（计算机应用技术专业论文）数据融合系统中航迹关联和属性关联的研究.pdf

a b s t r a c t p l o t - t r a c ka s s o c i a t i o ni sad i f f i c u l t yi nd a t af u s i o ns y s t e m t om e e tt h en e e do f l a r g eq u a n t i t i e s o fp l a t f o r m si nb a t t l e f i e l da n dt h er e a l t i m e p e r f o r m a n c eo ft h e f u s i o ns y s t e m ，an e w p l o t - t r a c ka s s o c i a t i o na l g o r i t h m - - a p p r o x i m a t em u l t i s e n s o r m u l t i - t a r g e t j o i n tp r o b a b i l i s t i cd a t a a s s o c i a t i o n ( a m s j p d a ) a l g o r i t h m i s p r e s e n t e d i nt h ep a p e r i nt h ea m s j p d a ，t a r g e t sa r ed i v i d e di n t o a p p r o x i m a t e c l u s t e r sd i f f e r e n tf r o mt h ec l u s t e ri nm s y p d a t h ea p p r o x i m a t ec l u s t e rh a so n e “c e n t e rt a r g e t ”a n dt h eo t h e rt a r g e t sa r ei t s n e i g h b o rt a r g e t s ”i ft h e r ei sa tl e a s to n e m e a s u r e m e n ti n s i d et h ei n t e r s e c t i o no ft h ev a l i d a t i o ng a t e so ft h ec e n t e ra n dt h e n e i g h b o r t h u st h en u m b e r o f t a r g e t si nt h es a m ea p p r o x i m a t ec l u s t e ri sn o ts ol a r g e ， w h i c hr e d u c et h ec o m p u t a t i o n a lc o s tf o rt h ep l o t - t r a c ka s s o c i a t i o n t oc o m p u t et h e p o s i t i o ne s t i m a t i o na m s 巾d a t a k e si n t oc o n s i d e r a t i o na l lt h em e a s u r e m e n t si nt h e v a l i d a t i o ng a t e a d d e da l lt h em e a s u r e m e n t sm u l t i p l i e d b yt h e i rp o w e r , w h i c hi s t a k e na st h ec o e f f i c i e n ti nc o m p u t a t i o n ，t h en e a ro p t i m a le s t i m a t i o nc a nb ea c h i e v e d c o m p a r e dw i t hm s j p d 气a m s j p d a d e m a n d sl e s st i m ea n dh a ss i m i l a rc o r r e c t a s s o c i a t i o nr a t e a l ls u g g e s tt h a ta m s j p d ai ss u i t a b l ef u rt h er e a l t i m ef u s i o n s y s t e mi nc o m p l e x e n v i r o n m e n ti nc l u t t e r a t t r i b u t e t r a c kc o r r e l a t i o ni sa l s oa ni m p o r t a n tp a r ti nd a t af u s i o ns y s t e mi n s i m p l es i m u l a t i o ns c e n et h et r a d i t i o n a la l g o r i t h m ，w