论文部分内容阅读
摘要：提出了一种多传感器航迹与航迹级多假设检查关联算法，采用多个传感器航迹与一条系统航迹关联结构，系统航迹起始是通过选择最先到达时间的传感器航迹。针对只有方位信息的传感器进行关联关系时，建立了非唯一性分配假设模型，使用基于时间累积法计算航迹之间关联度量值，将其作为多假设判断依据，提高了关联正确率。通过建立的仿真系统，验证了算法有效性和实用性。
关键词：航迹级关联；航迹聚类；航迹关联结构；多假设检验关联
1 引言
传感器航迹关联常用的算法有：最近邻[1]、序贯航迹关联法[2]、多维分配法等[3]，他们缺点是在密集目标下，航迹关联错误率较高，为了提高密集目标下关联正确率，1979 年，Reid 提出了多假设跟踪方法[4]（multiple hypo thesis tracking，MHT），在理想假设条件下，MHT被认为是处理数据互联的最优方法。在实际中MHT有两种实现：一种是面向目标测量假设的MHT算法，其特点是连续的保持每帧的假设结构，并在新的观测数据到来时对假设进行扩充或删除。另一种是面向航迹的MHT算法，它并不连续保存假设，而是在每帧中对形成的航迹进行更新，并且对生存下来的航迹预测下一帧的位置，如此反复进行。国外方面在理论研究已经十分成熟，在工程中，一些多传感器系统中已经在使用。国内方面，最近几年才有相关的文章，应用到实际应用系统中还少，MHT通常用在单传感器多目标跟踪和多传感器的集中式的航迹关联中，国内研究较多如文章：二十八所的陆耀宾[5]和翟海涛[6]，应用在多传感器航迹级关联文章在国内很少，有海军工程大学的文云峰和石章松[7]，将其应用在异类传感器航迹级关联，国内还没有出现相关文章。
本文多源异类航迹关联，是基于面向航迹多假设检验的思想和流程基础上设计的，依据传感器的数据特点进行设计，参与关联的传感器有主动：Radar、SSR、IFF，被动有：L波段帧收，广播式有：ADSB、AIS、北斗短消息。由于存在传感器的周期和工作方式不同，使用了一种挑选传感器航迹作为系统航迹起始方法。针对缺少距离信息的L波段传感器，其假设帧收到一个目标可以和多个雷达目标关联，将这种关系以类的形式表示，在航迹假设中不进行合并。为了减少算法中航迹假设组合数，提高关联的时效性，首选利用属性进行粗假设判断，然后，利用时间滑窗法计算欧式距离，设置关联门限，形成航迹簇，在簇内通过对距离最近分配算法进行航迹剪枝和合并。可以有效的实现异类多传感器的航迹级关联。
2 算法设计
2.1 航迹关联结构
航迹级关联通常使用两种关联結构：一种是所有的传感器航迹与系统航迹关联，另一种是传感器之间两两关联，考虑到传感器类型多和跟踪的目标数不少于300批，尤其在后面的航迹假设判断处理上可以直接使用二维分配，采用挑选传感器航迹作为系统航迹起始结构的航迹关联方式。其它传感器与系统航迹关联的结构，关键是选择那个传感器作为系统航迹起始，根据实际需求，有二种方式，要么所有的传感器都开，要么只有部分传感器开始，其它传感器逐步开机，为了能够适应这种要求，采用只要关联算法先接收到那个传感器的数据就选择其作为系统航迹起始一种方式。
2.2 航迹聚类
航迹簇：系统航迹与系统航迹之间存在直接或间接共享同一个传感器局部航迹情况，就定义为两条系统航迹属于一个聚类的簇，航迹聚类就是将整个系统中的系统航迹和相关的同一个传感器局部航迹进行聚类，形成不相交的聚类簇，如图所示：
系统航迹簇的生成算法：
第一步：初始化一个簇设为第簇，从系统航迹集合中取出一条调系统航迹TN，生成簇中的第一个元素；
第二步：从生成的航迹簇内取出第条系统航迹；
第三步：从剩下的系统航迹集合中取出第条系统航迹；
第四步：分别从簇内第条系统和系统航迹集合内第条系统航迹查询传感器局部系统航迹，如果存在相同传感器的同一个目标，将第条系统航迹加入到第簇内，并存系统航迹集合中去掉第条系统航迹；
第五步：循环系统航迹集合，取出其它系统航迹，转换到第三步，直到整个系统航迹集合遍历完，那么系统航迹簇生成完成。
2.3航迹假设生成
通过2.2节将系统航迹进行了分簇，形成了不同的簇，航迹假设生成是在同一个簇内完成，航迹假设概率是通过计算多帧累积数据的距离，设时间的滑窗长度为N，系统航迹ID号为i，其k时刻的位置为，传感器编号m，其探测的目标的航迹号为j，其k时刻的位置为，其之间的距离差为
