多传感器技术PDA讲座.pptxVIP

概率数据关联模型这里的模型包括系统模型和测量模型其中：—k时刻的状态向量 —k时刻的观测向量 —状态转移矩阵 —观测矩阵 —均值为0，协方差矩阵为R(k)的白噪声，系统噪声 —均值为0，协方差矩阵为Q(k)的白噪声，观测噪声基本原理概率数据关联是由Bar-Shalom和Jaffer于1972年提出。概率数据关联的思想：只要是有效回波，就有可能源于目标，只是每个回波源于目标的概率有所不同。它利用跟踪门内的所有回波以获得可能的后验信息，并根据大量的相关计算给出了各概率加权系数及其加权和，然后用它来更新目标。定义在第一次到第k次扫描锁获得的全部有效回波已知的情况下，第k次扫描时，第i个回波（i=1,2,…，mk）均为正确回波的概率，称之为正确关联概率，用Pi(k)来表示，Pi(k)ΞP{θi(k)/Zk}目标在k时刻的状态估计，即均方意义下的最优估计为其中关联概率是衡量有效回波对目标状态所起作用的一种度量。 在不同干扰模型下的关联概率计算公式杂波空间密度为泊松分布时，关联概率模型为：杂波空间密度为均匀分布时，只需置换一下参数。修正系统误差将概率数据关联技术与卡尔曼滤波结合在一起，就是通常所说的概率数据关联滤波器（PDAF）。下图是一个同时进行滤波和预测的卡尔曼滤波器。卡尔曼滤波算法滤波器的初始值，且由k=1开始进行递推运算（1）预测方程（2）预测协方差矩阵（3）预测信息向量（4）卡尔曼增益矩阵（5）卡尔曼滤波方程（6）滤波协方差矩阵 进一步简化为（7）令k=k+1，转步骤（1）概率数据关联算法是建立在杂波环境中只有一个目标回波，且此目标的航迹已经形成的基础上的。PDA的最大优点是它的存储量与标准的卡尔曼滤波几乎相等，故易于实现，也有人将其用于多目标的环境，单多目标处于稀疏的环境才有效。如果这一条件不能满足，就可能发生误根。谢谢