ADS-B监视数据与雷达航迹的直觉模糊关联方法、装置

摘要

本发明实施方式公开了一种ADS-B监视数据与雷达航迹的直觉模糊关联方法，包括：对ADS-B监视数据与雷达航迹进行关联预处理以获得多个初步关联雷达航迹，获得ADS-B监视数据与初步关联雷达航迹对应相关属性的模糊直觉指数，其中，相关属性包括距离、速度、速度差以及航向角差，根据模糊直觉指数获得相关属性对应的模糊决策分数，对模糊决策分数进行加权求和以获得最终关联的雷达航迹。本发明实施方式还公开了一种ADS-B监视数据与雷达航迹的直觉模糊关联装置。通过上述方式，本发明能够提高ADS-B监视数据与雷达航迹的关联正确率且易于实现。

说明书

技术领域

本发明涉及数据关联领域，特别是涉及一种ADS-B监视数据与雷 达航迹的直觉模糊关联方法、装置。

背景技术

为了对飞机、航空飞行器等低空飞行目标进行有效、不间断的可靠 监视，大多采用低空雷达、广播式自动相关监视（Automatic Dependent  Surveillance-Broadcast，ADS-B）设备联合对低空飞行目标进行稳定可靠 的监视。其中，ADS-B监视数据与低空雷达的雷达航迹的关联为实现对 低空飞行目标有效监视的关键。现有技术中对于ADS-B监视数据与雷 达航迹的关联方法有：最近邻数据关联（NN）、概率数据关联（PDA）、 联合概率数据关联（JPDA）等基于概率统计的数据关联方法；此外，还 有基于模糊逻辑的数据关联、FCM数据关联、模糊综合关联等方法。

本申请发明人在长期研发中发现，最近邻数据关联方法虽然简单易 行，但当目标数据增多或回波较密集时，关联正确率较低，PDA、JPDA 等数据关联方法虽然解决了杂波环境下多目标数据关联问题，但计算量 较大，较难直接在实际中应用；此外，基于模糊逻辑的数据关联方法由 于在关联时需要考虑大量的模糊规则，计算量较大而很难在实际中应 用；根据直觉模糊理论，目标与观测之间有隶属、非隶属和未知三种关 系，未知关系中应该包含对目标的隶属信息和非隶属信息，然而FCM 数据关联以及模糊综合关联方法并没有考虑ADS-B监视数据与雷达航 迹之间的未知关系中所包含的对目标的隶属信息和非隶属信息，使得此 类模糊数据关联方法的关联正确率较低。

发明内容

本发明主要解决的技术问题是提供一种ADS-B监视数据与雷达航 迹的直觉模糊关联方法、装置，能够提高ADS-B监视数据与雷达航迹 的关联正确率且易于实现。

为解决上述技术问题，本发明的一方面是：提供一种ADS-B监视 数据与雷达航迹的直觉模糊关联方法，包括对ADS-B监视数据与雷达 航迹进行关联预处理以获得多个初步关联雷达航迹，其中，雷达航迹为 二维雷达航迹或三维雷达航迹；获得ADS-B监视数据与初步关联雷达 航迹对应相关属性的模糊直觉指数，其中，相关属性包括距离、速度、 速度差以及航向角差；根据模糊直觉指数获得相关属性对应的模糊决策 分数；对模糊决策分数进行加权求和以获得最终关联的雷达航迹。

其中，当雷达航迹为二维雷达航迹时，对ADS-B监视数据与雷达 航迹进行关联预处理以获得多个初步关联雷达航迹的步骤具体包括：获 得当前时刻t的ADS-B监视数据Y(t)=[x(t) y(t) z(t)]^T对应的斜距离ρ(t) 以及方位角θ(t)；获得二维雷达航迹i在斜距离与方位角方向上的速度， 具体如下所示：

$V_d=\frac{{\rho }_2\left(t_2\right)-{\rho }_1\left(t_1\right)}{t_2-t_1}---\left(1\right)$

$V_f=\frac{{\theta }_2\left(t_2\right)-{\theta }_1\left(t_1\right)}{t_2-t_1}---\left(2\right)$

其中，V_d为二维雷达航迹i在斜距离方向上的速度，V_f为二维雷达 航迹i在方位角方向上的速度，(ρ₁(t₁),θ₁(t₁))、(ρ₂(t₂),θ₂(t₂))分别为t₁、t₂时 刻二维雷达航迹i的航迹点Y₁(t₁)=[x(t₁) y(t₁)]^T、Y₂(t₂)=[x(t₂) y(t₂)]^T对应的 极坐标，t>t₂>t₁；获得二维雷达航迹i当前时刻t对应的斜距离ρ_a(t)以及 方位角θ_a(t)，具体如下所示：

ρ_a(t)=(t-t₁)*V_d    (3)

θ_a(t)=(t-t₁)*^V_f    (4)

获得多个初步关联二维雷达航迹，具体如下所示：

$D_d=\sqrt{{\left|\right|\rho \left(t\right){-\rho }_a\left(t\right)\left|\right|}^2}---\left(5\right)$

$D_f=\sqrt{{\left|\right|\theta \left(t\right)-{\theta }_a\left(t\right)\left|\right|}^2}---\left(6\right)$

其中，当满足D_d<R_d以及D_f<R_f时，则二维雷达航迹i为初步关联 二维雷达航迹，否则二维雷达航迹i则不为初步关联二维雷达航迹，D_d为 当前时刻t的ADS-B监视数据对应的观测点与二维雷达航迹i当前时刻t 的预测点之间的斜距离差，D_f为当前时刻t的ADS-B监视数据对应的观 测点与二维雷达航迹i当前时刻t的预测点之间的方位角差，R_d、R_f分别 为斜距离、方位角的门限值。

其中，当雷达航迹信息为三维雷达航迹时，对ADS-B监视数据与 雷达航迹进行关联预处理以获得多个初步关联雷达航迹的步骤具体包 括：获得三维雷达航迹i当前时刻t的预测状态具体如下所示：

${\hat{X}}_i\left(t\right)=\left(\begin{array}{c}{\hat{x}}_i\left(t\right)\\ {\stackrel{\widehat{·}}{x}}_i\left(t\right)\\ {\hat{y}}_i\left(t\right)\\ {\widehat{\stackrel{·}{y}}}_i\left(t\right)\\ {\hat{z}}_i\left(t\right)\\ {\widehat{\stackrel{·}{z}}}_i\left(t\right)\end{array}\right)=\left(\begin{array}{cccccc}1& t-t_1& 0& 0& 0& 0\\ 0& 1& 0& 0& 0& 0\\ 0& 0& 1& t-t_1& 0& 0\\ 0& 0& 0& 1& 0& 0\\ 0& 0& 0& 0& 1& t-t_1\\ 0& 0& 0& 0& 0& 1\end{array}\right){\hat{X}}_i\left(t_1\right)---\left(7\right)$

