基于多指标决策的单目标仿真航迹跟踪难度检测方法技术

一种能够有效评估单目标跟踪系统的基于多指标决策的单目标仿真航迹跟踪难度检测方法，首先采用多运动模型组合的方法生成仿真航迹，选择合适的性能评估指标形成指标集；然后使用合适的滤波算法对不同运动参数下的单个运动模型进行追踪，通过得到跟踪结果的性能指标值，采用模糊隶属度函数构造的方法，建立得到相应模型的参数——难度系数对应函数集合，从而完成了对单模型的难度综合评定；再根据不同的性能指标类型，选择对应的方法实现了从单模型到多模型的难度综合；最后通过样本学习实现了对生成航迹难度优化，从而得到了航迹的最终的跟踪难度。

Difficulty tracking method of single target simulation track tracking based on multiple index decision making

An effective evaluation of single target track simulation of multi criteria decision making difficulty of tracking detection method based on single target tracking system, the first generation of simulation track by combining multiple motion models, choose the suitable performance evaluation index set is formed; and then use the appropriate filtering algorithm for a single motion model under different motion parameters of the tracked. The performance of the tracking results of the value, using the method of fuzzy membership function is constructed, the establishment of the corresponding model parameters are obtained: the difficulty coefficient of corresponding function set, thus completing the integrated evaluation of the difficulty of single model; then according to the performance index of different types, choose the corresponding method from a single model to model the difficulty comprehensive; finally through the sample learning implementation of flight path optimization to get the difficulty, the final track Tracking difficulty.

