一种基于两维动态拓扑结构的分布式雷达多目标航迹间关联方法

技术领域

本发明属于多雷达数据融合领域，具体涉及一种基于两维动态拓扑结构的分布式雷达多目标航迹间关联方法。

背景技术

在大数据时代的背景下，监测场景越来越复杂，单传感器监测系统逐渐无法满足各种应用领域的需求。近年来，分布式多传感器目标跟踪已经成为复杂场景下多目标跟踪的重要解决方案之一。在分布式多目标跟踪系统中，单个传感器首先进行多目标检测和局部轨迹跟踪，然后将局部轨迹信息传输给融合中心。融合中心的职责是将多个传感器来自同一目标的信息进行有效融合，并输出跟踪目标的唯一轨迹信息。

多雷达数据融合系统通常由航迹级配准、航迹间关联和航迹融合三部分组成。其中，配准模块需要几个特定的航迹作为参考进行航迹级配准。因此，航迹级配准和航迹间关联相互耦合，会直接关系到后续航迹融合质量，最终影响目标跟踪性能。为解决配准与关联间的耦合问题，基于目标间拓扑结构关系建立对传感器偏差不敏感的航迹关联模型是一种较为有效的方法。然而，现有基于目标拓扑结构的多目标航迹关联方法仅考虑了目标的位置参考模式，忽略了速度信息对缓解数据偏差、提升关联精度的重要作用。更重要的是，现有基于目标参考拓扑结构的多目标航迹关联方法的拓扑结构固定，因此在复杂多变的探测环境中鲁棒性较差。为了实现高精度且鲁棒的分布式雷达多目标航迹关联，本发明提出一种基于两维动态拓扑结构的分布式雷达多目标航迹间关联方法。

发明内容

针对上述分布式雷达多目标航迹关联存在的问题，本发明提出一种基于两维动态拓扑结构的分布式雷达多目标航迹间关联方法。

本发明联合位置维的参考模式和速度维的参考模式建关联成本矩阵，以解决传感器非线性偏差对航迹关联带来的影响；通过目标密度和融合中心估计出的漏检率、虚假航迹数量期望动态确定参考模式中的参考目标数量，以增强复杂探测环境中系统的鲁棒性；采用最优次模式分配准则度量参考模式间的相似性，并基于线性分配算法实现航迹间关联。

本发明技术方案为一种基于两维动态拓扑结构的分布式雷达多目标航迹间关联方法，该方法包括：

步骤1：每一融合时刻通过融合中心估计漏检率以及虚假航迹数量期望，结合本次扫描中目标的密度计算本次关联中目标拓扑结构的参考目标数量，计算公式如下：

n

其中，n

步骤2：通过位置信息和速度信息构建位置信息目标参考模式和速度信息目标参考模式；

A：以位置信息构建目标参考模式：

步骤A.1：在一个航迹集合中，来自传感器s的第i个目标表示为

其中，

步骤A.2：通过

步骤A.3：最后生成来自传感器s的目标拓扑结构集合

B：以速度信息构建目标参考模式，构建方法除了将步骤A.1中“距离最近”修改为“速度最接近”以外，其余地方完全相同；

步骤3：本步骤的每一小步骤均作用于

步骤3.1：采用munkres分配算法将来自不同传感器位置维度的参考模式和速度维度的参考模式分别进行预分配，此步骤是为了将参考模式中来自同一参考目标的元素两两配对，也就是

步骤3.2：按设定的角度间隔遍历方位角可能产生误差的范围，记录每一对配对成功的元素相距最近时的偏差角，计算公式如下所示：

其中，Δθ是雷达传感器A和雷达传感器B的方位角偏差值之差。

步骤3.3：从所有配对航迹的最优偏差角差值中选取中位数，作为参考模式

步骤3.4：根据最优次模式分配准则计算

其中，n

步骤4：计算所有参考模式之间的位置、速度关联代价，并分别构造关联代价矩阵C

pos表示位置；

速度维代价矩阵C

v表示速度；

总代价矩阵C表示为：

C＝αC

其中，α和β为加权超参数。

综上所述，本发明可获得的有益效果是：

本发明分析了非线性传感器偏差对目标速度信息带来的影响。本发明联合位置维参考模式和速度维参考模式构建关联代价矩阵，以提高偏差角估计以及最终关联的准确率。为了适应不同的探测环境、目标密度以及兼顾计算速度，本发明提出了一种动态参考拓扑结构的关联方法，有效增强系统的鲁棒性。

