多傳感器目標(biāo)跟蹤中的數(shù)據(jù)融合理論與算法.pdf

1、多傳感器數(shù)據(jù)融合作為一門新興的交叉學(xué)科，其研究目的是通過綜合多個(gè)傳感器的信息獲得更加準(zhǔn)確的估計(jì)與推理。多傳感器數(shù)據(jù)融合理論與多目標(biāo)跟蹤技術(shù)相結(jié)合是當(dāng)前科學(xué)研究的熱點(diǎn)，它將多個(gè)傳感器信息進(jìn)行有機(jī)地合成，用以提高目標(biāo)運(yùn)動狀態(tài)估計(jì)的精度，其跟蹤性能優(yōu)于任何一個(gè)單傳感器。 論文綜述了數(shù)據(jù)融合的基本原理、功能模型和常用方法：介紹了目標(biāo)跟蹤中常用的Kalman濾波算法以及用于非線性系統(tǒng)的擴(kuò)展Kalman濾波算法。在此基礎(chǔ)上，對數(shù)據(jù)融合中的關(guān)

2、鍵問題——航跡關(guān)聯(lián)、航跡融合進(jìn)行了深入細(xì)致的研究。 研究了用于集中式結(jié)構(gòu)的多傳感器聯(lián)合概率數(shù)據(jù)互聯(lián)(MSJPDA)算法，將算法的并行結(jié)構(gòu)和串行結(jié)構(gòu)進(jìn)行了對比，隨著傳感器數(shù)目的增多，串行結(jié)構(gòu)的性能略優(yōu)于并行結(jié)構(gòu)；研究了用于分布式航跡關(guān)聯(lián)結(jié)構(gòu)的幾種常用算法，針對經(jīng)典分配關(guān)聯(lián)方法中遇到的多維分配問題，利用遺傳算法進(jìn)行了解算，有效的減少了計(jì)算量；針對實(shí)踐中經(jīng)常遇到的多傳感器異步問題，提出了基于偽點(diǎn)跡的異步航跡關(guān)聯(lián)算法，通過仿真實(shí)例，驗(yàn)證

3、了算法能較好地解決多傳感器異步航跡關(guān)聯(lián)問題，關(guān)聯(lián)正確率接近90﹪。 研究了用于集中式融合的并行結(jié)構(gòu)算法和序貫結(jié)構(gòu)算法，并在此基礎(chǔ)上推導(dǎo)出用于分布式融合結(jié)構(gòu)的最優(yōu)算法，但算法在取得最優(yōu)性能的同時(shí)，加重了計(jì)算負(fù)擔(dān)。介紹了用于分布式融合的簡單融合方法(SF方法)、Bar Shalom。Campo方法。在此基礎(chǔ)上研究了自適應(yīng)融合方法，自適應(yīng)方法可以根據(jù)系統(tǒng)需求自適應(yīng)的選擇融合方法，計(jì)算開銷明顯低于Bar Shalom-Campo方法，但