统计距离为：，其中，，为系统航迹估计误差协方差矩阵，传感器航迹估计误差协方差矩阵，那么传感器航迹与系统航迹关联的度量值为：。对同一个簇内的系统航迹和传感器局部航迹分别求其关联度量值，结果形成了其关联分配矩阵设为：
其中n是同一个传感器目标个数，m是同一个簇内的系统航迹个数，对矩阵A分配算法求解参考相关书籍[8]，如果传感器帧收的目标信息只有方位信息，不进行上述的关联矩阵分配，直接将其加入到关联上的系统航迹中。经过上述处理得到对当前时间簇内系统航迹和传感器航迹关联的初步假设生成，下面通过航迹的假设的合并和剪枝技术对簇内系统航迹进行关联判断。
2.4航迹假设合并与剪枝
如果一个簇内系统航迹之间，在时间窗N内的不同时刻，关联上同一传感器的相同目标，且该传感器能够确定目标的位置，那么对这两条系统航迹进行合并，形成一条系统航迹。同时对其关联的传感器航迹进行合并，对只有方位信息的传感器目标关联上的系统航迹不进行合并，只进行标记，不参与位置估计，其系统航迹合并如图所示：
（2）航迹剪枝
这里与传统的MHT中剪枝不一样，是指系统航迹与其历史曾经关联上的传感器目标航迹，经过时间窗N后，不与系统航迹关联，其中包含两层含义：一是该传感器的目标消失，另一种就是目标存在，且和别的系统航迹关联上。那么要对其关联关系进行删除，即剪枝，如图所示： 3算法应用
3.1仿真场景
通过建立的仿真系统，验证了该算法的关联的性能。
（1）模拟场景：
目标总共600个，其中海面目标301，空中目标299个，设置我方平台编号2，周围民船密集，对空中目标进行航路规划，其它不在航路上的飞机都设置为民用。
（2）模拟传感器：
装载的传感器及其误差设置表：
3.2关联算法性能分析
该次仿真场景中民用飞机之间间距相对于L波段误差较小，导致出现较高错误关联率。
（a）无L波段
由于民船和民航设置安全距离，而Radar、SSR、ADS-B、AIS其误差精度高于其安全距离，关联正确率较高
（b）有L波段
L波段的误差较大，影响到目标关联正确率，正确关联率下降。
4总结
本文在基于MHT的思想下，设计了多源异类传感器的关联算法，与传统的MHT算法相比，从应用来说讲，将MHT用在航迹级关联，从关联的对象上，考虑了多源异类的传感器，通过建立仿真环境和软件实现，验证了该算法的有效性，通过分开验证关联算法在仅有方位信息与目标三维位置信息情况下的性能，在没有方位信息的参与下，其关联正确率较高；当存在方位信息下，其正确关联较低，该算法的有待改进地方：一是，航迹假设的产生，改进迭代方式计算假设，另一，在密集目標场景中的存在仅有方位角信息关联。
参考文献：
[1]SINGER R A，SEA R G.A new filter for optional tracking in dense multitarget environment [C]//Proceedings of the ninth Allerton Conference Cireuit and System Theory.Urbana-Champaign，USA：Univ. jof IIinois，1971.201-211.
[2]韩红，韩崇昭，等.多传感器融合多目标跟踪中的序贯航迹关联算法[J].信号处理，2004，20（1）：30-34.
[3]夏佩伦.目标跟踪与信息融合[M]，北京：国防工业出版社，2010.
[4]REID D B.An algorithm for tracking multiple targets[J].IEEE Trans on Automatic Comtrol，1979，24：843-854.
[5]陆耀宾，孙伟.基于MHT的多传感器数据融合算法[J].中国电子科学研究院学报，2008，1：24-30.
[6]翟海涛.多假设跟踪算法研究及其应用[J].信息化研究，2010，36（8）：25-27.
[7]文云峰，石章松，等.基于多假设的航迹关联方法研究[J].舰船科学技术，2011，33（2）：116-120.