其中，为t₁时刻的三维雷达航迹i的状态估计， ${\hat{X}}_i\left(t_1\right)={\left(\begin{array}{cccccc}{\hat{x}}_i\left(t_1\right)& {\widehat{\stackrel{·}{x}}}_i\left(t_1\right)& {\hat{y}}_i\left(t_1\right)& {\widehat{\stackrel{·}{y}}}_i\left(t_1\right)& {\hat{z}}_i\left(t_1\right)& {\widehat{\stackrel{·}{z}}}_i\left(t_1\right)\end{array}\right)}^T;$获得当前时刻t的ADS-B 监视数据对应的观测点与三维雷达航迹i当前时刻t的预测点 ${\left(\begin{array}{ccc}{\hat{x}}_i\left(t\right)& {\hat{y}}_i\left(t\right)& {\hat{z}}_i\left(t\right)\end{array}\right)}^T$之间的距离u_d，具体如下所示：

$u_d=\sqrt{{(x\left(t\right)-{\hat{x}}_i\left(t\right))}^2+{(y\left(t\right)-{\hat{y}}_i\left(t\right))}^2+{(z\left(t\right)-{\hat{z}}_i\left(t\right))}^2}---\left(8\right)$

其中，[x(t) _y(t) z(t)]^T为当前时刻t的ADS-B监视数据；获得由当 前时刻t的ADS-B监视数据以及t₁时刻三维雷达航迹i的航迹点 ${\left(\begin{array}{ccc}{\hat{x}}_i\left(t_1\right)& {\hat{y}}_i\left(t_1\right)& {\hat{z}}_i\left(t_1\right)\end{array}\right)}^T$确定的速度u_v，具体如下所示：

$u_v=\sqrt{{\left(\frac{x\left(t\right)-{\hat{x}}_i\left(t_1\right)}{t-t_1}\right)}^2+{\left(\frac{y\left(t\right)-{\hat{y}}_i\left(t_1\right)}{t-t_1}\right)}^2+{\left(\frac{z\left(t\right)-{\hat{z}}_i\left(t_1\right)}{t-t_1}\right)}^2}---\left(9\right)$

获得由三维雷达航迹i当前时刻t的预测状态确定的速度u_v,i，具 体如下所示：

$u_{v,i}=\sqrt{{\widehat{\stackrel{·}{x}}}_i^2\left(t\right)+{\widehat{\stackrel{·}{y}}}_i^2\left(t\right)+{\widehat{\stackrel{·}{z}}}_i^2\left(t\right)}---\left(10\right)$

获得u_v以及u_v,i之间的速度差具体如下所示：

$u_{\bar{v}}=|u_v-u_{v,i}|---\left(11\right)$

获得多个初步关联三维雷达航迹，其中，当满足ADS-B监视数据 的目标属性与三维雷达航迹i的目标属性相同、u_d<d_max、V_min<u_v<V_max以 及时，则三维雷达航迹i为初步关联三维雷达航迹，否则三维雷 达航迹i不为初步关联三维雷达航迹，d_max为允许的最大距离，V_min为允 许的最小速度，V_max为允许的最大速度，dV_max为允许的最大速度差。

其中，获得ADS-B监视数据与初步关联雷达航迹对应相关属性的 模糊直觉指数的步骤具体包括：

获得四个相关属性对应的隶属度，具体如下所示：

$\left(\begin{array}{c}{\mu }_{M_1}\left(u_d\right)=e^{-\frac{{u_d}^2}{{2\sigma }_d^2}}\\ {\mu }_{M_2}\left(u_v\right)=e^{-\frac{{(u_v-c_v)}^2}{{2\sigma }_v^2}}\\ {\mu }_{M_3}=\left(u_{\bar{v}}\right)=e^{-\frac{{u_{\bar{v}}}^2}{{2\sigma }_{\bar{v}}^2}}\\ {\mu }_{M_4}\left(u_{\theta }\right)=e^{-\frac{{u_{\theta }}^2}{{2\sigma }_{\theta }^2}}\end{array}\right)---\left(12\right)$

其中，为距离u_d对应的隶属度，为速度u_v对应的隶属 度，为速度差对应的隶属度，为航向角差u_θ对应的隶属 度，σ_d为距离标准差，σ_v为速度标准差，为速度差标准差，σ_θ为航 向角差标准差，c_v为速度均值；

其中，当前时刻t的ADS-B监视数据对应的观测点与初步关联二维 雷达航迹当前时刻t的预测点${\left(\begin{array}{cc}{\hat{x}}_i\left(t\right)& {\hat{y}}_i\left(t\right)\end{array}\right)}^T$之间的距离u_d具体如下所示：

$u_d=\sqrt{{(x\left(t\right)-{\hat{x}}_i\left(t\right))}^2+{(y\left(t\right)-{\hat{y}}_i\left(t\right))}^2}---\left(13\right)$

由当前时刻t的ADS-B监视数据以及t₁时刻初步关联二维雷达航迹 的航迹点${\left(\begin{array}{cc}{\hat{x}}_i\left(t_1\right)& {\hat{y}}_i\left(t_1\right)\end{array}\right)}^T$确定的速度u_v具体如下所示：

$u_v=\sqrt{{\left(\frac{x\left(t\right)-{\hat{x}}_i\left(t_1\right)}{t-t_1}\right)}^2+{\left(\frac{y\left(t\right)-{\hat{y}}_i\left(t_1\right)}{t-t_1}\right)}^2}---\left(14\right)$

由初步关联二维雷达航迹当前时刻t的预测状态确定的速度u_v,i具体如下所示：

$u_{v,i}=\sqrt{{\widehat{\stackrel{·}{x}}}_i^2\left(t\right)+{\widehat{\stackrel{·}{y}}}_i^2\left(t\right)}---\left(15\right)$

u_v以及u_v,i之间的速度差具体如下所示：

$u_{\bar{v}}=|u_v-u_{v,i}|---\left(11\right)$

初步关联二维雷达航迹以及三维雷达航迹在当前时刻t与t₁时刻之 间的航向角差u_θ具体如下所示：

$u_{\theta }=\arccos \frac{{\widehat{\stackrel{·}{x}}}_i\left(k\right){\widehat{\stackrel{·}{x}}}_i(k-1)+{\widehat{\stackrel{·}{y}}}_i\left(k\right){\widehat{\stackrel{·}{y}}}_i(k-1)}{\sqrt{{\left[{\widehat{\stackrel{·}{x}}}_i(k-1)\right]}^2+{\left[{\widehat{\stackrel{·}{y}}}_i(k-1)\right]}^2}\sqrt{{\left[{\widehat{\stackrel{·}{x}}}_i\left(k\right)\right]}^2+{\left[{\widehat{\stackrel{·}{y}}}_i\left(k\right)\right]}^2}}---\left(17\right)$

