従来のハンガリアンアルゴリズムは、星図空間における目標検出において4つの制約が存在する：運動予測の欠如、全体探索の冗長性、単一のマッチング特徴、および固定重みの適応性欠如。高速および低速目標の共存、目標の密集接近、サイズの動的変化、低信号対雑音比などの複雑なシーンにおいて、これらの不足は検出精度と識別の一貫性の著しい低下をもたらす。本稿では、多特徴の段階的改良に基づくハンガリアンマッチングアルゴリズムを提案する。まずカルマンフィルタを導入し、目標の位置と速度を予測し、静的観測位置の代わりに予測位置を用いてマッチングコストを構築する。次にカルマン予測共分散行列を用いてマハラノビス距離ゲートを構築し、ハンガリアンマッチングの探索空間を全体から予測楕円体内の局所領域に制限する。さらに位置、面積、縦横比のリアルタイムの信頼性に基づき、各特徴のコスト寄与を適応的に調整する多特徴動的重みメカニズムを設計する。最後に面積と縦横比の異常な急変をもつ候補マッチングに追加コストを課す異常ペナルティメカニズムを導入する。5つの代表的なシミュレーション星図シナリオ（多速度目標、密集接近、多機構混合、高密度目標、低信号対雑音比）での実験結果は、本アルゴリズムの平均MOTAが88.3％で、従来のハンガリアンアルゴリズム（82.4％）を5.9ポイント上回り、PPMHTアルゴリズム（64.6％）を23.7ポイント、最近傍アルゴリズム（82.3％）を6.0ポイント上回ったことを示している。平均IDF1は65.8％で、従来のハンガリアンアルゴリズム（56.3％）より9.5ポイント高く、PPMHT（50.0％）より15.8ポイント高い。平均IDSは1.6回で、従来のハンガリアンアルゴリズム（3.9回）より2.3回少なく、最近傍アルゴリズム（5.2回）より3.6回少ない。平均処理時間は41.2ms/フレームでリアルタイム要件を満たす。アブレーション実験は、カルマン予測、マハラノビスゲート、動的重み、異常ペナルティという4つの改良がそれぞれMOTAに8.8、6.5、3.2、1.2ポイント寄与することを示した。本アルゴリズムは4次元の段階的改良フレームワークにより、検出精度、識別一貫性、計算効率の間で効果的なバランスを実現し、星図空間目標の信頼性の高いフレーム間関連付けのための有効なソリューションを提供する。

星図空間目標検出;ハンガリアンアルゴリズム;多特徴最適化;カルマンフィルタ;マハラノビス距離ゲート;動的重み