一种基于空域分布特征的飞鸟群目标跟踪方法

摘要

本发明公开了一种基于空域分布特征的飞鸟群目标跟踪方法，本发明提出的飞鸟群目标跟踪方法基于“探鸟雷达”实时获取的鸟情信息，首先确定当前时刻飞鸟群目标集合的预估中心，并利用隶属度关系建立多个备选的群目标量测集合；然后，提取出每个备选群目标量测集合的空域分布特征，进而估计出每个备选群目标集合与前一时刻群目标集合的空域分布相似度；最后，以相似度最大的群目标量测集合修正群预估中心。本发明基于空域分布特征的群目标跟踪方法适用于密集飞行的飞鸟群目标，不会受到群目标量测缺失或空间位置偏移的影响。

主权项

一种基于空域分布特征的飞鸟群目标跟踪方法，包括如下步骤：步骤1，群目标中心预估；设飞鸟群目标在前一个扫描周期中的群目标集合为G_k‑1，中心为O_k‑1，前一个扫描周期中包含q个量测信息，飞鸟群运动速度为v，则飞鸟群目标在当前扫描周期中的群预估中心为：$O_k^{*}=O_{k-1}+v·\mathrm{\Delta t}---\left(1\right)$其中，k为当前扫描周期，k‑1为前一个扫描周期，Δt为雷达的扫描周期步长；O_k‑1、v为均为二维向量；步骤2，建立备选群目标集合；基于步骤1中获得的群目标预估中心和当前扫描周期中的量测信息M_k＝{m_i|i＝1,2,...,n}        (2)其中：M_k表示当前扫描周期中的量测信息集合，m_i表示当前扫描周期中的量测信息，n表示量测信息的数量；建立N个备选群目标集合，每个备选群目标集合的中心由下式计算$O_k^j=O_k^{*}+{\eta }_k^j,j=\mathrm{1,2},...,N---\left(3\right)$其中：表示群目标中心随机偏移向量；每个备选群目标集合中包含的元素需满足以下条件$G_k^j=\left\{m_i\right||m_i-O_k^j|<\theta \},i=\mathrm{1,2},...,n;j=\mathrm{1,2},...,N---\left(4\right)$式中，θ为距离阈值；获得N个备选群目标集合，每个备选群目标集合中包含p_j个量测信息，且满足p_j≤n；步骤3，空域分布特征提取；获取中任意两个量测信息之间的差矢量模组成的距离集合，记为$L\left\{G_k^j\right\}={\left\{l_s^{k,j}\right\}}_{s=1}^{C_{p_j}^2}---\left(5\right)$式中，且a＜b，s表示空域分布特征集合中每个元素的角标，$C_{p_j}^2=p_j·(p_j-1)/2$表示元素的总数；步骤4，相似度计算；按照公式(6)提取前一个扫描周期中的群目标集合G_k‑1的空域分布特征集合为：$L\left\{G_{k-1}\right\}={\left\{l_t^{k-1}\right\}}_{t=1}^{C_q^2}---\left(6\right)$式中：t表示空域分布特征集合G_k‑1中每个元素的角标，表示元素的总数，q为群目标集合G_k‑1中的量测个数，计算其与当前扫描周期中N个备选群目标集合空域分布特征集合内元素两两之间的距离，得到距离矩阵$R_{k-1,k}^j=\left[r_{\mathrm{st}}\right],1\le s\le C_{p_j}^2,1\le t\le C_q^2---\left(7\right)$其中，rst表示和内元素之间的绝对差；设集合和之间的距离为${\mu }_{k-1,k}^j=\max (\max \left(R_{\min }\right),\max \left(C_{\min }\right))---\left(8\right)$其中，R_min和C_min分别为距离矩阵中每行和每列中最小元素组成的集合；设相似度为${\lambda }_{k-1,k}^j=\exp \{-\xi ·{\mu }_{k-1,k}^j\},j=\mathrm{1,2},...,N---\left(9\right)$其中，ξ为调整系数；设λ_max表示相似度的最大值，λ_max对应的备选群目标集合作为当前扫描周期的群目标量测集合，其中心坐标为步骤5，群目标中心修正；利用步骤4中获得的相似度系数λ_max和中心坐标修正群预估中心，如下式$O_k=O_k^{*}+{\lambda }_{\max }·({\bar{G}}_k^{{\lambda }_{\max }}-O_k^{*})---\left(10\right)$最后得到修正后k时刻飞鸟群目标估计中心O_k，完成k时刻的飞鸟群目标跟踪，返回步骤1，进入k+1时刻，依次循环直至完成飞鸟群目标跟踪。