基于逻辑法、全局最近邻和目标航向信息的机动多目标数据互联算法

摘要

本发明公开了一种基于逻辑法、全局最近邻和目标航向信息的机动多目标数据互联算法，该技术属于机动多目标跟踪技术领域。机动多目标跟踪中数据互联问题解决不好，往往会造成目标时跟时丢、跟踪的连续性和稳定性差等问题；为了有效提高实际应用中的机动多目标数据关联正确率，本发明在航迹起始阶段，将全局最近邻和3/4逻辑法相结合解决前后时刻目标测量数据的关联问题，实现多目标有效航迹起始；在航迹保持阶段，通过目标跟踪结果实时判断目标的航向信息，在此基础上构造航向检验统计量和距离检验统计量，然后通过设置的航向门限和距离门限对测量数据进行关联选择，最终实现对机动多目标的有效跟踪。

说明书

一、技术领域

本发明属于机动多目标跟踪技术领域，适用于能同时对多目标进行跟踪的系统。 

二、背景技术

随着科技的发展，精确制导武器和远程打击武器的不断产生，目标为了避免被侦测、被攻击其机动能力日渐增强，与此同时，传感器技术的日趋先进使得各种面向复杂应用背景的传感器系统大量涌现，感知手段是日趋丰富，而感知环境和感知对象的复杂多变、感知需求的日益提高等都对目标跟踪系统提出了更高的要求。在这样一个要求越来越高、难度越来越大的跟踪背景下，要想实现对机动多目标的跟踪，首当其冲的是解决机动多目标的数据互联问题，机动多目标跟踪中数据关联问题解决不好，往往会出现： 

(1)被跟踪目标关联上错误的数据最终导致跟踪终结，目标丢失； 

(2)跟踪目标丢失再重新捕获后，目标重复起批，造成跟踪连续性差； 

(3)多个目标间相关成一个错误航迹，影响正常目标的跟踪测量等。 

由此可见，如何针对现代复杂目标跟踪环境提出更有效、适用性更广的多目标数据互联算法是实现机动多目标自适应跟踪的前提和根本，机动多目标数据互联不论是在军事方面还是民事方面都是必须要解决的关键问题。 

三、发明内容

1.要解决的技术问题 

本发明的目的在于提供一种基于逻辑法、全局最近邻和目标航向信息的机动多目标数据互联算法。旨在解决复杂目标跟踪背景下多目标跟踪过程中存在的目标时跟时丢、跟踪的连续性和稳定性差、目标重复起批、多个目标间相关成一个错误航迹等问题。 

2.技术方案 

本发明所述的基于逻辑法、全局最近邻和目标航向信息的机动多目标数据互联算法，包括以下技术措施：在基于全局最近邻和3/4逻辑法对测量数据进行选择和航迹起始的基础上，利用目标跟踪结果估计目标航向信息并构造航向检验统计量，然后利用航向门限和距离门限对测量数据进行选择，解决机动多目标数据关联问题，从而达到对机动多目标有效跟踪的目的； 

四、附图说明

图1是基于全局最近邻和3/4逻辑法的目标航迹起始流程图； 

图2是目标运动示意图； 

图3是基于航向和距离信息的目标航迹保持流程图。 

五、具体实施方式

以下结合说明书附图对本发明作进一步详细描述。参照说明书附图，本发明的具体实施方式分以下几个步骤： 

(1)测量数据坐标转换 

将传感器测得的极坐标系下的测量数据转换到直角坐标系下，并设x_i(k)、y_i(k)、z_i(k)分别表示k时刻第i个测量数据在直角坐标系下位置分量，同时由极坐标系下的传感器测量误差的统计特性获得相应的直角坐标系下测量误差的统计特性； 

(2)全局最近邻数据互联 

将传感器第k+1时刻的测量数据和第k时刻目标位置数据进行互联，互联方法是看k+1时刻的测量数据是否落入如下的圆形波门内，即 

初始波门 

$\sqrt{{(x_j(k+1)-x_i\left(k\right))}^2+{(y_j(k+1)-y_i\left(k\right))}^2+{(z_j(k+1)-z_i\left(k\right))}^2}\le K_G{v}_{i}T---\left(1\right)$

或相关波门 

$\sqrt{{(x_j(k+1)-{\hat{x}}_i\left(k\right|k))}^2+{(y_i(k+1)-{\hat{y}}_i\left(k\right|k))}^2+{(z_j(k+1)-{\hat{z}}_i\left(k\right|k))}^2}\le K_G{\hat{v}}_{i}T---\left(2\right)$

