多传感器分布式航迹融合综述..docxVIP

多传感器航迹融合综述在20年代70年代初，R. A. Singer等人首次提出航迹融合问题，其推导了表征两航迹关联概率的“相关方程”，其实就是计算两条航迹间的玛氏距离：将关联概率小于门限值的航迹视为待融合的航迹，这即是一个假设检验问题；但其后续的航迹融合有一个隐含假设：来自同一目标、不同传感器的两个局部估计误差是相互独立的[1][2]。[1]R. A. Singer and A. J.Kanyuck, “Computer control of multiple site track correlation”, Automatica, vol. 7, pp. 455-463, July 1971.[2]R. A. Singer and A. J. Kanyuck, “Correlation of Multiple-Site Track Data”, IEEE Transactions on Aerospace and Electronic System, vol. 6, No. 2, pp. 180-187, March 1970.而实际情况中，尽管不考虑目标机动性或量测噪声，过程噪声是相同的，因此局部估计误差往往是高度相关的，因此相关性不容忽视。1979年，J．Speyer在多传感器分布式估计问题中将估计间的相关性考虑其中，但其不适用于假设检验问题[3]。此外，Willsky等人也在其研究中考虑了相关性等问题[4]。[3] J. L. Speyer, “Computation and Transmission Requirements for a Decentralized Linear-Quadratic-Gaussian Control Problem”, IEEE Transactions on Automatic Control, vol. 24 no. 2 pp. 266-269, 1979.[4] A. Willsky, M. Bello, D. Castanon, B. Levy, G. Verghese, “Combining and Updating of Local Estimates and Regional Maps Along Sets of One-Dimensional Tracks”, IEEE Transactions on Automatic Control, vol. 27, no. 4, pp. 799-813, 1982.1981年,Y. Bar-shalom等人推导了两局部估计误差互相关的简单递推公式，将互相关性融入假设统计量公式中。其适用于假设检验问题的，在假设统计量服从Chi方分布时可以被实现[5]。互协方差：相关方程：[5] Y. Bar-Shalom, “On the Track-to-Track Correlation Problem”,IEEE Transactions on Automatic Control, AC-26, 571-572, Apr. 1981在[5]的基础上，1986年，Y Bar-shalom等人在[6]中推导了考虑公共过程噪声带来的相关性的情况下的分布式估计融合的航迹融合公式,其中互协方差计算与[5]中相同：若估计误差相互独立的情况下，则融合公式变为：实例表明考虑相关性可以将融合后得到估计的不确定性区域占单个传感器不确定性区域（协方差椭圆）将减少为70%，若假设估计独立成立，则会减少50%。 单传感器 不相关（50%） 相关（70%）[6]Y.Bar-Shalomand L.Campo, “The Effect of the Common Process Noise on the Two-Sensor Fused-Track Covariance”, IEEE Transactions on Aerospace and Electronic Systems, vol. 22, no. 6,pp. 803-805, 1986.[6]状态向量融合但[6]中的贝叶斯最小均方误差理论是建立在一个不成立的假设上的，且1988年，[7]比较了[6]中所推导的融合公式（状态向量融合）与最优的方法（量测融合，即是集中式融合），结果表明[6]中的方法效果比最优方法差，虽然均方误差仅低了7%，其只是一种次优的方法。量测融合[7] J. A. Roecker and?C. D. McGillem, “Comparison of Two-Sensor Tracking MethodsBased on State Vector Fusion andMeasurementFusion”, IEEE Transactions on Aerospace