其中，初步关联二维雷达航迹以及三维雷达航迹在当前时刻t的航 向角为${\theta }_i\left(t\right)={\left(\begin{array}{cc}{\widehat{\stackrel{·}{x}}}_i\left(t\right)& {\widehat{\stackrel{·}{y}}}_i\left(t\right)\end{array}\right)}^T,$初步关联二维雷达航迹以及三维雷达航迹在t₁时刻的航向角为${\theta }_i\left(t_1\right)={\left(\begin{array}{cc}{\widehat{\stackrel{·}{x}}}_i\left(t_1\right)& {\widehat{\stackrel{·}{y}}}_i\left(t_1\right)\end{array}\right)}^T;$

获得四个相关属性的模糊直觉指数，具体如下所示：

$\left(\begin{array}{c}{\pi }_{M_1}\left(u_d\right)=1-{\mu }_{M_1}\left(u_d\right)-{(1-{\mu }_{M_1}{\left(u_d\right)}^{\alpha })}^{1/\alpha }\\ {\pi }_{M_2}\left(u_v\right)=1-{\mu }_{M_2}\left(u_v\right)-{(1-{\mu }_{M_2}{\left(u_v\right)}^{\alpha })}^{1/\alpha }\\ {\pi }_{M_3}\left(u_{\bar{v}}\right)=1-{\mu }_{M_3}\left(u_{\bar{v}}\right)-{(1-{\mu }_{M_3}{\left(u_{\bar{v}}\right)}^{\alpha })}^{1/\alpha }\\ {\pi }_{M_4}\left(u_{\theta }\right)=1-{\mu }_{M_4}\left(u_{\theta }\right)-{(1-{\mu }_{M_4}{\left(u_{\theta }\right)}^{\alpha })}^{1/\alpha }\end{array}\right)---\left(18\right)$

其中，为距离u_d对应的模糊直觉指数，为速度u_v对应 的模糊直觉指数，为速度差对应的模糊直觉指数，为航 向角差u_θ对应的模糊直觉指数。

其中，四个相关属性对应的模糊决策分数，具体如下所示：

$J_n\left(E\left(T_i\right)\right)={\mu }_{F_{{\alpha }_u,{\beta }_u}^n\left(E\left(T_i\right)\right)}\left(M_j\right)$

                   (19)

$={\mu }_{T_i}+{\alpha }_{M_j}{\pi }_{E\left(T_i\right)}+{\alpha }_{M_j}(1-{\alpha }_{M_j}-{\beta }_{M_j}){\pi }_{E\left(T_i\right)}+···+{\alpha }_{M_j}{(1-{\alpha }_{M_j}-{\beta }_{M_j})}^{n-1}{\pi }_{E\left(T_i\right)}$

其中，T_i表示多个初步关联雷达航迹中的第i条雷达航迹，M_j=1对应 距离u_d，M_j=2对应速度u_v，M_j=3对应速度差M_j=4对应航向角差u_θ， E(T_i)={(M_j,μ_i,j,ν_i,j)}，n为一正整数且其取值范围 为[18]。

其中，对模糊决策分数进行加权求和以获得最终关联的雷达航迹的 步骤具体包括：对四个相关属性对应的模糊决策分数进行加权求和以获 得多个初步关联雷达航迹对应的模糊决策分数Π_i，具体如下所示：

Π_i=w₁J_n((μ_i1,ν_i1))+w₂J_n((μ_i2,ν_i2))+w₃J_n((μ_i3,ν_i3))+w₄J_n((μ_i4,ν_i4))    (20)

其中，m为多个初步关联雷达航迹的数量，m≥2，i=1,2,...,m，w₁为 距离u_d对应的权重，w₂为速度u_v对应的权重，w₃为速度差对应的权重， w₄为航向角差u_θ对应的权重，w_i∈[0，1]且

获得最终关联的雷达航迹，具体如下所示：

$k=\underset{i}{\arg \max }\{{\Pi }_i,i=\mathrm{1,2},...,m\}---\left(21\right)$

其中，雷达航迹k为最终关联的雷达航迹。

为解决上述技术问题，本发明的第二方面是：提供一种ADS-B监 视数据与雷达航迹的直觉模糊关联装置，包括：关联预处理模块，用于 对ADS-B监视数据与雷达航迹进行关联预处理以获得多个初步关联雷 达航迹，其中，雷达航迹为二维雷达航迹或三维雷达航迹；模糊直觉指 数获取模块，用于获得ADS-B监视数据与初步关联雷达航迹对应相关 属性的模糊直觉指数，其中，相关属性包括距离、速度、速度差以及航 向角差；模糊决策分数获取模块，用于根据模糊直觉指数获得相关属性 对应的模糊决策分数；关联航迹获取模块，用于对模糊决策分数进行加 权求和以获得最终关联的雷达航迹。

本发明的有益效果是：区别于现有技术的情况，本发明通过对 ADS-B监视数据与雷达航迹进行关联预处理以获得多个初步关联雷达 航迹，获得ADS-B监视数据与初步关联雷达航迹对应相关属性的模糊 直觉指数，进一步根据模糊直觉指数获得相关属性对应的模糊决策分 数，最终对模糊决策分数进行加权求和以获得最终关联的雷达航迹，能 够提高ADS-B监视数据与雷达航迹的关联正确率且易于实现。

附图说明

图1是本发明ADS-B监视数据与雷达航迹的直觉模糊关联方法一实 施方式的流程图；

图2是本发明ADS-B监视数据与雷达航迹的直觉模糊关联方法一实 施方式中对ADS-B监视数据与二维雷达航迹进行关联预处理以获得多 个初步关联雷达航迹的流程图；

图3是本发明ADS-B监视数据与雷达航迹的直觉模糊关联方法一实 施方式中对ADS-B监视数据与三维雷达航迹进行关联预处理以获得多 个初步关联雷达航迹的流程图；

图4是本发明ADS-B监视数据与雷达航迹的直觉模糊关联方法一实 施方式中获得ADS-B监视数据与初步关联雷达航迹对应相关属性的模 糊直觉指数的流程图；

图5是本发明ADS-B监视数据与雷达航迹的直觉模糊关联方法一实 施方式中对模糊决策分数进行加权求和以获得最终关联的雷达航迹的流 程图；

图6是本发明ADS-B监视数据与雷达航迹的直觉模糊关联方法一实 施方式中3个目标的跟踪估计图；

图7是本发明ADS-B监视数据与雷达航迹的直觉模糊关联方法一实 施方式中目标1三种关联方法的均方根误差对比图；

图8是本发明ADS-B监视数据与雷达航迹的直觉模糊关联方法一实 施方式中目标2三种关联方法的均方根误差对比图；

图9是本发明ADS-B监视数据与雷达航迹的直觉模糊关联方法一实 施方式中目标3三种关联方法的均方根误差对比图；

图10是本发明ADS-B监视数据与雷达航迹的直觉模糊关联装置一 实施方式的原理框图。

具体实施方式

下面将结合本发明实施方式中的附图，对本发明实施方式中的技术 方案进行清楚、完整地描述，显然，所描述的实施方式仅仅是本发明一 部分实施方式，而不是全部的实施方式。基于本发明中的实施方式，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 施方式，均属于本发明保护的范围。