h i c hu s ea z i m u t ha st h eb a s i so f c o r r e l a t i o n , c a l lw o r kp e r f e c t l y b u ta st h ee n v i r o n m e n tb e c o m em o r ea n dm o r ec o m p l e x ， t h et r a d i t i o n a lc o r r e l a t i o nc a l l ts a t i s f yt h ed e m a n do f t h es y s t e m t os o l v et h i sp r o b l e m ， an e wc o r r e l a t i o na l g o r i t h m - - m u l t i p l ef a c t o rs y n t h e t i cd e c i s i o na l g o r i t h mf m f s d a ) i sd e v e l o p e di nt h ep a p e r , i nm f s d & b e s i d e st h ea z i m u t ht h eh i g ha c c u r a t ea t t r i b u t e p a r a m e t e r sf r o me s m s e n s o ri sa l s oc o n s i d e r e da st h ep r e c o n d i t i o no fa t t r i b u t e - t r a c k c o e l a t i o n a l lt h ep a r a m e t e r sa r es y n t h e s i z e di n t oas y n t h e t i cf u n c t i o n ，w h i c hi st h e c o r eo ft h em f s d a i ft h ev a l u eo ft h es y n t h e t i cf u n c t i o ni su n d e rt h ev a l i d a t i o ng a t e ， t h ec o r r e l a t i o nc o m e si n t oe x i s t e n c e u s em f s d a t h ec o r r e c ta s s o c i a t i o nr a t ei sh i g h a n dm f s d aa l s o p r o v i d e s an e wi d e ai n c o l l i g a t i o n o fa z i m u t ha n da t t r i b u t e p a r a m e t e r s k e y w o r d ：d a t a f u s i o n p l o t - t r a c k a s s o c i a t i o na t t r i b u t e - t r a c kc o r r e l a t i o n _ 7 磊i _ j iij01jj，i4，。 j， 第一章绪论 第一章绪论 数据融合技术的产生源于现代战争对多源信息自动融合处理技术的需求。随 着科学技术的迅速发展，军事领域中不断增长的复杂度使得军事指挥人员面临数 据剧增、信息超载等问题。为避免指挥人员被数据海洋淹没，需要一种高效实时 的自动化作战指挥系统，于是数据融合系统应运而生了。数据融合系统运用包括 微波、毫米波、电视、红外、激光、电子支援措施( e s m ) 以及电子情报技术( e l i n t ) 等各种有源、无源传感器提供的多种探测信息，通过优化综合处理，共同完成实 时的发现目标、进行数据相关、获得目标状态估计、识别目标身份进而进行态势 评估和威胁估计【”。现代战争中高效的数据融合作为一种特殊的作战手段己渗透到 几乎所有军事部门和各个作战领域，深刻地影响着战争的进程和结局。 1 1 数据融合系统概述 1 1 1 数据融合的概念 由于数据融合研究内容的广泛性和多样性，给出一个数据融合的一般概念是 非常困难的。在这里给出几种有关数据融合的几种说法i ： 1 ) 利用计算机技术对按时序获得的若干传感器量测数据在一定的准则下加以自 动分析、综合以完成所需决策和估计任务而进行的数据处理过程。 2 ) 对各种数据源给出的数据进行采集、传输、综合、滤波、相关和合成，以便辅 助指战员进行态势，习：境判定、规划、探测、验证与诊断。 3 ) 对来自多信息源的数据和信息进行互联、相关和合并处理，以获得准确的目标 位置和身份估计，从而完全地、及时地估计出态势和威胁及其它们地意义和过 程。这是1 9 8 4 年美国国防部j d l ( j o i n t d i r e c t i o n so f l a b o r a t o r i e s ) 从军事的角 度将数据融合定义。 