1、(2 2)新目标量测集合新目标量测集合。由来自于真实目标但目。由来自于真实目标但目前没有对应目标集合的量测数据组成的集合。前没有对应目标集合的量测数据组成的集合。(3 3)虚警集合虚警集合。由噪声、干扰或杂波等产生的。由噪声、干扰或杂波等产生的量测数据组成的集合。量测数据组成的集合。数据关联数据关联是把来自一个或多个传感器的量测数是把来自一个或多个传感器的量测数据与已有的量测数据集合进行关联分析,确定它们据与已有的量测数据集合进行关联分析,确定它们是否来自于同一数据源。是否来自于同一数据源。(1 1)可能来自于新目标。)可能来自于新目标。(2 2)可能是由噪声或杂波产生的虚警。)可能是由噪声或
2、杂波产生的虚警。分析后分析后未关联的量测未关联的量测,可能有两种情况:,可能有两种情况:根据关联的数据类型,根据关联的数据类型,数据关联可分为以下三种数据关联可分为以下三种:(1 1)量测与量测关联。)量测与量测关联。(2 2)量测与航迹关联。)量测与航迹关联。(3 3)航迹与航迹关联。)航迹与航迹关联。其中,前两种主要用于集中式融合系统,第三种其中,前两种主要用于集中式融合系统,第三种主要用于分布式融合系统。主要用于分布式融合系统。量测与量测关联量测与量测关联 在集中式多传感器信息融合系统中,来自不在集中式多传感器信息融合系统中,来自不同传感器的局部量测在融合处理之前,首先需要同传感器的局部
3、量测在融合处理之前,首先需要进行量测与量测关联,确定源于同一个目标的多进行量测与量测关联,确定源于同一个目标的多传感器量测组合。传感器量测组合。量测与量测关联主要用于:(1 1)实现航迹初始化。)实现航迹初始化。(2 2)观测数据直接融合中的量测数据关联。)观测数据直接融合中的量测数据关联。量测与量测关联量测与量测关联实际上是一个统计判决问题,常实际上是一个统计判决问题,常用的方法有两类用的方法有两类:(1)(1)基于统计距离的判决规则;基于统计距离的判决规则;(2)(2)基于概率的判决规则。基于概率的判决规则。基于概率的判决规则是通过引入航迹存在基于概率的判决规则是通过引入航迹存在概率或航迹
4、可感知概率将概率或航迹可感知概率将概率数据关联概率数据关联和和联合联合概率数据关联算法概率数据关联算法扩展应用于航迹的起始和终扩展应用于航迹的起始和终止。止。量测与航迹关联量测与航迹关联 量测与航迹关联是对落入跟踪门内的有效回量测与航迹关联是对落入跟踪门内的有效回波与已知目标的量测预测值进行比较,确定量测波与已知目标的量测预测值进行比较,确定量测与航迹的正确对应关系。与航迹的正确对应关系。量测与航迹关联的目的是对已有航迹进行保量测与航迹关联的目的是对已有航迹进行保持或对状态进行更新持或对状态进行更新 通过量测与航迹的关联,可以将量测分为通过量测与航迹的关联,可以将量测分为已有航迹的延续量测已有
5、航迹的延续量测、新航迹的起始量测新航迹的起始量测和和虚虚警量测警量测。对于对于延续量测延续量测,根据一定准则与已有航迹配,根据一定准则与已有航迹配对,使航迹得到延续,并用当前的量测代替预测对,使航迹得到延续,并用当前的量测代替预测值,实现状态更新。值,实现状态更新。对于对于新航迹的起始量测新航迹的起始量测,根据实际情况的要,根据实际情况的要求进行处理。求进行处理。常用的量测与航迹的关联方法有三类:(1)(1)最近邻方法最近邻方法概率数据关联法、联合概率数据关联法、概率数据关联法、联合概率数据关联法、多假多假设法设法(2)(2)贝叶斯类方法贝叶斯类方法(3(3)极大斯然方法)极大斯然方法联合极大