请参阅图1，本发明ADS-B监视数据与雷达航迹的直觉模糊关联方 法一实施方式包括：

步骤S101：对ADS-B监视数据与雷达航迹进行关联预处理；

对ADS-B监视数据与各个雷达航迹进行关联预处理以获得多个（两 个或以上）初步关联雷达航迹。广播式自动相关监视（Automatic  Dependent Surveillance-Broadcast，ADS-B）是国际民航组织（ICAO）提 出的一种新航行系统（CNS/ATM）监视技术，它通过飞机、航空器等低 空飞行目标上安装的全双工无线通信装置定时广播本身的速度矢量、位 置、识别码、发动机状况等信息来实现安全飞行。雷达航迹为雷达获得 的关于低空飞行目标在空中或空间中形成或遵循的飞行轨迹即雷达获 得的关于低空飞行目标的位置，其中按部署条件的不同，雷达为二维雷 达或三维雷达，相应地，雷达航迹为二维雷达航迹或三维雷达航迹，二 维雷达航迹获得关于低空飞行目标的斜距离以及方位角信息，三维雷达 航迹获得关于低空飞行目标的斜距离、方位角以及高度信息，可分别对 应获得二维雷达航迹以及三维雷达航迹对应的航迹点即x、y二维坐标 以及x、y、z三维坐标。广播式自动相关监视（ADS-B）设备获得低空 飞行目标的经度、纬度以及高度信息即三维地理坐标(λ,φ,h)，其对应 ADS-B监视数据Y(t)=[x(t) y(t) z(t)]^T，ADS-B监视数据为关于低空飞 行目标x、y、z方向上的位置信息。低空飞行目标指位于空域中飞行高 度在1000米以下的如飞机、航空飞行器等飞行目标。

步骤S102：获得ADS-B监视数据与初步关联雷达航迹对应相关属 性的模糊直觉指数；

获得ADS-B监视数据以及上述多个初步关联雷达航迹的相关属性 的模糊直觉指数，其中，相关属性包括距离、速度、速度差以及航向角 差，四个相关属性与ADS-B监视数据以及初步关联雷达航迹两者对应 相关。模糊直觉指数为直觉模糊集中的元素属于集合的犹豫度。

步骤S103：根据模糊直觉指数获得相关属性对应的模糊决策分数；

根据四个相关属性即距离、速度、速度差以及航向角差对应的模糊 直觉指数进一步获得四个相关属性对应的模糊决策分数。

步骤S104：对模糊决策分数进行加权求和以获得最终关联的雷达航 迹。

对多个初步关联雷达航迹的四个相关属性对应的模糊决策分数进 行加权求和以获得最终关联的雷达航迹。

请参阅图2，当雷达航迹为二维雷达航迹时，本发明ADS-B监视数 据与雷达航迹的直觉模糊关联方法一实施方式中对ADS-B监视数据与 雷达航迹进行关联预处理以获得多个初步关联雷达航迹具体包括以下 子步骤：

子步骤S1011a：获得当前时刻的ADS-B监视数据对应的斜距离以 及方位角；

获得当前时刻t的ADS-B监视数据Y(t)=[x(t) y(t) z(t)]^T对应的斜距 离ρ(t)以及方位角θ(t)，其中，将Y(t)=[x(t) y(t) z(t)]^T经过坐标转换而获 得ρ(t)、θ(t)，x(t)、y(t)、z(t)分别为ADS-B监视数据关于低空飞行目 标x、y、z方向上的位置信息。

子步骤S1012a：获得二维雷达航迹在斜距离与方位角方向上的速 度；

获得二维雷达航迹i在斜距离与方位角方向上的速度，具体如下所 示：

$V_d=\frac{{\rho }_2\left(t_2\right)-{\rho }_1\left(t_1\right)}{t_2-t_1}---\left(1\right)$

$V_f=\frac{{\theta }_2\left(t_2\right)-{\theta }_1\left(t_1\right)}{t_2-t_1}---\left(2\right)$

其中，V_d为二维雷达航迹i在斜距离方向上的速度，V_f为二维雷达 航迹i在方位角方向上的速度，(ρ₁(t₁),θ₁(t₁))、(ρ₂(t₂),θ₂(t₂))分别为t₁、t₂时 刻二维雷达航迹i的航迹点Y₁(t₁)=[x(t₁) y(t₁)]^T、Y₂(t₂)=[x(t₂) y(t₂)]^T对应的 极坐标，其中，t₂时刻的航迹点Y₂(t₂)=[x(t₂) y(t₂)]^T为根据t₁时刻的航迹点 Y₁(t₁)=[x(t₁)y(t₁)]^T、二维雷达航迹i的速度以及t₁、t₂时刻之间的时间差而 获得，t>t₂>t₁。

子步骤S1013a：获得二维雷达航迹当前时刻对应的斜距离以及方位 角；

获得二维雷达航迹i当前时刻t对应的斜距离ρ_a(t)以及方位角θ_a(t)， 具体如下所示：

ρ_a(t)=(t-t₁)*V_d    (3)

θ_a(t)=(t-t₁)*^V_f    (4)

子步骤S1014a：获得多个初步关联二维雷达航迹。

获得多个初步关联二维雷达航迹，具体如下所示：

$D_d=\sqrt{{\left|\right|\rho \left(t\right){-\rho }_a\left(t\right)\left|\right|}^2}---\left(5\right)$

$D_f=\sqrt{{\left|\right|\theta \left(t\right)-{\theta }_a\left(t\right)\left|\right|}^2}---\left(6\right)$

其中，当满足D_d<R_d以及D_f<R_f时，则二维雷达航迹i为初步关联 二维雷达航迹，否则二维雷达航迹i则不为初步关联二维雷达航迹，D_d为 当前时刻t的ADS-B监视数据对应的观测点与二维雷达航迹i当前时刻t 的预测点之间的斜距离差，D_f为当前时刻t的ADS-B监视数据对应的观 测点与二维雷达航迹i当前时刻t的预测点之间的方位角差，R_d、R_f分别 为斜距离、方位角的门限值。

