多傳感器信息融合數(shù)據(jù)關(guān)聯(lián)

1、第五章 數(shù)據(jù)關(guān)聯(lián)數(shù)據(jù)關(guān)聯(lián)是多傳感器信息融合的關(guān)鍵技術(shù)，應(yīng)用于航跡起始、集中式目標(biāo)跟蹤和分布式目標(biāo)跟蹤。主要有以下幾種：a、觀測(cè)與觀測(cè)、或觀測(cè)與點(diǎn)跡的關(guān)聯(lián)：用于航跡起始或估計(jì)目標(biāo)位置b、觀測(cè)與航跡關(guān)聯(lián)：用于目標(biāo)狀態(tài)的更新c、航跡與航跡關(guān)聯(lián)：用于航跡融合，局部航跡形成全局航跡數(shù)據(jù)關(guān)聯(lián)的一般過(guò)程：例：有兩個(gè)實(shí)體和，三個(gè)測(cè)量、和，對(duì)測(cè)量與實(shí)體進(jìn)行關(guān)聯(lián)1、 建立關(guān)聯(lián)門，確定關(guān)聯(lián)門限：橢圓關(guān)聯(lián)門2、 門限過(guò)濾：將測(cè)量過(guò)濾掉3、 確定相似性度量方法：幾何向量距離4、 建立關(guān)聯(lián)矩陣5、 確定關(guān)聯(lián)判定準(zhǔn)則：最近鄰方法6、 形成關(guān)聯(lián)對(duì)一、關(guān)聯(lián)門與門限：關(guān)聯(lián)門通常有兩種，矩形和橢圓形橢圓門：位置：位置速度：關(guān)聯(lián)門限

2、，可由兩種方法獲取，一是最大似然法，另一種是分布法。分布法是M個(gè)獨(dú)立高斯分布隨機(jī)變量平方和，它服從自由度為M的概率分布，給出漏檢率，查分布表得到門限二、相似度量方法距離度量: 歐幾里得距離：，向量間的幾何距離加權(quán)歐氏距離：City Block: ,一階明可夫斯基距離，也稱Manhatta 距離明可夫斯基距離：，Mahalanobis距離：，加權(quán)歐氏，權(quán)等于協(xié)方差逆矩陣Bhattacharyya距離：用得最廣泛的是加權(quán)歐氏距離概率度量：隸屬度度量： 用隸屬度作為度量標(biāo)準(zhǔn)。三、關(guān)聯(lián)算法適合于點(diǎn)與點(diǎn)、點(diǎn)與航跡（利用濾波器的預(yù)測(cè)功能使點(diǎn)與航跡時(shí)間對(duì)正）、或航跡與航跡（利用濾波器的預(yù)測(cè)功能使點(diǎn)與時(shí)間對(duì)正

3、）。1、最近鄰數(shù)據(jù)關(guān)聯(lián)：將落在關(guān)聯(lián)門內(nèi)并且與被跟蹤目標(biāo)的預(yù)測(cè)位置“最鄰近”的觀測(cè)點(diǎn)作為與航跡相關(guān)聯(lián)的觀測(cè)。如有三批目標(biāo)和三個(gè)測(cè)量，所形成的關(guān)聯(lián)矩陣為按最近鄰 特點(diǎn)：一個(gè)目標(biāo)最多只與跟蹤門中一個(gè)測(cè)量相關(guān)，取跟蹤門中距目標(biāo)最近的測(cè)量與目標(biāo)相關(guān)。2、全局最近鄰：使總的距離或關(guān)聯(lián)代價(jià)達(dá)到最小，最優(yōu)分配的問(wèn)題其中為二值變量，為0表示不關(guān)聯(lián)，為1表關(guān)聯(lián)，用矩陣表示時(shí)，矩陣的每行每列只能有1個(gè)元素為1。例： 關(guān)聯(lián)結(jié)果：矩陣表示關(guān)聯(lián)矩陣關(guān)聯(lián)矩陣較大時(shí)，二維分配問(wèn)題可Munkre算法或Burgeois算法求解，求解具多項(xiàng)式復(fù)雜度,非NP問(wèn)題特點(diǎn)：一個(gè)目標(biāo)最多只與跟蹤門中一個(gè)測(cè)量相關(guān)，以總關(guān)聯(lián)代價(jià)（或總距離）作為

