，所述航迹生成模块，还用于当在预设周期内识别到所述假设航迹量测值中不存在携带有同源预设报文信息，则删除所述携带有预设报文信息的假设航迹对应的预设周期前量测值生成的其他假设航迹；当在预设周期内识别到所述假设航迹量测值中识别出非同源预设报文信息，则删除所述假设航迹。
在一实施例中，所述航迹生成模块，还用于对所述当前时刻飞行器目标航迹进行IMM-CKF滤波处理得到处理后的飞行器目标航迹。
应当理解的是，以上仅为举例说明，对本发明的技术方案并不构成任何限定，在具体应用中，本领域的技术人员可以根据需要进行设置，本发明对此不做限制。
需要说明的是，以上所描述的工作流程仅仅是示意性的，并不对本发明的保护范围构成限定，在实际应用中，本领域的技术人员可以根据实际的需要选择其中的部分或者全部来实现本实施例方案的目的，此处不做限制。
此外，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、物品或者系统不仅包括那些要素，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、物品或者系统所固有的要素。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、物品或者系统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(如只读存储器(Read Only Memory，ROM)/RAM、磁碟、光盘)中，包括若干指令用以使得一台终端设备(可以是手机，计算机，服务器，或者网络设备等)执行本发明各个实施例所述的方法。
以上仅为本发明的优选实施例，并非因此限制本发明的专利范围，凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本发明的专利保护范围内。

Claims (10)

1.一种飞行器航迹追踪方法，其特征在于，所述飞行器航迹追踪方法包括：
获取当前时刻飞行器的参考航迹的预测值，根据所述预测值建立跟踪门限，所述跟踪门限包括椭圆门限以及方向门限；
获取当前时刻飞行器的参考航迹的量测值，根据所述跟踪门限对所述量测值进行筛选，得到处于所述跟踪门限内的参考量测值；
将所述参考量测值与参考航迹进行关联，以生成所述当前时刻的多个假设航迹；
识别假设航迹中的量测值所包含的预设报文信息，根据所述预设报文信息对所述多个假设航迹进行筛选，得到当前时刻飞行器目标航迹。
2.如权利要求1所述的飞行器航迹追踪方法，其特征在于，所述获取当前时刻飞行器的参考航迹的预测值，根据所述预测值建立跟踪门限，所述跟踪门限包括椭圆门限以及方向门限，包括：
获取参考航迹历史运动信息；
根据所述历史运动信息生成当前时刻参考航迹的预测值；
根据所述历史运动信息以及所述预测值建立椭圆门限以及方向门限。
3.如权利要求1所述的飞行器航迹追踪方法，其特征在于，所述获取当前时刻飞行器的参考航迹的量测值，根据所述跟踪门限对所述量测值进行筛选，得到处于所述跟踪门限内的参考量测值之后，包括：
获取跟踪门限外的量测值；
根据所述量测值建立初始航迹；
根据所述初始航迹计算初始得分。
4.如权利要求1所述的飞行器航迹追踪方法，其特征在于，所述将所述参考量测值与参考航迹进行关联，以生成所述当前时刻的多个假设航迹之后，还包括：
