基于柯西核半参数模型优化的身份一致性关联
《Expert Systems with Applications》:Identity consistency association based on Cauchy-kernel semiparametric model optimization
【字体:
大
中
小
】
时间:2026年10月21日
来源:Expert Systems with Applications 9.4
编辑推荐:
摘要:在多源间歇观测条件下的目标身份关联是空间目标编目、空间态势感知和复杂测量数据处理中的基础挑战。针对短弧段、弱可观测性、复合误差以及邻近目标干扰导致的航迹片段相似度失真问题,本文提出了一种基于Cauchy核半参数模型优化的新型身份关联方法。首先,通过数据建模,将间歇测量航
摘要:在多源间歇观测条件下的目标身份关联是空间目标编目、空间态势感知和复杂测量数据处理中的基础挑战。针对短弧段、弱可观测性、复合误差以及邻近目标干扰导致的航迹片段相似度失真问题,本文提出了一种基于Cauchy核半参数模型优化的新型身份关联方法。首先,通过数据建模,将间歇测量航迹片段间的身份关联问题转化为基于可测不变量的同源假设检验问题。其次,采用Cauchy核损失函数抑制重尾异常残差,并利用半参数偏差模型补偿测量源共有的系统误差,从而获得去偏后的可测不变量。然后,自适应估计由系统偏差、重尾异常和质量退化引起的误差分量比例,并将其传播至有效协方差中以表征可测不变量的不确定性。此外,构建了一种轨迹感知的一致性统计量,以增强对不同身份邻近目标的关联能力。实验结果表明,与欧氏距离关联、马氏距离关联、单模型门控关联、最大相关熵交互多模型方法以及运动特征匹配相比,本文方法取得了更优的身份关联性能。
引言:现代雷达、光电、导航、机器人、交通监控和空间监视系统持续观测运动目标。这些系统必须在估计目标状态的同时,保持身份在时间上的连续性。在动态目标测量系统中,不仅需要估计目标的位置、速度或运动状态,还必须在较长时间段内保持其身份的一致性。身份关联用于判定在不同时间、由不同传感器采集或在不同局部标签下收集的测量数据是否源自同一物理目标。可靠的身份关联支撑航迹重建、编目维护、行为分析、风险评估和任务规划(Fatima, Sadiq, Ullah, Manzoor, Memon, Khan, 2024, Fu, Shi, Peng, Ullah, 2024, Khaleghi, Khamis, Karray, Razavi, 2013, Li, Tang, Guo, 2023, Wang, Zhou, Qian, 2026)。
然而,在实际动态目标测量中,测量序列常常受到多种不确定因素的干扰。遮挡、盲区、低信噪比、传感器调度、弱可观测性以及通信中断等因素可将同一目标的测量数据分割为若干间歇性航迹片段。不同传感器在采样率、观测几何、噪声水平和系统偏差方面可能存在差异。因此,不同的测量节点可能对同一物理目标分配不同的局部标签。局部标签不一定对应于物理身份。错误分割会导致身份重复和航迹碎片化,而错误合并则会污染后续的状态估计。因此,在不确定测量条件下动态目标航迹片段间的身份关联仍然是复杂测量系统中的核心挑战(Dendorfer, O?ep, Milan, Schindler, Cremers, Reid, Roth, Leal-Taixé, 2021, Luiten, O?ep, Dendorfer, Torr, Geiger, Leal-Taixé, Leibe, 2021, Zhang, Wang, Wang, Zeng, Liu, 2021)。