4 ) e d w a r dw a l t z 和j a m e sl l i n a s 对上述定义进行了补充和修改，用状态估计代替 位置估计，并加上了检测( d e t e c t i o n ) 功能，从而给出了以下定义：数据融合 是一种多层次的、多方面的处理过程，这个过程是对多源数据进行检测、结合、 相关、估计和组合以达到精确的状态估计和身份估计，以及完整、及时的态势 评估和威胁评估。 5 ) 美国国防部1 9 9 8 年联合作战科学技术计划称1 3 1 ：数据融合是一种由多个探 测器各提供一组单独的有关目标和背景的数据，然后再把这些数据处理成单一 一组融合数据的技术。融合的数据向战区司令员们所展示的作战空间的情景， 第一章绪论 第一章绪论 数据融合技术的产生源于现代战争对多源信息自动融合处理技术的需求。随 着科学技术的迅速发展，军事领域中不断增长的复杂度使得军事指挥人员面临数 据剧增、信息超载等问题。为避免指挥人员被数据海洋淹没，需要一种高效实时 的自动化作战指挥系统，于是数据融合系统应运而生了。数据融合系统运用包括 微波、毫米波、电视、红外、激光、电子支援措施( e s m ) 以及电子情报技术( e l i n t ) 等各种有源、无源传感器提供的多种探测信息，通过优化综合处理，共同完成实 时的发现目标、进行数据相关、获得目标状态估计、识别目标身份进而进行态势 评估和威胁估计【”。现代战争中高效的数据融合作为一种特殊的作战手段己渗透到 几乎所有军事部门和各个作战领域，深刻地影响着战争的进程和结局。 1 1 数据融合系统概述 1 1 1 数据融合的概念 由于数据融合研究内容的广泛性和多样性，给出一个数据融合的一般概念是 非常困难的。在这里给出几种有关数据融合的几种说法i ： 1 ) 利用计算机技术对按时序获得的若干传感器量测数据在一定的准则下加以自 动分析、综合以完成所需决策和估计任务而进行的数据处理过程。 2 ) 对各种数据源给出的数据进行采集、传输、综合、滤波、相关和合成，以便辅 助指战员进行态势，习：境判定、规划、探测、验证与诊断。 3 ) 对来自多信息源的数据和信息进行互联、相关和合并处理，以获得准确的目标 位置和身份估计，从而完全地、及时地估计出态势和威胁及其它们地意义和过 程。这是1 9 8 4 年美国国防部j d l ( j o i n t d i r e c t i o n so f l a b o r a t o r i e s ) 从军事的角 度将数据融合定义。 4 ) e d w a r dw a l t z 和j a m e sl l i n a s 对上述定义进行了补充和修改，用状态估计代替 位置估计，并加上了检测( d e t e c t i o n ) 功能，从而给出了以下定义：数据融合 是一种多层次的、多方面的处理过程，这个过程是对多源数据进行检测、结合、 相关、估计和组合以达到精确的状态估计和身份估计，以及完整、及时的态势 评估和威胁评估。 5 ) 美国国防部1 9 9 8 年联合作战科学技术计划称1 3 1 ：数据融合是一种由多个探 测器各提供一组单独的有关目标和背景的数据，然后再把这些数据处理成单一 一组融合数据的技术。融合的数据向战区司令员们所展示的作战空间的情景， 2数据融合中航迹关联和属性关联的研究 要比单独的几组数据相加所展示的情景准确的多。 从上述几种说法中可以看出数据融合的三个本质特征【4 l ：多传感器、多信源 输入；准确有效的合成准则；单一表示的结果。 i 1 2 数据融合的处理模型 对于数据融合问题的研究，有各种各样不同的限定和说法，多年来一直困扰 数据融合的一个问题就是缺少统一的术语。为了促进数据融合研究者和系统开发 者之间的交流，美国国防部j d l 数据融合研究小组创建了数据融合的处理模型。 5 d l 处理模型如下图所示 图1 - i 数据融合处理模型 该模型主要将数据融合分为四级： 一级融合目标精练：是对传感器信息进行的初级的、直接的处理，包 括数据求精、航迹关联、目标状态估计、属性关联、辐射源识别及目标识 别等。 二级融合一态势评估：是对一级融合产生的战斗序列的解释，主要是评 估实体行为和军事事件在上下文中的抽象意义。 三级融合威胁评估：推理敌方的意图和目的，量化判断敌方对我方的 危害程度。 四级融合一过程精练：评估实时和长期数据融合性能 通过监视动态融 合处理过程，优化资源利用及传感器管理；通过反馈自适应，完善多级融 合系统。 我们注意到在一级目标识别处理前还有一个信息源预处理模块，主要处理 2数据融合中航迹关联和属性关联的研究 要比单独的几组数据相加所展示的情景准确的多。 从上述几种说法中可以看出数据融合的三个本质特征【4 l ：多传感器、多信源 输入；准确有效的合成准则；单一表示的结果。 i 1 2 数据融合的处理模型 对于数据融合问题的研究，有各种各样不同的限定和说法，多年来一直困扰 数据融合的一个问题就是缺少统一的术语。为了促进数据融合研究者和系统开发 者之间的交流，美国国防部j d l 数据融合研究小组创建了数据融合的处理模型。 5 d l 处理模型如下图所示 图1 - i 数据融合处理模型 该模型主要将数据融合分为四级： 一级融合目标精练：是对传感器信息进行的初级的、直接的处理，包 括数据求精、航迹关联、目标状态估计、属性关联、辐射源识别及目标识 别等。 