(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211059482.9 (22)申请日 2022.08.30 (71)申请人 中国人民解 放军海军航空大 学 地址 264001 山东省烟台市芝罘区二马路 188号 (72)发明人 熊伟　徐平亮　崔亚奇　孔战　 董凯　熊振宇　于艺伟　郝延彪　 龚诚　 (74)专利代理 机构 烟台上禾知识产权代理事务 所(普通合伙) 37234 专利代理师 赵加鑫 (51)Int.Cl. G06F 16/215(2019.01) G06F 16/2458(2019.01) G06F 16/29(2019.01)G06K 9/62(2022.01) G06N 3/04(2006.01) (54)发明名称 一种基于航迹相似性分割的航迹关联 方法 (57)摘要 本发明公开了一种基于航迹相似性分割的 航迹关联方法， 主要解决现有的航迹关联算法在 实际工程应用中存在的先验信息难以获取、 关联 门限难以确定、 关联时间长等问题。 该方法利用 深度学习技术， 从关联矩阵入手， 利用神经网络 对多传感器航迹进行深入挖掘， 融合各个传感器 的所有航迹信息得到航迹矩阵， 通过对航迹矩阵 进行相似性分割直接得到不同航迹之间的关联 关系， 从而完全避免了对大量航迹进行遍历计 算， 减少了人工对模型和参数的反复修改和调 试， 大大提高了关联效率， 并且适用于传感器观 测过程中存在刚性或非刚性形变的区域中多个 传感器之间的航迹关联， 可实现实际工程应用中 多传感器多目标的快速准确关联。 权利要求书4页 说明书8页 附图3页 CN 115391324 A 2022.11.25 CN 115391324 A 1.一种基于航迹相似性分割的航迹关联 方法， 其特 征在于， 包括以下步骤： 步骤1， 将传感器A和传感器B的航迹通过归一化转化为规范、 无量纲的航迹， 根据来自 不同传感器的航迹构建航迹张量， 航迹张量中各个位置的元素与对应的归一化航迹一一对 应， 完成航迹合并； 步骤2， 设计损失函数， 该方法的损失函数包含三部分， 分别是相似损失、 行约束损失、 列约束损失， 定义网络对航迹张量进 行相似性分割后得到 关联矩阵为A， 真实的关联矩阵为 Ar， 其中矩阵元 素为1表示关联， 0表示 不关联； 步骤3， 构建相似性分割网络模型， 网络包含2个模块， 分别是航迹特征提取模块和关联 映射模块， 航迹特征提取模块包含3个并联分支， 分别为基础特征提取层、 局部特征提取层 和全局特征提取层， 关联映射模块包含3个并联分支， 分别是行关联映射层， 列关联映射层 和全局关联映射层； 步骤4， 对相似性分割网络进行训练测试， 网络的输入是航迹 张量T， 输出为关联矩阵A， 根据输出的关联矩阵A中数值的分布得到关联 结果。 2.如权利要求1所述的一种基于航迹相似性分割的航迹关联方法， 其特征在于， 所述步 骤1具体包括以下子步骤： 步骤1.1， 首先遍历各个传感器中的所有航迹点并找到当前场景中航迹坐标各个维度 的最大值和最小值， 之后分别对各个维度进行处理， 每一个航迹点各个维度坐标都减去相 应最小值并除以相应的最大值减最小值， 得到规范、 无量纲的归一 化航迹； 步骤1.2， 遍历传感器A， 得到传感器A中的航迹数量NA， 遍历传感器B， 得到传感器B中的 航迹数量NB， 对所有航迹截取最近的T个采样点， 构建形状大小为[NA,NB,4T]的初始航迹张 量T0， 其中T0的所有元素均为0， 构建形状为[NA,NB]的初始关联矩阵A0， 其中A0的所有元素均 为0； 步骤1.3： 将传感器A和传感器B中的航迹按照航迹批号由小到大排列， 遍历传感器A， 取 得传感器A中的第i条航迹 Xi的形状为[T,2]， 遍历传 感器B， 取得传 感器B中 的第j条航迹 Xj的形状为[T,2]， 将Xi和Xj的每一行展平， 对展平航迹按照列 方向进行拼接， 得到融合 航迹Xi,j， Xi,j的形状为[4T,1]，权　利　要　求　书 1/4 页 2 CN 115391324 A 2其中||为拼接操作， 和 为展平航迹然， 后将融合航迹Xi,j放入初始航迹张量T0的 第i行第j列， 得到航迹张量T； 步骤1.4， 将传感器A和传感器B中的航迹按照航迹批号由小到大排列， 遍历传感器A， 取 得传感器A中的第i条航迹 根据数据集中的关联标注， 得到传感器B中与Xi相关 联的航迹Xm， 其中m表示 Xm在按照航迹批号由小 到大排列的传感器B中的航迹中所处的位置， 将初始关联矩阵A0中第i行第m列元 素设为1， 得到真实关联矩阵Ar。 3.如权利要求1所述的一种基于航迹相似性分割的航迹关联方法， 其特征在于， 所述步 骤2具体包括以下子步骤： 步骤2.1： 总的损失函数为相似损失、 行约束损失、 列约束损失的加权和， 总的损失函数 为 L＝ λ1×Lsim+λ2×Lrow+λ3×Lcol 其中λ1, λ2, λ3为加权系数； 步骤2.2， 相似损失保证生成的关联矩阵与真实的关联矩阵尽可能相似， 为了精确衡量 矩阵内元素差异， 采用相似性分割后得到的关联矩阵与真实关联矩阵中各元素的平方误 差， 相似损失为， 其中ai,j表示A的第i行第j列元素， 表示Al的第i行第j列元素， ||*||2表示矩阵的2 ‑权　利　要　求　书 2/4 页 3 CN 115391324 A 3