周新宇， 楊風(fēng)暴， 吉琳娜

0 引言

地面目標(biāo)關(guān)聯(lián)是地面目標(biāo)融合的一個(gè)核心，也是最困難的一個(gè)部分。關(guān)聯(lián)是為傳感器當(dāng)前觀測(cè)在已有的目標(biāo)之間進(jìn)行分配：①已知目標(biāo)延續(xù)點(diǎn)；②新目標(biāo)；③虛警。目前的關(guān)聯(lián)方法多是基于空中目標(biāo)的，少有針對(duì)地面目標(biāo)的。地面目標(biāo)具有獨(dú)特的運(yùn)動(dòng)特點(diǎn)[1]，地面目標(biāo)密度大，不易于區(qū)分目標(biāo)；地面目標(biāo)機(jī)動(dòng)性強(qiáng)，很難利用單一模型準(zhǔn)確地描述目標(biāo)運(yùn)動(dòng)；目標(biāo)行駛到道路交叉口時(shí)，不易判斷目標(biāo)是否發(fā)生轉(zhuǎn)彎機(jī)動(dòng)；地面目標(biāo)易被遮攔很難獲得連續(xù)觀測(cè)。上述特點(diǎn)均為關(guān)聯(lián)帶來困難，地面目標(biāo)特殊的運(yùn)動(dòng)特性和復(fù)雜的環(huán)境背景，使得關(guān)聯(lián)問題并未得到很好的解決。

地面目標(biāo)密度較大、目標(biāo)相關(guān)波門交叉較多，最近鄰數(shù)據(jù)關(guān)聯(lián)（NNDA，Joint Probability Data Association）抗干擾能力差、易產(chǎn)生關(guān)聯(lián)錯(cuò)誤[2]，概率數(shù)據(jù)關(guān)聯(lián)（PDA，Probability Data Association）也僅適用于稀疏環(huán)境下的目標(biāo)關(guān)聯(lián)；而Bayes方法需知道先驗(yàn)概率，地面環(huán)境復(fù)雜性決定了分布類型與先驗(yàn)概率較難得到。聯(lián)合概率數(shù)據(jù)關(guān)聯(lián)（JPDA，Nearest Neighbor Data Association）在雜波環(huán)境中，雖然關(guān)聯(lián)效果較好，但處理密集目標(biāo)時(shí)，關(guān)聯(lián)計(jì)算量隨目標(biāo)個(gè)數(shù)增加呈指數(shù)型增長，實(shí)時(shí)性較差[3-4]。因此，使用傳統(tǒng)方法對(duì)地面目標(biāo)進(jìn)行關(guān)聯(lián)，不能取得很好的效果。

灰色關(guān)聯(lián)法根據(jù)序列曲線幾何形狀的相似程度來判斷因素間的關(guān)聯(lián)程度[5-6]，不需要任何先驗(yàn)假設(shè)。傳統(tǒng)的灰色關(guān)聯(lián)法只把狀態(tài)信息作為指標(biāo)進(jìn)行關(guān)聯(lián)判斷，事實(shí)上，傳感器不只獲得狀態(tài)信息，還可獲得有關(guān)屬性特征的目標(biāo)信息，忽略了屬性信息導(dǎo)致關(guān)聯(lián)信息量不足，關(guān)聯(lián)錯(cuò)誤率較高；而對(duì)各指標(biāo)進(jìn)行平均賦權(quán)，并不能反映各指標(biāo)在關(guān)聯(lián)中的客觀權(quán)重。

1 目標(biāo)特征指標(biāo)的確定

傳感器觀測(cè)的地面目標(biāo)信息分為2類：①狀態(tài)信息，表征目標(biāo)的運(yùn)動(dòng)情況，由位置、速度、方向、加速度組成；②屬性信息，表征目標(biāo)的身份特性。

位置信息是最為重要的狀態(tài)信息。首先利用位置對(duì)目標(biāo)進(jìn)行粗關(guān)聯(lián)，把一些不可能目標(biāo)濾掉，設(shè)定一個(gè)較大的門限記為ε：

其中vmax為目標(biāo)的最大運(yùn)動(dòng)速度，Δt為當(dāng)前觀測(cè)與已有目標(biāo)的獲取時(shí)間的差值，只有落入門限內(nèi)的目標(biāo)才有可能與當(dāng)前觀測(cè)關(guān)聯(lián)。