请参阅图3，当雷达航迹为三维雷达航迹时，本发明ADS-B监视数 据与雷达航迹的直觉模糊关联方法一实施方式中对ADS-B监视数据与 雷达航迹进行关联预处理以获得多个初步关联雷达航迹具体包括以下 子步骤：

子步骤S1011b：获得三维雷达航迹当前时刻的预测状态；

获得三维雷达航迹i当前时刻t的预测状态具体如下所示：

${\hat{X}}_i\left(t\right)=\left(\begin{array}{c}{\hat{x}}_i\left(t\right)\\ {\stackrel{\widehat{·}}{x}}_i\left(t\right)\\ {\hat{y}}_i\left(t\right)\\ {\widehat{\stackrel{·}{y}}}_i\left(t\right)\\ {\hat{z}}_i\left(t\right)\\ {\widehat{\stackrel{·}{z}}}_i\left(t\right)\end{array}\right)=\left(\begin{array}{cccccc}1& t-t_1& 0& 0& 0& 0\\ 0& 1& 0& 0& 0& 0\\ 0& 0& 1& t-t_1& 0& 0\\ 0& 0& 0& 1& 0& 0\\ 0& 0& 0& 0& 1& t-t_1\\ 0& 0& 0& 0& 0& 1\end{array}\right){\hat{X}}_i\left(t_1\right)---\left(7\right)$

其中，为t₁时刻的三维雷达航迹i的状态估计， ${\hat{X}}_i\left(t_1\right)={\left(\begin{array}{cccccc}{\hat{x}}_i\left(t_1\right)& {\widehat{\stackrel{·}{x}}}_i\left(t_1\right)& {\hat{y}}_i\left(t_1\right)& {\widehat{\stackrel{·}{y}}}_i\left(t_1\right)& {\hat{z}}_i\left(t_1\right)& {\widehat{\stackrel{·}{z}}}_i\left(t_1\right)\end{array}\right)}^T,$其中，分别为三维雷达获得的关于低空飞行目标x、y、z方向上的位置信息， 分别为三维雷达获得的关于低空飞行目标x、y、z方 向上的速度。

子步骤S1012b：获得当前时刻的ADS-B监视数据对应的观测点与 三维雷达航迹当前时刻的预测点之间的距离；

获得当前时刻t的ADS-B监视数据对应的观测点与三维雷达航迹i 当前时刻t的预测点${\left(\begin{array}{ccc}{\hat{x}}_i\left(t\right)& {\hat{y}}_i\left(t\right)& {\hat{z}}_i\left(t\right)\end{array}\right)}^T$之间的距离u_d，具体如下所示：

$u_d=\sqrt{{(x\left(t\right)-{\hat{x}}_i\left(t\right))}^2+{(y\left(t\right)-{\hat{y}}_i\left(t\right))}^2+{(z\left(t\right)-{\hat{z}}_i\left(t\right))}^2}---\left(8\right)$

其中，[x(t) y(t) z(t)]^T为当前时刻t的ADS-B监视数据。

子步骤S1013b：获得由当前时刻的ADS-B监视数据以及t1时刻三 维雷达航迹的航迹点确定的速度；

获得由当前时刻t的ADS-B监视数据以及t₁时刻三维雷达航迹i的 航迹点${\left(\begin{array}{ccc}{\hat{x}}_i\left(t_1\right)& {\hat{y}}_i\left(t_1\right)& {\hat{z}}_i\left(t_1\right)\end{array}\right)}^T$确定的速度u_v，具体如下所示：

$u_v=\sqrt{{\left(\frac{x\left(t\right)-{\hat{x}}_i\left(t_1\right)}{t-t_1}\right)}^2+{\left(\frac{y\left(t\right)-{\hat{y}}_i\left(t_1\right)}{t-t_1}\right)}^2+{\left(\frac{z\left(t\right)-{\hat{z}}_i\left(t_1\right)}{t-t_1}\right)}^2}---\left(9\right)$

子步骤S1014b：获得三维雷达航迹当前时刻的预测状态确定的速 度；

获得由三维雷达航迹i当前时刻t的预测状态确定的速度u_v,i，具 体如下所示：

$u_{v,i}=\sqrt{{\widehat{\stackrel{·}{x}}}_i^2\left(t\right)+{\widehat{\stackrel{·}{y}}}_i^2\left(t\right)+{\widehat{\stackrel{·}{z}}}_i^2\left(t\right)}---\left(10\right)$

子步骤S1015b：获得速度差；

获得由当前时刻t的ADS-B监视数据以及t₁时刻三维雷达航迹i的 航迹点${\left(\begin{array}{ccc}{\hat{x}}_i\left(t_1\right)& {\hat{y}}_i\left(t_1\right)& {\hat{z}}_i\left(t_1\right)\end{array}\right)}^T$确定的速度u_v以及由三维雷达航迹i当前时刻t 的预测状态确定的速度u_v,i之间的速度差具体如下所示：

$u_{\bar{v}}=|u_v-u_{v,i}|---\left(11\right)$

子步骤S1016b：获得多个初步关联三维雷达航迹。

获得多个初步关联三维雷达航迹，其中，当满足ADS-B监视数据 的目标属性与三维雷达航迹i的目标属性相同、u_d<d_max、V_min<u_v<V_max以 及时，则三维雷达航迹i为初步关联三维雷达航迹，否则三维雷 达航迹i不为初步关联三维雷达航迹，d_max为允许的最大距离，V_min为允 许的最小速度，V_max为允许的最大速度，dV_max为允许的最大速度差。

请参阅图4，本发明ADS-B监视数据与雷达航迹的直觉模糊关联方 法一实施方式中获得ADS-B监视数据与初步关联雷达航迹对应相关属 性的模糊直觉指数具体包括以下子步骤：

子步骤S1021：获得四个相关属性对应的隶属度；

直觉模糊集作为模糊集合的一种推广，引入了模糊直觉指数的概 念，能综合反映出目标集合与观测集合间隶属、非隶属和未知的关系。

设U是一个非空集合，称

A={<u,μ_A(u)，υ_A(u)>|u∈U}

为直觉模糊集（IFS），其中μ_A:U→[0,1]，υ_A:U→[0,1]，满足条件 μ_A(u)+υ_A(u)≤1，分别称μ_A(u)和υ_A(u)分别为U中元素u属于A的隶属度和 非隶属度，称π_A(u)=1-μ_A(u)-υ(u)为元素u属于U的模糊直觉指数或犹豫 度。