附图说明

图1传感器偏差作用于速度信息上的影响。(a)速度大小,(b)速度方向。

图2探测环境对参考模式结构的影响。(a)虚假航迹,(b)漏检。

图3预分配流程示意图。

图4传感器偏差实验效果图。

图5、图6为系统鲁棒性实验效果图。

表1鲁棒性评估实验参数设置

具体实施方式

为了更好地展现出本发明的技术要点，以下将对发明内容进行详细阐释。

首先该发明人首先论证了传统基于参考模式的航迹关联方法在处理传感器非线性偏差方面的局限性，得出以下结论：

1.(1)传感器距离偏差对目标参考模式结构几乎无影响，可以忽略不计。

2.(2)传感器间的相对方位角偏差与两传感器测量同一目标的参考模式相对偏差相同。

3.(3)传感器偏差作用于速度信息时，速度方向偏差与传感器方位角偏差相同，速度的大小与传感器距离偏差与目标距离之比同比增长，正如图1所示。数学上，表示为：

4.

5.其中，r为目标与传感器的距离，Δr为传感器距离偏差，v为目标真实速度，v′为实测速度。

6.(4)传感器漏检和虚假航迹会对目标参考模式带来很大的影响，如图2所示，在探测环境恶劣时需要动态调整目标参考模式结构，以增强系统的鲁棒性。

本发明基于上述结论提出了一种基于两维动态拓扑结构的分布式雷达多目标航迹关联方法，具体实施过程如下：

步骤1：每一融合时刻通过融合中心估计漏检率以及虚假航迹数量期望，结合本次扫描中目标的密度计算本次关联中目标拓扑结构的参考目标数量，计算公式如下：

n

其中，n

步骤2：通过位置信息和速度信息构建目标参考模式，以下以位置信息为例。

步骤2.1：在一个航迹集合中，来自传感器s的第i个目标表示为

其中，

步骤2.2：通过

步骤2.3：最后生成来自传感器s的目标拓扑结构集合

步骤3：本步骤的每一小节均作用于

步骤3.1：将来自不同传感器位置维度的参考模式和速度维度的参考模式分别进行预分配，如图3所示。此步骤是为了将参考模式中来自同一参考目标的元素两两配对，也就是

步骤3.2：遍历-10°到10°的范围，每次增长0.5°，记录每一对配对成功的元素相距最近时的偏差角，计算公式如下所示：

其中，Δθ是传感器A和传感器B的方位角偏差值之差(以两部雷达传感器为例)，d表示距离度量准则，本发明采用欧氏距离作为度量准则。

步骤3.3：从所有配对航迹的最优偏差角差值中选取中位数，作为参考模式

步骤3.4：根据最优次模式分配准则计算

其中，p和c为最优次模式分配准则的超参数，p表示距离敏感性参数，c为截止距离，h为可能的分配情况,q

步骤4：计算所有参考模式之间的位置、速度关联代价后构成关联代价矩阵C

速度维代价矩阵C

总代价矩阵C表示为：

C＝αC

其中，α和β为加权超参数。

下面结合仿真实验对本发明进行说明：

一、仿真设置

仿真场景描述如下：两部雷达分别位于(-50km，0km)和(50km，0km)处，航迹生成区域为中心在(0km，80km)处的20km×20km矩形区域，生成真实航迹有15条。

其中，M为蒙特卡洛运行次数，

二、实验内容和结果：

实验一：传感器偏差敏感性测试

在距离偏差的实验中，参数设置为：

实验二：鲁棒性测试

本仿真实验基于复杂的探测环境评估所提方法的鲁棒性。在漏检率评估实验中，参数设置为：

此外，本实验对λ和P

表1

实验结果如图6所示。在联合了虚假航迹与漏检率的实验中，各算法正确关联率均有明显下降。本发明提出的算法因实时改变结构以及对位置、速度信息的合理应用，相较于传统的REP算法总体下降幅度较小，且始终表现是最好的。