速度表征目標(biāo)運(yùn)動(dòng)的快慢；加速度表征目標(biāo)的機(jī)動(dòng)特性，由于地形的復(fù)雜性和地面目標(biāo)的強(qiáng)機(jī)動(dòng)性，因此加速度變化較為顯著；受制于地面戰(zhàn)場(chǎng)的地形，目標(biāo)方向變化較為顯著，而方向一定程度上決定了目標(biāo)的運(yùn)動(dòng)，選取當(dāng)前觀測(cè)與已有目標(biāo)在關(guān)聯(lián)時(shí)刻的方向角之差的余弦值作為關(guān)聯(lián)指標(biāo)。上述4個(gè)特征均可作為狀態(tài)指標(biāo)用于關(guān)聯(lián)。

屬性信息為目標(biāo)類型、敵我屬性、威脅等級(jí)等，表征目標(biāo)自身特性。目標(biāo)類型表征目標(biāo)的所屬種類，目標(biāo)的類型多種多樣，敵我屬性表征目標(biāo)的戰(zhàn)場(chǎng)歸屬，威脅等級(jí)表征目標(biāo)在戰(zhàn)場(chǎng)的殺傷能力。屬性信息的觀測(cè)值通常為枚舉值，而枚舉值不便于直接比較，因此應(yīng)用多級(jí)模糊綜合評(píng)判法[7]，將其映射為區(qū)間 [0,1]上的值。

上述幾個(gè)指標(biāo)物理意義清晰，計(jì)算簡單，且能夠較好地抽象了目標(biāo)的主要特征。

2 灰色關(guān)聯(lián)模型建立

設(shè)目標(biāo)庫中粗關(guān)聯(lián)成功的目標(biāo)有m個(gè)，記為，各目標(biāo)有n個(gè)特征指標(biāo)，xij(j=1,2,…,n)為第i個(gè)目標(biāo)中第j個(gè)指標(biāo)。各指標(biāo)物理意義不同，不便于比較，首先要進(jìn)行無量綱化的數(shù)據(jù)處理，公式如下：

其中 maxxj、m inxj分別表示m個(gè)粗關(guān)聯(lián)目標(biāo)中第j個(gè)指標(biāo)的最大值和最小值[8]。

傳統(tǒng)的平均賦權(quán)法不能真正體現(xiàn)指標(biāo)間的差異，采用最大離差法確定指標(biāo)的相對(duì)離散度權(quán)，若評(píng)價(jià)方案在指標(biāo)j下的測(cè)量值差異越小, 則該指標(biāo)在各方案的關(guān)聯(lián)排序過程中起的作用越小，反之作用越大[9]。

δj(w)表示第j個(gè)指標(biāo)下, 所有目標(biāo)的總離差：

特征指標(biāo)的權(quán)重應(yīng)使所有指標(biāo)的總離差取得最大值,求得各權(quán)值并進(jìn)行歸一化處理，得離散度權(quán)：

灰色關(guān)聯(lián)度r(x0,xi)是參考序列x0與比較序列xi之間幾何距離的一種度量。

按照灰色系統(tǒng)分辨原理，對(duì)關(guān)聯(lián)度排序，若：

則判斷認(rèn)為當(dāng)前觀測(cè)x0與目標(biāo)xk關(guān)聯(lián)。

3 實(shí)例仿真

為驗(yàn)證算法的有效性，對(duì)建立的模型進(jìn)行仿真分析，利用劇情模擬器對(duì)地面戰(zhàn)場(chǎng)進(jìn)行模擬，產(chǎn)生450個(gè)目標(biāo)，將速度、加速度、方向測(cè)量值，目標(biāo)類型、敵我屬性、威脅等級(jí)作為灰色關(guān)聯(lián)的指標(biāo)，分別表示為θ1,θ2,θ3,θ4,θ5,θ6。

隨機(jī)選取其中一批目標(biāo)進(jìn)行分析，傳感器當(dāng)前觀測(cè)x0，與其粗關(guān)聯(lián)的目標(biāo)有4個(gè)，表示為X=(x1,x2,x3,x4)，指標(biāo)值如表1示。

