[发明专利]一种基于区实混合序列的异步航迹关联算法

说明书

技术领域

本发明涉及一种多传感器航迹关联算法。

背景技术

在分布式多目标多传感器跟踪系统中，航迹异步是普遍存在的。在现实中，引起航迹异步的情况很多，例如，各局部传感器控制命令不能做到完全同步、每个传感器扫描速率可能不同或者扫描速率不恒定、数据在由局部传感器向融合中心传递的过程中可能存在延迟等原因，都会给航迹的准确关联带来极大的不便。

对此，当前的主要解决办法是，先通过时域配准将航迹对准到统一时刻，再利用经典的同步航迹关联算法实现航迹配对。此类方法虽可以获得较好的关联效果，但是在同步化的过程中，航迹估计值的误差也发生了传播，且这种传播与滤波方程的误差存在一定的相关性，难以对此进行衡量。因此，迫切需要寻找一种更好的算法来解决异步不等速率情况下的航迹关联问题。

发明内容

为了克服现有技术的缺陷，本发明公开了一种基于等长度序列变换的异步航迹关联算法。该算法以一个融合周期内的航迹文件为对象，采用区实混合序列变换得到等长度的航迹行为序列，然后计算序列差异信息，求出序列间的相似度，并给出相应的航迹关联结论，从而实现了对异步航迹关联。

本发明的目的是通过如下技术措施来达到。

设由多部传感器和一个中心处理器构成的信息融合系统，对公共观测区域内的N批目标进行跟踪。假设各传感器不完全同步且具有不同的采样速率，在相邻的两个融合时刻之间，每部传感器产生的局部航迹数相同，都等于公共观测域内的目标数N，传感器s的航迹数记为

式中，表示来自传感器s在第k个时间周期内的第i(i∈{1，2，…，N})个航迹文件。

设T为融合中心的采样周期，则在第k个融合周期区间[(k-1)T，kT]内，来自传感器s的每个航迹文件都包含有n_s个航迹点(认为同一传感器的每条航迹中的航迹点，具有相同时间标 记)，则在第k个融合周期区间[(k-1)T，kT]内传感器s的航迹状态和协方差估计可表示为：

式中，表示传感器s在[(k-1)T，kT]时间间隔内所产生航迹的第j个航迹点的时间标记，传感器采样时间流图如图1所示。

由于采样速率的差异，两部传感器在[(k-1)T，KT]时间间隔内所形成航迹文件包含航迹点数不相同，即融合中心直接得到的航迹序列长度不同。所以需要进行数据等长度序列变换，在本发明中，提出了一种区实混合序列变换方法。

设采样间隔分别为t、s的时间行为序列

X＝{x(t)，x(2t)，.…，x(nt)} (4)

Y＝{y(s)，y(2s)，…y(ms)}

n、m分别为序列X和Y在融合周期[(k-1)T，kT]内采样点的个数，且在t、s满足：

则称新序列

X_[Y]＝{x(t)，…，x(k₁t)，[x((k₁+1)t)，x((k₁+2)t)]，…，[x(k₂t)，x((k₂+1)t)]，x((k₂+2)t)，

…，x(k₃t)，…，[x((k_2l-1+1)t)，x(k_2l-1+2)t)]，…，[x(k_2l-1)t，x(k_2lt)]} (6)

为序列X的区实混合序列，其中，

变换后的序列X_[Y]中含有两种数据：实数和区间数；并且X_[Y]和Y具有相同的序列长度。即对序列等长度变换的目的是使得变换后的序列与参考序列具有相同的序列长度。采用区实混合序列变换后，得到具有统一长度的航迹序列。为将数据在时刻上差异降至最小且能进行灰关联分析，在处理的过程中遵循以下几个原则：

①变换后的序列在表现形式上关于中间时刻对称；

②保证变换后的序列长度至少为3，若序列长度小于3，则将相邻的两个或多个融合周期合并成一个；

③若两传感器在一个融合周期内数据点数目和的比值大于2(或者小于0.5)，则丢弃来自高采样率传感器的部分航迹文件，并且使所丢弃文件在时间上是均匀分布的。

例如，在某个[(k-1)T，kT]时间内，合的数据点数分别为8和6，根据式(6)区实混合序列变换公式，将航迹序列和分别变换为