基于分通道融合与跨通道冲突驱动主动感知的多源航迹认知方法及系统

摘要: 本发明属于多源信息融合与传感器管理,更具体地,涉及一种基于分通道融合与跨通道冲突驱动主动感知的多源航迹认知方法及系统。背景技术:1、海上态势认知系统中,雷达、光...
基于分通道融合与跨通道冲突驱动主动感知的多源航迹认知方法及系统

本发明属于多源信息融合与传感器管理,更具体地,涉及一种基于分通道融合与跨通道冲突驱动主动感知的多源航迹认知方法及系统。

背景技术:

1、海上态势认知系统中,雷达、光电、红外、无源侦收、船舶自动识别系统(ais)等多类型传感器以不同采样频率和不同信息维度持续上报观测数据。不同传感器提供的信息类型存在本质差异:雷达和光电主要提供位置、速度、航向等运动学信息,ais和电子侦察(esm)主要提供船型、吨位、辐射特征等属性信息,而对连续运动序列的时序分析可进一步提取机动模式、编队关系等行为信息。上述三类信息的数学结构根本不同:运动学观测为连续高频信号,属性观测为离散低频类别标签,行为特征为时序事件模式。

2、多源信息融合领域已发展出多种经典方法。在运动学融合方面,卡尔曼滤波及其扩展(ekf、ukf)、交互式多模型(imm)算法广泛用于多传感器航迹融合和机动目标跟踪;联邦卡尔曼滤波和协方差交叉等方法解决了分布式多传感器的信息融合问题。在多目标跟踪与关联方面,多假设跟踪(mht)、联合概率数据关联(jpda)等技术处理观测与航迹的关联歧义。在传感器可信度评估方面,sage-husa自适应滤波利用新息序列在线估计过程噪声和观测噪声参数,归一化新息平方(nis)检验用于检测滤波一致性,接收机自主完好性监测(raim)方法利用观测冗余进行故障检测。在传感器管理方面,基于fisher信息、互信息或信息熵的方法实现观测资源的优化调度。

3、然而,现有技术在面对运动学、属性和行为三类数学结构本质不同的异构信息时,部分现有融合方法将多类观测统一编码到同一状态空间,采用同一类估计器进行联合更新。将离散属性强制表示为连续变量会丢失类别语义,将行为模式降维为标量特征会丢失时序上下文结构,高频运动学更新可能淹没低频属性信息。这种数学结构错配导致的系统性退化难以通过参数调优消除,导致航迹认知精度不足。

技术实现思路

1、针对现有技术的以上缺陷或改进需求,本发明提供了一种基于分通道融合与跨通道冲突驱动主动感知的多源航迹认知方法及系统,由此解决现有技术航迹认知精度不足的技术问题。

2、为实现上述目的,按照本发明的第一方面,提供了一种基于分通道融合与跨通道冲突驱动主动感知的多源航迹认知方法,包括:

3、将各传感器在当前周期的原始观测信息按语义类型分拣至运动学通道和属性通道,构建运动学观测数据和属性观测数据,并由运动学通道多个历史周期更新得到的后验状态序列派生行为模式数据;

4、针对每一活跃航迹,利用递推状态估计模型对上一周期运动学通道的后验运动学信息或先验运动学信息预测当前周期运动学通道的先验运动学信息,并获取上一周期属性通道的属性类别后验数据以及行为通道的行为模式类别后验数据;

5、分别基于每个活跃航迹对应的当前周期运动学通道的先验运动学信息与所述运动学观测数据的差异性、上一周期属性通道的属性类别后验数据与所述属性观测数据的差异性,以及上一周期行为通道的行为模式类别后验数据与所述行为模式数据的差异性,计算每个活跃航迹对应各通道的关联代价;

6、基于各通道的权重对每个活跃航迹对应各通道的关联代价进行加权求和,得到所述原始观测信息对应各活跃航迹的联合关联代价,以确定所述原始观测信息与各活跃航迹的关联关系;

7、若所述原始观测信息被关联至任一活跃航迹,则基于所述原始观测信息更新其关联的活跃航迹当前周期运动学通道的先验运动学信息和上一周期属性通道的属性类别后验数据,得到当前周期运动学通道的后验运动学信息和属性通道的属性类别后验数据,并基于包括当前周期在内的多个历史周期运动学通道的后验运动学信息对应的运动特征向量更新相应航迹上一周期行为通道的行为模式类别后验数据,得到当前周期行为通道的行为模式类别后验数据;对于其他活跃航迹,当前周期沿用上一周期属性通道的属性类别后验数据和行为通道的行为模式类别后验数据。

