一种基于绝对灰度关联与稳定匹配的多跟踪器轨迹关联方法及系统与流程

摘要: 本发明属于水声信号处理领域,尤其是一种基于绝对灰度关联与稳定匹配的多跟踪器轨迹关联方法及系统。背景技术:1、在水声信号处理技术领域,阵列信号波束形成是常见的处理...
一种基于绝对灰度关联与稳定匹配的多跟踪器轨迹关联方法及系统与流程

本发明属于水声信号处理领域,尤其是一种基于绝对灰度关联与稳定匹配的多跟踪器轨迹关联方法及系统。

背景技术:

1、在水声信号处理技术领域,阵列信号波束形成是常见的处理方法,此方法将阵元采集的时域信号转换为波束-时域信号,即方位历程图。在方位历程图中可发现周围目标角度随时间变化的情况。通过目标跟踪方法可得到目标随时间变化的舷角,此时目标信息是未知的,需要结合态势信息将已知目标的轨迹与目标跟踪轨迹进行目标关联,根据关联结果判断跟踪目标信息。

2、现有的目标轨迹关联主要采用灰度关联及其变式计算单一跟踪轨迹与目标的关联度,根据关联度排序进行目标关联,如在《声学与电子工程》杂志中发表的“被动声呐目标轨迹的自适应灰度关联方法”,公开了:首先在阵元数据的宽带结果中进行轨迹跟踪,得到跟踪目标的舷角变化情况;其次将ais数据进行时空同步,计算各条ais目标的舷角变化情况;以跟踪目标舷角变化情况作为灰度关联算法中的母序列,各条ais目标舷角变化情况作为灰度关联算法中的子序列,根据灰度关联算法计算各条ais目标舷角变化情况与跟踪目标舷角变化情况的关联度。对关联度结果进行排序,判断关联度最大值是否符合大于关联阈值,若大于阈值,跟踪目标就是关联度最大的ais目标,若小于阈值,则说明未实现关联。

3、现有技术的缺点为:

4、1、现有灰度关联的关联系数依赖于全局极值(,),导致关联度计算结果为相对值,随参加比较的序列集合不同而变化。这会导致在多跟踪器场景下,每个跟踪器独立计算时,同一对(跟踪器,目标)的关联度会因其他跟踪器的数据不同而变化,不同跟踪器之间的关联度不可直接比较。

5、2、以现在单跟踪器轨迹关联算法直接应用至多跟踪器场景下采用的“每行取最大值+阈值判定”的单跟踪器关联策略有漏洞。当多个跟踪器的舷角轨迹与同一目标接近时,各自计算出的关联度均可能超过阈值,造成多个跟踪器关联到同一个目标,而其他目标无人关联,发生目标关联失配。

6、3、现有灰度关联算法在目标舷角差恒为0(稳定跟踪状态)时,差异列均为0,但灰度关联系数计算公式中分子分母同为0,导致灰度关联结果为0,从而导致稳定跟踪状态下关联失效,无法正确匹配。

7、因此,本发明需解决的技术问题包括:1、多跟踪器环境下轨迹关联失配问题,即现有单跟踪器灰度关联算法因关联度相对值随输入变化,导致多个跟踪器在舷角轨迹接近时竞争同一目标、无法唯一关联。2、稳定跟踪状态下关联失效问题,即现有算法在目标舷角差恒为零时关联度计算结果为零,无法正确匹配。

技术实现思路

1、为解决以上问题,本发明提供一种绝对可比的灰度关联计算方法及系统,使同一跟踪器-目标对的关联度不随其他数据变化,从而为多跟踪器比较奠定基础,同时引入全局匹配机制,避免多个跟踪器竞争统一目标,实现每个跟踪器与目标一一对应且唯一关联,以及改进关联系数的公式,在舷角差恒为0时仍然能输出有效关联度,克服了稳定跟踪下的关联失效问题。

2、本发明的技术方案为:

3、一种基于绝对灰度关联与稳定匹配的多跟踪器轨迹关联方法,包括:

4、步骤1:获取m个被动声纳跟踪器各自在连续n个采样时刻的实测舷角变化序列,以及n个非声目标的预测舷角变化序列,其中,,,;

5、步骤2:对于每一对跟踪器i和非声目标j,计算绝对灰度关联度:

6、,

7、其中,、 为预设权重系数,;

