第二講模型與配準關聯(lián)概述

課程內(nèi)容回顧什么是信息融合信息信息融合定義信息融合系統(tǒng)優(yōu)勢增加了系統(tǒng)的生存擴展了時間、空間提高信息可信減少了信息的模糊 不是簡單疊加改善了探測性而是發(fā)揮信息的潛提高了提高系統(tǒng)可靠 全面反映實體的本質(zhì)增加測量維系統(tǒng)復雜性大大提發(fā)現(xiàn)等課程課程內(nèi)容回顧檢測、位置級、識別/級、軍事應用示例國防科技大學電子 程學院研究課數(shù)數(shù)融據(jù)配據(jù)關合處準聯(lián)理常用的融合分級-程說說究和表示。功能模型從融合過程出發(fā)數(shù)據(jù)庫以及進行信息融合時系統(tǒng)各組成部分之間的相互作結(jié)構(gòu)模型從信息融合的組成架構(gòu)出發(fā)軟、硬件組成數(shù)學模型則是信息融合算法和綜合邏第二講本講內(nèi)容安時空配準概述數(shù)據(jù)關聯(lián)概述2.12.1說信息融合模型可以用功能模型從融合過程 結(jié)構(gòu)模型從信息融合出發(fā),描述信息融合 的組成出發(fā),說明信包括哪些主要功能 息融合系統(tǒng)的軟、 數(shù)學模型則是信息數(shù)據(jù)庫,以及進行信 件組成,相關數(shù)據(jù)流、 息融合時系統(tǒng)各組成 系統(tǒng)與外部環(huán)境的人部分之間的相互作 機界面過程Level態(tài)勢評LevelLevel態(tài)勢評Level估信息融合的功能模型信息融合的功能模型近年來隨著軍事理論研究的發(fā)展和應用，又對理JDL早在1985爭爭 的 net”）等驅(qū)涉及到互聯(lián)網(wǎng)和基于Web的構(gòu)想。這些技?滿足信息融中心角之外的運作（非對稱 、信息、主 空間知識網(wǎng)絡為中共有的（或者一致的，或者相應的或者集成的和用戶定義的）操作的表述防御中的新概念，諸如國防和信息需求2000年，美參聯(lián)會公布《2020聯(lián)合構(gòu)想》”，將“謀求信優(yōu)勢”的目標改為“謀求決策優(yōu)勢”，相應地 “四個任何”改為“五個恰當（Right）”，即在恰當?shù)臅r間、恰當?shù)牡攸c，將恰當?shù)男畔?，以恰當?shù)男问剿徒唤o恰當?shù)慕邮照?，同時 敵方謀求同樣能力的企圖信息需求1620和充分利用信息優(yōu)勢取得全譜優(yōu)勢，借助于“四個任何（Any）”，即在任何時間、任何地點，將任何信息送到任何人手中。JDL/DFS早JDL/DFS早期的三級模型JDL/DFS根據(jù)信息融合輸出結(jié)果，在早期將信息融合分為三級：第一級-----位置估計與目標識別第二 態(tài)勢評估第三級-----估計Level位置估計&目 識 DATAFUSION信息融合的四級功能模型（1998年的模型Level0 Level1 Level2 Level3 ProcessingDataLevel Management第0層－子目標的數(shù)據(jù)關聯(lián)與估計：像素與信號級的關聯(lián)與第１層－目標提煉：觀測到航跡的關聯(lián)，連續(xù)狀態(tài)或離散狀態(tài)的估計（諸如：目標的類型和）以及預測第２層－態(tài)勢提煉：目標的集結(jié)和關系分析，以形成包括結(jié)構(gòu)、交叉關系，通信，物理上下文等第３層－評估：有（威脅估計）,趨勢估計，〔預測〕結(jié)果預測，敏感性和弱點估計；第４層－過程精煉：自適應的搜索與處理（資源的管理要素國防科技大學電 程學院研究課融合推斷的層TYPESOF融合推斷的層TYPESOFTYPESOFINFERENCEL4L4AdaptiveControl信源管理，L3Impact基識ObjectL2Situation基識L0Sub-Object--常規(guī)（單信源）融合如何進行多級融合推斷Level1: Level2: Level3: Level4: SituationThreat RefinemetRefinemetRefinemetRefinementDATAFUSIONLevelImpactLevelSituationLevelImpactLevelSource信息融合原 第二講LEVELFUSIONPROCESSING-OBJECT位 /屬性的估目標位置/運動屬性分數(shù)據(jù)校觀測預空間參考系配 ?