表1 當(dāng)前觀測(cè)與粗關(guān)聯(lián)目標(biāo)指標(biāo)值

由關(guān)聯(lián)計(jì)算得各目標(biāo)的灰色關(guān)聯(lián)度，如表2示。

表2 各目標(biāo)的灰色關(guān)聯(lián)度

將灰色關(guān)聯(lián)度看作是對(duì)目標(biāo)的關(guān)聯(lián)支持度，為了說明屬性信息對(duì)關(guān)聯(lián)的支持，分別對(duì)表示狀態(tài)信息3個(gè)狀態(tài)指標(biāo)與上述6個(gè)指標(biāo)的關(guān)聯(lián)度進(jìn)行比較，如表3示。

若不考慮屬性信息，雖然3個(gè)狀態(tài)信息指標(biāo)灰色關(guān)聯(lián)的結(jié)果是x1，與標(biāo)定的關(guān)聯(lián)結(jié)果不一致。

表3 不同指標(biāo)的灰色關(guān)聯(lián)比較

將最大離散度權(quán)與平均賦權(quán)法求得的灰色關(guān)聯(lián)度進(jìn)行比較，如表4示。

表4 兩種不同賦權(quán)法的關(guān)聯(lián)比較

由表4可知，雖然平均賦權(quán)法最終的關(guān)聯(lián)目標(biāo)為x4，但各目標(biāo)灰色關(guān)聯(lián)度比較接近，給關(guān)聯(lián)決策造成不便。最大離散度權(quán)合理地評(píng)價(jià)各指標(biāo)的重要性，有效地改善關(guān)聯(lián)區(qū)分程度，提高了關(guān)聯(lián)效率。

4 結(jié)語

新的多特征目標(biāo)關(guān)聯(lián)算法不需要知道目標(biāo)的分布類型和先驗(yàn)概率，算法簡單，運(yùn)算量較小，能夠滿足實(shí)時(shí)關(guān)聯(lián)的要求；加入屬性信息，可明顯改善關(guān)聯(lián)效果；最大離差法大大改進(jìn)了目標(biāo)關(guān)聯(lián)的區(qū)分程度，使關(guān)聯(lián)判斷更快捷、有效。此外，目標(biāo)的其它屬性信息，只要能表征目標(biāo)的屬性特征，均可作為灰色關(guān)聯(lián)指標(biāo)來改善目標(biāo)關(guān)聯(lián)效果。

[1]楊潔,陳煒.基于一維距離像的地面運(yùn)動(dòng)目標(biāo)特征輔助跟蹤算法[C].北京:航空航天大學(xué)出版社,2008:125-127.

[2]何友,王國宏,關(guān)欣.信息融合理論及應(yīng)用[M].第1版.北京:電子工業(yè)出版社,2010: 194-202.

[3]齊偉,楊風(fēng)暴,周新宇.一種多傳感器數(shù)據(jù)融合系統(tǒng)融合方案研究[J].通信計(jì)術(shù), 2010,43(10): 84-86.

[4]黎蔚,楊凱鵬,陳家新,等.一種基于特征自動(dòng)選取的跟蹤算法[J].通信技術(shù), 2010,43(03):128-130.

[5]GUAN Xin,HE You,YI Xiao.Gray Track-to-track Correlation Algorithm for Distributed Multitarget Tracking System[J].Singal Processing,2006,86(01):3448-3455.

[6]劉思峰,謝乃明.灰色系統(tǒng)理論及應(yīng)用[M].第1版.北京:科學(xué)出版社,2010:93-110.

[7]陳水利,李敬功,王向公.模糊集理論及其應(yīng)用[M].北京:科學(xué)出版社,2005:189-207.

[8]王凱琢,付元昌,江凌生,等.基于改進(jìn)灰色理論的威脅指標(biāo)權(quán)重技術(shù)[J].計(jì)算機(jī)工程, 2009, 35(14): 151-153.

[9]張慧穎.基于灰靶決策的多指標(biāo)評(píng)判法及其在公路網(wǎng)評(píng)價(jià)中的應(yīng)用[J].數(shù)學(xué)的實(shí)踐與認(rèn)識(shí), 2008,38(10):31-38.