现有工作通过航迹片段关联、身份维护和多目标数据关联来应对这一挑战。早期的方法如端点距离、速度连续性、航迹外推误差、马氏距离和卡方检验等,常被用于判定两个航迹片段是否满足同源关系(Fortmann, Bar-Shalom, Scheffe, 1983, Mahalanobis, 1936, Rakai, Song, Sun, Zhang, Yang, 2022)。当噪声近似平稳、运动平滑且时间间隔较短时,这些方法是有效的。然而,随着航迹片段和目标数量的增加,局部成对决策容易引入身份冲突。因此,图匹配、网络流、多假设跟踪、联合概率数据关联、随机有限集和航迹片段关联等方法被广泛应用于全局身份恢复(Blom, Bar-Shalom, 1988, Fortmann, Bar-Shalom, Scheffe, 1983, Lu, Wang, Jiang, Gao, Yang, Tao, Qi, 2025, Memon, Ullah, Abro, Ullah, Noor, 2025, Rakai, Song, Sun, Zhang, Yang, 2022, Reid, 1979, Shi, Ullah, Song, Choi, 2020, Xiong, Xu, Cui, Xiong, Lv, 2024, Zhang, Zeng, Tao, Zhang, Zhao, Wu, 2025a)。基于图的方法将航迹片段表示为节点,将关联分数表示为边权,然后通过全局优化恢复身份链(Cetintas, Brasó, Leal-Taixé, 2023, Liu, Li, Zhou, Li, Duan, 2024, Lu, Shuai, Chen, Xu, Modolo, 2024, Ma, Duan, Hou, Yu, Pu, Zhao, 2024, Qin, Zhou, Wang, Duan, Hua, Tang, 2023, Shahbazi, Mirtajadini, Fahimi, 2023, Zhang, Guo, Wang, Li, 2025b)。在视觉多目标跟踪、雷达目标跟踪、扩展目标跟踪和空间目标编目中,这些方法有效缓解了由遮挡、漏检和航迹碎片化引起的身份切换问题(Cao, Pang, Weng, Khirodkar, Kitani, 2023, Du, Zhao, Song, Zhao, Su, Gong, Meng, 2023, Pang, Qiu, Li, Chen, Li, Darrell, Yu, 2021, Zhang, Sun, Jiang, Yu, Weng, Yuan, Luo, Liu, Wang, 2022, Zhang, Wang, Wang, Zeng, Liu, 2021, Zhou, Koltun, Kr?henbühl, 2020)。
然而,现有身份关联方法的性能高度依赖于片段间相似度或关联边权的可靠性。两个航迹片段之间较大的差异不一定意味着不同的身份,它可能源于异常值、传感器偏差或航迹片段质量下降。因此,可靠的关联需要将这些误差源与真实的身份差异区分开来。对于在不确定测量条件下观测的动态目标,局部航迹片段通常较短且噪声较大,无论是航迹片段的端点还是局部航迹形状,都不足以稳定地表征目标身份。错误的成对分数可能会误导即使精密的全局优化,并产生错误的身份链(Cetintas, Brasó, Leal-Taixé, 2023, Lu, Shuai, Chen, Xu, Modolo, 2024, Ma, Duan, Hou, Yu, Pu, Zhao, 2024, Memon, Ullah, Abro, Ullah, Noor, 2025, Xiong, Xu, Cui, Xiong, Lv, 2024, Zhang, Zeng, Tao, Zhang, Zhao, Wu, 2025a)。因此,身份关联的关键不仅在于求解全局关联问题,更重要的是在航迹片段之间构建一种可靠、鲁棒且具有物理可解释性的关联度量。