位置/運動屬性預測估時間參考系配 的更測量單位配 ?目標管計算不確定性分數(shù)據(jù)/目標關 目 估數(shù)據(jù)放 ?計 測關聯(lián)度 ?與真 測量對門限測 指數(shù)據(jù)到目標的關 ?計算不確定LEVELLEVELFUSIONPROCESS-SITUATION態(tài)勢提目標集時間相關集合鄰近功能依托上下文解釋/融軍事規(guī)則（條令條例社會或政治的因/活動的集綜合態(tài)勢（多視角估計）紅（）、藍（）、白（天氣、地理等LEVELFUSIONPROCESS-THREAT提總體 （紅軍、敵方企圖預測 時機確認藍軍）能力估計潛在估弱 綜合態(tài)勢危 時間界 （多視角估計系統(tǒng)優(yōu)先友方系統(tǒng)機 進攻/防LEVELLEVELFUSIONPROCESS-PROCESS評估（實時控制/長期完善性能度量效能度量位置 信源需 傳感器服 符合條件的數(shù)據(jù)需 參考數(shù)據(jù)需 SOURCEPRE-PROCESSING/DATABASEMANAGEMENTSYSTEM優(yōu)先級/條技目標位置估19981998年的版2004年的修正版各級各級說明各級任務中的數(shù)據(jù)關聯(lián)新增的一級任務Level新增的一級任務Level5：UserLevel五級模型信息融合的第二種分類模型（五級模型第一 檢測級融合第二 位置級融合第三 目標識別級融合第四 態(tài)勢評估第五 估計六級模型演變演變中的幾個特點人機交互、逐漸顯式地 認知優(yōu)化凸顯數(shù)據(jù)庫 引起重視逐漸強化了功能意義精細處理信息抽象即評估、優(yōu)層次不同、化、管理等目標表述功能基本功的精細度能保持不同人機擅長的功能對比人擅長的功 機器擅長的功能 (人和機器) 有能力長時問大量的信息，并在適 ?在短時間內(nèi) ?執(zhí)行高精度復雜和快速計算。 ?對人類(紅外、無線電波)靈敏度范 之外刺激物敏感 ?可以在對人或超出人忍受力的環(huán)有能力進行理導 演繹2.22.2我們在討論結(jié)構(gòu)模型時，針對這三級的融合結(jié)構(gòu)信息融合的結(jié)構(gòu)模型檢檢測級融合的結(jié)構(gòu)模型檢測級融合分散式并行結(jié)串行結(jié)樹狀結(jié)帶反饋的并行結(jié)構(gòu)分散式融合結(jié) 并行融合結(jié)UU檢測中 USYS 現(xiàn)象現(xiàn)象檢測級的結(jié)構(gòu)模型檢測檢測級融合的結(jié)構(gòu)模型現(xiàn)象YYSSUU串行融合結(jié) S 融 中H 現(xiàn)象構(gòu)集中分布混合多級位置級融合的結(jié)構(gòu)模型位置級融合的結(jié)構(gòu)模型 位置級融合的結(jié)構(gòu)模型位置級融合的結(jié)構(gòu)模型位置級融合的結(jié)構(gòu)模型位置位置級融合的結(jié)構(gòu)模型混合式融位置級融合的結(jié)構(gòu)模型多級式融屬性屬性級融合的融合結(jié)構(gòu)屬性級融合的融合結(jié)構(gòu)決策層屬性融屬性級融合的融合結(jié)構(gòu) 屬性級融合的融合結(jié)構(gòu)屬性級融合的融合結(jié)構(gòu)屬性級融合的融合結(jié)構(gòu)Dasarathy五Dasarathy五級結(jié)構(gòu)模aaa分為五級：數(shù)據(jù)入-數(shù)據(jù)出（DAI-數(shù)據(jù)入-特征出（DAI-特征入-特征出（FEI-特征入-決策出（FEI-決策入-決策出（DEI-應用研究也有指導意義。