获得ADS-B监视数据与初步关联雷达航迹对应四个相关属性即距 离、速度、速度差、航向角差的隶属度，具体如下所示：

$\left(\begin{array}{c}{\mu }_{M_1}\left(u_d\right)=e^{-\frac{{u_d}^2}{{2\sigma }_d^2}}\\ {\mu }_{M_2}\left(u_v\right)=e^{-\frac{{(u_v-c_v)}^2}{{2\sigma }_v^2}}\\ {\mu }_{M_3}=\left(u_{\bar{v}}\right)=e^{-\frac{{u_{\bar{v}}}^2}{{2\sigma }_{\bar{v}}^2}}\\ {\mu }_{M_4}\left(u_{\theta }\right)=e^{-\frac{{u_{\theta }}^2}{{2\sigma }_{\theta }^2}}\end{array}\right)---\left(12\right)$

其中，为距离u_d对应的隶属度，为速度u_v对应的隶属 度，为速度差对应的隶属度，为航向角差u_θ对应的隶属 度，σ_d为距离标准差，σ_v为速度标准差，为速度差标准差，σ_θ为航 向角差标准差，c_v为速度均值。初步关联二维雷达航迹、三维雷达航迹 分别对应不同的距离u_d、速度u_v以及速度差ADS-B监视数据以及多 个初步关联三维雷达航迹的距离u_d、速度u_v以及速度差分别如上述公 式（8）、（9）、（11）所示；ADS-B监视数据以及多个初步关联二维雷达 航迹的距离u_d、速度u_v以及速度差具体如下所示：

当前时刻t的ADS-B监视数据对应的观测点与初步关联二维雷达航 迹当前时刻t的预测点${\left(\begin{array}{cc}{\hat{x}}_i\left(t\right)& {\hat{y}}_i\left(t\right)\end{array}\right)}^T$之间的距离u_d具体如下所示：

$u_d=\sqrt{{(x\left(t\right)-{\hat{x}}_i\left(t\right))}^2+{(y\left(t\right)-{\hat{y}}_i\left(t\right))}^2}---\left(13\right)$

由当前时刻t的ADS-B监视数据以及t₁时刻初步关联二维雷达航迹 的航迹点${\left(\begin{array}{cc}{\hat{x}}_i\left(t_1\right)& {\hat{y}}_i\left(t_1\right)\end{array}\right)}^T$确定的速度u_v具体如下所示：

$u_v=\sqrt{{\left(\frac{x\left(t\right)-{\hat{x}}_i\left(t_1\right)}{t-t_1}\right)}^2+{\left(\frac{y\left(t\right)-{\hat{y}}_i\left(t_1\right)}{t-t_1}\right)}^2}---\left(14\right)$

由初步关联二维雷达航迹当前时刻t的预测状态确定的速度u_v,i具体如下所示

$u_{v,i}=\sqrt{{\widehat{\stackrel{·}{x}}}_i^2\left(t\right)+{\widehat{\stackrel{·}{y}}}_i^2\left(t\right)}---\left(15\right)$

上述u_v以及u_v,i之间的速度差具体如下所示：

$u_{\bar{v}}=|u_v-u_{v,i}|---\left(16\right)$

初步关联二维雷达航迹以及三维雷达航迹在当前时刻t与t₁时刻之 间的航向角差u_θ具体如下所示，其中，u_θ为水平方向上的航向角差：

$u_{\theta }=\arccos \frac{{\widehat{\stackrel{·}{x}}}_i\left(k\right){\widehat{\stackrel{·}{x}}}_i(k-1)+{\widehat{\stackrel{·}{y}}}_i\left(k\right){\widehat{\stackrel{·}{y}}}_i(k-1)}{\sqrt{{\left[{\widehat{\stackrel{·}{x}}}_i(k-1)\right]}^2+{\left[{\widehat{\stackrel{·}{y}}}_i(k-1)\right]}^2}\sqrt{{\left[{\widehat{\stackrel{·}{x}}}_i\left(k\right)\right]}^2+{\left[{\widehat{\stackrel{·}{y}}}_i\left(k\right)\right]}^2}}---\left(17\right)$

其中，初步关联二维雷达航迹以及三维雷达航迹在当前时刻t的航 向角为${\theta }_i\left(t\right)={\left(\begin{array}{cc}{\widehat{\stackrel{·}{x}}}_i\left(t\right)& {\widehat{\stackrel{·}{y}}}_i\left(t\right)\end{array}\right)}^T,$初步关联二维雷达航迹以及三维雷达航迹在t₁时刻的航向角为${\theta }_i\left(t_1\right)={\left(\begin{array}{cc}{\widehat{\stackrel{·}{x}}}_i\left(t_1\right)& {\widehat{\stackrel{·}{y}}}_i\left(t_1\right)\end{array}\right)}^T.$

子步骤S1022：获得四个相关属性的模糊直觉指数。

本实施方式基于Yager’s直觉模糊实施函数而获得四个相关属性的 模糊直觉指数。如果连续递增递减函数φ(u):[0,1]满足：

φ(u)≤(1-u)u∈[0,1]andφ(0)≤1andφ(1)≤0

则称φ(u)为一连续、递增、递减直觉模糊产生函数，在本实施方式 中，利用Yager’s产生函数来定义模糊实施函数：

N(μ(u))=g^-1(g(1)-g(μ(u)))

其中，g(·)为一单调递增函数且g:[0,1]→[0,1],g(u)=u^α。Yager’s 直觉模糊实施函数为：

N(u)=(1-u^α)^1/α

非隶属度通过Yager’s直觉模糊实施函数计算，因此，新的直觉模 糊集如下：

$A_{\lambda }^{\mathrm{IFS}}=\{u,{\mu }_A\left(u\right),{(1-{\mu }_A{\left(u\right)}^{\alpha })}^{1/\alpha }|u\in U\}$

模糊直觉指数计算如下：

π_A(u)=1-μ_A(u)-(1-μ_A(u)^α)^1/α

基于上述公式获得四个相关属性即距离u_d、速度u_v、速度差以及 航向角差u_θ对应的模糊直觉指数，具体如下所示：

$\left(\begin{array}{c}{\pi }_{M_1}\left(u_d\right)=1-{\mu }_{M_1}\left(u_d\right)-{(1-{\mu }_{M_1}{\left(u_d\right)}^{\alpha })}^{1/\alpha }\\ {\pi }_{M_2}\left(u_v\right)=1-{\mu }_{M_2}\left(u_v\right)-{(1-{\mu }_{M_2}{\left(u_v\right)}^{\alpha })}^{1/\alpha }\\ {\pi }_{M_3}\left(u_{\bar{v}}\right)=1-{\mu }_{M_3}\left(u_{\bar{v}}\right)-{(1-{\mu }_{M_3}{\left(u_{\bar{v}}\right)}^{\alpha })}^{1/\alpha }\\ {\pi }_{M_4}\left(u_{\theta }\right)=1-{\mu }_{M_4}\left(u_{\theta }\right)-{(1-{\mu }_{M_4}{\left(u_{\theta }\right)}^{\alpha })}^{1/\alpha }\end{array}\right)---\left(18\right)$