4、關(guān)聯(lián)評(píng)價(jià)標(biāo)準(zhǔn)，取總關(guān)聯(lián)代價(jià)或總距離最小的關(guān)聯(lián)對(duì)為正確關(guān)聯(lián)對(duì)。3、概率數(shù)據(jù)互聯(lián)（PDA）：(概率度量)設(shè)目標(biāo)運(yùn)動(dòng)模型及測(cè)量模型為：狀態(tài)轉(zhuǎn)移矩陣：過(guò)程噪聲增益矩陣V: 過(guò)程噪聲W：觀測(cè)噪聲目標(biāo)狀態(tài)的一步預(yù)測(cè)值預(yù)測(cè)協(xié)方差預(yù)測(cè)的觀測(cè)向量為新息或量測(cè)殘差為殘差協(xié)方差：h的雅可比矩陣，對(duì)目標(biāo)狀態(tài)求導(dǎo)數(shù)；：觀測(cè)噪聲的方差矩陣。設(shè)有個(gè)測(cè)量落入跟蹤門內(nèi)，即有個(gè)測(cè)量滿足：跟蹤門門限：按概率計(jì)算個(gè)測(cè)量在狀態(tài)更新時(shí)的權(quán)重因子。設(shè)：用第j個(gè)測(cè)量對(duì)濾波器更新時(shí)得到的狀態(tài)估計(jì)值為目標(biāo)的狀態(tài)估計(jì)為其中；：目標(biāo)檢測(cè)概率：正確測(cè)量落入跟蹤門內(nèi)的概率。：跟蹤門的體積，測(cè)量為二維時(shí)，測(cè)量為三維時(shí)， M:測(cè)量的維數(shù)。目標(biāo)的狀態(tài)估計(jì)及狀

5、態(tài)估計(jì)的協(xié)方差矩陣為其中特點(diǎn)：考慮跟蹤門中所有測(cè)量的影響，各測(cè)量由于距跟蹤門中心的距離不同其影響系數(shù)不同，各影響系數(shù)之和為1，影響系數(shù)用概率求取。4、FCM數(shù)據(jù)關(guān)聯(lián)(模糊隸屬度度量)以模糊C均值聚類算法（FCM）為基礎(chǔ)。在FCM中，目標(biāo)函數(shù)定義為可以證明，當(dāng)時(shí)，達(dá)到局部最小。數(shù)據(jù)融合中，用表示目標(biāo)數(shù)目，n為所接收到的觀測(cè)總數(shù)，是s維的觀測(cè)向量，在每條航跡的預(yù)測(cè)值已知的情況下，可以建立分割矩陣。其中，如可用最近鄰法或全局最近鄰法確定測(cè)量與航跡的關(guān)聯(lián)對(duì)。5、基于模糊綜合判決函數(shù)的數(shù)據(jù)關(guān)聯(lián)（模糊隸屬度度量）(1) 模糊綜合判決函數(shù)是一個(gè)映射將模糊向量映射至的函數(shù)。例如下列的都是綜合函數(shù)；;；，；，(

6、2)基于模糊綜合函數(shù)關(guān)聯(lián)的步驟：a.建立模糊因素集（各因素間的距離）：例：判定兩航跡間的相關(guān)性。設(shè)在時(shí)刻，兩航跡的狀態(tài)向量為和定義兩航跡位置、速度和航向間的距離為或者取為加權(quán)距離b.選取一個(gè)隸屬度函數(shù)，由模糊因素集建立模糊向量采用高斯型隸屬度函數(shù)（也可采用其它隸屬度函數(shù)，如哥西分布，三角形分布等），則元素間的相似隸屬度為c.由模糊向量建立模糊綜合函數(shù)，并用模糊綜合函數(shù)建立相似度量矩陣。兩航跡間的模糊綜合函數(shù)可定義為由模糊綜合函數(shù)可建立關(guān)聯(lián)矩陣。再由最近鄰法或全局最近鄰法可給出關(guān)聯(lián)結(jié)果。四、航跡起始的關(guān)聯(lián)問(wèn)題(不同時(shí)刻測(cè)量的關(guān)聯(lián))目標(biāo)跟蹤關(guān)聯(lián)的一般過(guò)程：測(cè)量與已有航真跡關(guān)聯(lián)？假對(duì)已有的航跡更新與舊測(cè)量關(guān)聯(lián)？建立新航跡利用不同時(shí)刻的測(cè)量起始航跡：規(guī)則基的方法和Hough變換航跡起始方法主要講規(guī)則基方法：用于起始航跡規(guī)則可描述如下：1）估計(jì)的速度大于最小