8、根据上述任一种基于分通道融合与跨通道冲突驱动主动感知的多源航迹认知方法,若所述原始观测信息未关联至任一活跃航迹,则所述方法还包括:

9、计算所述运动学观测数据落在任一断裂航迹对应当前周期的预测分布下的概率密度与落在监视区域先验分布下的概率密度之比的对数值,作为当前周期运动学通道的对数似然比;

10、基于所述属性观测数据计算各类属性的概率,以各类属性的概率为权重,计算所述任一断裂航迹最近的属性类别后验数据中各类属性的后验概率相对于预先设定的各类属性的后验概率的加权对数似然比,作为当前周期属性通道的对数似然比;

11、计算经过断裂持续时间后所述运动学观测数据在所述任一断裂航迹最近的行为模式类别后验数据确定的最大后验行为模式下的似然与在随机行为假设下的似然之比,作为当前周期行为通道的对数似然比;

12、基于当前周期各个通道的对数似然比的加权和,确定是否将所述原始观测信息关联至所述任一断裂航迹;

13、若所述原始观测信息被关联至所述任一断裂航迹,则基于所述原始观测信息更新其关联的断裂航迹的运动学通道的最近后验运动学信息和属性通道的最近属性类别后验数据,得到当前周期运动学通道的后验运动学信息和属性通道的属性类别后验数据,并基于包括当前周期在内的多个历史周期运动学通道的后验运动学信息对应的运动特征向量更新相应航迹的行为通道的最近行为模式类别后验数据,得到当前周期行为通道的行为模式类别后验数据。

14、根据上述任一种基于分通道融合与跨通道冲突驱动主动感知的多源航迹认知方法,当前周期运动学通道的对数似然比是基于下式计算的:

15、;

16、其中,为所述运动学观测数据,和为所述任一断裂航迹对应当前周期运动学通道的先验状态和先验协方差,和分别为观测矩阵和标称观测噪声协方差;和为基于监视区域历史航迹观测点在观测空间统计获得的样本均值和样本协方差;为多元高斯分布;

17、当前周期属性通道的对数似然比是基于下式计算的:

18、;

19、其中,m为属性类别总数,为所述任一断裂航迹最近的属性类别后验数据中属性j的dirichlet参数,为所述任一断裂航迹最近的属性类别后验数据中各类属性的后验概率;为基于所述属性观测数据计算的属性j的概率;为预先设定的属性j的dirichlet参数,为预先设定的各类属性的后验概率;

20、当前周期行为通道的对数似然比是基于下式计算的:

21、;

22、;

23、其中,为所述任一断裂航迹最近的行为模式类别后验数据确定的最大后验行为模式,为基于所述运动学观测数据提取的运动特征向量,为断裂持续时间,为均匀分布的随机行为假设;为单位时间步的行为模式转移概率,为基准时间步长;为运动特征向量在模式下的似然,为运动特征向量在随机行为假设下的似然。

24、根据上述任一种基于分通道融合与跨通道冲突驱动主动感知的多源航迹认知方法,所述递推状态估计模型为卡尔曼滤波器;

25、所述卡尔曼滤波器对应的过程噪声协方差矩阵是基于下式确定的:

26、;

27、其中,为不依赖类别的基础过程噪声,为上一周期属性通道的属性类别后验数据中属性j的后验概率,为属性j对应的特征过程噪声;

28、所述卡尔曼滤波器对应的运动模型是基于上一周期行为通道的行为模式类别后验数据确定的最大后验行为模式对应的运动模型。

29、根据上述任一种基于分通道融合与跨通道冲突驱动主动感知的多源航迹认知方法,更新得到任一活跃航迹或断裂航迹当前周期运动学通道的后验运动学信息和属性通道的属性类别后验数据后,所述方法还包括:

30、基于所述当前周期属性通道的属性类别后验数据,确定最大后验属性;

31、确定一个以当前周期为右端点的窗口;

32、基于所述窗口内运动学通道的后验运动学信息,确定速度幅值、加速度幅值和瞬时转向率;

