基于特征信息隸屬度的目標關聯分析技術

陳 曦，夏宇垠，李娟慧，吳一明，趙巾衛

（中國航天科工集團8511研究所，江蘇 南京210007）

0 引言

衛星探測技術的廣泛應用，獲取了大量可深入挖掘的數據信息。把不同目標的信息融合一起，將會增加信息的不確定性，因此必須進行目標關聯處理。目標關聯就是將不同時刻或不同來源獲取的數據信息進行比較，判斷其是否來自于同一目標的過程。

國內外學者提出了大量的目標關聯算法，且許多算法已在多領域得到了廣泛應用[1-5]。根據待關聯的數據，目標關聯對象可分為電子信息與電子信息、電子信息與圖像信息、圖像信息與圖像信息等數據之間的關聯。而根據待關聯目標個數，目標關聯可分為獨立目標之間的關聯和多目標之間的關聯[6]。根據文獻[7]的分類方法，目標關聯也可分為依據目標位置信息的關聯、依據目標屬性信息的關聯以及結合目標位置、屬性信息的關聯。

依據目標位置信息的關聯方法是據其位置相似性進行判別的關聯算法。基于運動狀態信息的關聯算法往往先對目標的運動模型進行建模，然后計算預測與實測數據的位置信息相似性來進行關聯判決。主要有最近鄰算法[8]（NN）、多假設跟蹤算法[9]（MHT）、基于模糊邏輯的方法以及基于濾波跟蹤的方法。最近鄰算法是依據某一相似性評估判據，計算實測數據與待關聯目標預測位置的相似性程度，將最接近預測位置的實測數據作為該目標的關聯點，該方法受干擾影響會出現錯誤關聯。多假設跟蹤法是根據目標的先驗信息，對待關聯目標航跡與數據點之間產生多種關聯假設，然后選取最優的關聯假設。基于模糊邏輯的方法通常應用于多目標關聯。文獻[10]利用模糊C均值聚類（FCM）進行數據關聯處理，通過建立隸屬函數，計算數據與目標的隸屬度作為關聯判決。基于濾波跟蹤的方法主要是利用預測值與目標的真實量測進行關聯。典型的濾波方法有擴展卡爾曼濾波、粒子濾波等。

依據目標屬性信息的關聯方法主要比較目標屬性信息的匹配度，以此作為關聯判決，利用屬性信息解決目標關聯中位置信息的不確定性。文獻[11]提取目標的多個特征信息并進行相融合處理，然后基于融合處理后的特征對目標進行關聯。

上述目標關聯方法中，針對結合目標位置和目標配屬輻射源電子特征信息進行目標關聯的研究相對較少，目標關聯仍存在一定的模糊性。本文重點研究基于輻射源電子特征信息的目標關聯，提出一種利用位置關聯性和計算特征信息隸屬度的方法對輻射源信息與目標之間存在的潛在關系進行關聯分析并以此進行目標識別的方法，其實現簡單，獲得的結果可以直接參與后續綜合處理。

1 輻射源識別結果與目標特征關聯關系表征

輻射源電子信息可用于進行電子目標關聯分析，主要是將當前輻射源與已接收到的電子目標進行關聯比對，判別當前輻射源是否配屬于已接收目標。

1.1 輻射源與目標識別關聯處理

利用一定的關聯方法可將輻射源的識別轉化為對目標的識別。這些關聯方法反映特定地域或特定時間段內輻射源與目標之間的潛在關系。這種潛在的關系能夠為后續的目標識別提供有效的先驗信息，提高可能的目標的識別置信度。根據輻射源特征與目標特征隸屬度關系，利用獲得目標的識別置信度進行決策判別，結果有如下2種形式：

1）最大置信度目標

選取計算后獲得的最大置信度的目標作為唯一識別結果。

2）多輻射源目標

選取所有可能匹配目標輻射源作為識別結果集，不同輻射源對應目標的識別置信度賦值即為計算獲得的識別置信度結果。對于無法判斷的目標類型或不確知目標類型，作為不確定目標或新目標加入目標庫列表中。