二级融合一态势评估：是对一级融合产生的战斗序列的解释，主要是评 估实体行为和军事事件在上下文中的抽象意义。 三级融合威胁评估：推理敌方的意图和目的，量化判断敌方对我方的 危害程度。 四级融合一过程精练：评估实时和长期数据融合性能 通过监视动态融 合处理过程，优化资源利用及传感器管理；通过反馈自适应，完善多级融 合系统。 我们注意到在一级目标识别处理前还有一个信息源预处理模块，主要处理 第一章绪论 信号检测问题，从而实现将检测判定量化且有一个可信度度量；此外，数据库管 理主要是为融合过程提供所需的数据支持；人机接口模块为决策者提供良好的态 势描绘和方便的系统操作模式。 1 1 3 数据融合的基本方法 数据融合不是单一的技术，而是一门跨领域的综合理论和方法，且仍然是一 个不成熟的研究方向，尚处在不断的变化和发展之中。下面我们就根据图1 l 中的 处理模型，给出一个主要算法表 表1 1 数据融合主要算法表 j d l 过程 功能主要技术 数据对准 坐标转换：单位统一：时间对准 一级：数据目标关联 相关门技术；多假设联合概率数据关联算法； 目标精炼 最近邻法 连续性估计：卡尔曼滤波，a 咕游渡，多假 位置速度及属性估计设理论；批估计理论：最大可能性理论；混 合方法 物理模型；基于特征技术：神经网络，模式识 目标实体估计 别；语义模型 二级： 目标集合：事件行为解释；上 基于知识系统( k b s ) ：基于规则专家系统， 态势评估 下文解释 模糊逻辑基于框架理论 逻辑模板；神经网 络；黑板理论 三级：收集力量估计；意图预测；多前 神经阿络，黑板理论 威胁评估 景评估 四级： 性能评价 评估钡l 量；性能测量：效用理论 过程精炼 过程控制 多目标优化：线性计划，目的计划 所需数据源决定 传感器模型 任务管理基于知识系统 1 2 数据融合中的关联部分 从数据融合的概念以及模型、方法来看，一级融合是整个融合系统的基础， 而数据关联部分又是一级融合的核心和关键，因此如何准确、实时的实现数据融 合系统中的数据关联( 包括航迹关联和属性关联) 是论文中要讨论和解决的主要 问题。 1 2 1 数据融合中的航迹关联 航迹关联是数据融合的一项关键技术，也是一个难点。航迹关联质量的好坏 第一章绪论 信号检测问题，从而实现将检测判定量化且有一个可信度度量；此外，数据库管 理主要是为融合过程提供所需的数据支持；人机接口模块为决策者提供良好的态 势描绘和方便的系统操作模式。 1 1 3 数据融合的基本方法 数据融合不是单一的技术，而是一门跨领域的综合理论和方法，且仍然是一 个不成熟的研究方向，尚处在不断的变化和发展之中。下面我们就根据图1 l 中的 处理模型，给出一个主要算法表 表1 1 数据融合主要算法表 j d l 过程 功能主要技术 数据对准 坐标转换：单位统一：时间对准 一级：数据目标关联 相关门技术；多假设联合概率数据关联算法； 目标精炼 最近邻法 连续性估计：卡尔曼滤波，a 咕游渡，多假 位置速度及属性估计设理论；批估计理论：最大可能性理论；混 合方法 物理模型；基于特征技术：神经网络，模式识 目标实体估计 别；语义模型 二级： 目标集合：事件行为解释；上 基于知识系统( k b s ) ：基于规则专家系统， 态势评估 下文解释 模糊逻辑基于框架理论 逻辑模板；神经网 络；黑板理论 三级：收集力量估计；意图预测；多前 神经阿络，黑板理论 威胁评估 景评估 四级： 性能评价 评估钡l 量；性能测量：效用理论 过程精炼 过程控制 多目标优化：线性计划，目的计划 所需数据源决定 传感器模型 任务管理基于知识系统 1 2 数据融合中的关联部分 从数据融合的概念以及模型、方法来看，一级融合是整个融合系统的基础， 而数据关联部分又是一级融合的核心和关键，因此如何准确、实时的实现数据融 合系统中的数据关联( 包括航迹关联和属性关联) 是论文中要讨论和解决的主要 问题。 1 2 1 数据融合中的航迹关联 航迹关联是数据融合的一项关键技术，也是一个难点。航迹关联质量的好坏 第一章绪论 信号检测问题，从而实现将检测判定量化且有一个可信度度量；此外，数据库管 理主要是为融合过程提供所需的数据支持；人机接口模块为决策者提供良好的态 势描绘和方便的系统操作模式。 1 1 3 数据融合的基本方法 数据融合不是单一的技术，而是一门跨领域的综合理论和方法，且仍然是一 个不成熟的研究方向，尚处在不断的变化和发展之中。下面我们就根据图1 l 中的 处理模型，给出一个主要算法表 表1 1 数据融合主要算法表 j d l 过程 功能主要技术 数据对准 坐标转换：单位统一：时间对准 一级：数据目标关联 相关门技术；多假设联合概率数据关联算法； 目标精炼 最近邻法 连续性估计：卡尔曼滤波，a 咕游渡，多假 位置速度及属性估计设理论；批估计理论：最大可能性理论；混 合方法 物理模型；基于特征技术：神经网络，模式识 目标实体估计 别；语义模型 二级： 目标集合：事件行为解释；上 基于知识系统( k b s ) ：基于规则专家系统， 态势评估 下文解释 模糊逻辑基于框架理论 逻辑模板；神经网 络；黑板理论 三级：收集力量估计；意图预测；多前 神经阿络，黑板理论 威胁评估 景评估 四级： 性能评价 评估钡l 量；性能测量：效用理论 过程精炼 过程控制 多目标优化：线性计划，目的计划 所需数据源决定 传感器模型 任务管理基于知识系统 1 2 数据融合中的关联部分 从数据融合的概念以及模型、方法来看，一级融合是整个融合系统的基础， 而数据关联部分又是一级融合的核心和关键，因此如何准确、实时的实现数据融 合系统中的数据关联( 包括航迹关联和属性关联) 是论文中要讨论和解决的主要 问题。 