Dasarathy五級結(jié)構(gòu)模DAI-DAO融合DAIFEO融合特征級融 FEI-FEO融FEI-DEO融合DEIDEO屬性信息融合的結(jié)構(gòu)（五級五級結(jié)構(gòu)模型五級結(jié)構(gòu)模型2.3內(nèi)插外推方法推廣用于復雜運動模型目標運動的角速率內(nèi)插外推方法推廣用于復雜運動模型目標運動的角速率配準時刻數(shù)據(jù)為典型實驗：設目標的運動徑為40km，角速率π/200，傳感器A和B的采樣周期分別為30s和47s，兩傳感器的測量誤差均值為零，方差均為0.03km，觀測時間段為900s 為什么需要時間配準的多源輸入是同一目標的相同課時間時間配準的必要性如果不各 圖無法協(xié)將導致最終影 效影響因素時間對的影響因素校準精度：各傳感器的時間基準不一致，相互存在傳輸延遲：時存在傳輸延遲；采樣周期不一致：造成各傳感器測量值之間時刻不解解決方法針對前兩種因硬件方法，統(tǒng)一授時，精度可達：微秒級。軟件系統(tǒng)校準，精度可達毫秒級。針對第三種因素，現(xiàn)有方案有：最小二內(nèi)插外基于曲線擬合法串行合等時間配準誤差帶來的后續(xù)影響（距離、方位、速度、加速度、角速度等時間配準誤差帶來的后續(xù)影響（距離、方位、速度、加速度、角速度等目標鑒別；對檢測-定位-識別-態(tài)勢-等，會產(chǎn)生誤差累積效應為什為什么需要時空間配準融合處理的多源輸誤差產(chǎn)生途徑影響融合決策結(jié)果的誤差。數(shù)學模型誤 模型誤差環(huán)境誤差信息感空間空間配準的必要性如果不各 圖無法協(xié)將導致最終影 效空間配準關注的問題平臺內(nèi)-平臺間-系統(tǒng)傳感器信息的空間同類傳感器空間配準異類傳感器（）空間配準動態(tài)誤差補償離線：傳感器系統(tǒng)誤差、數(shù)學模型及算法等經(jīng)驗誤差：多種機動因素、干擾等導致的動態(tài)誤差解決方法成像傳感器解決方法成像傳感器例：載體坐標系課坐標坐標系之間旋轉(zhuǎn)變換矩陣當原坐標系分別繞x軸 1 y軸和z軸轉(zhuǎn)動 Rx()0cossin 則原坐標系中的r和新 0sincos標系的r′關系 cos0r′=R Ry() 0 sin0cos cossin0R()sincos0 解決方法傳感器間信息的空同類傳感器空間配準異類傳感器（）空間配準成像類信息的空間配準同類圖像配準：面向機載紅外傳感器的圖像鑲嵌技術異類圖像配準：面向機載對地模式的紅外與SAR圖像的空間配準圖像圖像配準的一般步典型幾何變換示意圖平移變相似變仿射變投影變非線性變非線性變確定傳感器信息之間的幾何變換模型對配準精度、算法復雜度、后續(xù)處理，有重要影響解決方法–離線：傳感器系統(tǒng)誤差、數(shù)學模型及算法等經(jīng)驗誤差–：多種機動因素、干擾 解決方法–離線：傳感器系統(tǒng)誤差、數(shù)學模型及算法等經(jīng)驗誤差–：多種機動因素、干擾 滿足精度要求下 使用簡單模型協(xié)作式目標與非協(xié)作式目標協(xié)同配準； 對符合條件的非協(xié)作式目標，簡化UKF計算，動態(tài)課空間空間誤差帶來的后續(xù)影響影響位置類信息的精度，例如：目標定位、狀態(tài)估計（離、方位、速度、加速度、角速度等）；目標鑒別；目標機動情況，可能發(fā)生對檢測-定位-識別-態(tài)勢-等，會產(chǎn)生誤差累積效應熱點也是難點。