一种基于距离图和数据清洗的多传感器航迹融合方法与流程

技术特征：
1.一种基于距离图和数据清洗的多传感器航迹融合方法，其特征在于，所述方法具体包括以下步骤：步骤1、利用m个传感器来共同观测t0个目标，对于任意的两个传感器，记所述的两个传感器为传感器s和传感器l，在k时刻，传感器s观测到t0条航迹，分别记为传感器l观测到t0条航迹，分别记为其中，分别为在k时刻传感器s观测到的第1条航迹，第2条航迹，
…
，第t0条航迹，分别为在k时刻传感器l观测到的第1条航迹，第2条航迹，
…
，第t0条航迹；并根据航迹的状态向量构造传感器s和传感器l在k时刻的距离图；步骤2、采用步骤1的方法，分别构造出传感器s和传感器l在k 1，k 2，
…
，k n
‑
1时刻的距离图；并基于构造的n个距离图，对传感器s和传感器l进行航迹关联；步骤3、重复步骤1和步骤2的过程，分别对每两个传感器进行航迹关联后，得到每个目标在各传感器观测数据中所对应的航迹；步骤4、数据清洗分别对每个目标所对应的航迹中的离群点进行剔除，获得每个目标的有效航迹；步骤5、根据获得的有效航迹分别对每个目标进行状态估计融合，得到每个目标的航迹融合结果。2.根据权利要求1所述的一种基于距离图和数据清洗的多传感器航迹融合方法，其特征在于，所述步骤1中，根据航迹的状态向量构造传感器s和传感器l的距离图，其具体过程为：步骤1.1、传感器s的第i条航迹在k时刻的状态向量为：x
s,i
(k)＝[r
s,i1
(k),r
s,i2
(k),...,r
s,in
(k)]
t
，i＝1,2,
…
,t0，r
s,i1
(k),r
s,i2
(k),...,r
s,in
(k)分别表示传感器s的第i条航迹在k时刻的第1个位置特征，第2个位置特征，
…
，第n个位置特征，n表示特征的个数；传感器l的第j条航迹在k时刻的状态向量为：x
l,j
(k)＝[r
l,j1
(k),r
l,j2
(k),...,r
l,jn
(k)]
t
，j＝1,2,
…
,t0，r
l,j1
(k),r
l,j2
(k),...,r
l,jn
(k)分别表示传感器l的第j条航迹在k时刻的第1个位置特征，第2个位置特征，
…
，第n个位置特征；则航迹i和航迹j在k时刻的距离d(x
s,i
(k),x
l,j
(k))为：其中，t代表转置；步骤1.2、构造一个t0×
t0的矩阵，且矩阵中第i行第j列的元素满足：其中，d0为距离阈值，中间变量δ＝[δ1,δ2,...,δ
n
]
t
，δ1为r
s,i1
(k)的分辨率，δ2为r
s,i2
(k)的分辨率，δ
n
为r
s,in
(k)的分辨率；再基于构造的矩阵，构造传感器s和传感器l在k时刻的初始距离图，初始距离图中每一
个节点代表一条航迹，若d(x
s,i
(k),x
l,j
(k))＜d0，则在航迹i和航迹j所对应的节点之间添加一条边，且边的权值w
ij
(k)为d(x
s,i
(k),x
l,j
(k))；步骤1.3、当传感器s和传感器l在k时刻的初始距离图中存在度大于1的节点时，则对初始距离图进行剪枝，剪枝时采用保留具有最小权值的边的原则，即保留权值为w＝minw
ij
(k)的边，剪枝后获得最终的距离图。3.根据权利要求2所述的一种基于距离图和数据清洗的多传感器航迹融合方法，其特征在于，所述步骤2中，基于构造的n个距离图，对传感器s和传感器l进行航迹关联；其具体过程为：步骤2.1、在传感器s和传感器l的各时刻的距离图中，若节点i和节点j之间存在边，则节点i和节点j所对应的航迹是点迹关联的；步骤2.2、计算节点i和节点j的关联质量q
ij
：其中：n
′
代表在构造的传感器s和传感器l的全部n个距离图中，节点i和节点j所对应的航迹点迹关联的次数；若关联质量q
ij
大于等于阈值q，则节点i和节点j所对应的航迹是航迹关联的，否则节点i和节点j所对应的航迹不是航迹关联的。4.根据权利要求3所述的一种基于距离图和数据清洗的多传感器航迹融合方法，其特征在于，所述步骤4的具体过程为：设x
i
′
,t
(k)是k时刻传感器i
′
观测到目标t航迹的状态向量，i
′
＝1,2，
…
，m，则在k时刻m个传感器对目标t的关联航迹的期望为：x
i
′
,t
(k)的平均方差为：将x
i
′
,t
(k)按由小到大的顺序排列成顺序统计量x
1'
(k)≤x
2'
(k)≤
…
≤x
m'
(k)，x
1'
(k)，x
2'
(k)，
…
，x
m'
(k)分别是顺序统计量中的第1个，第2个，
…
，第m个状态向量，并利用x
m'
(k)计算格拉布斯系数g
m'
