[发明专利]基于遗传算法的航迹匹配方法

说明书

本发明公开了一种基于遗传算法的航迹匹配方法，解决了在目标多、干扰多、杂糅多时，航迹匹配准确率不高，计算量大的问题。实现步骤为：输入雷达和监视系统ADS—B航迹集合；组成初始种群；计算种群个体适应度；竞争选择；基因交叉；基因变异；再次计算种群个体适应度，判断适应度是否满足结束条件，若满足，则输出最优结果，否则进行新一轮选择、交叉、变异，最终获得最优的航迹匹配事件集合。本发明模仿自然界的选择与遗传机理，不断去除匹配较差航迹，保留较好的匹配，保证最终找到最优结果，本发明有良好的全局搜索能力，计算量小且线性可控，提升了有限时间寻找最优匹配结果的效果，用于雷达和监视系统ADS—B间的航迹匹配。

技术领域

本发明属于数据融合技术领域，主要涉及航迹匹配，具体是一种基于遗传算法的航迹匹配方法，可用于将雷达与广播式自动相关监视系统(ADS-B)得到的两组航迹进行匹配，输出精度更高的航迹。

背景技术

数据融合是将来自多个传感器或多源的信息进行综合处理，从而得出更为准确、可靠的结论。随着科学技术的发展，数据融合已成为很多大型应用系统的重要支撑技术，被广泛应用于军事、民事领域。在空中交通管制领域，航迹匹配是数据融合的核心问题，利用航迹匹配，得到准确的飞机航迹，对空中交通管理具有重要意义。

在数据融合系统中，每个传感器具有独立的信息处理能力，可独立完成对周围环境的目标跟踪，并生成目标航迹信息。由于来自不同系统的两条航迹有可能代表的是同一目标，因此，需要将雷达与ADS-B系统得到的两组航迹进行匹配，即把它们对同一目标的监视数据组合起来，建立每一个目标的系统航迹，以实现对目标更高精度、更大范围的监视，增加空域容量，提高系统的可靠性，从而提高空域的利用率和飞行的安全性。

目前，传统的算法以最近邻，联合概率密度的方法为主。“最近邻”算法是提出最早的也是最简单的算法。其核心是把在统计意义上与被跟踪目标预测位置(跟踪门中心)最近的有效回波作为数据互联对。这种方法最大的缺点是在目标密度比较大的情况下会出现错误的关联判断，关联准确率不高，影响了算法的广泛使用。联合概率数据关联算法对所有可能的目标关联信息进行搜索，并在此关联信息的基础上计算最佳关联概率。可见，这种算法的关键就在于算法需要对传感器的每一个量测与其可能的各种目标相关联的概率进行计算，在目标航迹比较多的情况下，计算量比较大。

现有技术中对于航迹匹配的方法，在目标多的情况下会出现较多错误的关联，关联准确度不高，且计算量比较大。

发明内容

本发明针对现有技术的不足，提出了一种计算量线性可控、关联准确度更高的基于遗传算法的航迹匹配方法。

本发明是一种基于遗传算法的航迹匹配方法，其特征在于，包括有如下步骤：

(1)输入航迹，得到关联事件集合：

首先输入航迹得到航迹集合，进而得到航迹元素集合，用U_i,j表示两个航迹相匹配的一个事件，具体是雷达航迹X_i与监视系统航迹Y_j相匹配表示为同一个航迹，关联事件的集合用U表示得到关联事件集合；

(2)组成初始种群：假设种群中有K个个体，每个个体都分别是航迹关联事件的一个集合，记为{U^k,k＝1,…,K}，U^k为第k个个体，K为个体的总数目，K个个体组成初始种群；

(3)用适应度函数计算种群个体适应度：构造适应度函数，用适应度函数计算种群中每个个体适应度，得到每个个体适应度函数值；适应度函数F_f(U^k)表示航迹关联事件集合U^k的正确性，关联事件集合中正确的航迹关联事件越多，则个体适应度的值越大；

(4)竞争选择：使用锦标赛选择的方法从初始种群的每个个体适应度函数值中选择出适应度函数值较高的航迹关联事件集合U^k；