2.4數(shù)據(jù)數(shù)據(jù)關聯(lián)概述問題的提 虛量測過程中存在誤 新目只有一個目多個目針對目 航保持對已有的監(jiān)捕捉新增克服虛警等數(shù)據(jù)關聯(lián)與數(shù)據(jù)匯集的數(shù)據(jù)關聯(lián)與數(shù)據(jù)匯集的關聯(lián)：針對匯集：針對實體（決策任務數(shù)據(jù)關聯(lián)的定義數(shù)據(jù)關聯(lián)的過程即確定傳感器接收到的量測信息和目標源對應關系的過程數(shù)據(jù)關聯(lián)是研究一個觀測量和相關的其它觀測量之間的關系。多目標關聯(lián)中的不確定性示例量數(shù)數(shù)據(jù)關聯(lián)典型分類按照關聯(lián)的對象可量測與量測的關聯(lián)（航跡初始量測與航跡關聯(lián)（航跡保持或更新航跡與航跡的關聯(lián)（航跡綜合數(shù)據(jù)關聯(lián)還可以分靜態(tài)數(shù)據(jù)關聯(lián)：傳感器量測來自穩(wěn)態(tài)目標或 以及動態(tài)目標的斷續(xù)測量，常用于目標定位動態(tài)數(shù)據(jù)關聯(lián)：對于動態(tài)目標，需要預測目標的未來位置，因而需要反復關聯(lián)，即動態(tài)數(shù)據(jù)關聯(lián)，常用于目標：trackinitiation,trackterminationdataassociation，trackassociation,trackfusion,trackcorrelation數(shù)據(jù)關聯(lián)具有相同維數(shù)具有不同維數(shù)關聯(lián)可在具有不同維數(shù)測量空間的傳感器之間進行在同維和不同維測量處理中都要考慮不確定性具有多個站點先對來自不同站點的報告關聯(lián)，確定它們是否屬于同一源（識別）再利用多站之間的幾何配置關系進行幾何定位傳感傳感坐標關聯(lián)空間維－距離－方位－高3IRST－精密方位2方位或只有方1聲吶方位或只有方1傳感坐標關聯(lián)空間（距離），（距離，方位－（距離），（方位，高度－（距離），（方位，高度（方位度），（方位目標本身的特征屬性主要由其運動特性目標的位置屬性也是活動的，常常以航跡傳感器感知數(shù)據(jù)實際上也會以航跡形式出現(xiàn)，即及其方程做出預報，再觀測與預報關聯(lián)。兩目標示 O O: X：X要要對動態(tài)目標數(shù)據(jù)的處理，需要對目標位置進行連續(xù)的或者沿時間的離散觀測，并具有估計目標機動行為的能力，以能夠預測目標的未來位置。需要將傳感器的某個新觀測與已知目標預測的航跡反復進行關聯(lián)，以確定哪一個傳感器的觀測是當前航跡或者是新目標，或者是虛警。存在三種主要的應用情況：單傳感器單目標單傳感器多目 多傳感器多目 主要類型列表比較疊加疊加后視三種關聯(lián)結(jié)果一個更合數(shù)據(jù)關聯(lián)的通用概念處理流候選觀 關聯(lián)指確 形關聯(lián)范 執(zhí)行選 關聯(lián)矩 指定邏數(shù)據(jù) 用概念處理流識或統(tǒng)計假定減少可能的數(shù)據(jù)關聯(lián)的通用數(shù)據(jù)關聯(lián)的通用概念處理流 數(shù)據(jù) 用概念處理流關聯(lián)矩陣是由觀測值和實體預報的觀測值構(gòu)成的矩陣，矩陣中每個元素值是相應的觀測值（或其變化量）和實體預報值的接近程度的度關聯(lián)度量。采用假設組合的假設樹多假設估計是考慮所有可能的潛在真實假設，并隨序貫到達的觀測估價這些假設的結(jié)果。因此可能產(chǎn)生和估計一個擴展的假設最后集－采用假設組合的假設樹圖232