【技术实现步骤摘要】
基于多指标决策的单目标仿真航迹跟踪难度检测方法
本专利技术涉及的是一种机动目标跟踪和信息融合评估的技术，具体是基于多指标决策的单目标仿真航迹跟踪难度检测方法。
技术介绍
随着信息处理技术的不断发展，基于信息融合的目标跟踪技术也在不断的完善。各种跟踪算法陆续被提出。在很多的领域，研究人员都提出了本领域的目标跟踪基准的设计方法。但是针对机动目标跟踪基准库的设计，却始终没有一个广泛认可的方法。基于这样的现状，本专利技术旨在提出一种基于多指标决策的单目标跟踪基准库的建立方法。在当前的航迹评估中，常常被用到的有六种典型仿真场景。对这六条航迹的有效跟踪确实能够体现跟踪算法的性能，但是这几个航迹仅仅只是特例。而后也并没有人给出一种建立目标跟踪Benchmark库的完整方法。有人根据所需的场景要求设计了多个不同情况下的仿真航迹，定性的描述了场景跟踪的难易程度。但这样的定性描述却缺少了说服力，仿真航迹的合理设计一直是一个有待解决的问题。如何有效的评估出一个跟踪系统的性能，一直是一个没有得到很好解决的问题。其中：有几个难点，一个是测试场景的合理生成是否具有合理性，一个是评价指标集是否具有客观性。要解决上面的问题，首先需要建立的就是个场景的生成的基准库，一方面满足合理性的要求，同时对后面指标集的选择提供参考。
技术实现思路
本专利技术针对现有技术存在的上述不足，提出一种基于多指标决策的单目标仿真航迹跟踪难度检测方法，通过合理的组合多个基本运动模型生成仿真的航迹，同时通过有效量化出仿真航迹的跟踪难度，从而可以解决场景生成合理性的问题，进一步实现对单目标跟踪基准库的有效建立，同时保证了基准库的自我完善和不断扩充性。本专利技术是通过以下技术方案实现的：本专利技术首先采用多运动模型组合的方法生成仿真航迹，选择合适的性能评估指标形成指标集；然后使用合适的滤波算法对不同运动参数下的单个运动模型进行追踪，通过得到跟踪结果的性能指标值，采用模糊隶属度函数构造的方法，建立得到相应模型的参数—难度系数对应函数集合，从而完成了对单模型的难度综合评定；再根据不同的性能指标类型，选择对应的方法实现了从单模型到多模型的难度综合；最后通过样本学习实现了对生成航迹难度优化，从而得到了航迹的最终的跟踪难度。所述方法具体包括如下步骤：步骤A，使用多个单运动模型构成基准库的基础模型组，对于每个单运动模型设定其生成参数，得到一个具体的运动模块，通过组合多个运动模块生成一条仿真航迹；所述的生成参数包括但不限于：加速度、运动时间、角速度、构成单运动模型的迭代更新方程，通过生成参数即决定单运动模型生成的航迹。步骤B，使用单个运动模型形成简单航迹，通过模糊化方法将其性能指标值转化成为跟踪难度值，模糊集合可以通过这样的形式表示：假设定义在某一域U上的模糊集F，约定其隶属度函数值u(x)在[0,1]上选取。于是，我们可以利用元素数对的描述方法来表示集合中的元素，其形式为(x,u(x))，利用这样的方式可以将域中的模糊变量转换成为离散的点集。对于单运动模型，假定该模型跟踪难度值取决于参数α，α的大小会影响单运动模型生成航迹的跟踪难度，将其在足够大的取值区间αi,i＝1,2,3...N等步长划分。在设定的场景环境下，其跟踪滤波得到的指定性能指标值设为函数f(αi),i＝1,2,3...N的函数值，则有最大值fmax＝max(f(αi)),i＝1,2,3...N，可以得到隶属度为于是就得到了对应的模糊集合U＝{(αi,u(αi))},i＝1,2,3...N；步骤C：基于步骤B得到的模糊集合，采用最小二乘法得到对应单模型的难度函数，通过给不同指标意义下的模型函数赋权值就可以得到最后的单模型对应的难度函数集合。步骤C1：通过最小二乘法拟合上述模糊集合，可以取φ为进行拟合的多项式空间φ＝span(1,α,...αn)其中：1,α,...αn，是多项式空间上的线性无关组。则最小二乘意义下的拟合函数为其中：分别代表对应线性无关组的系数，得到最小二乘意义下的s*(α)在给定定义域中求取其最大值smax对数值进行归一化，则最后得到第k个指标下的难度函数可以表示为其中：s*(α)是拟合得到的函数，smax是拟合函数在定义域区间内的最大值；步骤C2：通过对每个指标赋予权值，构建出单模型函数的整个难度函数集合，对于选定的K个指标，都按照上述的方法来构造对应的难度函数fk(α)，k＝1,2...K，通过每一个指标对应的权重值κk来进行综合，有约束在综合评定模型的难度时，根据评价者的实际需要来设定合理的权值，综上可以得到单运动模块的难度函数集，步骤D，根据不同的指标类型，选取合适的综合方法对难度进行综合：步骤D1：当选取的指标是基于全局平均的指标，则可以按照下面的方法进行综合：对于一条由多个运动模块组成的综合航迹，有一个基于全局平均指标的函数为f(α)，当每个运动模块的机动时间为ti，于是有总的运动时间为设Benchmark库中有M个运动模块，每个模型的平均性能指标最难值为于是有其中：RMAX为Benchmark库中的单模型的平均性能指标最难值，则有于是得到基于全局平均指标的多运动模块组合航迹的难度量化公式为所述的Benchmark库由多条典型跟踪测试航迹和测试航迹生成算法构成。步骤D2：基于全局平均指标值的权值确定方法，当有一个基于全局最大指标的函数为f(α)，则在多个运动模块中利用求取最大值的方法确定整体航迹的难度，有u＝max(fi(αi)γi)(i＝1,2...m)，其中：γi为相对难度权值，EMAX为Benchmark库中的单模型的最大性能指标最难值，为Benchmark库中每个运动模块的最大性能指标最难值，有步骤D3：在K个指标下，综合全局平均指标和全局最大指标的难度函数，可以得出完整的计算公式ufinal＝κkuk,k＝1,2...K。步骤E：使用样本学习的方法进行优化，通过对样本集合的处理，可以得到不同模型个数对应的优化难度函数值，可以表示为集合其中：表示航迹的运动模块个数以及对应的平均优化函数值，拟合可以得到对应的优化难度函数为g(n)≈λn+η，可以得到航迹的最终的跟踪难度uop＝ufinalg(n)。本专利技术涉及一种实现上述方法的单目标仿真航迹跟踪难度检测系统，包括：测试航迹的生成模块、综合难度计算模块、自适应样本学习优化模块，其中：航迹生成模块生成相应的测试航迹，综合难度计算模块计算出生成航迹的跟踪难度值，并根据自适应样本学习得到的优化函数对跟踪难度进行优化，完成仿真航迹的建立技术效果本专利技术提出的建立单目标跟踪基准库的技术，可以有效的生成，评定，反馈设计目标跟踪所需要的测试航迹，有较高的实用价值。附图说明图1为本专利技术方法流程图。图2为本专利技术建立的基准库的结构图。图3为利用本专利技术的基准库生成的经典测试航迹。图4为利用本专利技术的难度函数构建方法得到的CA模型难度函数一。图5为利用本专利技术的难度函数构建方法得到的CA模型难度函数二。图6为利用本专利技术的难度函数构建方法得到的CT模型难度函数二。图7为利用本专利技术的难度函数构建方法得到的CT模型难度函数二。图8为利用本专利技术的航迹构建方法得出的一条固定跟踪难度的航迹。图9为现有技术根据随机方法生成的航迹示意图。具体实施方式如图1所示，本实施例包括以下步骤：步骤本文档来自技高网...