1 2 1 数据融合中的航迹关联 航迹关联是数据融合的一项关键技术，也是一个难点。航迹关联质量的好坏 4数据融台中航迹关联和属性关联的研究 直接影响数据融合系统性能的好坏。国外对航迹关联的研究比较成熟，已形成了 最近邻域法( s i n g e r 等提出的集中式，k o s a k a 提出的分布式) 、加权法( s i n g e r 和 k a n y u c h 提出) 、修正法( b a r - s h a l o m 提出1 等基本方法，也有在此基础上发展起来 的全郐法( s i n g e r 、s e a 和h o u s e w r i g h t 提出) 、经典分配法( c h a n g 和y o u e n s 提出) 、 极大似然法( b o v m a i i 提出) 、概率关联法陋l ( b a r - s h a l m o n 等提出) ，多模型法1 7 , 列( b i o t a 等提出) 和各种模糊方法等等。我国对航迹关联的研究起步较晚，九十年代初才对 其进行系统研究，但我国在外国研究成果基础上又取得了很大的进步：海军航空 工程学院的何友教授等根据k - n n ( k 近邻法) 提出了改进的m k n n 算法p 】， 并提出了有独到见解的独立，相关序贯关联算法【1 0 1 ，独立孝日关双门限关联算法i ， 模糊综合函数关联算法【”i ，模糊的双门限关联算法i i 等；西北工业大学的潘泉教 授在多目标跟踪、数据关联融合等方面也做了许多研究，提出了主导概率数据关 联算法1 1 0 1 ，结合特征参数的数据关联算法1 1 5 1 等；西安电子科技大学的刘源博士、 深圳大学的谢维信教授等提出了模糊一概率交互作用的数据关联算法l “1 ：空军雷 达学院的田科钰、钟。陕扶基于b z h o u 等人提出的深度优先概率数据关联提出了广 度优先概率数据关联算法【l i ，此外其它许多学校( 如国防科技大学、海军工程大 学、中国科学技术大学等) 及许多科研院所( 如1 4 所、2 8 所、2 9 所、3 8 所及5 4 所等) 也都在进行数据融合、航迹关联方面的研究并取得了丰硕的成果。 1 2 2 数据融合中的属性关赋 属性关联是将无源传感器探测的属性信息关联到相应目标航迹上的关联。属 性关联算法也是数据融合中的一项重要内容，属性能否正确的关联到目标上，形 成正确的目标威胁单元，将直接影响着后面目标识别的识别率及进一步做的态势 和威胁估计。 属性关联属异类传感器的数据关联融合，其中较为典型的就是雷达航迹同电 子支援设备( e l e c t r o n i cs u p p o r tm e a s u r e m e n t 简称e s m ) 属性的关联问题。国内 外对雷达航迹与e s m 属性关联也进行了不少研究。在国外首先是c o l e m a n 研究了 航迹样本容量相等时的雷达一e s m 关联问题；随后t r u n k 和w i l s o n 基于统计理论 研究了样本容量不等情况下的属性关联算法；之后对属性关联的研究从各个角度 展开。在国内海军航空工程学院的何友教授，王国宏教授等人对雷达和e s m 的数 据互联进行了较深入的研究，并发表了多篇相关论文。 不论对航迹关联的研究还是对属性关联的研究，其研究的目的都是要提高关 联质量，进而提高融合的质量。对于其在工程中的应用还要注意算法的时间消耗， 即实时性。目前国内外的研究都致力于如何提高算法的关联正确率和如何加快处 理速度、更好的实现算法的实时性。 4数据融台中航迹关联和属性关联的研究 直接影响数据融合系统性能的好坏。国外对航迹关联的研究比较成熟，已形成了 最近邻域法( s i n g e r 等提出的集中式，k o s a k a 提出的分布式) 、加权法( s i n g e r 和 k a n y u c h 提出) 、修正法( b a r - s h a l o m 提出1 等基本方法，也有在此基础上发展起来 的全郐法( s i n g e r 、s e a 和h o u s e w r i g h t 提出) 、经典分配法( c h a n g 和y o u e n s 提出) 、 极大似然法( b o v m a i i 提出) 、概率关联法陋l ( b a r - s h a l m o n 等提出) ，多模型法1 7 , 列( b i o t a 等提出) 和各种模糊方法等等。我国对航迹关联的研究起步较晚，九十年代初才对 其进行系统研究，但我国在外国研究成果基础上又取得了很大的进步：海军航空 工程学院的何友教授等根据k - n n ( k 近邻法) 提出了改进的m k n n 算法p 】， 并提出了有独到见解的独立，相关序贯关联算法【1 0 1 ，独立孝日关双门限关联算法i ， 模糊综合函数关联算法【”i ，模糊的双门限关联算法i i 等；西北工业大学的潘泉教 授在多目标跟踪、数据关联融合等方面也做了许多研究，提出了主导概率数据关 联算法1 1 0 1 ，结合特征参数的数据关联算法1 1 5 1 等；西安电子科技大学的刘源博士、 深圳大学的谢维信教授等提出了模糊一概率交互作用的数据关联算法l “1 ：空军雷 达学院的田科钰、钟。