屬運動特征歷史行為屬運動特征歷史行為關聯(lián)度量方法實體實體實體假設樹圖中任何一條分叉都表示一個潛在的可行推斷鏈則可以解釋對航跡觀 列的指定。觀測y1與實體B觀測y２與實體B度量準則 度量準則典型關聯(lián)度量（1）觀測值向量y和距離度量方法2.3.1距離度量方法2.3.1歐[(yz)2]/[(yz)W(yz)T]/(y[(yz)P]1/(yz)T1(y8s(121(yz)[](yz)12 ][(yz)[s(1s)](yz)1s(12也有矢量表示。不是真的度量，不滿足三角不等式。yyCOV(y,z)(y,zr（2）可以解釋為幾何角度測量1101ab0cd（4）概率相似性度量（5）兩個數(shù)據(jù)記錄間的相關度量（5）兩個數(shù)據(jù)記錄間的相關度量比較有不同信息的兩個數(shù)據(jù)記錄之間的相似例如：兩個電子記錄（LNT）都有輻射源的位置、模式、脈沖寬度、頻率、RI和其它參數(shù)。研究兩個記錄是否描述了同樣一個輻射源FOMi MOC品質(zhì)因數(shù)或優(yōu)值因數(shù)一般結(jié)合空間、時間、屬性等變量計算給出子（０～１）是一個因子，如果兩個實體在數(shù)據(jù)記錄中都存在則為1，反之為零。關聯(lián)算法設計中的考慮因素目標數(shù)量和目標密目標重現(xiàn)率和目標的動態(tài)考慮各種約束狀態(tài)估計器的性傳感器的探測性傳感器測量的準確性和過傳感器或模型偏數(shù)據(jù)關聯(lián)典型方法 三種關數(shù)數(shù)據(jù)關聯(lián)典型方法經(jīng)最近鄰方法（nearest概率數(shù)據(jù)關聯(lián)（probabilitydata交互式多模型概率數(shù)據(jù)關聯(lián)（聯(lián)合概率數(shù)據(jù)關聯(lián)（jointprobabilisticdataassociation多傳感聯(lián)合概率數(shù)據(jù)關聯(lián)（其基于粒子濾波的聯(lián)合概率數(shù)據(jù)關聯(lián)多假設的方法（概率多假設方法（數(shù)據(jù)關聯(lián)典型方法修正航序貫航直接基于狀態(tài)估計 分配算數(shù)據(jù)數(shù)據(jù)關聯(lián)典型方法其他方集中式多傳感器多目標的廣義S維分配算起始算序列概率比檢驗（Bayes軌跡確定方法（啟發(fā)式算法（heuristic基于邏輯規(guī)則的方法（logic-basedtrackHough變換方終止方序列概率比檢驗門方法Bayes終止基于目標可感知性的決策方法（PB-數(shù)據(jù)關聯(lián)方法方法舉例示例示例等樣本容量下 與ESM的航跡關ESMESM（ElectronicSupportMeasurement）（無源）傳感器，可以獲取輻射源目標的屬性信息和位置中的方位信息，沒有距離信息。與ESM的數(shù)據(jù)關聯(lián)目標運動特征：速度、加速度、高度、旋轉(zhuǎn)性能、航跡、航向、出現(xiàn)（ ）位置；目標電磁特征：脈內(nèi)特征、脈間特征、RCS特征、JEM特征、極化特征；與ESM與ESM的信息融合屬于異類傳感器的充分利用雷達和ESM的關于目標位置和屬性的信息二者相互提示和警告，在敵方輻射電波或施放干擾的情況下，利用ESM對 實施導引，減少 開機時間，提高相同的可靠性和生存能力于ESM信息融合的前提就是 與ESM的數(shù)據(jù)關即要確定：ESM觀測信號究竟源于哪一個 目標，即ESM觀測信號與的目標航跡配對（模式識別問題）與ESM的數(shù)據(jù)關聯(lián)等樣本容量下的與ESM的航跡關聯(lián)由于一個 航跡對應一個一個ESM航跡對應一個輻射源；一個目標上可能存在多個輻射源因此–一個目標航跡與多個ESM航跡關聯(lián)–一個ESM航跡至多只能跟一 目標航跡聯(lián) 與ESM異類關聯(lián)示意等樣等樣本容量下 與ESM的航跡關多假設H0: ESM和所有 目標航跡無關聯(lián)H1：ESM航跡和第j個 目標航跡關聯(lián)（j不等于0）對于多個ESM航跡和多個目標航跡關聯(lián)的問題可以化為多個上述的多假設檢驗問題。