8、步骤3:以跟踪器为主动方,非声目标为被动方,采用gale-shapley稳定匹配算法对关联度矩阵进行全局配对,得到跟踪器与非声目标之间的一一对应关联结果。

9、优选地,所述步骤1中,数据获取还可接收平台的跟踪信息以及通过ais信息接收,在接收到跟踪器信息和ais数据后,采用线性插值等插值手段输出对应时刻的多个跟踪器的实测舷角序列和多个非声目标的预测舷角序列。

10、优选地,所述步骤2中,设置。

11、优选地,所述步骤3中,若某一跟踪器对其所有目标的关联度均小于,则将该跟踪器排除出匹配过程。

12、优选地,所述步骤3中,当,则在匹配过程中,最多只能形成n对有效关联,剩余跟踪器标记为无关联;当,则所有满足阈值的跟踪器均能获得唯一目标匹配。

13、本发明还提供一种基于绝对灰度关联与稳定匹配的多跟踪器轨迹关联系统,采用上述的多跟踪器轨迹关联方法,包括:

14、数据获取模块,用于获取多个跟踪器的实测舷角序列和多个非声目标的预测舷角序列;

15、绝对灰度关联计算模块,用于按照所述多跟踪器轨迹关联方法来计算绝对灰度关联度矩阵;

16、稳定匹配模块,用于基于gale-shapley算法对关联度矩阵进行稳定匹配,输出配对结果;

17、存储与输出模块,用于存储并发送关联结果。

18、优选地,所述绝对灰度关联计算模块由并行计算单元构成,能同时计算多个(跟踪器i,非声目标j)对的关联度。

19、本发明的有益效果为:

20、1、本发明采用不依赖全局极值的绝对灰度关联公式,关联系数仅由当前跟踪器与当前目标自身数据决定,所以同一对(跟踪器,目标)的关联度在不同跟踪器组合下保持恒定,不同跟踪器之间的关联度具有全局可比性,为后续多对匹配提供了公平、稳定的输入。

21、2、本发明引入了gale-shapley稳定匹配算法替代逐行取最大值的阈值法,每个目标只能接受一个跟踪器的请求,且关联度高的跟踪器优先获得匹配,所有彻底避免了多个跟踪器竞争同一目标的冲突,实现了跟踪器与目标之间的一一对应且唯一关联,解决了多跟踪器场景下的关联失配问题。

22、3、本发明在关联系数分母中加入了方差项,当舷角差恒为0时,差异列且方差也为0,关联系数为1,所以在稳定跟踪状态下关联度正常输入为1,克服了传统算法在该情况下关联度为0的失效问题。

23、4、本发明中的绝对灰度关联计算复杂度为,gale-shapley算法最坏复杂度为,所以本发明整体计算量低,适合被动声纳系统的实时工程实现。

1.一种基于绝对灰度关联与稳定匹配的多跟踪器轨迹关联方法,其特征在于,包括:

2.根据权利要求1所述的一种基于绝对灰度关联与稳定匹配的多跟踪器轨迹关联方法,其特征在于:所述步骤1中,数据获取还可接收平台的跟踪信息以及通过ais信息接收,在接收到跟踪器信息和ais数据后,采用线性插值等插值手段输出对应时刻的多个跟踪器的实测舷角序列和多个非声目标的预测舷角序列。

3.根据权利要求1所述的一种基于绝对灰度关联与稳定匹配的多跟踪器轨迹关联方法,其特征在于:所述步骤2的具体子步骤如下:

4.根据权利要求1所述的一种基于绝对灰度关联与稳定匹配的多跟踪器轨迹关联方法,其特征在于:所述步骤2中,设置。

5.根据权利要求1所述的一种基于绝对灰度关联与稳定匹配的多跟踪器轨迹关联方法,其特征在于:所述步骤3的具体过程如下:

6.根据权利要求1所述的一种基于绝对灰度关联与稳定匹配的多跟踪器轨迹关联方法,其特征在于:所述步骤3中,当,则在匹配过程中,最多只能形成n对有效关联,剩余跟踪器标记为无关联;当,则所有满足阈值的跟踪器均能获得唯一目标匹配。

7.一种基于绝对灰度关联与稳定匹配的多跟踪器轨迹关联系统,采用如权利要求1-6任一项所述的多跟踪器轨迹关联方法,其特征在于,包括:

8.根据权利要求7所述的一种基于绝对灰度关联与稳定匹配的多跟踪器轨迹关联系统,其特征在于:所述绝对灰度关联计算模块由并行计算单元构成,能同时计算多个(跟踪器i,非声目标j)对的关联度。