[8]石章松，刘忠，等.目标跟踪与数据融合理论及方法[M]，北京：国防工业出版，2010.
作者简介：
路高勇（1982-12），男，中国电子第十研究所，工程师，主要研究领域为目标跟踪与分布式传感器融合。
关键词：航迹级关联；航迹聚类；航迹关联结构；多假设检验关联
1 引言
传感器航迹关联常用的算法有：最近邻[1]、序贯航迹关联法[2]、多维分配法等[3]，他们缺点是在密集目标下，航迹关联错误率较高，为了提高密集目标下关联正确率，1979 年，Reid 提出了多假设跟踪方法[4]（multiple hypo thesis tracking，MHT），在理想假设条件下，MHT被认为是处理数据互联的最优方法。在实际中MHT有两种实现：一种是面向目标测量假设的MHT算法，其特点是连续的保持每帧的假设结构，并在新的观测数据到来时对假设进行扩充或删除。另一种是面向航迹的MHT算法，它并不连续保存假设，而是在每帧中对形成的航迹进行更新，并且对生存下来的航迹预测下一帧的位置，如此反复进行。国外方面在理论研究已经十分成熟，在工程中，一些多传感器系统中已经在使用。国内方面，最近几年才有相关的文章，应用到实际应用系统中还少，MHT通常用在单传感器多目标跟踪和多传感器的集中式的航迹关联中，国内研究较多如文章：二十八所的陆耀宾[5]和翟海涛[6]，应用在多传感器航迹级关联文章在国内很少，有海军工程大学的文云峰和石章松[7]，将其应用在异类传感器航迹级关联，国内还没有出现相关文章。
本文多源异类航迹关联，是基于面向航迹多假设检验的思想和流程基础上设计的，依据传感器的数据特点进行设计，参与关联的传感器有主动：Radar、SSR、IFF，被动有：L波段帧收，广播式有：ADSB、AIS、北斗短消息。由于存在传感器的周期和工作方式不同，使用了一种挑选传感器航迹作为系统航迹起始方法。针对缺少距离信息的L波段传感器，其假设帧收到一个目标可以和多个雷达目标关联，将这种关系以类的形式表示，在航迹假设中不进行合并。为了减少算法中航迹假设组合数，提高关联的时效性，首选利用属性进行粗假设判断，然后，利用时间滑窗法计算欧式距离，设置关联门限，形成航迹簇，在簇内通过对距离最近分配算法进行航迹剪枝和合并。可以有效的实现异类多传感器的航迹级关联。
2 算法设计
2.1 航迹关联结构
航迹级关联通常使用两种关联結构：一种是所有的传感器航迹与系统航迹关联，另一种是传感器之间两两关联，考虑到传感器类型多和跟踪的目标数不少于300批，尤其在后面的航迹假设判断处理上可以直接使用二维分配，采用挑选传感器航迹作为系统航迹起始结构的航迹关联方式。其它传感器与系统航迹关联的结构，关键是选择那个传感器作为系统航迹起始，根据实际需求，有二种方式，要么所有的传感器都开，要么只有部分传感器开始，其它传感器逐步开机，为了能够适应这种要求，采用只要关联算法先接收到那个传感器的数据就选择其作为系统航迹起始一种方式。
2.2 航迹聚类
航迹簇：系统航迹与系统航迹之间存在直接或间接共享同一个传感器局部航迹情况，就定义为两条系统航迹属于一个聚类的簇，航迹聚类就是将整个系统中的系统航迹和相关的同一个传感器局部航迹进行聚类，形成不相交的聚类簇，如图所示：
系统航迹簇的生成算法：
第一步：初始化一个簇设为第簇，从系统航迹集合中取出一条调系统航迹TN，生成簇中的第一个元素；
第二步：从生成的航迹簇内取出第条系统航迹；
第三步：从剩下的系统航迹集合中取出第条系统航迹；
第四步：分别从簇内第条系统和系统航迹集合内第条系统航迹查询传感器局部系统航迹，如果存在相同传感器的同一个目标，将第条系统航迹加入到第簇内，并存系统航迹集合中去掉第条系统航迹；
第五步：循环系统航迹集合，取出其它系统航迹，转换到第三步，直到整个系统航迹集合遍历完，那么系统航迹簇生成完成。
2.3航迹假设生成
通过2.2节将系统航迹进行了分簇，形成了不同的簇，航迹假设生成是在同一个簇内完成，航迹假设概率是通过计算多帧累积数据的距离，设时间的滑窗长度为N，系统航迹ID号为i，其k时刻的位置为，传感器编号m，其探测的目标的航迹号为j，其k时刻的位置为，其之间的距离差为