陕扶基于b z h o u 等人提出的深度优先概率数据关联提出了广 度优先概率数据关联算法【l i ，此外其它许多学校( 如国防科技大学、海军工程大 学、中国科学技术大学等) 及许多科研院所( 如1 4 所、2 8 所、2 9 所、3 8 所及5 4 所等) 也都在进行数据融合、航迹关联方面的研究并取得了丰硕的成果。 1 2 2 数据融合中的属性关赋 属性关联是将无源传感器探测的属性信息关联到相应目标航迹上的关联。属 性关联算法也是数据融合中的一项重要内容，属性能否正确的关联到目标上，形 成正确的目标威胁单元，将直接影响着后面目标识别的识别率及进一步做的态势 和威胁估计。 属性关联属异类传感器的数据关联融合，其中较为典型的就是雷达航迹同电 子支援设备( e l e c t r o n i cs u p p o r tm e a s u r e m e n t 简称e s m ) 属性的关联问题。国内 外对雷达航迹与e s m 属性关联也进行了不少研究。在国外首先是c o l e m a n 研究了 航迹样本容量相等时的雷达一e s m 关联问题；随后t r u n k 和w i l s o n 基于统计理论 研究了样本容量不等情况下的属性关联算法；之后对属性关联的研究从各个角度 展开。在国内海军航空工程学院的何友教授，王国宏教授等人对雷达和e s m 的数 据互联进行了较深入的研究，并发表了多篇相关论文。 不论对航迹关联的研究还是对属性关联的研究，其研究的目的都是要提高关 联质量，进而提高融合的质量。对于其在工程中的应用还要注意算法的时间消耗， 即实时性。目前国内外的研究都致力于如何提高算法的关联正确率和如何加快处 理速度、更好的实现算法的实时性。 第一章绪论 1 3 论文主要完成的工作 在论文工作期间，主要完成了以下工作： 1 )针对现代战场环境下杂波多、目标批次大，航迹交叉、分岔较多的复杂 情况进行目标航迹关联融合。论文中提出了一种基于完全联合概率数据 互联算法的近似联合概率关联算法，算法引入了近似聚的概念，将关联 假设事件简化处理，较好的实现了关联正确率的提高和算法的实时性。 论文中还研究并实现了最近邻算法，完全联合概率数据关联算法，探讨 了分布式数据融合系统的航迹关联算法和模糊航迹关联算法。 2 1论文中将红外引入关联系统，利用红外的高精度角度测量对有源传感器 融合航迹的方位角进行修正，提高了目标状态估计的精度，为下一步的 属性关联创造了良好的基础。 3 1针对数据融合算法中无源数据与航迹的关联，利用属性参数这一对辐射 源极为重要的数据，提出将方位角和属性综合起来对关联进行判别，克 服了只用方位角信息进行关联的缺点，避免了一些关联中的错误。论文 中还研究了在属性关联统计算法，利用多站多传感器这一优势来对错误 关联加以修正，提高了属性关联的正确率。并且可利用关联结果来消除 平台推理的多义性，对识别中的错误进行纠正，为属| 生信息与航迹信息 的综合利用上提供了一条好的思路。 数据融台系统中航迹关联和属性关联的研究 第二章多目标多传感器航迹关联 航迹关联是多传感器多目标数据融合系统中的一项关键技术，也是一个难点。 关联的质量直接影响到目标航迹的正确形成乃至整个系统的融合质量。本章从理 论上来研究航迹关联问题，重点讨论航迹关联的分类及几种典型的关联算法。 2 1 航迹关联分类及定义 在数据融合的各种体系结构中，对航迹的关联融合来说，比较有意义的体系结 构有：集中式、分布式、混合式和分级式2 1 。分散式结构无自动信息融合可言，完 全靠人工综合，这里不作讨论。 2 1 1 集中式航迹关联 集中式航迹关联又叫点迹航迹的关联，它将多传感器探测得来的数据传递到 融合中心，在那里进行数据对准、点迹相关、数据互联、航迹滤波、预测与综合 跟踪。它最大的优点是处理方法单一，一旦航迹确定后，航迹质量较高；其缺点 是站与站之间量测数据的传输量比较大，需要较好的通信设备，另外，处理大量 的量测数据要求系统具备较高的处理性能。 集中式点迹航迹关联结构为i 馆i ： 图2 1 集中式航迹关联结构图 第二章多传感器多目标航迹关联， 2 1 2 分布式航迹关联 分布式航迹关联是航迹航迹的关联，每个传感器的探测数据在进入融合之前 先在本地由它们自己的数据处理器产生局部跟踪航迹，然后把处理后的航迹信息 送到融合中心，融合中心根据各节点的航迹数据完成航迹的关联和融合，形成全 局航迹。它的优点是它不仅有局部独立跟踪能力，而且还有全局监视和评估特征 的能力，具有较强的自下而上的能力；但它对局部处理器要求高，并且它要求多 层处理( 局部跟踪和全局关联) ，算法较为复杂。 分布式航迹关联结构为i ”i ： 图2 2 分布式航迹关联结构图 2 1 - 3 混合式航迹关联 混合式航迹关联是集中式航迹关联与分布式航迹关联的综合，它同时传输传 感器量测数据和局部节点处理后的航迹数据到融合中心，在关联中既进行航迹，航 迹的关联，又进行点迹，航迹的关联，共同形成全局目标航迹。