[发明专利]一种基于随机距离的滞后航迹关联融合方法及系统和应用

说明书

本发明属于专适用于特定应用的雷达或类似系统技术领域，公开了一种基于随机距离的滞后航迹关联融合方法及系统和应用，具体流程为：输入第一类参考航迹和多条其他类航迹；选定大小为n的窗口；计算滞后相关性；找到满足相关性阈值的航迹集合；对集合中航迹相关性进行随机距离验证；确定关联航迹并进行航迹融合；计算具有滞后关联的航迹之间的关联关系，通过对关联关系排序，找到关联关系最大的航迹并以之为关联航迹，利用最小二乘法从航迹滞后时刻开始进行融合。本发明分类精度较高，运行时间复杂度低；有效的解决了航迹关联融合中滞后、断续航迹的融合问题，提高了航迹关联正确率并且通过融合有效提高了目标特征画像刻画的完整度。

技术领域

本发明属于专适用于特定应用的雷达或类似系统技术领域，尤其涉及一种基于随机距离的滞后航迹关联融合方法及系统和应用。

背景技术

目前，业内常用的现有技术是这样的：关于不同类型航迹之间的融合是一个相对较新和具有较高实用性的技术。一般认为，在进行航迹融合时，融合的数据应该具有相同的数据属性，即相同类型的数据才能进行融合。空中目标的航迹融合一般采用多传感器数据关联技术，同时采用卡尔曼滤波来实现航迹的平滑处理。关于航迹融合的算法一般有简单凸组合航迹融合方法、加权融合估计法和自适应数字滤波法等方法。但是，这些方法处理的都是多传感器目标跟踪的航迹信息，而这些多传感器获得目标信息又都是同类的信息(位置信息)。对于不同类别的数据，一般是很难进行融合的，而在面对具有部分相同属性的异类信息时，如果实现异类信息融合则可以利用不同类信息中的其他属性，从而在很大程度上提高目标属性信息数量，例如雷达和空管数据，二者是不同种类信息，但是具有共同的属性即目标的航迹信息，如果实现这两类信息融合则可以提高获取的目标属性信息，这样就可以获得更精准的目标画像，从而实现空中目标识别。空中目标的航迹信息是目标过去位置信息的一种展现，航迹在时间上可以看作是由一系列不同时刻点位置串联起来的空中位置。从时间维度上来说，这一系列的位置信息将构成时间序列数据流，因此不同设备得到的同一目标的多条空中轨迹将构成具有时间滞后相关性的航迹序列集合，对集合中的航迹数据进行相关性分析融合可以降低序列集合轨迹数量，同时通过融合可以得到更连贯、更长的时间序列轨迹，同时由于不同设备获得的目标属性不同，通过关联融合可以扩大空中目标属性数量，从而更好的刻画目标画像以此实现对空中目标的精确识别。关于时间数据流的滞后相关性的求解方法有很多，一种方法是利用基于奈奎斯特采样定理的滞后时间求法，采用几何级数点的样本去近似流式数据的值，从而降低数据流滞后相关性的计算时间，同时，采用增量更新的方法对计算参数进行更新，该方法解决了数据流不断更新而造成的计算无止尽的问题。但是，该方法适用于数据序列流的相关性计算，是在理论上对流数据的一种分析，具有较多的假设，在实际的工程应用中会因为各种因素而产生偏差。同时，该方法只适用于二维时间序列流，而工程应用是三维数据，计算方法存在差距。另一种方法是采用基于布尔相关性的滞后分析方法，利用布尔序列去表示目标变化的趋势，该方法极大减少了计算量，具有很好的应用性。还有的采用基于布尔约减的分层数据流滞后相关分析对时间序列数据流进行分析，该方法可以有效降低布尔约减所需的计算量。但是，该方法是基于数据序列流的，所研究的数据序列在每一时刻对应的数据只有一种属性，而对于每一时刻对应多种属性的情况没有考虑，对于工程应用中同一时刻多维属性的情况没有涉及，具有一定的局限性。因此，在解决滞后航迹的融合问题时利用上述方法会出现问题，主要体现在数据维度差异、属性数目差异，上述方法并不能很好的解决三维空间多属性数据的融合问题。

综上所述，现有技术存在的问题是：现有的时间数据流的滞后相关性的求解方法存在求解数据维度低、属性数目少的问题，对于每一时刻对应多种属性的情况没有考虑，应用在多维空间数据航迹滞后相关计算中具有一定的局限性；在面对滞后航迹的融合问题时，每一个时刻所对应的数据可能是多维的，该方法解决的是二维序列数据之间的滞后相关性，并不能很好的解决三维或多维数据的滞后相关性计算问题。

解决上述技术问题的难度和意义：数据在时间维度上呈现流式特性，如何解决流式数据的存储和处理问题；如何度量流式数据的滞后性相关系数；如何找到滞后性相关性阈值；如何判断滞后性相关性计算结果的正确性，剔除干扰的结果。