其中：K_G为波门常数，T为采样间隔，v_i为第i个目标的最大可能速度，K_G和v_i的取值可根据工程经验加以调整，为由目标跟踪结果估计的目标速度，即 

${\hat{v}}_i=\sqrt{{\stackrel{\widehat{·}}{x}}_i^2\left(k\right|k)+{\stackrel{\widehat{·}}{y}}_i^2\left(k\right|k)+{\stackrel{\widehat{·}}{z}}_i^2\left(k\right|k)}---\left(3\right)$

根据k+1时刻的测量数据是否落在式(1)或式(2)给出的波门内又分为以下几种情况： 

①如果k+1时刻的测量数据全部落在k时刻某个目标(例如第i个目标)的波门外，则该目标(第i个目标)k+1时刻测量数据漏检，并赋“0”值。 

②否则，取距离最近者予以关联，即满足 

或 

的数据作为k+1时刻第i个目标的有效测量数据予以关联，同时从第二个目标开始需要判断选出的关联数据和前面目标确定的关联数据是否有重复，即第二个目标选出的关联数据需要和第一个目标选择的关联数据进行重复判断，而第三个目标选出的数据需要和前面两个目标选择的数据进行重复判断，以避免相同的测量数据被两个目标重复利用。由于前两个目标已经进行了去重复判断，所以第三个目标选出的测量数据最多只能和前面的某一个目标选出的数据有重复。如果判断某两个目标选择了相同的测量数据，例如第i个目标和第k个目标均选择了k+1时刻的第m个测量数据作为关联数据，则该数据赋给这两个目标中距离更近的那个，即如果(x_m(k+1)-x_i(k))²+(y_m(k+1)-y_i(k))²+(z_m(k+1)-z_i(k))²＜(x_m(k+1)-x_k(k))² +(y_m(k+1)-y_k(k))²+(z_m(k+1)-z_k(k))²，则测量数据x_m(k+1)、y_m(k+1)、z_m(k+1)作为第i个目标k+1时刻的有效关联数据，而第k个目标k+1时刻的关联数据需重新进行选择，选择的方法如下：将该冲突关联数据(x_m(k+1)、y_m(k+1)、z_m(k+1))去除，同时将其它目标关联上的没有关联冲突的数据也去除，如果此时k+1时刻仍有未用的测量数据，则将这些测量数据和第k个目标(前面冲突关联中剩下的目标)进行关联判断，看是否有数据满足关联门限准则；若有数据满足关联准则，则取该数据进行关联；如果剩余的所有测量数据均不满足关联要求，则第k个目标此时刻的数据漏检，赋“0”值； 

(3)3/4逻辑法航迹起始 

按3/4逻辑法对目标进行航迹起始是指四次雷达扫描中有三次能关联上，即满足3/4逻辑的航迹起始准则，则该目标航迹起始成功，如图1所示，具体步骤如下： 

①将传感器获得的第一时刻的测量数据分别给予相应的目标编号，对第二时刻的测量数据按式(1)建立初始圆形波门，并按式(4)进行关联选择，此时又分如下三种情况： 

(a)对第二时刻有测量数据关联上的目标按“(2)全局最近邻数据互联”中给出的方法对互联数据进行重复检测，满足重复检测要求的按两点差分法给出该目标初始状态和初始协方差矩阵； 

(b)如果某个目标的初始圆形波门内无回波(无测量数据)，则认为该目标第二时刻测量数据漏检，并赋“0”值； 

(c)在所有目标均完成关联判断后，将第二时刻未关联上的测量数据作为新出现的目标第一时刻的数据，依次赋予相应的目标编号，然后和后续时刻的测量数据进行关联判断； 

②对第三时刻的测量数据按式(2)建立相关波门，并按式(5)进行关联选择，此时又分如下四种情况： 

(a)对第三时刻有测量数据关联上的目标按“(2)全局最近邻数据互联”中给出的方法对互联数据进行重复检测，若第三时刻落入某个目标相关波门内的数据满足重复检测要求，则该目标航迹起始成功，因为此时已经有三次数据关联成功了，满足了3/4逻辑航迹起始准则； 

(b)如果某个目标的相关波门内无回波，则认为该目标第三时刻测量数据漏检，并赋“0”值； 

(c)若第三时刻的测量数据和所有目标均完成关联后仍有数据未关联上，则这些数据和前一时刻赋“0”值的目标(前一时刻漏检目标)通过加大的波门进行关联判断，若加大波门内仍无回波(无测量数据)，则删除相应的目标编号；否则，对关联上并满足重复检测要求的数据，按两点差分法给出目标初始状态和初始协方差矩阵； 