非高斯异常是关联误差的重要来源。实际测量数据中经常包含突跳、虚警、瞬态测量偏差、脉冲噪声、重尾噪声以及其他非高斯异常。此类异常值会扭曲局部状态估计和外推残差,可能导致同一目标相邻航迹片段之间的错误分割。为解决非高斯测量问题,研究者开发了Huber滤波器、Student-t滤波器、高斯和滤波器、粒子滤波器以及基于最大相关熵准则的鲁棒滤波方法(Chen, Liu, Zhao, Príncipe, 2017, Ge, Bai, Zeng, 2025, Huang, Zhang, 2022, Huang, Zhang, Li, Chambers, 2017, Huber, 1964, Meng, Li, 2022, Roth, ?zkan, Gustafsson, 2013, Shen, Mihaylova, 2021, Wang, Lyu, He, Zhou, Wang, 2020, Yun, Wu, He, Li, 2022)。基于相关熵的方法通过核函数降低大残差的权重,因此对异常值和重尾噪声具有鲁棒性。此外,由于柯西核具有重尾特性和对带宽选择相对较弱的敏感性,它可以缓解高斯核在多维非高斯噪声下可能遇到的数值不稳定性(Ge, Bai, Zeng, 2025, Meng, Li, 2022, Wang, Lyu, He, Zhou, Wang, 2020)。这些研究为在非高斯测量条件下进行鲁棒状态估计提供了重要工具。然而,对于身份关联而言,问题不仅仅在于每个航迹片段内的状态能否被准确估计。更重要的是,鲁棒残差抑制、不变量估计可靠性和测量质量信息必须进一步转化为航迹片段之间的同源判决。现有的鲁棒滤波方法通常将状态均值和协方差作为最终输出,而如何利用鲁棒估计结果进行航迹片段间身份关联的统计检验尚未得到充分研究。
除非高斯异常测量外,系统观测偏差和航迹片段质量下降也是身份分割的重要原因。在实际测量过程中,不同传感器或测量源之间经常存在缓慢变化的系统偏差、站间标定误差、时间相关漂移以及观测几何差异。与独立噪声不同,这些误差会导致来自同一源测量的共偏移。若不加以补偿,同一目标的航迹片段可能在不变量空间中错位并被错误分割。针对该问题的研究主要从多传感器配准、系统偏差估计、时空偏差补偿和状态-偏差联合估计等方面进行。例如,局部航迹或航迹片段已被用于估计分布式传感器偏差;通过时空偏差补偿改善了多目标融合结果;在传感器位置未知或观测异步条件下联合估计了传感器配准误差和目标状态;以及采用高斯过程和其他非参数模型描述多传感器时空标定误差(Bu, Kirubarajan, Zhou, 2021, Fu, Shi, Peng, Ullah, 2024, Li, Tang, Guo, 2023, Lu, Zhou, He, Zhou, Wei, Wang, 2026, Shi, Ullah, Song, Choi, 2020, Wang, Zhou, Qian, 2026)。这些研究表明,系统偏差补偿在提高多源融合和状态估计精度方面发挥着重要作用。然而,现有方法大多旨在提高连续状态估计或融合精度,其输出通常是校正后的状态、航迹或偏差估计,而非直接的身份一致性判决。对于身份关联任务而言,关键不仅在于估计和去除偏差,还必须判定片段间残差中哪些部分源自系统偏差,哪些部分归因于非高斯异常、质量下降或真实的身份差异。因此,统一的关联统计量应在考虑传感器偏差、异常残差和航迹片段质量下降的同时,将这些效应与真实的身份差异区分开来。
因此,在间歇多源观测条件下实现可靠身份关联仍面临三个问题。首先,短小且含噪的航迹片段需要带有校准不确定性的稳定可测不变量。其次,航迹片段间的差异可能源自传感器偏差、异常值、质量损失、自然漂移或真实的身份差异,使得固定的高斯残差模型不再适用。第三,难负样本——指具有相似不变量特征的不同目标航迹片段对——在不变量空间中可能仍接近真实关联,因此需要补充的轨迹特征和签名证据。这些问题推动了一种鲁棒同源检验的发展,该检验能够校正结构化测量误差、针对每个航迹片段自适应不确定性,并保持对难负样本的区分能力。
