第五讲 数据关联.pptVIP

5.1 基本思路 当单传感器提供动态目标的时间采样信息或多传感器提供同一目标的独立测量时，需要融合多组测量数据，导出目标位置或运动状态信息。 在导出目标位置或运动状态的过程中，包含两类基本处理，即状态估计和数据关联技术。 数据关联的目的 建立单一的传感器测量与以前其它测量数据的关系； 确定它们是否有一个公共源。 测量可能涉及到不同的坐标系，在不同的时间观察不同的源，即在时间上不同步，并且可能有不同的空间分辨率； 关联处理必须建立每个测量与大量的可能数据集合的关系，每个数据集合表示一个说明该观测源的假设，它们可能是下列几种可能之一： (1)对已检测到的每一个目标都有一个集合，当 前一个单一目标测量与其中之一有同一个源； (2)新目标集合，表示该目标是真实的，并且以 前没有该目标的测量； (3)虚警集合，该测量不真实，可能是由噪声、 干扰等产生，在一定条件下可将它们消除。 例：稳定目标观测与观测(点迹与点迹)关联 设A1，A2是两个 已知实体的位置 的估计值，测量 误差、噪声和人 为干扰等产生的 误差由误差椭圆 来表示。不考虑 两个实体的可能机动。设获得两个实体的三个观测位置Z1，Z2，Z3，讨论三个观测位置与两个已知实体位置进行关联的问题。 Zi(i=1、2、3)与Aj (j=1、2)关联有三种可能： (1)观测Zi与实体A1关联； (2)观测Zi与实体A2关联； (3)观测Zi与实体Aj均不关联，是由新的实体、 干扰或杂波剩余产生的观测。 不考虑虚警影响，假定实体是稳定的。关联的 基本思路如下： 关联的基本思路 1）建立观测Zi与实体Aj的关联矩阵 关联矩阵中每个观测－实体对(Zi，Aj)包含关联 度量Sij，是Zi与Aj接近程度的度量或称相似性度量， 把观测Zi与实体Aj按内在规律联系起来，称作几何向 量距离： 2)对每个观测一实体对(Zi，Aj)，将几何向量距离与先验门限 进行比较，确定Zi能否与实体Aj进行关联。 如果 ，则用判定逻辑将观测Zi分配给实体Aj，没有被关联的观测，用追加逻辑确定另一个假设的正确性，如是新实体或虚警等。 3) 最后进行观测与实体的融合处理，改善 实体的位置与身份估计精度。 例：运动目标的观测／点迹与航迹关联 假设实体A、 B均以匀速进行直 线运动，在t0时刻 位于“+” 位置。 首先根据实体的运 动方程将它们均外 推到任一时刻t1的 位置，假定给出三个观测位置。接下来的问题就是 确定哪些观测与已知实体航迹进行关联。预测位置 等不确定性与上例相同。 关联处理 1)把实体A和B在时刻t0的位置均外推到新的观 测时间t1，即 A(t0) → A(t1) B(t0) → B(t1) 2)给出新的观测集合Zj(t1)，j=1,2,3； 3)计算观测Zj(t1)与各已知实体在时间t1 的估 计位置之间的关联度量Sij形成关联矩阵； 4)根据Sij和门限 ，确定哪一个观测Zj(t1)与 确定航迹关联； 5)确定关联之后，把该观测分配给实体航迹，利 用位置估计技术更新实体的估计位置。 数据关联的步骤 1）把来自一个或多个传感器的观测或点迹Zi 与j个已知或已经确认的事件归并到一起，使它们分 别属于j个事件的集合，即保证每个事件集合所包含 的观测以较大的概率或接近于1的概率均来自同一个 实体。 2）对没有归并到j个事件中的点迹，其中可能 包括新的来自目标的点迹或由噪声或杂波剩余产生 的点迹，保留到下个时刻继续处理。 数据关联的实现 关联通过一个m维的判定处理来实现，对观测与预测的目标状态间的空间或属性关系进行量化，以确定m个假设中哪一个能最佳地描述该观测。 判定的类型及性质 关联判定分为两类：硬判定和软判定 硬判定：指将一个观测赋给惟一的一个集合； 软判定：允许将一个观测赋给多个集合，但它们具有一个不确定值。 软判定可导致多个假设，当通过附加数据使不确定性减小时，多假设可以合并为一个单一的假设或服从以后的硬判定。 数据关联的主要形式 1)点迹与点迹关联，形成航迹或进行航迹初始化。 航迹的形成是通过对来自不同采样周期的点迹 的处理，按照给定的准则实现对航迹检测。 点迹与航迹关联过程中，那些没有与数据库中 的航迹关联的点迹，有的是新目标的新点迹。 与对应目标的延续点迹关联后，实现对一个新 航迹初始化，也属于点迹与点迹关联。