获取所述参考量测值的数量以及所述参考航迹的航迹得分，所述航迹得分由所述参考航迹的初始得分计算得到；
根据所述参考量测值的数量计算当前时刻的得分增量；
根据所述得分增量以及所述参考航迹的航迹得分计算所述当前时刻的多个假设航迹的航迹得分；
删除航迹得分低于预设分值的假设航迹。
5.如权利要求1所述的飞行器航迹追踪方法，其特征在于，所述识别假设航迹中的量测值所包含的预设报文信息，根据所述预设报文信息对所述多个假设航迹进行筛选，得到当前时刻飞行器目标航迹，包括：
当在预设周期内识别到所述假设航迹量测值中存在携带有同源预设报文信息，则删除所述预设周期内的其他假设航迹；
将所述携带有同源预设报文信息对应的假设航迹输出为当前时刻飞行器目标航迹。
6.如权利要求5所述的飞行器航迹追踪方法，其特征在于，所述识别假设航迹中量测值的预设报文信息，根据所述预设报文信息对所述假设航迹进行筛选得到飞行器当前时刻目标航迹，还包括：
当在预设周期内识别到所述假设航迹量测值中不存在携带有同源预设报文信息，则删除所述携带有预设报文信息的假设航迹对应的预设周期前量测值生成的其他假设航迹；
当在预设周期内识别到所述假设航迹量测值中存在非同源预设报文信息，则删除所述假设航迹。
7.如权利要求4-6任意一项所述的飞行器航迹追踪方法，其特征在于，所述的将所述携带有同源预设报文信息对应的假设航迹输出为当前时刻飞行器目标航迹之后，所述方法还包括：
对所述当前时刻飞行器目标航迹进行IMM-CKF滤波处理得到处理后的飞行器目标航迹。
8.一种飞行器航迹追踪装置，其特征在于，所述飞行器航迹追踪装置包括：
数值获取模块，用于获取当前时刻飞行器的参考航迹的预测值，根据所述预测值建立跟踪门限，所述跟踪门限包括椭圆门限以及方向门限；
数值获取模块，还用于获取当前时刻飞行器的参考航迹的量测值，根据所述跟踪门限对所述量测值进行筛选，得到处于所述跟踪门限内的参考量测值；
航迹生成模块，用于将所述参考量测值与目标航迹进行关联，以生成所述当前时刻的多个假设航迹；
航迹生成模块，还用于识别假设航迹中的量测值所包含的预设报文信息，根据所述预设报文信息对所述多个假设航迹进行筛选，得到当前时刻飞行器目标航迹。
9.一种飞行器航迹追踪设备，其特征在于，所述设备包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的飞行器航迹追踪程序，所述飞行器航迹追踪程序配置为实现如权利要求1至7中任一项所述的飞行器航迹追踪方法。
10.一种存储介质，其特征在于，所述存储介质上存储有飞行器航迹追踪程序，所述飞行器航迹追踪程序被处理器执行时实现如权利要求1至7任一项所述的飞行器航迹追踪方法。
CN202210707212.8A 2022-06-21 2022-06-21 飞行器航迹追踪方法、装置、设备及存储介质 Active CN114967751B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210707212.8A CN114967751B (zh) 2022-06-21 2022-06-21 飞行器航迹追踪方法、装置、设备及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210707212.8A CN114967751B (zh) 2022-06-21 2022-06-21 飞行器航迹追踪方法、装置、设备及存储介质