6、似然法、航迹分裂法联合极大似然法、航迹分裂法 航迹与航迹关联航迹与航迹关联 在分布式多传感器融合系统中,每个传感器在分布式多传感器融合系统中,每个传感器都有自己的信息处理系统,他们分别对自己的量都有自己的信息处理系统,他们分别对自己的量测进行处理,形成局部航迹,融合中心接收每个测进行处理,形成局部航迹,融合中心接收每个传感器的局部航迹然后进行融合,形成系统航迹。传感器的局部航迹然后进行融合,形成系统航迹。融合中心在进行航迹融合时必须首先确定各个局融合中心在进行航迹融合时必须首先确定各个局部航迹是否是来自于同一目标的航迹,此时就需部航迹是否是来自于同一目标的航迹,此时就需要进行航迹与航迹的关联。
7、要进行航迹与航迹的关联。航迹与航迹的关联主要用于航迹融合,通过航迹与航迹的关联主要用于航迹融合,通过航迹与航迹的关联确定来自于多个传感器的局部航迹与航迹的关联确定来自于多个传感器的局部航迹是否来自于同一个目标,然后再对同一目标航迹是否来自于同一个目标,然后再对同一目标的航迹进行融合,得到系统航迹。的航迹进行融合,得到系统航迹。航迹与航迹的关联算法主要有两大类:一类是统计航迹关联算法一类是统计航迹关联算法另一类是模糊航迹关联算法另一类是模糊航迹关联算法 同一目标航迹的相邻两个量测具有相关性,因同一目标航迹的相邻两个量测具有相关性,因此,在进行数据关联时不需要将传感器当前时刻的此,在进行数据关联时
8、不需要将传感器当前时刻的所有量测与已有的每条航迹逐个进行比较和判断。所有量测与已有的每条航迹逐个进行比较和判断。4.2 4.2 量测与航迹关联的最近邻方法量测与航迹关联的最近邻方法 怎么做?怎么做?利用目标的现有航迹,考虑目标的最大运动速利用目标的现有航迹,考虑目标的最大运动速度、机动变化和各种测量误差等因素,度、机动变化和各种测量误差等因素,可以预测目可以预测目标下一个时刻的量测应该在某个范围之内标下一个时刻的量测应该在某个范围之内,根据这,根据这个范围设立一个个范围设立一个窗口窗口,就可把其他目标的量测以及,就可把其他目标的量测以及干扰所产生的假量测拒之门外。该窗口称为跟踪门,干扰所产生的
9、假量测拒之门外。该窗口称为跟踪门,跟踪门内的量测成为有效量测,这种方法称为跟踪门内的量测成为有效量测,这种方法称为门限门限过滤过滤技术。技术。门限的大小直接影响数据关联的结果门限的大小直接影响数据关联的结果。门限过。门限过小,可能丢失目标的量测;门限过大,就可能失去小,可能丢失目标的量测;门限过大,就可能失去抑制其他目标和干扰的作用。抑制其他目标和干扰的作用。跟踪门的选择原则:以前一个采样周期的预测点为波门中心,使相以前一个采样周期的预测点为波门中心,使相邻延续量以邻延续量以较大的概率较大的概率落入跟踪门。落入跟踪门。(4.1(4.1)式中式中:是传感器在是传感器在k k时刻的观测向量;时刻的
10、观测向量;是观测矩阵;是观测(量测)噪声;4.2.1 4.2.1 跟踪门跟踪门 设离散时间线性动态系统的观测方程为设离散时间线性动态系统的观测方程为V(kV(k)是高斯白噪声,均值为零,协方差矩阵是高斯白噪声,均值为零,协方差矩阵(正定正定)为为R(kR(k),),;定义滤波残差向量定义滤波残差向量d(kd(k)为为其中,其中,Z(kZ(k)为观测向量,为观测向量,为观测预测向量,为观测预测向量,为状态的一步预测为状态的一步预测 。(4.2(4.2)残差协方差矩阵为残差协方差矩阵为其中,其中,为状态一步预测误差的协方差矩阵。为状态一步预测误差的协方差矩阵。(4.3(4.3)残差残差向量的范数定