1.2 多輻射源多目標綜合關聯

多輻射源目標綜合關聯處理通過目標識別庫，完成具有多輻射源的目標識別分析，主要通過對位置相近的多個輻射源進行分析，依據參數隸屬度等一定準則判斷這些目標是否配屬于同一目標，并識別目標類型。

2 目標關聯分析處理流程

2.1 目標關聯分析處理主要流程

目標關聯分析處理主要流程如圖1所示。具體描述如下：

1）獲取待處理的當前輻射源的數據；

2）將當前輻射源與已接收電子目標庫中的數據進行關聯分析；

3）如果當前目標是新目標，賦予當前目標新的目標編號，將目標寫入目標列表中，處理結束；

4）如果當前目標不是新目標，將關聯成功的目標編號賦予當前目標，處理結束。

圖1 目標關聯分析處理流程圖

2.2 目標關聯分析處理詳細流程

目標關聯分析的作用主要是將當前輻射源和已有目標進行關聯分析，生成電子目標數據；根據新接收目標信息更新數據庫中目標信息，完成庫信息維護。

目標關聯分析處理詳細流程如圖2所示。描述如下：

圖2 目標關聯分析處理流程

1）獲取當前需要處理的目標A的位置信息、參數信息和型號信息；

2）在目標庫中獲取位置與A相近、參數也與A相近的電子目標，組成集合M；

3）如果M為空，則A是新電子目標，將A寫入目標庫表中，賦予目標編號，處理結束；

4）如果M不為空，取M中距離與A最近的一個電子目標B，計算A和B的參數隸屬度；

5）如果參數隸屬度大于等于門限，則A與B關聯成功，將B的電子目標批號賦予A，處理結束；

6）如果參數隸屬度小于門限，則A和B關聯失敗，將B從M中刪除，轉到3）。

計算輻射源與目標參數隸屬度的算法見下一節所示。分別計算輻射源和目標每一種參數模式下的載頻、重頻、脈寬的隸屬度，只有當3種參數隸屬度均大于門限時才能判定目標與目標參數模式關聯成功。如果輻射源與目標有一種參數模式關聯成功，則認為該輻射源與目標關聯成功。

3 參數隸屬度計算方法

選擇輻射源典型特征信息參數頻率、重頻、脈寬等開展參數隸屬度計算準則分析。

3.1 頻率固定類型

如果當前輻射源是頻率固定類型，其頻率中心值為f0，目標也是頻率固定類型，其頻率中心值為f，當前輻射源與已知目標的頻率差值Δf=|f-f0|，則基于頻率隸屬度的定義為：

式中，fε是由系統誤差和測量誤差確定的頻率容差。

3.2 重頻隸屬度計算方法

如果當前輻射源是重頻固定類型，其重頻中心值為Tr0，目標也是重頻固定類型，其重頻中心值為Tr，當前輻射源與目標重頻差值ΔTr=|Tr-Tr0|，則基于PRI隸屬度的定義為：

式中，Trε是由系統誤差和測量誤差確定的脈沖重復周期測量容差。

3.3 脈寬隸屬度計算方法

如果當前輻射源是單脈寬類型，其脈寬中心值為τ0，目標也是單脈寬類型，其脈寬中心值為τ，當前輻射源與目標的脈寬差值Δτ=|τ-τ0|，則基于脈寬隸屬度的定義為：

式中，τε是由系統誤差和測量誤差確定的脈寬容差。

4 仿真實驗分析

根據上述目標關聯分析處理方法，構建典型輻射源數據，待關聯合批后輻射源數據共263條，目標庫存儲共16型目標數據，開展仿真計算分析，可得到目標關聯分析結果如表1所示。

表1 目標關聯分析處理流程

由上述仿真結果可知，關聯成功輻射源個數為238個，目標關聯分析正確率為90.5%。

5 結束語

利用特征信息（參數）隸屬度的目標關聯分析方法是基于一定理論分析和工程經驗得出的相對有效的方法，仿真實驗結果表明，該方法通過設置合理的判據準則和閾值，能夠適用于相對復雜場景下基于輻射源數據的目標關聯分析，并且具有較好的性能。