BAC與ESM異類關聯(lián)示意系航跡，關鍵前與ESM同步觀等樣本容量下 與ESM的航跡關 假定：ESM方位測量誤差服從獨立、零均值和恒定方差知識點說明：極大似然估計 參數(shù)估 一類重要的統(tǒng)計推斷問參數(shù)估計問題是利用從總體抽樣得到的信息來估計總體的某些參數(shù)或者參數(shù)的某些函數(shù).知識點說明：極大似然估計參數(shù)估 一類重要的統(tǒng)計推斷問參數(shù)估計問題是利用從總體抽樣得到的信息來估計總體的某些參數(shù)或者參數(shù)的某些函數(shù).估計新生兒的體 估計廢品 已知：總體分布形式 未知：是一個或幾個 參問題問題描述設有一個統(tǒng)計總體X,總體的分布函數(shù)F(x,)，其中為未知參數(shù)(可以是向量要依據(jù)該樣本對參數(shù)作出估計,g(這類問題稱為參數(shù)估計參數(shù)估計的分類參數(shù)估計例：估計某隊男生的平均身高例：估計某隊男生的平均身高現(xiàn)從該總體選取容量為5的樣本，我們的任務是要根據(jù)選出的樣本（5個數(shù)）求出總體均值的估計.而全部信息就由這5.設這5個數(shù)是1.651.671.681.78估計為1.694，這是點估計估計在區(qū)間[1.571.84內(nèi)，這是區(qū)間估計極大似然法的基本思想出打獵一只野兔從前方竄過.只聽一聲槍響，野兔應聲. 極大似然法的基本思想你就會想，只發(fā)一槍便打中,獵人命中的概率一般大于這位同學命中的概率.看來這一槍是獵人射中的（）.這個例子所作的推斷已經(jīng)體現(xiàn)了極大似然法的基本思想. 極大似然法的基本思想你就會想，只發(fā)一槍便打中,獵人命中的概率一般大于這位同學命中的概率.看來這一槍是獵人射中的（）.這個例子所作的推斷已經(jīng)體現(xiàn)了極大似然法的基本思想.極大似然估計設總體X~N(μ,σ2),μ,σ2未知 x1,,X的樣本值,試求μσ2的極大似然估計量 X的概率密度 (xf(x) e2,x2 (xiμL(μ,σ2) i 極大極大似然估計n1(xμ)L(μ,σ) ei1n(2π)n2(σ2)n2exp[1(xμ)2于 2σ 1nLnLln(2π)lnσ2 (xμ)i 2σ令 1nμLnLσ(xinμ)iLnLn1(xμ)2σ2σ2(σ)2 極大似然估計n μ1x iσ2(xx)2 μσ2n 等樣等樣本容量下的與ESM的航跡關聯(lián)若ESM航跡共有n個方位測量值，則ESM航跡與第j航跡關聯(lián)的似然函數(shù)為 11(2exp [(t 2 (t)](t)是第j個 是ESM方位測量誤差方等樣本容量下的與ESM的航跡關聯(lián)距離相似性度量基于極大似然的判別函數(shù)實Neighbour)準則在實際過程中，目標方位狀態(tài)的真值通常不知道，根據(jù)對第j個目標的觀測得到目標在ti時刻的方位狀態(tài)估計值近似真值得到dj，即?j(ti)j(ti分布式多傳感器信息融合系統(tǒng) 融合中分布式多傳感器信息融合系統(tǒng) 融合中預處 多目預處 多目…預處 多目/方法性能分析–精度：若的方位測量精度比ESM的測量精度明顯高，則再提高的方位測量精度對關聯(lián)結(jié)果沒有多大意EM精度：隨SM測角精的提高，這種硬的錯誤率也隨之下降；目標密集度：若兩（多）誤概率增大；參與分析的樣本容量：隨樣本容量（觀測次數(shù)n錯誤概率下降?？