为解决这些问题,本文提出了CKSMO,一种基于Cauchy核半参数模型优化的身份一致性关联方法。主要贡献总结如下:
1. 建立了多站间歇测量航迹片段的身份关联模型。与传统连续状态估计或航迹拼接不同,将判定两个航迹片段是否源自同一物理目标的问题表述为具有不确定性感知的同源假设检验问题。显式考虑了局部身份标签与真实身份之间的分割和合并风险,从而为后续构建可测不变量一致性统计量提供了统一框架。
2. 提出了可测不变量的Cauchy核鲁棒半参数自校准方法。对于受非高斯异常测量和来自测量源的缓慢变化系统偏差污染的测量航迹片段,采用Cauchy损失抑制重尾异常残差对不变量估计的影响,同时利用平滑约束的半参数偏差项刻画系统误差,从而获得具有显式不确定性刻画的鲁棒去偏身份关联证据。
3. 提出了自适应误差比例估计和有效协方差构建方法。通过航迹片段级误差响应和误差比例模型,自适应识别系统偏差、重尾异常和观测质量退化的影响。同时,鲁棒降权、偏差估计不确定性、估计比例不确定性和质量退化被传播至有效协方差中,使同源检验能够反映身份关联证据可靠性的差异。
4. 通过整合校正不变量一致性、误差特征一致性、可测签名不匹配和近门限门控模糊度,构建了轨迹感知的可测不变量一致性统计量。在所给出的标准化高斯位移模型下,所得统计量在指定的正交不变检验类内产生一致最强显著水平α检验。其实用判别性能在第4节中进行了实验评估。
本文余下部分组织如下。第2节将间歇多站航迹片段的身份关联表述为片段间同源检验。第3节介绍了CKSMO框架,包括鲁棒半参数自校准、自适应误差比例估计、有效协方差构建和轨迹感知一致性统计量。第4节通过混合误差检验、消融实验、多场景对比、关联置信度图和统计分析评估了本文方法在碎片化多站场景下的性能。第5节对本文进行了总结。
章节摘录:间歇测量航迹片段的身份关联
假设多源测量系统包含M个测量源,其集合记为??={1,2,…,M}。在给定时间段内,系统输出N个局部测量航迹片段,记为??={T1,T2,…,TN}。第i个测量航迹片段表示为Ti={(ti,k,mi,k,yi,k)}k=1ni,其中mi,k∈??;ti,k是航迹片段Ti中第k次观测的时间;mi,k是其测量源;yi,k是对应的测量输出;ni是Ti中的观测数。
## CKSMO:基于柯西核半参数模型优化的身份关联方法
基于公式(12)中定义的轨迹片段级身份关联证据,本节进一步探讨了不确定测量条件下目标身份关联的几个关键问题,并讨论了其根本原因和基本实现流程。
### 仿真设置
在三维可测不变空间中生成了一种人工碎片化轨迹片段的关联场景。共模拟了150个目标身份,每个目标被划分为6个短轨迹片段,共产生900个轨迹片段,由8个站观测。其中22%的目标被随机指定为参考目标,用于半参数偏差校准,其余保留用于独立评估。每个轨迹片段被分配到一个站,并受到……
### 结论
本文研究了多站间歇测量条件下的身份一致性关联问题,该问题中可能出现身份分裂、虚假合并以及轨迹片段相似性失真等现象。本文提出了一种基于柯西核半参数模型优化的身份一致性关联方法,简称CKSMO。在该方法中,轨迹片段之间的同源判定被表述为一个带有不确定性的统计假设检验问题。非高斯……
### CRediT作者贡献声明
彭炳鑫:概念构思、方法设计、软件开发、形式分析、数据整理、撰写——原稿。
王琼琦:数据整理、验证、撰写——原稿。
周炫颖:数据整理、验证、撰写——原稿。
陈慧宇:概念构思、监督指导。
何章明:资源提供、方法设计、监督指导、撰写——审阅与编辑。
### 利益冲突声明
作者声明,他们没有已知的竞争性经济利益或个人关系,这些利益或关系可能会影响本文所报告的工作。
### 作者简介
彭炳鑫,2002年出生。2024年毕业于重庆大学数学与统计学院,获得学士学位。目前正在中国人民解放军国防科技大学攻读硕士学位。研究兴趣包括大数据分析与智能决策、数据信息融合及其应用。
彭炳鑫 | 王琼琦 | 周炫颖 | 陈慧宇 | 何章明