第五章数据关联VIP免费

第五章 数据关联 数据关联是多传感器信息融合的关键技术，应用于航迹起始、集中式目标跟踪和分布式目标跟踪。主要有以下几种： a、观测与观测、或观测与点迹的关联：用于航迹起始或估计目标位置 b、观测与航迹关联：用于目标状态的更新 c、航迹与航迹关联：用于航迹融合，局部航迹形成全局航迹 数据关联的一航过程： 例：有两个实体1A 和2A ，三个测量1Z 、2Z 和3Z ，对测量与实体进行关联 1、建立关联门，确定关联门限：椭圆关联门 2、门限过滤：将测量1Z 过滤掉 3、确定相似性度量方法：几何向量距离 2)(jiijAZS 4、建立关联矩阵 276132312221SSSS 5、确定关联判定准则：最近邻方法 6、形成关联对 12AZ 23AZ 一、关联门与门限：关联门通常有两种，矩形和椭圆形 椭圆门： GzzSzzdT)ˆ(ˆ12 位置：22122212121222121221001yxyxTyyxxyyxxyyxxd 位置速度：22122212221222122yxyxyyxxyyxxd G ：关联门限，可由两种方法获取，一是最大似然法，另一种是2 分布法。 2 分布法 2d 是 M个独立高斯分布随机变量平方和，它服从自由度为 M的2 概率分布，给出漏检率，查2 分布表得到门限G 二、相似度量方法 距离度量: 欧几里得距离：212)(ZY ，向量间的几何距离 加权欧氏距离：21)()(ZYWZYT City Block: )(ZY ,一阶明可夫斯基距离，也称 Manhatta 距离 明可夫斯基距离：PPZY1)(， P1 Mahalanobis距离：TZYRZY)()(1，加权欧氏，权等于协方差逆矩阵 Bhattachary y a 距离： zYzYzYTRRRRZYRRZY21121)(ln21)()()(81 用得最广泛的是加权欧氏距离 ijijTijijSd12 概率度量： ijMSijSegijijTij2221 隶属度度量： 用隶属度作为度量标准。 三、关联算法 适合于点与点、点与航迹（利用滤波器的预测功能使点与航迹时间对正）、或航迹与航迹（利用滤波器的预测功能使点与时间对正）。 1、最近邻数据关联：将落在关联门内并且与被跟踪目标的预测位置“最邻近”的观测点作为与航迹相关联的观测。 如有三批目标和三个测量，所形成的关联矩阵为 321321789654312mmmTTT...