基于目标拓扑信息的AIS与雷达航迹抗差关联算法

摘要

本发明公开了一种基于目标拓扑信息的AIS与雷达航迹抗差关联算法，该技术属于AIS与雷达信息融合技术领域。现有的AIS与雷达航迹关联算法一般都假设雷达不存在系统误差，然而这是与实际情况相违背的，因而在实际工程应用中现有算法的正确航迹关联率都比较低。为了有效解决实际应用中的AIS与雷达航迹抗差关联问题，本发明给出了一种雷达系统存在系统误差的情况与AIS航迹进行关联的算法。该算法首先根据目标的拓扑关系构建了模糊因素集，然后根据模糊因素的重要性分配权重，最后给出模糊航迹关联的抗差准则以及多义性处理，并最终实现航迹的正确关联。

主权项

一种基于目标拓扑信息的AIS与雷达航迹抗差关联方法，包括模糊因素集的构建与抗差关联模型的构建，以及基于模糊信息处理理论的航迹关联方法，其特征在于：步骤(1)：通过AIS与雷达上报的目标之间的拓扑关系构建航迹的模糊因素集，定义分别表示AIS上报的第i条目标航迹以及雷达上报的第j条目标航迹在第k时刻对应的相对拓扑向量；AIS中1×M维的相对拓扑向量设定如下$T_A^i\left(k\right)=[\underset{s=1}{\overset{N_1}{\Sigma }}{\rho }_A^{{\mathrm{ii}}_s^1}\left(k\right),...,\underset{s=1}{\overset{N_m}{\Sigma }}{\rho }_A^{{\mathrm{ii}}_s^m}\left(k\right),...,\underset{s=1}{\overset{N_M}{\Sigma }}{\rho }_A^{{\mathrm{ii}}_s^M}\left(k\right)]---\left(1\right)$式中，表示k时刻AIS的待关联目标i点迹与目标i_s点迹间的欧氏距离，N_m表示落入象限m中的目标数；定义模糊因素1为$u_1\left(k\right)=1-\mathrm{Cor}(T_A^i\left(k\right),T_R^j\left(k\right));i\in U_A,j\in U_R---\left(2\right)$式中，$\mathrm{Cor}(T_A^i\left(k\right),T_R^j\left(k\right))=\frac{T_A^i\left(k\right)T_R^j{\left(k\right)}^T}{\sqrt{\left|T_A^i\left(k\right)\right|\left|T_R^j\left(k\right)\right|}};$对于各目标航速间的信息模糊因素，采用各目标航速间的欧氏距离，则模糊因素2为$\begin{array}{c}{u}_2\left(k\right)=|v_A^i\left(k\right)-v_R^j\left(k\right)|\\ =|{({\left({\stackrel{.}{x}}_A^i\left(k\right)\right)}^2+{\left({\stackrel{.}{y}}_A^i\left(k\right)\right)}^2)}^{\frac{1}{2}}-{({\left({\stackrel{\widehat{.}}{x}}_R^j\left(k\right)\right)}^2+{\left({\stackrel{\widehat{.}}{y}}_R^j\left(k\right)\right)}^2)}^{\frac{1}{2}}|,i\in U_A,j\in U_R\end{array}---\left(3\right)$对于各目标航向变化率间的信息模糊因素，采用各目标航向变化率间的欧氏距离，则模糊因素3为$\begin{array}{c}{u}_3\left(k\right)=\frac{|({\theta }_A^i\left(k\right)-{\theta }_A^i(k-1))-({\theta }_R^j\left(k\right)-{\theta }_R^j(k-1))|}{T}\\ \frac{|\left({\mathrm{tg}}^{-1}\right[\frac{{\stackrel{.}{y}}_A^i\left(k\right)}{{\stackrel{.}{x}}_A^i\left(k\right)}]-{\mathrm{tg}}^{-1}[\frac{{\stackrel{.}{y}}_A^i(k-1)}{{\stackrel{.}{x}}_A^i(k-1)}\left]\right)-\left({\mathrm{tg}}^{-1}\right[\frac{{\stackrel{\widehat{.}}{y}}_R^j\left(k\right)}{{\stackrel{\widehat{.}}{x}}_R^j\left(k\right)}]-{\mathrm{tg}}^{-1}[\frac{{\stackrel{\underset{.}{^}}{y}}_R^j(k-1)}{{\stackrel{\widehat{.}}{x}}_R^j(k-1)}\left]\right)|}{T},i\in U_A,j\in U_R\end{array}---\left(4\right)$其中，为k时刻雷达对目标j的状态估计；由模糊因素1、2、3组成的集合为模糊因素集；步骤(2)：通过建立的模糊因素集构建雷达与AIS航迹之间的抗差关联模型，选取正态型模糊隶属度函数，基于第l个模糊因素判为两目标航迹相似的隶属度为${\mu }_l=\mu \left({\mu }_l\right)=\exp (-{\tau }_l\left(\frac{u_l^2}{{\sigma }_l^2}\right)),l=\mathrm{1,2},...,n---\left(5\right)$式中，σ_l是模糊因素集中模糊因素l的展度，而τ_l是调整度；采用加权平均法进行综合评价，通过下式计算两目标航迹间的综合相似度$f_{\mathrm{ij}}\left(k\right)=\underset{l=1}{\overset{n}{\Sigma }}{a}_l\left(k\right){\mu }_l;i\in U_A,j\in U_R---\left(6\right)$其中，a_l为第l个模糊因素u_l对应的权；由此，对k时刻AIS的n_A条目标航迹和雷达的n_R条目标航迹构建以下模糊关联矩阵$\underset{~}{F}\left(k\right)\text{=}\left[\begin{array}{cccc}{f}_{11}\left(k\right)& f_{12}\left(k\right)& ...& f_{1n_R}\left(k\right)\\ f_{21}\left(k\right)& f_{22}\left(k\right)& ...& f_{2n_R\left(k\right)}\\ .& .& .& .\\ .& .& .& .\\ .& .& .& .\\ f_{n_{A}1}\left(k\right)& f_{n_{A}2}\left(k\right)& ...& f_{n_A{n}_R}\left(k\right)\end{array}\right]---\left(7\right)$获得模糊关联矩阵式(7)后，在关联矩阵中找出最大元素，且最大元素f_ij(k)＞ε，判定航迹i和j为试验关联航迹，并划去该元素所对应的所有行列元素；由此得到新的关联矩阵但原矩阵的行列号不变，对其重复进行上述过程，得到矩阵直至的所有元素均小于阈值ε为止，剩余的元素的行列号对应为不关联矩阵；根据得到的航迹试验关联矩阵采用双门限航迹关联算法进行航迹关联与多义性处理实现AIS与雷达的航迹抗差关联。