其中，为距离u_d对应的模糊直觉指数，为速度u_v对应 的模糊直觉指数，为速度差对应的模糊直觉指数，为航 向角差u_θ对应的模糊直觉指数。利用Yager’s直觉模糊实施函数来获取 ADS-B监视数据与初步关联雷达航迹对应相关属性的模糊直觉指数，能 够解决传统直觉模糊集方法钟直觉指数定义难的问题。

模糊直觉指数不仅包含观测对目标的隶属信息，也包含观测对目标 的非隶属度信息。为了更好的利用模糊直觉指数的信息，本实施方式引 入直觉模糊（IF）点算子从模糊直觉指数中提取观测对目标的隶属 度信息，以此来综合获取ADS-B监视数据与初步关联雷达航迹对应相 关属性的模糊决策分数。对于取α_u,β_u∈[0,1]，且满足α_u+β_u≤1， 对A∈IFS(U)，定义IF点算子IFS(U)→IFS(U)如下：

$F_{{\alpha }_u,{\beta }_u}\left(A\right)=\left\{(u,{\mu }_A\left(u\right)+{\alpha }_u{\pi }_A\left(u\right),v_A\left(u\right)+{\beta }_u{\pi }_A\left(u\right))\right|u\in U\}$

IF点算子将一IF集A转化为带有如下直觉指数的IF集

${\pi }_{F_{{\alpha }_u,{\beta }_u}\left(A\right)}\left(u\right)=1-\left({\mu }_A\left(u\right){+{\alpha }_u\pi }_A\left(u\right)\right)-(v_A\left(u\right)+{\beta }_u{\pi }_A\left(u\right))$

$=(1-{\alpha }_u-{\beta }_u){\pi }_{\text{A}}\left(u\right)$

对任意u∈U，有${\pi }_{F_{{\alpha }_u,{\beta }_u}\left(A\right)}\left(u\right)\le {\pi }_A\left(u\right).$

对A∈FS(U)，有$F_{{\alpha }_u,{\beta }_u}^2\left(A\right)=F_{{\alpha }_u,{\beta }_u}\left(F_{{\alpha }_u,{\beta }_u}\left(A\right)\right),$则

$F_{{\alpha }_u,{\beta }_u}^2\left(A\right)=\{(u,{\mu }_A\left(u\right)+{\alpha }_u{\pi }_A\left(u\right)+{\alpha }_u(1-{\alpha }_u-{\beta }_u){\pi }_A\left(u\right),$

$v_A\left(u\right)+{\beta }_u{\pi }_A\left(u\right)+{\beta }_u(1-{\alpha }_u-{\beta }_u){\pi }_A\left(u\right)\left)\right|u\in U\},$

${\pi }_{F_{{\alpha }_u,{\beta }_u}^2\left(A\right)}\left(u\right)=1-[{\mu }_A\left(u\right)+{\alpha }_u{\pi }_A\left(u\right)+{\alpha }_u(1-{\alpha }_u-{\beta }_u){\pi }_A\left(u\right)]-$

$[v_A\left(u\right)+{\beta }_u{\pi }_A\left(u\right)+{\beta }_u(1-{\alpha }_u-{\beta }_u){\pi }_A\left(u\right))]$

$=1-{\mu }_A\left(u\right)-v_A\left(u\right)-({\alpha }_u+{\beta }_u){\pi }_A\left(u\right)-({\alpha }_u+{\beta }_u)(1-{\alpha }_u-{\beta }_u){\pi }_A\left(u\right)$

$={(1-{\alpha }_u-{\beta }_u)}^2{\pi }_A\left(u\right)$

对任意正整数n，有：

$F_{{\alpha }_u,{\beta }_u}^n\left(A\right)=F_{{\alpha }_u,{\beta }_u}\left(F_{{\alpha }_u,{\beta }_u}^{n-1}\left(A\right)\right)$

$=\{(u,{\mu }_A\left(u\right)+{\alpha }_u{\pi }_A\left(u\right)+{\alpha }_u(1-{\alpha }_u-{\beta }_u){\pi }_A\left(u\right)+...+{\alpha }_u{(1-{\alpha }_u-{\beta }_u)}^{n-1}{\pi }_A\left(u\right),$

$v_A\left(u\right)+{\beta }_u{\pi }_A\left(u\right)+{\beta }_u(1-{\alpha }_u-{\beta }_u){\pi }_A\left(u\right)+...+{\beta }_u(1-{\alpha }_u-{\beta }_u){\pi }_A\left(u\right)\left)\right|u\in U\}$

$=\{((u,{\mu }_A\left(u\right)+{\alpha }_u{\pi }_A\left(u\right)\frac{1-{(1-{\alpha }_u-{\beta }_u)}^n}{{\alpha }_u+{\beta }_u},$

$v_A\left(u\right)+{\beta }_u{\pi }_A\left(u\right)\frac{1-{(1-{\alpha }_u-{\beta }_u)}^n}{{\alpha }_u+{\beta }_u}\left)\right|u\in U\},$

${\pi }_{F_{{\alpha }_u,{\beta }_u}^n\left(A\right)}\left(u\right)={(1-{\alpha }_u-{\beta }_u)}^n{\pi }_A\left(u\right)$

其中上式中，IF点算子将模糊直觉指数π_A(u) 划分为三部分：(1-α_u-β_u)ⁿπ_A(u)，α_u·π_A(u)·(1-(1-α_u-β_u)ⁿ)/(α_u+β_u)， β_u·π_A(u)·(1-(1-α_u-β_u)ⁿ)/(α_u+β_u)，其分别表示在原未知或不确定信息中的隶属、 非隶属以及不确定部分。

基于上述各公式，步骤S103中四个相关属性对应的模糊决策分数， 具体如下所示：

$J_n\left(E\left(T_i\right)\right)={\mu }_{F_{{\alpha }_u,{\beta }_u}^n\left(E\left(T_i\right)\right)}\left(M_j\right)$

                       (19)

$={\mu }_{T_i}+{\alpha }_{M_j}{\pi }_{E\left(T_i\right)}+{\alpha }_{M_j}(1-{\alpha }_{M_j}-{\beta }_{M_j}){\pi }_{E\left(T_i\right)}+···+{\alpha }_{M_j}{(1-{\alpha }_{M_j}-{\beta }_{M_j})}^{n-1}{\pi }_{E\left(T_i\right)}$