Publications (2)

Publication Number Publication Date
CN114967751A true CN114967751A (zh) 2022-08-30
CN114967751B CN114967751B (zh) 2022-12-06

Family

ID=82964606

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210707212.8A Active CN114967751B (zh) 2022-06-21 2022-06-21 飞行器航迹追踪方法、装置、设备及存储介质

Country Status (1)

Country Link
CN (1) CN114967751B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116299318A (zh) * 2023-05-18 2023-06-23 成都凯天电子股份有限公司 基于点云密度的直升机大气数据的去噪方法

Citations (18)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101110164A (zh) * 2007-08-15 2008-01-23 民航数据通信有限责任公司 一种ads-b管制工作站数据处理系统
US20120005149A1 (en) * 2010-06-30 2012-01-05 Raytheon Company Evidential reasoning to enhance feature-aided tracking
CN103076605A (zh) * 2013-01-06 2013-05-01 中国电子科技集团公司第十研究所 多模式轮询和s模式点名询问的二次雷达航迹录取方法
US20150045072A1 (en) * 2013-08-06 2015-02-12 Qualcomm Incorporated Method and apparatus for position estimation using trajectory
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
CN104931960A (zh) * 2015-05-25 2015-09-23 中国电子科技集团公司第十研究所 动向报文与雷达目标态势信息全航迹段数据关联方法
CN105116392A (zh) * 2015-09-09 2015-12-02 电子科技大学 一种针对ais与主动雷达航迹融合及识别的方法
CN106546258A (zh) * 2015-09-16 2017-03-29 中国航空工业第六八研究所 一种基于双余度的惯性导航系统状态上报方法
CN106887066A (zh) * 2017-03-29 2017-06-23 深圳市前海速普得技术有限公司 一种基于超声波的门禁控制方法及装置
US20180088597A1 (en) * 2013-11-27 2018-03-29 The Trustees Of The University Of Pennsylvania Multi-sensor fusion for robust autonomous flight in indoor and outdoor environments with a rotorcraft micro-aerial vehicle (mav)
KR20180085562A (ko) * 2017-01-19 2018-07-27 금오공과대학교 산학협력단 생체 모방 알고리즘을 이용한 다수 드론의 수색 및 정찰 방법
CN108513644A (zh) * 2017-12-18 2018-09-07 深圳市大疆创新科技有限公司 无人机避障方法及无人机
CN109347670A (zh) * 2018-10-24 2019-02-15 杭州数梦工场科技有限公司 路径追踪方法及装置、电子设备、存储介质
CN111191201A (zh) * 2019-12-25 2020-05-22 中国平安财产保险股份有限公司 基于数据埋点的用户识别方法、装置、设备及存储介质
CN112039621A (zh) * 2019-06-04 2020-12-04 中国信息通信研究院 一种时间同步方法和系统
CN113746745A (zh) * 2020-05-30 2021-12-03 华为技术有限公司 多路径通信方法、装置及系统
CN113945919A (zh) * 2021-10-19 2022-01-18 中安锐达(北京)电子科技有限公司 一种基于扇块结构的航迹与一次点迹预关联方法
CN114120717A (zh) * 2021-11-29 2022-03-01 四川九洲空管科技有限责任公司 一种基于do185b标准的ads-b防撞方法

Patent Citations (18)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101110164A (zh) * 2007-08-15 2008-01-23 民航数据通信有限责任公司 一种ads-b管制工作站数据处理系统
US20120005149A1 (en) * 2010-06-30 2012-01-05 Raytheon Company Evidential reasoning to enhance feature-aided tracking
CN103076605A (zh) * 2013-01-06 2013-05-01 中国电子科技集团公司第十研究所 多模式轮询和s模式点名询问的二次雷达航迹录取方法
US20150045072A1 (en) * 2013-08-06 2015-02-12 Qualcomm Incorporated Method and apparatus for position estimation using trajectory
US20180088597A1 (en) * 2013-11-27 2018-03-29 The Trustees Of The University Of Pennsylvania Multi-sensor fusion for robust autonomous flight in indoor and outdoor environments with a rotorcraft micro-aerial vehicle (mav)
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
CN104931960A (zh) * 2015-05-25 2015-09-23 中国电子科技集团公司第十研究所 动向报文与雷达目标态势信息全航迹段数据关联方法
CN105116392A (zh) * 2015-09-09 2015-12-02 电子科技大学 一种针对ais与主动雷达航迹融合及识别的方法
CN106546258A (zh) * 2015-09-16 2017-03-29 中国航空工业第六八研究所 一种基于双余度的惯性导航系统状态上报方法
KR20180085562A (ko) * 2017-01-19 2018-07-27 금오공과대학교 산학협력단 생체 모방 알고리즘을 이용한 다수 드론의 수색 및 정찰 방법
CN106887066A (zh) * 2017-03-29 2017-06-23 深圳市前海速普得技术有限公司 一种基于超声波的门禁控制方法及装置
CN108513644A (zh) * 2017-12-18 2018-09-07 深圳市大疆创新科技有限公司 无人机避障方法及无人机
CN109347670A (zh) * 2018-10-24 2019-02-15 杭州数梦工场科技有限公司 路径追踪方法及装置、电子设备、存储介质
CN112039621A (zh) * 2019-06-04 2020-12-04 中国信息通信研究院 一种时间同步方法和系统
CN111191201A (zh) * 2019-12-25 2020-05-22 中国平安财产保险股份有限公司 基于数据埋点的用户识别方法、装置、设备及存储介质
CN113746745A (zh) * 2020-05-30 2021-12-03 华为技术有限公司 多路径通信方法、装置及系统
CN113945919A (zh) * 2021-10-19 2022-01-18 中安锐达(北京)电子科技有限公司 一种基于扇块结构的航迹与一次点迹预关联方法
CN114120717A (zh) * 2021-11-29 2022-03-01 四川九洲空管科技有限责任公司 一种基于do185b标准的ads-b防撞方法