33、若满足以下任一条件,则对当前周期属性通道的属性类别后验数据中对应所述最大后验属性的后验数据执行衰减:所述窗口内的速度幅值超过所述最大后验属性对应的速度阈值,所述窗口内的加速度幅值超过所述最大后验属性对应的加速度阈值,所述窗口内的瞬时转向率超过所述最大后验属性对应的转向率阈值。

34、根据上述任一种基于分通道融合与跨通道冲突驱动主动感知的多源航迹认知方法,任一通道的权重是上一周期为该通道提供观测数据的传感器在该通道的可信度之和的归一化值;

35、任一周期为运动学通道提供观测数据的传感器i在该通道的可信度是基于下式计算的:

36、;

37、;

38、;

39、;

40、;

41、;

42、;

43、其中,为上一周期该传感器在该通道的可信度,为可信度更新学习率,为运动学通道的容忍参数,为该周期传感器i的运动学观测数据,和为传感器i的观测矩阵和标称观测噪声协方差,和为该周期的原始观测信息关联的航迹在该周期运动学通道的后验状态和后验协方差;

44、任一周期为属性通道提供观测数据的传感器i在该通道的可信度是基于下式计算的:

45、;

46、;

47、其中,为上一周期该传感器在该通道的可信度,为两个分布之间的kl散度;为向量的dirichlet分布,,其中为先验dirichlet参数向量,为历史周期中基于传感器i提供的属性观测数据更新属性类别后验数据时的dirichlet参数更新量的累积值;,为该周期属性通道的属性类别后验数据中的dirichlet参数向量;为属性通道的容忍参数;

48、任一周期为行为通道提供观测数据的传感器i在该通道的可信度是基于下式计算的:

49、;

50、;

51、其中,为上一周期该传感器在该通道的可信度,为两个分布之间的jensen-shannon散度,为同一航迹最近多个周期基于传感器i提供的运动学观测数据更新得到的后验状态对应的运动特征向量所更新得到的行为模式类别后验数据,为同一航迹最近多个周期中排除传感器i后由其余传感器融合得到的运动学通道后验状态序列所对应的运动特征向量,经隐马尔可夫前向更新得到的行为模式类别后验数据;为行为通道的容忍参数。

52、根据上述任一种基于分通道融合与跨通道冲突驱动主动感知的多源航迹认知方法,所述方法还包括:

53、基于下式计算当前周期的属性-运动学冲突度:

54、;

55、其中为基于当前周期的运动学观测数据提取的运动特征值,包括速度幅值、加速度幅值和瞬时转向率绝对值,和为基于当前周期原始观测信息关联的航迹在当前周期属性通道的属性类别后验数据确定的最大后验属性在各运动特征上的下界和上界,为防止除零的保护常数,分别代表速度幅值、加速度幅值和瞬时转向率;

56、基于下式计算当前周期的行为-运动学冲突度:

57、;

58、其中为基于当前周期原始观测信息关联的航迹在当前周期行为通道的行为模式类别后验数据确定的最大后验行为模式,为包括当前周期在内的多个历史周期同一航迹在运动学通道的后验运动学信息对应的运动特征向量在行为模式l下的似然。

59、根据上述任一种基于分通道融合与跨通道冲突驱动主动感知的多源航迹认知方法,所述方法还包括:

60、若出现以下任一歧义事件,则基于当前歧义事件从运动学通道、属性通道和行为通道中选择补正优先通道,针对所述补正优先通道触发主动感知操作:无法确定是否将所述原始观测信息关联至任一活跃航迹,无法确定是否将所述原始观测信息关联至任一断裂航迹,所述属性-运动学冲突度或所述行为-运动学冲突度在连续多个周期持续大于触发阈值;

61、所述主动感知操作包括:

62、在候选动作子集中筛选在补证优先通道上对当前歧义事件对应的两种对立假设的观测可分性度量大于预设阈值的动作,构建可行动作集;

63、在可行动作集内,基于下式选择多通道协同最优动作:

64、;

65、其中,为所述可行动作集,为动作a在补证优先通道上对当前歧义事件对应的两种对立假设的观测可分性度量,为协同系数,为动作在补证优先通道以外的通道上对当前歧义事件对应的两种对立假设的观测可分性度量,为代价权重系数,为执行动作的归一化资源代价;

