[发明专利]一种网络传输攻击环境中多目标跟踪的组合测量方法

说明书

本发明公开了一种网络传输攻击环境中多目标跟踪的组合测量方法，在设计状态估计时考虑目标之间传输信息易受到网络攻击，在判断出目标之间传输信息时未受到攻击时，将目标的绝对测量信息和目标与相邻目标之间的相对测量信息组合起来，以此更新目标的状态估计和协方差估计，可以充分利用目标的运动状态信息，提高多目标跟踪的估计精度；在判断出目标之间传输信息时受到攻击时，利用目标的绝对测量信息更新目标的状态估计和协方差估计，可以保证在网络传输攻击环境中多目标跟踪的正常估计。针对目标之间传递信息有可能受到网络攻击的问题，提出安全保护机制，有效抵制网络攻击，在网络传输攻击环境中保证多目标跟踪的正常估计并提高估计精度。

技术领域

本发明涉及多目标跟踪技术领域，尤其涉及一种网络传输攻击环境中多目标跟踪的组合测量方法。

背景技术

目标跟踪是人们运用各种观测和计算手段，实现对目标即被关注运动客体(例如车辆、无人机等)进行状态建模、估计以及跟踪的过程。目标跟踪问题实际就是目标状态的跟踪滤波问题，也就是根据传感器已获得的目标测量数据对目标状态进行精确地估计。由于传感器获得的目标测量数据不仅包含所需信号，同时也包含随机观测噪声和干扰信号，因此，估计就是通过对一系列带有观测噪声和干扰信号的实际观测数据进行处理，从中获得所需各参量的估计值的过程。

卡尔曼滤波器(Kalman Filter,KF)是目标跟踪领域广泛应用的一种跟踪滤波算法，这类算法是基于参数的高斯滤波器，在测量方差已知的情况下从一系列含有噪声的数据中还原真实数据，具有实时性强、可操作性强、所占存储空间小等优点。卡尔曼滤波在系统描述中使用状态方程，且综合分析信号及观测量之间的统计特性。在实际的信号估计中，卡尔曼滤波常用于处理离散系统，尤其是随机的、线性的离散系统。

传统的卡尔曼滤波是基于历史数据与当前观测数据，对当前时刻和未来时刻的单一目标的运动状态进行估计，在观测方程中，所利用的观测数据为绝对测量的数据，并没有对相对测量信息的数据进行分析处理。然而，多目标跟踪尤其要考虑目标与目标之间的作用关系以及相对测量信息，因此，对于多目标跟踪而言，传统的卡尔曼滤波并不能充分利用目标的运动状态信息，势必会影响多目标跟踪的估计精度。

每个目标的观测数据都是由传感器检测得到的，当传感器之间传递信息时，易造成各种网络安全事件的发生，特别是虚假数据注入的欺骗攻击大规模网络安全事件，会造成巨大的经济损失和设施破坏。传感器网络作为网络物理系统的通信层，传感器之间存在内在互联性，传感器之间传递信息时很容易受到恶意攻击，因此，在多目标跟踪考虑目标与相邻目标之间的相对测量信息时，如果受到网络攻击势必会影响估计性能。

因此，如何在网络传输攻击环境中，保证多目标跟踪的正常估计并提高估计精度，是本领域技术人员亟需解决的技术问题。

发明内容

有鉴于此，本发明提供了一种网络传输攻击环境中多目标跟踪的组合测量方法，用以在网络传输攻击环境中，保证多目标跟踪的正常估计并提高估计精度。

因此，本发明提供了一种网络传输攻击环境中多目标跟踪的组合测量方法，包括如下步骤：

S1：建立包括状态方程和观测方程的多目标跟踪模型，所述观测方程包括绝对测量方程和相对测量方程；

S2：初始化如下参数：k＝1时刻第i个目标的状态向量第i个目标的过程噪声协方差矩阵Q、第i个目标的绝对测量噪声协方差矩阵V_i、第i个目标与相邻的第j个目标之间的相对测量噪声协方差矩阵R_ij、以及k＝1时刻第i个目标的估计误差协方差矩阵P_i,1|1；

S3：根据所述观测方程得到第i个目标k时刻的观测值；

S4：对第i个目标k时刻的状态和估计误差协方差矩阵进行一步预测估计；

S5：将第j个目标k时刻的状态预测估计值传递到第i个目标；