它保留了上述两类 系统的优点，航迹生成中充分利用了局部和全局信息，使航迹估计与跟踪更为准 确；但它传输的数据量大，算法更为复杂，通信和计算上要付出昂贵的代价，对 系统性能要求高。 混合式航迹关联结构图1 1 8 l ： 第二章多传感器多目标航迹关联， 2 1 2 分布式航迹关联 分布式航迹关联是航迹航迹的关联，每个传感器的探测数据在进入融合之前 先在本地由它们自己的数据处理器产生局部跟踪航迹，然后把处理后的航迹信息 送到融合中心，融合中心根据各节点的航迹数据完成航迹的关联和融合，形成全 局航迹。它的优点是它不仅有局部独立跟踪能力，而且还有全局监视和评估特征 的能力，具有较强的自下而上的能力；但它对局部处理器要求高，并且它要求多 层处理( 局部跟踪和全局关联) ，算法较为复杂。 分布式航迹关联结构为i ”i ： 图2 2 分布式航迹关联结构图 2 1 - 3 混合式航迹关联 混合式航迹关联是集中式航迹关联与分布式航迹关联的综合，它同时传输传 感器量测数据和局部节点处理后的航迹数据到融合中心，在关联中既进行航迹，航 迹的关联，又进行点迹，航迹的关联，共同形成全局目标航迹。它保留了上述两类 系统的优点，航迹生成中充分利用了局部和全局信息，使航迹估计与跟踪更为准 确；但它传输的数据量大，算法更为复杂，通信和计算上要付出昂贵的代价，对 系统性能要求高。 混合式航迹关联结构图1 1 8 l ： 数据融合系统中航迹关联和属性关联的研究 图2 3 混合式航迹关联图 2 l4 多级式航迹关联 多级式航迹关联的局部节点可以同时或分别是集中式、分布式或混合式的融 合中心，它们将接收和处理来自多个传感器的数据或来自多个跟踪器的航迹，而 系统的融合节点要再次对各局部融合节点送来的航迹数据进行关联和融合，也就 是说目标的航迹要经过两级以上的关联融合处理，因此称其为多级式航迹关联。 它的优点是结构灵活，适应性强，可随时移植到检测层以上的任何融合层次，但 它的数据处理经过了多级，势必会导致实时性变差，要综合考虑多因素进行选择。 多级式航迹关联的结构1 1 8 j ： 上 l 航迹融合节点1 l 数 ll1rl 据 点 1 0 对迹 航 一 i 航迹融合节点2 r j 正 与目 ，航 迹 标 控迹 合 状 ! 制相 成 态 参关 r l 数 航迹融合节点nj l 1 图2 4 多级式航迹关联图 数据融合系统中航迹关联和属性关联的研究 图2 3 混合式航迹关联图 2 l4 多级式航迹关联 多级式航迹关联的局部节点可以同时或分别是集中式、分布式或混合式的融 合中心，它们将接收和处理来自多个传感器的数据或来自多个跟踪器的航迹，而 系统的融合节点要再次对各局部融合节点送来的航迹数据进行关联和融合，也就 是说目标的航迹要经过两级以上的关联融合处理，因此称其为多级式航迹关联。 它的优点是结构灵活，适应性强，可随时移植到检测层以上的任何融合层次，但 它的数据处理经过了多级，势必会导致实时性变差，要综合考虑多因素进行选择。 多级式航迹关联的结构1 1 8 j ： 上 l 航迹融合节点1 l 数 ll1rl 据 点 1 0 对迹 航 一 i 航迹融合节点2 r j 正 与目 ，航 迹 标 控迹 合 状 ! 制相 成 态 参关 r l 数 航迹融合节点nj l 1 图2 4 多级式航迹关联图 第二章多传感器多目标航迹关联 在集中式、分布式、混合式和分级式航迹关联中，应用较广泛的是集中式航迹 关联和分布式航迹关联。下面着重对这两种航迹关联的部分算法进行介绍和讨论。 2 2 最近邻航迹关联 集中式航迹关联( 又称点迹，航迹关联) 算法有最近邻法，经典分配法，多假 设法，概率数据互联法，联合概率数据互联法，交互多模型法s 一维分配算法 1 9 , 2 0 i 等等。其中最近邻航迹关联是集中式航迹关联中最简单的种。 1 9 7 1 年，s i n g e r 等提出了最近邻方法，它的基本含义是：“唯一性”地选择落 在相关跟踪门之内且与被跟踪目标预测位置最近的观测作为目标航迹关联的对 象。所谓“最近”表示统计距离最小或者残差概率密度最大1 4 i 。 目标利用其当前位置和速度的估计来预测下步的航迹可能位置( 航迹预测 值) ，考虑到点迹的观测误差与预测值的估计误差，以预测位置为中心而展开一个 搜索区域，在这个区域内搜索下一时刻目标的点迹位置，这就是相关波门的概念。 基于相关波门的最近邻法用以下的示意图解释： 图2 5 最近邻法示意图 测量s 1 ，s 2 ，s 3 为目标t l 航迹相关波门内回波，测量s 3 ，s 4 为目标t 2 航迹相关 波门内回波。利用距离目标航迹最近的点为来与航迹关联匹配，则测量s 2 和t 1 的航迹进行匹配，测量s 4 和t 2 的航迹进行匹配。 基于相关波门的最近邻法的关联规则为： 若落入相关门的点迹只有一个，则目标航迹就与这个点迹关联配对； 若落入相关门的点迹多于一个，则取最靠近目标预测位置的点迹与目标航迹关 联匹配； 若相关门内没有目标点迹，则用预测位置作为估计。若相继数个点迹丢失，则 航迹被终止； 第二章多传感器多目标航迹关联 在集中式、分布式、混合式和分级式航迹关联中，应用较广泛的是集中式航迹 关联和分布式航迹关联。