(19)国家知识产权局 (12)发明 专利 (10)授权公告 号 (45)授权公告日 (21)申请 号 202210736654.5 (22)申请日 2022.06.27 (65)同一申请的已公布的文献号 申请公布号 CN 114814777 A (43)申请公布日 2022.07.29 (73)专利权人 中国人民解 放军32035部队 地址 710600 陕西省西安市临潼区环城东 路2号 (72)发明人 崔坤军　杜新鹏　王瑞贤　张天天　 李超炜　杨天威　成东山　刘子豪　 (74)专利代理 机构 西安嘉思特知识产权代理事 务所(普通 合伙) 6123 0 专利代理师 辛菲 (51)Int.Cl. G01S 7/41(2006.01) G01S 13/66(2006.01) G01S 13/88(2006.01) G06V 10/74(2022.01) G06V 10/80(2022.01)G06K 9/62(2022.01) (56)对比文件 CN 108171712 A,2018.0 6.15 CN 104867126 A,2015.08.26 CN 114663505 A,2022.06.24 CN 103593430 A,2014.02.19 WO 2022062243 A1,202 2.03.31 CN 111025281 A,2020.04.17 CN 110109095 A,2019.08.09 CN 113985406 A,2022.01.28 US 2018158186 A1,2018.0 6.07 CN 113989325 A,202 2.01.28 傅成彬等.灰色 关联算法在多传感器辐射源 识别系统的应用研究. 《中国电子科 学研究院学 报》 .2015,(第0 6期),全文. (续) 审查员 赵运 (54)发明名称 一种多雷达密集目标的图形匹配关联方法 及系统 (57)摘要 本发明提供的一种多雷达密集目标的图形 匹配关联方法及系统， 通过构建雷达跟踪目标形 成的向量集； 分析误差对近似全等度的影响， 组 成向量相似度矩阵； 给出单时刻图形匹配算法计 算流程， 使用贪心算法向量相似度矩阵中， 确定 近似全等度最高的三角形为备选三角形； 进而在 其他目标中筛选顶点与基础边组成备选关联三 角形； 并设计连续时刻下关联关系维持方法， 使 用DS证据理论将历史时刻以及当前时刻的成功 关联三角形判决， 确定当前时刻的最终成功关联 三角形所对应的目标， 提高关联关系维持的稳定 性和关联正确率。 本发明具备时间复杂度低、 收 敛速度快、 实时性能高的特点， 通过建立稳定正确的目标关联关系， 可以有效支撑多雷达目标融 合轨道生成等应用。 [转续页] 权利要求书3页 说明书11页 附图2页 CN 114814777 B 2022.09.27 CN 114814777 B (56)对比文件 Kunjun Cui et al. .Discrete Gl owworm Swarm Optimizati on Algorithm W ith Key Strategy Adjustment. 《2019 IE EE 7th Internati onal Conference o n Computer Science and Netw ork Technology (ICCSNT)》 .2020,全 文. 操震洲等.跨尺度变换中线 要素图形相似性 的度量方法. 《测绘科 学》 .2013,(第0 6期),全文.杨哲等.基于目标之间拓扑信息的数据关联 方法. 《系统仿真学报》 .20 08,第20卷(第9期),全 文. 颜坤玉等.基 于D-S证据理论的无源航迹关 联算法. 《信息与电子 工程》 .2010,(第0 5期),全 文. 崔亚奇等.基 于三角稳定的海上目标航迹抗 差关联算法. 《系统工程与电子技 术》 .2020,第42 卷(第10期),全 文.2/2 页 2[接上页] CN 114814777 B1.一种多雷达密集目标的图形匹配关联 方法， 其特 征在于， 包括： 获取当前时刻至少两组雷达分别跟踪至少三个目标 所得到的目标 数据； 根据当前时刻各 雷达的目标 数据， 构建雷达跟踪目标 形成的向量 集； 计算当前时刻每 个雷达向量 集的模长相似度矩阵以及指向相似度矩阵； 将当前时刻模长相似度矩阵以及指向相似度矩阵合并， 组成向量相似度矩阵； 将每个目标作为三角形的一个顶点， 使用贪心算法在当前时刻的向量相似度矩阵中， 确定近似全等度最高的三角形为备选三角形； 以备选三角形的任意边为基础边， 使用贪心算法在其他目标中筛选顶点与基础边组成 备选关联三角形； 将超过判决门限的备选关联三角形确定为当前时刻的成功关联三角形； 将历史时刻的成功关联三角形以及 当前时刻的成功关联三角形作为判决数据， 使用DS 证据理论进行判决， 确定当前时刻的最终成功关联三角形 所对应的目标； 其中， 向量模长相似度dn定义为衡量模长相差程度的量， 表达式定义 为： 其中， 和 为向量， 向量指向相似度hn定义为衡量向量边平行程度 的量， 表达式定义 为： 向量近似 全等度vn定义为衡量三角形全等 程度的量， 表达式定义 为： vn＝α *dn+β *hn 其中， α 是与dn分布有关的量， β 是与hn分布有关的量， 表示由第一组雷达R1 跟踪的目标P1R与目标P2R组成的向量， 表示由第二组雷达R2跟踪的目标P1R与目 标P2R组成的向量。 2.根据权利要求1所述的多雷达密集目标的图形匹配关联方法， 其特征在于， 所述根据 当前时刻各 雷达的目标 数据， 构建雷达跟踪目标 形成的向量 集包括： 将每组雷达跟踪的目标作为一个顶点， 将每个顶点与其他顶点相连获得两个顶点所形 成的向量； 针对每组雷达， 将该组雷达跟踪目标 所形成的向量组成向量 集。 3.根据权利要求1所述的多雷达密集目标的图形匹配关联方法， 其特征在于， 所述目标 数据包括 目标距离、 仰角以及方位； 所述计算当前时刻每个雷达 向量集的模长相似度矩阵 以及指向相似度矩阵包括： 针对每个雷达， 根据目标距离计算该雷达的向量集中向量与其他雷达的向量集中向量 之间的模长相似度， 以及根据目标仰角以及方位， 计算指向相似度； 将向量集中每个向量的模长相似度组成向量集的矩阵相似度矩阵， 以及指向相似度组 成指向相似度矩阵。 4.根据权利要求1所述的多雷达密集目标的图形匹配关联方法， 其特征在于， 所述将当权　利　要　求　书 1/3 页 2 CN 114814777 B 3