多傳感器目標跟蹤中的數據融合理論與算法.pdf

1、多傳感器數據融合作為一門新興的交叉學科，其研究目的是通過綜合多個傳感器的信息獲得更加準確的估計與推理。多傳感器數據融合理論與多目標跟蹤技術相結合是當前科學研究的熱點，它將多個傳感器信息進行有機地合成，用以提高目標運動狀態(tài)估計的精度，其跟蹤性能優(yōu)于任何一個單傳感器。 論文綜述了數據融合的基本原理、功能模型和常用方法：介紹了目標跟蹤中常用的Kalman濾波算法以及用于非線性系統(tǒng)的擴展Kalman濾波算法。在此基礎上，對數據融合中的關

2、鍵問題——航跡關聯、航跡融合進行了深入細致的研究。 研究了用于集中式結構的多傳感器聯合概率數據互聯(MSJPDA)算法，將算法的并行結構和串行結構進行了對比，隨著傳感器數目的增多，串行結構的性能略優(yōu)于并行結構；研究了用于分布式航跡關聯結構的幾種常用算法，針對經典分配關聯方法中遇到的多維分配問題，利用遺傳算法進行了解算，有效的減少了計算量；針對實踐中經常遇到的多傳感器異步問題，提出了基于偽點跡的異步航跡關聯算法，通過仿真實例，驗證

3、了算法能較好地解決多傳感器異步航跡關聯問題，關聯正確率接近90﹪。 研究了用于集中式融合的并行結構算法和序貫結構算法，并在此基礎上推導出用于分布式融合結構的最優(yōu)算法，但算法在取得最優(yōu)性能的同時，加重了計算負擔。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。在此基礎上研究了自適應融合方法，自適應方法可以根據系統(tǒng)需求自適應的選擇融合方法，計算開銷明顯低于Bar Shalom-Campo方法，但