其中，T_i表示多个初步关联雷达航迹中的第i条雷达航迹，M_j=1对应 距离u_d，M_j=2对应速度u_v，M_j=3对应速度差M_j=4对应航向角差u_θ， 即为公式（12）所示的四个相关属性对应的隶属度， E(T_i)={(M_j,μ_i,j,ν_i,j)}，n为一正整数且其取值范围为[18]，即为公式（18）所示的四个相关属性的模糊直觉指数。

请参阅图5，本发明ADS-B监视数据与雷达航迹的直觉模糊关联方 法一实施方式中对模糊决策分数进行加权求和以获得最终关联的雷达 航迹具体包括以下子步骤：

子步骤S1041：对四个相关属性对应的模糊决策分数进行加权求和 以获得多个初步关联雷达航迹对应的模糊决策分数；

对上述公式（19）所示的四个相关属性对应的模糊决策分数进行加 权求和以获得多个初步关联雷达航迹对应的模糊决策分数Π_i，具体如下 所示：

Π_i=w₁J_n((μ_i1,ν_i1))+w₂J_n((μ_i2,ν_i2))+w₃J_n((μ_i3,ν_i3))+w₄J_n((μ_i4,ν_i4))    (20)

其中，m为多个初步关联雷达航迹的数量，m≥2，i=1,2,K,m，w₁为 距离u_d对应的权重，w₂为速度u_v对应的权重，w₃为速度差u_v对应的权重， w₄为航向角差u_θ对应的权重，w_i∈[0,1]且J_n((μ_i1,ν_i1))为距离u_d对 应的模糊决策分数，J_n((μ_i2,ν_i2))为速度u_v对应的模糊决策分数， J_n((μ_i3,ν_i3))为速度差对应的模糊决策分数，J_n((μ_i4,ν_i4))为航向角差u_θ对 应的模糊决策分数。

子步骤S1042：获得最终关联的雷达航迹。

获得最终关联的雷达航迹，具体如下所示：

$k=\underset{i}{\arg \max }\{{\Pi }_i,i=\mathrm{1,2},...,m\}---\left(21\right)$

其中，雷达航迹k为最终关联的雷达航迹，最终关联的雷达航迹k即 为上述多个初步关联雷达航迹中模糊决策分数Π_i最大的雷达航迹。在获 得最终关联的雷达航迹后，可对ADS-B监视数据与最终关联的雷达航 迹进行数据融合、滤波，以实现对低空飞行目标的正确关联和跟踪。

下面利用实际采集的3批雷达航迹分别采用现有技术的Fitzgerald’s 关联方法、最大熵模糊数据关联方法（MEF-JPDAF）以及本发明的ADS-B 监视数据与雷达航迹的直觉模糊关联方法进行关联性能的对比，包括： 在各批雷达航迹中取前50个非周期的航迹点，目标1共飞行226s，目 标2共飞行312s，目标3共飞行155s；由于航迹点为非周期性的，所以 采样间隔T=t(k+1)-t(k)也是变化的，其中，k表示采样次数，t(k+1)表示第 k+1次采样时的时间，t(k)表示第k次采样时的时间，杂波密度为0，ADS-B 监视数据的观测误差标准差为0.12km，且噪声Q_ii=4*10^-4。请参阅图6- 图9，图6为3个目标的跟踪轨迹图，图6中’-o’表示实际航迹点，’+’ 表示本发明ADS-B监视数据与雷达航迹的直觉模糊关联方法的目标估 计点，图7为目标1三种关联方法的均方根误差对比图，图8为目标2 三种关联方法的均方根误差对比图，图9为目标3三种关联方法的均方 根误差对比图。由图6-图9可以看出，利用本发明的ADS-B监视数据 与雷达航迹的直觉模糊关联方法对ADS-B监视数据与雷达航迹进行关 联处理，其仿真得到目标的均方根误差小于利用现有技术的Fitzgerald’s 关联方法以及最大熵模糊数据关联方法（MEF-JPDAF）进行关联处理对 应的目标的均方根误差，本发明ADS-B监视数据与雷达航迹关联方法 的关联性能优于现有技术的Fitzgerald’s关联方法、最大熵模糊数据关联 方法（MEF-JPDAF）等关联方法。

可以理解，本发明ADS-B监视数据与雷达航迹的直觉模糊关联方 法一实施方式通过对ADS-B监视数据与雷达航迹进行关联预处理以获 得多个初步关联雷达航迹，其中针对二维雷达航迹利用斜距离和方位角 信息进行关联预处理，针对三维雷达航迹利用目标属性、距离、速度以 及速度差进行关联预处理，能够提高关联正确率且计算较简单；获得 ADS-B监视数据与初步关联雷达航迹对应相关属性的模糊直觉指数；进 一步根据模糊直觉指数获得相关属性对应的模糊决策分数；对模糊决策 分数进行加权求和以获得最终关联的雷达航迹，利用IF点算子来获取相 关属性对应的模糊决策分数能够有效地从模糊直觉指数中提取观测对 目标的隶属度信息，能够提高ADS-B监视数据与雷达航迹的关联正确 率，且其与现有技术的基于模糊逻辑的数据关联方法相比在最终关联的 雷达航迹的获取过程中计算相对较简单，易于工程实现。

请参阅图10，本发明ADS-B监视数据与雷达航迹的直觉模糊关联 装置一实施方式包括：

关联预处理模块201，用于对ADS-B监视数据与雷达航迹进行关联 预处理以获得多个初步关联雷达航迹，其中，雷达航迹为二维雷达航迹 或三维雷达航迹。

模糊直觉指数获取模块202，用于获得ADS-B监视数据与初步关联 雷达航迹对应相关属性的模糊直觉指数，其中，相关属性包括距离、速 度、速度差以及航向角差。

模糊决策分数获取模块203，用于根据模糊直觉指数获取模块202 获得的模糊直觉指数进一步获得相关属性对应的模糊决策分数。

关联航迹获取模块204，用于对模糊决策分数获取模块203获得的 模糊决策分数进行加权求和以获得最终关联的雷达航迹。

可以理解，本发明ADS-B监视数据与雷达航迹的直觉模糊关联装 置通过关联预处理模块获得多个初步关联雷达航迹，模糊直觉指数获取 模块获得相关属性的模糊直觉指数，模糊决策分数获取模块获得相关属 性对应的模糊决策分数，关联航迹获取模块获得最终关联的雷达航迹， 能够提高ADS-B监视数据与雷达航迹的关联正确率且易于实现。

以上所述仅为本发明的实施方式，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。