Non-Patent Citations (9)

* Cited by examiner, † Cited by third party
Title
S. CORALUPPI等: "Multi-stage MHT with airborne and ground sensors", 《2018 IEEE AEROSPACE CONFERENCE》 *
THOMAS KROPFREITER等: "Track Coalescence and Repulsion: MHT, JPDA, and BP", 《2021 IEEE 24TH INTERNATIONAL CONFERENCE ON INFORMATION FUSION (FUSION)》 *
何晔等: "采用多树结构的快速多假设跟踪算法", 《实验科学与技术》 *
温和等: "一种稳健的多帧联合虚假航迹剔除算法", 《空间电子技术》 *
王欢等: "角度信息辅助的集中式多传感器多假设跟踪算法", 《电子与信息学报》 *
眭鸿飞等: "重路由匿名通信系统中基于秘密共享的重路由算法", 《计算机研究与发展》 *
肖松等: "基于自适应波门的临近空间高超声速目标航迹起始方法", 《计算机应用研究》 *
马文楠等: "基于最大似然航向估计的MPDA算法", 《现代雷达》 *
鹿强，等: "海上目标多源轨迹数据关联综述", 《地球信息科学学报》 *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116299318A (zh) * 2023-05-18 2023-06-23 成都凯天电子股份有限公司 基于点云密度的直升机大气数据的去噪方法
CN116299318B (zh) * 2023-05-18 2023-08-11 成都凯天电子股份有限公司 基于点云密度的直升机大气数据的去噪方法

Also Published As

Publication number Publication date
CN114967751B (zh) 2022-12-06

Similar Documents

Publication Publication Date Title
CN112526513B (zh) 基于聚类算法的毫米波雷达环境地图构建方法及装置
CN106646338B (zh) 一种快速精确的室内定位方法
CN112308881B (zh) 一种基于遥感图像的舰船多目标跟踪方法
Ristic et al. Calibration of multi-target tracking algorithms using non-cooperative targets
Wang et al. Learning to improve WLAN indoor positioning accuracy based on DBSCAN-KRF algorithm from RSS fingerprint data
US9170324B2 (en) Statistical movement analysis
Solomentsev et al. Efficiency of operational data processing for radio electronic equipment
CN111289998A (zh) 障碍物检测方法、装置、存储介质以及车辆
CN112466103B (zh) 航空器飞行威胁演化预警方法、装置、设备及存储介质
CN112782743B (zh) 一种车辆定位方法、装置、计算机设备及存储介质
CN114967751B (zh) 飞行器航迹追踪方法、装置、设备及存储介质
CN115201806A (zh) 多目标识别方法、装置、设备及存储介质
CN115064009B (zh) 一种终端区无人机与有人机冲突风险等级划分方法
CN109688535B (zh) 确定无线热点地理位置的方法、装置、电子设备及介质
CN113822366A (zh) 业务指标异常检测方法及装置、电子设备、存储介质
CN111402299A (zh) 基于静止轨道凝视卫星的遥感图像目标跟踪方法和装置
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
CN111475746B (zh) 兴趣点位置挖掘方法、装置、计算机设备和存储介质
CN112949552A (zh) 一种跌倒检测处理方法及装置
CN112101156A (zh) 一种目标识别的方法、装置和电子设备
CN108680897B (zh) 一种室内定位方法、装置、电子设备及存储介质
Moraffah et al. Tracking multiple objects with multimodal dependent measurements: Bayesian nonparametric modeling
CN115240400B (zh) 车辆位置识别方法和装置、车辆位置输出方法和装置
CN112464970A (zh) 区域价值评估模型处理方法、装置及计算设备
Kostas et al. Wifi based distance estimation using supervised machine learning

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