一种基于随机森林的多传感器航迹关联方法、电子设备与流程

本发明涉及信息处理领域，特别涉及一种基于随机森林的多传感器航迹关联方法、电子设备。

背景技术：

1、组网雷达是对空中目标探测的有效手段之一，不同雷达的探测区域有重叠，需要通过航迹关联技术，判断各雷达上报的航迹是否属于同一个目标，从而便于后续的多雷达航迹融合处理，提高融合精度。

2、由于在实际应用中各雷达的测距和测角存在系统误差，使得量测的航迹易发生平移、旋转，导致量测的航迹偏离目标真实航迹，这使得传统关联算法如最邻近法、联合概率密度法等性能降低。同时，现有的传统关联算法对于航迹点时序关系要求严格，关联之前还需进行多雷达航迹点时间对齐处理，处理过程复杂。

技术实现思路

1、针对上述问题，本发明提出一种基于随机森林的多传感器航迹关联算法，利用机器学习中的分类器，将航迹关联问题转为多航迹点分类识别问题，通过对已有航迹样本的学习，得到航迹分类模型，对于未知航迹进行多航迹点分类判别，综合多点分类结果，形成可信的航迹关联结果。由于随机森林采用了多棵决策树通过逻辑判断的方式完成分类识别，因此受航迹测量误差的干扰较小，且与航迹点时序无关，数据预处理过程简单，只需利用同时间段内航迹点的位置、速度、航向等要素即可完成航迹分类，从而有效解决传统关联方法面临的问题，提高航迹关联正确率。

2、本发明目的在于提供一种基于随机森林的多传感器航迹关联方法，将航迹关联问题转为多航迹点分类识别问题，通过对已有航迹样本的学习，建立航迹分类模型，对于未知航迹进行多航迹点分类判别，进而形成可信的航迹关联结果。本发明与航迹点时序无关，只需要利用航迹点的位置、速度、航向等特征即可完成航迹分类和关联，从而有效解决传统关联方法面临的数据预处理复杂、受测量误差影响大等问题。

3、一种基于随机森林的多传感器航迹关联方法，包括以下步骤：

4、s1：读取雷达a上报的多条航线的航迹信息，并进行预处理，得到样本数据；

5、s2：为每条航线设置一个航迹批号，并为每条航线的每个航迹点，提取特征向量，具体表示为：

6、

7、其中，θ为航迹批号，表示航迹批号为θ的航线的第i个航迹点的特征向量；

8、表示航迹批号为θ的航线的第i个航迹点的经度；

9、表示航迹批号为θ的航线的第i个航迹点的纬度；

10、表示航迹批号为θ的航线的第i个航迹点的高度；

11、表示航迹批号为θ的航线的第i个航迹点的速度；

12、表示航迹批号为θ的航线的第i个航迹点的航向；

13、s3：建立随机森林分类器，将每条航线的所有航迹点的特征向量作为输入变量，对应的航迹批号作为标签，形成训练样本，将训练样本分成两部分，分别作为训练数据与测试数据，使用训练数据对随机森林分类器进行训练，得到训练完毕的分类模型；

14、s4：使用测试数据，对训练完毕的分类模型进行测试，如果正确率高于80％，则进入步骤s5，否则返回步骤s1，继续读取雷达a上报的数据，扩大样本数据的规模；

15、s5：读取雷达b上报的待关联一条航线的一批待关联航迹点，并提取每个待关联航迹点的特征向量，每个待关联航迹点的特征向量包括经度、纬度、高度、速度、航向；

16、将每个待关联航迹点的特征向量输入训练完毕的分类模型，得到每个待关联航迹点被分类的航迹批号；

17、s6：如果有50％以上的待关联航迹点被分类的航迹批号相同，则视为有效，进入步骤s7，否则返回步骤s1，继续读取雷达a上报的数据，扩大样本数据的规模；

18、s7：将一个批次的待关联航迹点被分类最多的航迹批号，作为对应批次待关联航迹点的关联结果。

19、优选的，所述预处理包括异常点去除、空值点估计。

20、优选的，异常点去除的方法具体为：

21、如果某条航线的第i个航迹点的速度vi，不满足以下条件，则认为对应航线的第i个航迹点为异常点，需要去除：

22、vmin≤|vi-vi-1|≤vmax，(i＝2，3，......，n)

23、其中，n表示对应航线的航迹点总数，vmin表示空中目标最小速度门限，vmax表示空中目标最大速度门限。

24、优选的，空值点估计的方法具体为：

25、如果某条航线的第i个航迹点的特征量ri为空值，特征量为经度、纬度、高度、速度、航向中的任意一个；此时ri的值设置为：

26、

27、其中，n表示对应航线的航迹点总数，n为预设参数，取值范围为1到5。

28、优选的，随机森林分类器的决策树数量为20，训练数据占训练样本的比例为80％。

29、本发明还提供一种电子设备，

30、包括：

31、存储器，用于存放计算机程序；

32、处理器，用于执行存储器上所存放的程序时，实现上述的方法步骤。

33、有益效果：

34、1、创新性的提出采用机器学习的方法实现多雷达航迹关联，将航迹关联问题转为多航迹点分类识别问题，设计形成处理流程，并基于实测数据完成方法验证，有效解决传统关联方法受测量误差影响大的问题，提高多雷达航迹关联正确率；

35、2、利用随机森林分类器，通过对己有航迹样本的学习，得到航迹分类模型，对于未知航迹进行多航迹点分类判别，综合多点分类结果，形成可信的航迹关联结果；

36、3、采用的基于随机森林的航迹关联方法受测量误差的干扰小，且与航迹点时序无关，只需要利用航迹点的位置、速度、航向等特征即可完成航迹分类，操作简单，通用性强。

技术特征：

1.一种基于随机森林的多传感器航迹关联方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的一种基于随机森林的多传感器航迹关联方法，其特征在于，所述预处理包括异常点去除、空值点估计。

3.根据权利要求2所述的一种基于随机森林的多传感器航迹关联方法，其特征在于，异常点去除的方法具体为：

4.根据权利要求2所述的一种基于随机森林的多传感器航迹关联方法，其特征在于，空值点估计的方法具体为：

5.根据权利要求1所述的一种基于随机森林的多传感器航迹关联方法，其特征在于，随机森林分类器的决策树数量为20，训练数据占训练样本的比例为80％。

6.一种电子设备，其特征在于，

技术总结
本发明涉及信息处理领域，特别涉及一种基于随机森林的多传感器航迹关联方法、电子设备。方法利用机器学习中的分类器，将航迹关联问题转为多航迹点分类识别问题，通过对已有航迹样本的学习，得到航迹分类模型，对于未知航迹进行多航迹点分类判别，综合多点分类结果，形成可信的航迹关联结果。由于随机森林采用了多棵决策树通过逻辑判断的方式完成分类识别，因此受航迹测量误差的干扰较小，且与航迹点时序无关，数据预处理过程简单，只需利用同时间段内航迹点的位置、速度、航向等要素即可完成航迹分类，从而有效解决传统关联方法面临的问题，提高航迹关联正确率。

技术研发人员：刘林,陆小科,江涛,魏耀,钟巍
受保护的技术使用者：中国电子科技集团公司第十四研究所
技术研发日：
技术公布日：2024/11/4