统计距离为：，其中，，为系统航迹估计误差协方差矩阵，传感器航迹估计误差协方差矩阵，那么传感器航迹与系统航迹关联的度量值为：。对同一个簇内的系统航迹和传感器局部航迹分别求其关联度量值，结果形成了其关联分配矩阵设为：
其中n是同一个传感器目标个数，m是同一个簇内的系统航迹个数，对矩阵A分配算法求解参考相关书籍[8]，如果传感器帧收的目标信息只有方位信息，不进行上述的关联矩阵分配，直接将其加入到关联上的系统航迹中。经过上述处理得到对当前时间簇内系统航迹和传感器航迹关联的初步假设生成，下面通过航迹的假设的合并和剪枝技术对簇内系统航迹进行关联判断。
2.4航迹假设合并与剪枝
如果一个簇内系统航迹之间，在时间窗N内的不同时刻，关联上同一传感器的相同目标，且该传感器能够确定目标的位置，那么对这两条系统航迹进行合并，形成一条系统航迹。同时对其关联的传感器航迹进行合并，对只有方位信息的传感器目标关联上的系统航迹不进行合并，只进行标记，不参与位置估计，其系统航迹合并如图所示：
（2）航迹剪枝
这里与传统的MHT中剪枝不一样，是指系统航迹与其历史曾经关联上的传感器目标航迹，经过时间窗N后，不与系统航迹关联，其中包含两层含义：一是该传感器的目标消失，另一种就是目标存在，且和别的系统航迹关联上。那么要对其关联关系进行删除，即剪枝，如图所示： 3算法应用
3.1仿真场景
通过建立的仿真系统，验证了该算法的关联的性能。
（1）模拟场景：
目标总共600个，其中海面目标301，空中目标299个，设置我方平台编号2，周围民船密集，对空中目标进行航路规划，其它不在航路上的飞机都设置为民用。
（2）模拟传感器：
装载的传感器及其误差设置表：
3.2关联算法性能分析
该次仿真场景中民用飞机之间间距相对于L波段误差较小，导致出现较高错误关联率。
（a）无L波段
由于民船和民航设置安全距离，而Radar、SSR、ADS-B、AIS其误差精度高于其安全距离，关联正确率较高
（b）有L波段
L波段的误差较大，影响到目标关联正确率，正确关联率下降。
4总结
本文在基于MHT的思想下，设计了多源异类传感器的关联算法，与传统的MHT算法相比，从应用来说讲，将MHT用在航迹级关联，从关联的对象上，考虑了多源异类的传感器，通过建立仿真环境和软件实现，验证了该算法的有效性，通过分开验证关联算法在仅有方位信息与目标三维位置信息情况下的性能，在没有方位信息的参与下，其关联正确率较高；当存在方位信息下，其正确关联较低，该算法的有待改进地方：一是，航迹假设的产生，改进迭代方式计算假设，另一，在密集目標场景中的存在仅有方位角信息关联。
参考文献：
[1]SINGER R A，SEA R G.A new filter for optional tracking in dense multitarget environment [C]//Proceedings of the ninth Allerton Conference Cireuit and System Theory.Urbana-Champaign，USA：Univ. jof IIinois，1971.201-211.
[2]韩红，韩崇昭，等.多传感器融合多目标跟踪中的序贯航迹关联算法[J].信号处理，2004，20（1）：30-34.
[3]夏佩伦.目标跟踪与信息融合[M]，北京：国防工业出版社，2010.
[4]REID D B.An algorithm for tracking multiple targets[J].IEEE Trans on Automatic Comtrol，1979，24：843-854.
[5]陆耀宾，孙伟.基于MHT的多传感器数据融合算法[J].中国电子科学研究院学报，2008，1：24-30.
[6]翟海涛.多假设跟踪算法研究及其应用[J].信息化研究，2010，36（8）：25-27.
[7]文云峰，石章松，等.基于多假设的航迹关联方法研究[J].舰船科学技术，2011，33（2）：116-120.
[8]石章松，刘忠，等.目标跟踪与数据融合理论及方法[M]，北京：国防工业出版，2010.
作者简介：
路高勇（1982-12），男，中国电子第十研究所，工程师，主要研究领域为目标跟踪与分布式传感器融合。