[发明专利]一种基于离散点迹的多源异构信息关联方法

说明书

本发明涉及一种基于离散点迹的多源异构信息关联方法，属于信息融合技术领域，解决了现有密集目标中离散点判别困难和漏关联的问题。包括接收所述多源异构信息，识别出其中的离散点迹存入历史库，并将历史库中的其他信息作为历史点迹；基于身份信息和专有信息，得到离散点迹和历史点迹的关联数据对；再基于时间和动态信息，对历史库中剩余的离散点迹和剩余的历史点迹建立多个相似性矩阵；根据预置的每个相似性矩阵的度量门限，将多个相似性矩阵转换为多个0‑1度量矩阵；基于0‑1度量矩阵，得到历史库中剩余的所述离散点迹和剩余的历史点迹的关联数据对；对每组关联数据对设置相同的航迹号，得到关联结果。实现了密集目标中离散信息的识别和关联。

技术领域

本发明涉及信息融合技术领域，尤其涉及一种基于离散点迹的多源异构信息关联方法。

背景技术

随着传感器类型和数目不断增加，信息种类日益丰富，对信息融合实时性要求也越来越高，多源异构信息关联问题是信息融合的关键技术之一，没有信息关联，就谈不上对目标的跟踪，没有高效可靠的信息关联，目标识别的正确性更无从谈起。

多源异构信息关联就是把来自多个传感器的观测或点迹与已知或已经确认的事件归并到一起，使它们分别属于事件的集合，即保证每个事件集合所包含的观测以较大的概率或接近于1的概率均来自同一个实体。对没有归并的点迹，其中可能包括新的来自目标的点迹或由噪声或杂波剩余产生的点迹，保留到下个时刻继续处理。

在多传感器信息融合领域，一般以单目标作为关联处理对象，主要采用基于目标运动信息的信息关联方法，可采取的技术主要包括静态关联方法，如相同或不同维数的量测-量测关联，以及动态信息关联方法，如量测-航迹关联、航迹-航迹关联等。具体的关联方法以最近邻域方法为最典型代表，其基本思想是将距离最近的两条测量信息与目标编号之间建立起映射关系，实现简单，计算量小，在实际工程中应用广泛。

然而，在采用最近邻域方法时，如果目标信息是稀疏离散点迹时，传统做法是将其直接删除，不作为目标识别的证据，在实际应用中侦收平台获取对方目标的信息，有些稀疏离散点对目标识别具有重要作用，直接删除导致信息漏关联，进而导致目标识别率的下降。而且在目标密集且目标处于交叉、分叉等运动状态时，如果未能识别出其中的离散点，将会出现“张冠李戴”的结果，降低了目标识别度。

发明内容

鉴于上述的分析，本发明实施例旨在提供一种基于离散点迹的多源异构信息关联方法，用以解决现有密集目标中离散点判别困难和漏关联的问题。

一方面，本发明实施例提供了一种基于离散点迹的多源异构信息关联方法，包括如下步骤：接收多源异构信息，识别出其中的离散点迹，存入历史库，并将历史库中的其他信息作为历史点迹；

基于身份信息和专有信息，得到离散点迹和历史点迹的关联数据对集合；再基于时间和动态信息，对历史库中剩余的离散点迹和剩余的历史点迹建立多个相似性矩阵；

根据预置的每个相似性矩阵的度量门限，将多个相似性矩阵转换为多个0-1度量矩阵；基于多个0-1度量矩阵，得到历史库中剩余的离散点迹和剩余的历史点迹的关联数据对，加入关联数据对集合；

对关联数据对集合中的每组关联数据对设置相同的航迹号，得到关联结果。

基于上述方法的进一步改进，将历史库中的其他信息作为历史点迹，包括：根据离散点迹的获取时刻，采用卡尔曼滤波方法，将历史库中的其他多源异构信息的航迹点预测外推至离散点迹的获取时刻，以得到历史点迹。

基于上述方法的进一步改进，基于身份信息和专有信息，得到离散点迹和历史点迹的关联数据对，包括：

依次取出每条离散点迹，将每条离散点迹与每条历史点迹两两比较；当一条离散点迹仅与一条历史点迹的身份信息和专有信息同时相同时，关联成功；否则，关联失败。