11、义向量的范数定义为为(4.4(4.4)对对n n维实空间维实空间 中的任一向量中的任一向量X X,按一定规,按一定规则有一确定的实数与其相对应,该实数记为则有一确定的实数与其相对应,该实数记为 ,若若 满足下面三个性质:满足下面三个性质:补充:向量的范数补充:向量的范数 (1)(1)非负性非负性Rn(2)(2)齐次性齐次性(3)(3)三角不等式三角不等式几种常用的向量范数,设向量几种常用的向量范数,设向量 (1)(1)向量的向量的1-1-范数范数(2)(2)向量的向量的2-2-范数范数几种常用的向量范数,设向量几种常用的向量范数,设向量 (3)(3)向量的向量的-范数范数(4)(4)向量的向量
12、的p-p-范数范数可以证明在一定假设条件下,可以证明在一定假设条件下,g(kg(k)服从自由度为服从自由度为m m的的 分布。分布。后面分别介绍矩形跟踪门、椭圆(球)跟踪门和扇后面分别介绍矩形跟踪门、椭圆(球)跟踪门和扇形跟踪门。形跟踪门。残差向量的残差向量的m m维高斯概率密度函数为维高斯概率密度函数为式中:式中:|S(kS(k)|)|为残差协方差矩阵的行列式。为残差协方差矩阵的行列式。(4.5(4.5)矩形跟踪门是最简单的跟踪门,它是在跟踪矩形跟踪门是最简单的跟踪门,它是在跟踪空间内定义一个矩形区域。空间内定义一个矩形区域。设残差向量设残差向量d(kd(k)、量测向量、量测向量z(kz(k
13、)和量测预测向量和量测预测向量 的第的第i i个分量分别为个分量分别为 、,则当量测向量,则当量测向量z(kz(k)的各分量满足关系的各分量满足关系(1)(1)矩形跟踪门矩形跟踪门 (4.6(4.6)则称量测则称量测z(kz(k)落入跟踪门,相应量测为有效量测。落入跟踪门,相应量测为有效量测。式中,式中,为波门常数,与观测密度、检测概率和为波门常数,与观测密度、检测概率和状态向量的维数等因素有关;状态向量的维数等因素有关;为残差向量第为残差向量第i i个分量的标准差;个分量的标准差;图4-1 矩形跟踪门示意图预测值 设设 为椭圆跟踪门的门限大小,如果量测向为椭圆跟踪门的门限大小,如果量测向量量
14、z(kz(k)满足关系满足关系其中,其中,有两种确定方法,一种是最大似然法;另有两种确定方法,一种是最大似然法;另一种是一种是 分布法。分布法。(2)(2)椭圆(球)跟踪门椭圆(球)跟踪门 (4.7(4.7)则称量测则称量测z(kz(k)落入跟踪门,相应量测为有效量测。图4-2 椭圆跟踪门示意图预测值 最大似然法的最优跟踪门限为最大似然法的最优跟踪门限为 分布法是通过标准分布法是通过标准 分布表查出门限值分布表查出门限值 。因为残差向量的范数。因为残差向量的范数g(kg(k)服从自由度为服从自由度为m m 的的 分布分布(4.8(4.8)式中:m m为观测向量的维数;为观测向量的维数;是新回波是新回波(包括目标包括目标回波和假回波回波和假回波)的密度;的密度;P Pd d为检测概率;为检测概率;|S|S|为残差为残差协方差矩阵的行列式。协方差矩阵的行列式。图4-3扇形跟踪门示意图扇形跟踪门预测值(3)(3)扇形跟踪门扇形跟踪门 扇形跟踪门如图扇形跟踪门如图4-34-3所示。所示。如果测量坐标系为极坐标时,就要用到扇形跟如果测量坐标系为极坐标时,
copyright@ 2008-2022 冰豆网网站版权所有
经营许可证编号:鄂ICP备2022015515号-1