【技术保护点】
一种基于多指标决策的单目标仿真航迹跟踪难度检测方法，其特征在于，首先采用多个单运动模型组合的方法生成仿真航迹，然后使用CS和CV模型组合的交互多模型滤波方法对不同运动参数下的单运动模型进行追踪，得到跟踪结果的全局平均RMSE和全局最大RMSE性能指标值；再采用模糊处理得到隶属度函数值，建立得到单运动模型的运动参数‑难度系数的对应函数集合；再根据不同的性能指标类型，选择对应的方法实现了从单模型到多模型的难度综合；最后通过样本学习实现了对生成航迹难度优化，从而得到了航迹的最终的跟踪难度。

【技术特征摘要】
1.一种基于多指标决策的单目标仿真航迹跟踪难度检测方法，其特征在于，首先采用多个单运动模型组合的方法生成仿真航迹，然后使用CS和CV模型组合的交互多模型滤波方法对不同运动参数下的单运动模型进行追踪，得到跟踪结果的全局平均RMSE和全局最大RMSE性能指标值；再采用模糊处理得到隶属度函数值，建立得到单运动模型的运动参数-难度系数的对应函数集合；再根据不同的性能指标类型，选择对应的方法实现了从单模型到多模型的难度综合；最后通过样本学习实现了对生成航迹难度优化，从而得到了航迹的最终的跟踪难度。2.根据权利要求1所述的方法，其特征是，具体包括如下步骤：步骤A，使用多个单运动模型构成基准库的基础模型组，对于每个单运动模型设定其生成参数，得到一个具体的运动模块，通过组合多个运动模块生成一条仿真航迹；步骤B，使用单个运动模型形成简单航迹，通过模糊化方法将其性能指标值转化成为跟踪难度值，模糊集合可以通过这样的形式表示：假设定义在某一域U上的模糊集F，约定其隶属度函数值u(x)在[0,1]上选取。于是，我们可以利用元素数对的描述方法来表示集合中的元素，其形式为(x,u(x))，利用这样的方式可以将域中的模糊变量转换成为离散的点集。该跟踪难度值取决于参数α，α的大小会影响单运动模型生成航迹的跟踪难度，将其在足够大的取值区间αi,i＝1,2,3...N等步长划分。在设定的场景环境下，其跟踪滤波得到的指定性能指标值设为函数f(αi),i＝1,2,3...N的函数值，则有最大值fmax＝max(f(αi)),i＝1,2,3...N，可以得到隶属度为于是就得到了对应的模糊集合U＝{(αi,u(αi))},i＝1,2,3...N；步骤C：基于步骤B得到的模糊集合，采用最小二乘法得到对应单模型的难度函数，通过给不同指标意义下的模型函数赋权值就可以得到最后的单模型对应的难度函数集合；步骤D，根据不同的指标类型，选取合适的综合方法对难度进行综合；步骤E：使用样本学习的方法进行优化，通过对样本集合的处理，得到不同模型个数对应的优化难度函数值，表示为集合其中：表示航迹的运动模块个数以及对应的平均优化函数值，拟合可以得到对应的优化难度函数为g(n)≈λn+η，进而得到航迹的最终的跟踪难度uop＝ufinalg(n)。3.根据权利要求2所述的方法，其特征是，所述的步骤C，具体包括：步骤C1：通过最小二乘法拟合上述模糊集合，可以取φ为进行拟合的多项式空间φ＝span(...

【专利技术属性】
技术研发人员：李建勋，甄诚，
申请(专利权)人：上海交通大学，
类型：发明
国别省市：上海,31