(k)：若则x
i
′
,t
(k)在置信限内，否则，则x
i
′
,t
(k)为可疑航迹的状态向量，予以剔除；将可疑航迹的状态向量剔除后，再对余下的航迹状态向量重新进行计算，直至余下的全部航迹状态向量都在置信限内时为止，获得k时刻目标t的全部有效航迹状态向量；同理，获得其它各时刻目标t的全部有效航迹状态向量以及其它目标在各时刻的全部有效航迹状态向量。5.根据权利要求4所述的一种基于距离图和数据清洗的多传感器航迹融合方法，其特
征在于，所述步骤5中，根据获得的有效航迹分别对每个目标进行状态估计融合，其具体过程为：步骤5.1、若k时刻目标t的全部有效航迹状态向量中包括两个传感器观测航迹的状态向量，则执行步骤5.2；否则，若k时刻目标t的全部有效航迹状态向量中包括大于两个传感器观测航迹的状态向量，则执行步骤5.3；步骤5.2、k时刻目标t的全局状态估计为：其中，x
i
″
,t
(k)是k时刻传感器i
″
观测到目标t航迹的状态向量，x
j
″
,t
(k)是k时刻传感器j
″
观测到目标t航迹的状态向量，i
″
和j
″
是k时刻目标t的全部有效航迹状态向量所对应的传感器，p
i
″
(k)是k时刻传感器i
″
的局部误差协方差，p
j
″
(k)是k时刻传感器j
″
的局部误差协方差；k时刻目标t的全局误差协方差p
dctf
(k)为：p
dctf
(k)＝p
i
″
(k)[p
i
″
(k) p
j
″
(k)]
‑1p
j
″
(k)步骤5.3、计算k时刻目标t的全局状态估计和k时刻目标t的全局误差协方差；其具体过程如下：步骤5.3.1、对于k时刻目标t的有效航迹状态向量所对应的任意两个传感器，记为i
″
和j
″
，对k时刻传感器i
″
观测到的目标t航迹的状态向量和k时刻传感器j
″
观测到的目标t航迹的状态向量进行融合；其中，x
i
″
,t
(k)是k时刻传感器i
″
观测到目标t航迹的状态向量，x
j
″
,t
(k)是k时刻传感器j
″
观测到目标t航迹的状态向量，p
i
″
(k)是k时刻传感器i
″
的局部误差协方差，p
j
″
(k)是k时刻传感器j
″
的局部误差协方差，为x
i
″
,t
(k)和x
j
″
,t
(k)的融合结果；步骤5.3.2、将赋值给x
i
″
,t
(k)，对于k时刻目标t的有效航迹状态向量所对应的其它任一个传感器，将该传感器在k时刻观测到的目标t航迹的状态向量赋值给x
j
″
,t
(k)；步骤5.3.3、赋值后，重复执行步骤5.3.1和步骤5.3.2的过程，直至全部传感器在k时刻对目标t观测的有效航迹的状态向量被融合，将最终的状态向量融合结果作为k时刻目标t的全局状态估计；步骤5.3.4、对于k时刻目标t的有效航迹状态向量所对应的任意两个传感器，记为i
″
和j
″
，对k时刻传感器i
″
的局部误差协方差和k时刻传感器j
″
的局部误差协方差进行融合；p
dctf
(k)＝p
i
″
(k)[p
i
″
(k) p
j
″
(k)]
‑1p
j
″
(k)其中，p
i
″
(k)是k时刻传感器i
″
的局部误差协方差，p
j
″
(k)是k时刻传感器j
″
的局部误差协方差，p
dctf
(k)为p
i
″
(k)和p
j
″
(k)的融合结果；步骤5.3.5、将p
dctf
(k)赋值给p
i
″
(k)，对于k时刻目标t的有效航迹状态向量所对应的其它任一个传感器，将该传感器在k时刻的局部误差协方差赋值给p
j
″
(k)；步骤5.3.6、赋值后，重复执行步骤5.3.4和步骤5.3.5的过程，直至全部传感器在k时刻的局部误差协方差被融合，将最终的局部误差协方差融合结果作为k时刻目标t的全局误差协方差。

技术总结
一种基于距离图和数据清洗的多传感器航迹融合方法，它属于多传感器信息融合技术领域。本发明是为解决现有多传感器航迹融合方法存在着计算量与融合精度不平衡的问题。本发明将采样点的距离作为判定两条航迹在该时刻是否关联的依据，在此基础上构造距离图，通过对距离图的剪枝完成航迹关联，从而更好的放映航迹之间的关联关系，以较小的时间代价获得了较高的关联精度。运用格拉布斯准则对关联航迹进行数据清洗，剔除传感器航迹中的离群点，用较少的融合时间达到了较高的融合精度，为多传感器航迹融合问题提供了技术支持。本发明可以应用于对多传感器航迹进行融合。用于对多传感器航迹进行融合。用于对多传感器航迹进行融合。


技术研发人员：徐丽 贾我欢 申林山 钱婧捷 李悦齐 闫鑫 张旭 张舜祁
受保护的技术使用者：哈尔滨工程大学
技术研发日：2021.07.12
技术公布日：2021/10/23