(d)在所有目标均完成关联判断后，将第三时刻未关联上的测量数据作为新出现的目标第一时刻的数据，依次赋予相应的目标编号，然后和后续时刻的测量数据进行关联判断； 

③对第四时刻测量数据的关联又分为如下三种情况： 

(a)对已经航迹起始成功的目标继续进行关联判断达到航迹保持的目的； 

(b)对只有第二时刻漏检的目标按式(2)建立相关波门，并按式(5)进行关联选择；对只有第三时刻漏检的目标按加大的相关波门进行选择；如果第四时刻没有测量数据能和相应 目标关联上，则删除相应目标的编号；如果第四时刻有测量数据满足相关波门要求，且能够满足重复检测要求，则相应目标航迹起始成功。 

(c)若第四时刻测量数据和所有目标均完成关联判断后仍有未关联上的，则作为新出现的目标第一时刻的数据，依次赋予相应的目标编号，重复上述步骤进行航迹起始。 

(4)航迹保持中基于目标航向和距离信息选择测量数据 

在目标完成航迹起始后，仍需不断和后续时刻的测量数据进行关联判断，以便对多目标航迹进行保持，这里采用目标航向和距离双门限对测量数据进行选择，具体关联方法为： 

①通过目标跟踪结果实时获取目标的航向信息，若设分别表示k时刻第i个目标x轴和y轴方向的速度滤波值，如图2所示，则k时刻该目标航向估计值为 

②由k+1时刻的测量数据和k时刻相应目标位置更新值也可估计目标航向，即 

其中：x_j(k+1)和y_j(k+1)分别表示k+1时刻第j个测量数据的x轴和y轴位置分量，和分别表示k时刻第i个目标的x轴和y轴方向的位置更新值。 

③将k+1时刻所有的测量数据依次代入式(7)求得相应的航向角，然后将求得的航向角依次和由式(6)所获得的目标航向估计比较，差值小于设定的航向门限的测量数据予以保留，并赋予集合Λ_j，即 

其中：为航向门限。另外，这里要说明的是集合Λ_j包含通过航向门限所选择的k+1时刻测量数据的x轴、y轴和z轴分量。 

④将k+1时刻满足式(8)的测量数据(集合Λ_j中的元素)再通过设置的距离门限进行关联选择，即判断Λ_j中的元素是否满足 

$\sqrt{{(x_j(k+1)-{\hat{x}}_i\left(k\right|k))}^2+{(y_j(k+1)-{\hat{y}}_i\left(k\right|k))}^2+{(z_j(k+1)-{\hat{z}}_i\left(k\right|k))}^2}\le K_G{\hat{v}}_{i}T---\left(9\right)$

其中：(x_j(k+1)，y_j(k+1)，z_j(k+1))∈Λ_j，为由目标跟踪状态估计的目标速度，可由式(3)得到的。 

若Λ_j中满足式(9)的测量数据有多个，则取其中距离最小者作为k+1时刻第i个目标的有效测量数据，即 

$X^i(k+1)=\underset{(x_j,y_j,z_j)}{\arg \min }\left(\sqrt{{(x_j(k+1)-{\hat{x}}_i\left(k\right|k))}^2+{(y_j(k+1)-{\hat{y}}_i\left(k\right|k))}^2+{(z_j(k+1)-{\hat{z}}_i\left(k\right|k))}^2}\right)---\left(10\right)$

用来对目标i进行状态更新，同时该目标漏检指示归零。 

如果k+1时刻所有测量数据代入式(7)所计算的航向角均不满足式(8)的检验要求，即k+1时刻所有的测量数据均不能通过航向门限的选择，但k+1时刻有测量数据可通过距离门限的选择，即满足式(9)，此时可考虑把设定的航向门限再适当放大，判断通过距离门限选择的测量数据能否通过加大航向门限的选择，这样一方面可以防止目标出现大的机动而造成的目标关联失败，另一方面也可在一定程度上防止因取距离最近的测量数据而关联上错误的点迹；如果放大航向门限要求后，k+1时刻有测量数据落在加大的航向门限内，则取满足加大航向门限要求的测量数据中距离最近者予以关联，同时该目标漏检指示归零；否则，相应目标该时刻测量数据赋“0”值，目标的漏检指示加1；同时，相应目标k+1时刻的状态和协方差更新值用预测值代替，然后继续和下一时刻的测量数据进行关联判断，当漏检指示达到一定的值则删除该目标编号。上述过程的处理流程示意图如图3所示。