赡艿母倪M思路結(jié)合其他不確定性理論設計規(guī)異類異類數(shù)據(jù)關聯(lián)的瓶頸問題由于具時間不同步數(shù)據(jù)率不一致測量維數(shù)不匹配因而具有很大的不異類信息的相似性度量與匹配在異類多傳感器數(shù)據(jù)關聯(lián)利用各傳感器信息進行航跡起始綜合利用位置、動態(tài)及特征和屬性參數(shù)合理利用互補信息實現(xiàn)關聯(lián)優(yōu)化示例問題的提出航跡是否代表同一個目標，這就是航跡與航跡的關聯(lián)問題。模糊綜合函數(shù)的航跡關聯(lián)算多局部節(jié)點情況下的模糊航跡關聯(lián)算法航跡關聯(lián)算法法修最近鄰法(NNK_NN修正的Ki?X(i1,2,...,M,j1,2,...,n時間校正（平滑、插值、外推等假設數(shù)據(jù)的傳輸延遲為0（延遲修正或外推補償假定：送至融合中心的所有狀態(tài)估計都在相同的坐標系里，且各傳感器為同步采樣。數(shù)學約定XX，航跡關聯(lián)算法設局部節(jié)點1,2的航跡號集合（即其相應的目標號集合）分別為將ij記為 t(l)X(l)X(l*12的估式分別是節(jié)點1i個和節(jié)點2j個目標的真實分別是節(jié)點1對目標i和節(jié)點2對目標j的狀態(tài)估計值則H:X?(ll)和X?(ll)是同一目標的航跡HX(ll)和X(ll)不是同一目標的航??節(jié)點2在l時刻對目標的估計誤差協(xié)節(jié)點1在l時刻對目標的估計誤差協(xié)P1(l/l)P2(l/}??X(llX(ll)?C(llEt(l)t(lE｛〔X(llX(ll)〕則tij(l)j?(l)X(l/jj i ~?(lX(ll與X(l X(l)假設：H0航跡關聯(lián)算法11、1、航跡關聯(lián)算E~(lE[~(lXX其中：P(l/l)是節(jié)點1在l時刻對目標i的估計協(xié)方差，P2(l/l)是節(jié)點2在l時刻對目標j的估計協(xié)方差法使用的檢驗統(tǒng)計由于t(l)服 分布，a(l)是服從自由度為n的2分n是狀態(tài)估計向量的若：a(l)T,接受H。航跡i(iU)和航跡j(jU)關聯(lián)反之，接受H。航跡i(iU)和航跡j(jU)不關聯(lián)距離度量方法2.3.1典型的距距離名歐城市街相[(yz)W(yz)T]1/(yz)(yz)T1(y8s(121(yz)[](yz)12 ][(yz)[s(1s)]yz)1s(122、修正航跡關聯(lián)算法由于共同的過程噪聲進入評價方程，來自兩個航跡文件的估計誤差并不總2、修正航跡關聯(lián)算法由于共同的過程噪聲進入評價方程，來自兩個航跡文件的估計誤差并不總是獨立的，也就是說兩個傳感器測量噪聲序列獨立這一事實不能充分的產(chǎn)生獨立的估計誤差。修使用的檢驗統(tǒng)計量可表示為：(l)[X(l/l)X(l/l??P(ll)和P(ll)是估計誤差協(xié)方差矩陣2若：ij(l)T,則假設H0成立否則 假設H1成示例mm(0)ml)L節(jié)點1的航跡i與節(jié)點2的航跡j雙門0H成立l)T1,H成立l)(l)＝其中知識點說明：雙門限檢測雙門限檢測：將R個觀測樣本逐個與第一門限T比較，超過的樣本由計數(shù)器累計，累加值再與指定門限L（第二門限）比較，若計數(shù)值大于等于L則判決信號存在，否則信號不存在。（信號檢測）取兩個門限T和利用航跡關聯(lián)質(zhì)量來判斷是否關聯(lián)來自于局部節(jié)點l的航跡i和來自于局部節(jié)點2的航跡在l時刻的關聯(lián)質(zhì)量用ml)m(l)m(l1)m(l),iU,jUknak模糊因素集三類目標位置、速度和加速度的一維信息目標位置、速度和加速度的二維信息目標位置、速度和加速度的三維信息按照 的強弱，直觀上：目標位置的歐氏距離>目標速度間的歐氏距離>目標航向或方向余弦角間的歐氏距離按照因素強 ，得到模糊集～A=｛a1,a2,,ak,an}。其ak為第K個因素uk所對應的權(quán)重，一般的3、模糊雙門限航跡關聯(lián)算法3、3、模糊雙門限