O algoritmo Húngaro tradicional apresenta quatro limitações na detecção de alvos no espaço de mapas estelares: falta de previsão de movimento, busca global redundante, características de correspondência únicas e pesos fixos que carecem de adaptabilidade. Em cenários complexos com coexistência de alvos de alta e baixa velocidade, aproximação densa de objetivos, variação dinâmica no tamanho e baixa relação sinal-ruído, essas deficiências levam a uma redução significativa na precisão de detecção e na consistência de identidade. Este artigo propõe um algoritmo de correspondência Húngara melhorado baseado em um avanço progressivo multicaracterística, introduzindo inicialmente um filtro de Kalman para prever a posição e velocidade do alvo, substituindo a posição observada estática pela posição prevista para construir o custo de correspondência; em seguida, utiliza a matriz de covariância da previsão de Kalman para construir um portão de distância de Mahalanobis, limitando o espaço de busca da correspondência Húngara de global para uma região local dentro do elipsoide previsto; depois, projeta um mecanismo de peso dinâmico multicaracterística para ajustar adaptativamente a contribuição do custo de cada característica com base na confiabilidade em tempo real da posição, área e proporção de aspecto; finalmente, introduz um mecanismo de penalização de anomalias que impõe custo adicional aos candidatos de correspondência com alterações anômalas na área e proporção de aspecto. Os resultados experimentais em cinco cenários simulados representativos de mapas estelares (alvos de múltiplas velocidades, aproximação densa de alvos, mistura de múltiplos mecanismos, alta densidade de alvos e baixa relação sinal-ruído) demonstram que o algoritmo proposto alcança um MOTA médio de 88,3%, superando o algoritmo Húngaro tradicional (82,4%) em 5,9 pontos percentuais, o algoritmo PPMHT (64,6%) em 23,7 pontos e o algoritmo do vizinho mais próximo (82,3%) em 6,0 pontos; um IDF1 médio de 65,8%, superando o algoritmo Húngaro tradicional (56,3%) em 9,5 pontos e o PPMHT (50,0%) em 15,8 pontos; um IDS médio de 1,6 vezes, inferior ao algoritmo Húngaro tradicional (3,9 vezes) em 2,3 vezes e inferior ao algoritmo do vizinho mais próximo (5,2 vezes) em 3,6 vezes; o tempo médio de execução é de 41,2 ms/quadros, atendendo aos requisitos em tempo real. Os experimentos de ablação mostram que as quatro melhorias progressivas — previsão de Kalman, portão de Mahalanobis, peso dinâmico e penalização de anomalias — contribuem respectivamente com ganhos de MOTA de 8,8, 6,5, 3,2 e 1,2 pontos percentuais. O algoritmo proposto, por meio de uma estrutura de melhoria progressiva em quatro dimensões, alcança um equilíbrio eficaz entre precisão de detecção, consistência de identidade e eficiência computacional, fornecendo uma solução eficaz para a associação entre quadros confiável de alvos no espaço de mapas estelares.

Detecção de alvos no espaço de mapas estelares; Algoritmo Húngaro; Otimização multicaracterística; Filtro de Kalman; Portão de distância de Mahalanobis; Peso dinâmico