下面着重对这两种航迹关联的部分算法进行介绍和讨论。 2 2 最近邻航迹关联 集中式航迹关联( 又称点迹，航迹关联) 算法有最近邻法，经典分配法，多假 设法，概率数据互联法，联合概率数据互联法，交互多模型法s 一维分配算法 1 9 , 2 0 i 等等。其中最近邻航迹关联是集中式航迹关联中最简单的种。 1 9 7 1 年，s i n g e r 等提出了最近邻方法，它的基本含义是：“唯一性”地选择落 在相关跟踪门之内且与被跟踪目标预测位置最近的观测作为目标航迹关联的对 象。所谓“最近”表示统计距离最小或者残差概率密度最大1 4 i 。 目标利用其当前位置和速度的估计来预测下步的航迹可能位置( 航迹预测 值) ，考虑到点迹的观测误差与预测值的估计误差，以预测位置为中心而展开一个 搜索区域，在这个区域内搜索下一时刻目标的点迹位置，这就是相关波门的概念。 基于相关波门的最近邻法用以下的示意图解释： 图2 5 最近邻法示意图 测量s 1 ，s 2 ，s 3 为目标t l 航迹相关波门内回波，测量s 3 ，s 4 为目标t 2 航迹相关 波门内回波。利用距离目标航迹最近的点为来与航迹关联匹配，则测量s 2 和t 1 的航迹进行匹配，测量s 4 和t 2 的航迹进行匹配。 基于相关波门的最近邻法的关联规则为： 若落入相关门的点迹只有一个，则目标航迹就与这个点迹关联配对； 若落入相关门的点迹多于一个，则取最靠近目标预测位置的点迹与目标航迹关 联匹配； 若相关门内没有目标点迹，则用预测位置作为估计。若相继数个点迹丢失，则 航迹被终止； l o数据融合系统中航逊关联和属性关联的研究 对于没有落入任何航迹相关门限的点迹，作为新发现目标的起始。 最近邻方法实质上是一种局部最优的贪心算法，并不能在全局意义上保持最 优。在目标回波密度较大的情况下，多目标相关波门相关交叉，最近的回波未必 由目标产生。最近邻方法便于实现，计算量小，适应于信噪比高、目标密度小的 条件。最近邻方法的抗干扰能力差，在目标密度较大时容易产生关联错误。最近 邻方法往往在应用中要附加的其它限制。 2 3 多传感器联合概率数据关联 多传感器联合概率数据互联是目前理论较成熟的一种算法，它克服了最近邻 法的缺点，利用关联门内多传感器探测到的多个量测信息进行综合相关，是一种 全邻的关联算法，适于目标密集和交叉、分岔较多的复杂环境。多传感器联合概 率数据互联算法( m u l t i s e n s o rj o i n tp r o b a b i l i s t i cd a t aa s s o c i a t i o n 简称 m s j p d a ) 是在单传感器联合概率数据互联算法( j p d a ) 的基础上发展起来的，为此， 先讨论一下单传感器的j p d a 算法。 j p d a 可分解为两部分：联合事件的生成和联合概率的计算。 2 3 1 联合事件的生成 为表示有效回波和各自跟踪门的关系，定义确认矩阵： n = 【w d 】 j = l ，2 ，m ( k ) ：t = o ，1 ，t( 2 - 1 ) 其中，w 。j = l 表示量测j 落入目标t 的确认门内。 量测落入跟踪门相交区域的情形，表明某些量测可能源于多个目标，联合概 率数据互联的目的就是计算每一量测与其可能的各个源目标相关联的概率。 定义口( 七) = ( 只( 后) ) 名， ( 2 2 ) 表示k 时刻所有可能的联合事件的集合，即事件空间，其中，o - 表示0 ( k ) 中元素 的个数，只 ) 为第i 个联合事件，它表示n 个目标和m 个量测相互关联的一种可 能分配。 定义 廿i 岛 ) 。蓦彤0 ) ，_ ，= l ，2 ，m 耻) ( 2 - 3 ) 为目标t 与第j 个量测关联的事件。满足下面两个基本假设的事件称为可能事件； ( 1 ) 每一量测有唯一的源，即任一量测不源于某个目标，则必然源于杂波或虚警。 ( 2 ) 对于给定的目标，最多有一个量测以其为源：如无量测以其为源，则目标丢失 l o数据融合系统中航逊关联和属性关联的研究 对于没有落入任何航迹相关门限的点迹，作为新发现目标的起始。 最近邻方法实质上是一种局部最优的贪心算法，并不能在全局意义上保持最 优。在目标回波密度较大的情况下，多目标相关波门相关交叉，最近的回波未必 由目标产生。最近邻方法便于实现，计算量小，适应于信噪比高、目标密度小的 条件。最近邻方法的抗干扰能力差，在目标密度较大时容易产生关联错误。最近 邻方法往往在应用中要附加的其它限制。 2 3 多传感器联合概率数据关联 多传感器联合概率数据互联是目前理论较成熟的一种算法，它克服了最近邻 法的缺点，利用关联门内多传感器探测到的多个量测信息进行综合相关，是一种 全邻的关联算法，适于目标密集和交叉、分岔较多的复杂环境。多传感器联合概 率数据互联算法( m u l t i s e n s o rj o i n tp r o b a b i l i s t i cd a t aa s s o c i a t i o n 简称 m s j p d a ) 是在单传感器联合概率数据互联算法( j p d a ) 的基础上发展起来的，为此， 先讨论一下单传感器的j p d a 算法。 j p d a