欢迎来到天天文库
浏览记录
ID:1542061
大小:294.00 KB
页数:9页
时间:2017-11-12
《多传感器信息融合-数据关联》由会员上传分享,免费在线阅读,更多相关内容在教育资源-天天文库。
1、第五章数据关联数据关联是多传感器信息融合的关键技术,应用于航迹起始、集中式目标跟踪和分布式目标跟踪。主要有以下几种: a、观测与观测、或观测与点迹的关联:用于航迹起始或估计目标位置b、观测与航迹关联:用于目标状态的更新c、航迹与航迹关联:用于航迹融合,局部航迹形成全局航迹数据关联的一般过程:例:有两个实体和,三个测量、和,对测量与实体进行关联1、建立关联门,确定关联门限:椭圆关联门2、门限过滤:将测量过滤掉3、确定相似性度量方法:几何向量距离 4、建立关联矩阵5、确定关联判定准则:最近邻方法1、形成关联对 一
2、、关联门与门限:关联门通常有两种,矩形和椭圆形椭圆门:位置:位置速度::关联门限,可由两种方法获取,一是最大似然法,另一种是分布法。分布法是M个独立高斯分布随机变量平方和,它服从自由度为M的概率分布,给出漏检率,查分布表得到门限二、相似度量方法距离度量:欧几里得距离:,向量间的几何距离加权欧氏距离:CityBlock:,一阶明可夫斯基距离,也称Manhatta距离明可夫斯基距离:,Mahalanobis距离:,加权欧氏,权等于协方差逆矩阵Bhattacharyya距离:用得最广泛的是加权欧氏距离概率度量:隶属度
3、度量:用隶属度作为度量标准。三、关联算法适合于点与点、点与航迹(利用滤波器的预测功能使点与航迹时间对正)、或航迹与航迹(利用滤波器的预测功能使点与时间对正)。1、最近邻数据关联:将落在关联门内并且与被跟踪目标的预测位置“最邻近”的观测点作为与航迹相关联的观测。如有三批目标和三个测量,所形成的关联矩阵为按最近邻 特点:一个目标最多只与跟踪门中一个测量相关,取跟踪门中距目标最近的测量与目标相关。2、全局最近邻:使总的距离或关联代价达到最小,最优分配的问题其中为二值变量,为0表示不关联,为1表关联,用矩阵表示时
4、,矩阵的每行每列只能有1个元素为1。例:关联结果: 矩阵表示关联矩阵关联矩阵较大时,二维分配问题可Munkre算法或Burgeois算法求解,求解具多项式复杂度,非NP问题特点:一个目标最多只与跟踪门中一个测量相关,以总关联代价(或总距离)作为关联评价标准,取总关联代价或总距离最小的关联对为正确关联对。3、概率数据互联(PDA):(概率度量)设目标运动模型及测量模型为 :状态转移矩阵:过程噪声增益矩阵V:过程噪声W:观测噪声目标状态的一步预测值 预测协方差预测的观测向量为新息或量测残差为残差协方差:h的雅可
5、比矩阵,对目标状态求导数;:观测噪声的方差矩阵。设有个测量落入跟踪门内,即有个测量满足:跟踪门门限:按概率计算个测量在状态更新时的权重因子。设:用第j个测量对滤波器更新时得到的状态估计值为 目标的状态估计为其中 ; :目标检测概率:正确测量落入跟踪门内的概率。:跟踪门的体积,测量为二维时,,测量为三维时,M:测量的维数。目标的状态估计及状态估计的协方差矩阵为其中特点:考虑跟踪门中所有测量的影响,各测量由于距跟踪门中心的距离不同其影响系数不同,各影响系数之和为1,影响系数用概率
6、求取。4、FCM数据关联(模糊隶属度度量)以模糊C均值聚类算法(FCM)为基础。在FCM中,目标函数定义为可以证明,当时,达到局部最小。数据融合中,用表示目标数目,n为所接收到的观测总数,是s维的观测向量,在每条航迹的预测值已知的情况下,可以建立分割矩阵。其中,如可用最近邻法或全局最近邻法确定测量与航迹的关联对。5、基于模糊综合判决函数的数据关联(模糊隶属度度量)(1)模糊综合判决函数是一个映射将模糊向量映射至的函数。例如下列的都是综合函数; ; ;,;,,(2)基于模糊综合函数关联的步骤:a.建立模糊因素集(
7、各因素间的距离):例:判定两航迹间的相关性。设在时刻,两航迹的状态向量为和定义两航迹位置、速度和航向间的距离为或者取为加权距离 b.选取一个隶属度函数,由模糊因素集建立模糊向量采用高斯型隶属度函数(也可采用其它隶属度函数,如哥西分布,三角形分布等),则元素间的相似隶属度为c.由模糊向量建立模糊综合函数,并用模糊综合函数建立相似度量矩阵。两航迹间的模糊综合函数可定义为由模糊综合函数可建立关联矩阵。再由最近邻法或全局最近邻法可给出关联结果。四、航迹起始的关联问题(不同时刻测量的关联)目标跟踪关联的一般过程:测
8、 量 与已有航 真 迹关联? 假对已有的航迹更新 与旧测量关联?建立新航迹利用不同时刻的测量起始航迹:规则基的方法和Hough变换航迹起始方法主要讲规则基方法:用于起始航迹规则可描述如下:1)估计的速度大于最小速度而小于最大速度()。对于一个用测量起始航迹,这个速度限制可表述为()。其中,为第个测量所表示的目标位置矢量,而为两测量的
此文档下载收益归作者所有