66、执行所述多通道协同最优动作,获取新的观测数据;

67、若当前歧义事件为无法确定是否将所述原始观测信息关联至任一活跃航迹或无法确定是否将所述原始观测信息关联至任一断裂航迹,则结合新的观测数据与当前周期的所述原始观测信息重新确定是否将所述原始观测信息关联至所述任一活跃航迹或是否将所述原始观测信息关联至所述任一断裂航迹;

68、若当前歧义事件为所述属性-运动学冲突度或所述行为-运动学冲突度在预设数量个周期持续大于触发阈值,则结合新的观测数据与当前周期的所述原始观测信息重新计算当前周期的属性-运动学冲突度或行为-运动学冲突度。

69、根据上述任一种基于分通道融合与跨通道冲突驱动主动感知的多源航迹认知方法,基于当前歧义事件从运动学通道、属性通道和行为通道中选择补正优先通道,具体包括:

70、若当前歧义事件为无法确定是否将所述原始观测信息关联至任一活跃航迹或无法确定是否将所述原始观测信息关联至任一断裂航迹,则针对候选动作集中的每个动作计算相应动作在三个通道上对当前歧义事件对应的两种对立假设的观测可分性度量,取观测可分性度量最高的通道为补证优先通道;

71、若当前歧义事件为所述属性-运动学冲突度或所述行为-运动学冲突度在多个周期持续大于触发阈值,则比较相应冲突涉及的通道的有效证据支撑度,并取有效证据支撑度更低的通道为补正优先通道;

72、其中,任一动作a在任一通道上对当前歧义事件对应的两种对立假设的观测可分性度量是基于下式计算的:

73、;

74、为在假设下执行动作后的预测观测分布与在假设下执行动作后的预测观测分布之间的bhattacharyya系数;

75、任一通道的有效证据支撑度为当前周期为该通道提供观测数据的传感器在该通道的可信度之和。

76、按照本发明的第二方面,提供了一种基于分通道融合与跨通道冲突驱动主动感知的多源航迹认知系统,包括:计算机可读存储介质和处理器;

77、所述计算机可读存储介质用于存储可执行指令;

78、所述处理器用于读取所述计算机可读存储介质中存储的可执行指令,执行如第一方面所述的方法。

79、总体而言,通过本发明所构思的以上技术方案与现有技术相比,能够取得下列有益效果:

80、通过将各传感器在当前周期的原始观测信息按语义类型分拣至各运动学通道和属性通道,并由运动学通道的后验状态序列派生行为信息,使运动学、属性和行为三类信息分别独立进行预测和更新,并且分通道计算每个活跃航迹对应各通道的关联代价,以获得原始观测信息对应各活跃航迹的联合关联代价,从而确定原始观测信息与各活跃航迹的关联关系,避免了离散信息连续化导致的量化损失以及时序结构降维导致的上下文丢失,各维度数据的信息保真性得到显著提升;此外,三通道联合关联代价使得在运动学信息模糊时,可借助属性分布一致性和行为模式相似性提供辅助区分力,有效降低密集区域中的误关联率。

81、进一步地,当当前周期的原始观测信息未关联至任一活跃航迹时,计算断裂航迹在当前周期各个通道的对数似然比并基于其加权和确定是否将该原始观测信息关联至相应断裂航迹,该多通道联合似然比检验方式利用属性通道和行为通道在长时断裂后仍然保持的区分力,即使在运动学外推已趋于发散的条件下仍能做出可靠的重关联判决,提升了航迹断裂后的重关联能力。

82、进一步地,通过通道内互验残差结构,为各个传感器在不同通道中分别建立独立的动态可信度估计,能够精准反映传感器在不同信息维度上的差异化可靠性,从而可以基于该可信度控制各通道关联代价的融合过程,进一步提升了航迹关联的精度。

83、进一步地,基于当前歧义事件从运动学通道、属性通道和行为通道中选择补正优先通道,将补证方向精准定位到需要证实或证伪的通道,并针对该补正优先通道触发主动感知操作,以可行动作集中各动作在补证优先通道上对当前歧义事件对应的两种对立假设的观测可分性度量和资源代价为主要考虑因素,选取多通道协同最优动作,使得主动感知的针对性显著增强。