第四章 多目标跟踪与数据关联概论

《第四章 多目标跟踪与数据关联概论》由会员分享，可在线阅读，更多相关《第四章 多目标跟踪与数据关联概论（47页珍藏版）》请在文档大全上搜索。

1、第四章 目标跟踪与数据关联概论14.1 多目标跟踪的基本思想多目标跟踪的基本概念是由Wax在1955年首先提出的。1964年，Silttler对多目标跟踪理论以及数据关联问题进行了深入研究，取得开创性的进展。20世纪70年代初期，机动多目标跟踪理论才真正因此关注。2l所谓多目标跟踪，就是为了维持多个目标当前状态的估计而对所接收到的测量信息进行处理的过程。l可以看出多目标跟踪过程是一个递推过程，并且在开始扫描期间各目标的航迹已经形成。跟踪起始与终结数据关联测量数据机动识别自适应滤波与预测机动多目标状态跟踪门规则跟踪维持3l来自传感器的测量信息首先用于更新已经建立的目标航迹；l如果来自传感器的测量

2、数据（回波）落入目标的跟踪门中，则称此回波为有效测量（或有效回波）。l即使目标只有一个，由于杂波的干扰，有效测量也可能为多个。跟踪门用来粗略的确定量测/航迹配对是否合理。跟踪起始与终结数据关联测量数据机动识别自适应滤波与预测机动多目标状态跟踪门规则跟踪维持4(1)(2)(3)(4)量测空间目标1 的跟踪门目标2 的跟踪门航迹1航迹2l下图表示一个两目标情形下跟踪门和有效回波的关系示意图。表示目标1的预报测量；表示目标2的预报测量；(1)(2)(3)是有效回波；(4)不是有效回波；5l跟踪维持包括机动识别和自适应滤波与预测，用来估计各个目标航迹的真实状态。l在跟踪空间中，数据关联的输入是有效测量

3、，与已经建立的目标航迹不相关的量测或回波可能来自潜在的新目标或杂波，由跟踪起始方法可以鉴别其真伪，并相应的建立新的目标航迹。跟踪起始与终结数据关联测量数据机动识别自适应滤波与预测机动多目标状态跟踪门规则跟踪维持6l当目标逃离跟踪空间或被摧毁时，由跟踪终结方法可以删除航迹，以减轻不必要的开销。l最后，在新的量测到达之前，由目标预测状态和接受正确回波的概率可以确定下一时刻跟踪门的中心和大小，以便从新开始下一时刻的递推循环。跟踪起始与终结数据关联测量数据机动识别自适应滤波与预测机动多目标状态跟踪门规则跟踪维持74.2 数据关联的概念与基本思路l多目标跟踪过程的关键问题是如何进行有效的数据关联。l数据

4、关联问题首先产生于传感器观测过程和多目标跟踪环境的不确定性。u实际的传感器系统总是不可避免的存在测量误差，缺乏跟踪环境的先验知识；u往往不能确定目标的个数，无法确定观测数据是由真实目标还是由其他虚假目标产生。l这些不确定因素破坏了回波观测与其目标源之间的对应关系，是导致多传感器多目标数据关联关系模糊的基本原因。8具有相似特征具有相似特征具有不同特征具有不同特征数据关联目的数据关联目的同一个目标在多传感器上建立的量测一定因其物理来源相同而具有某种相似特征。一定因为杂波的干扰和传感器自身性能的不稳定而导致这些量测的特征不完全相同。利用这种量测的相似特征来判定这些特征不完全相同的量测是否源于同一目标

5、。实时的多目标跟踪过程中：9l数据关联问题广泛存在于多传感器多目标跟踪的各个过程。u跟踪过程中的新目标检测，需要在多个采样周期之间进行“观测观测”的数据关联，以便为新的目标建立起始航迹提供的初始化信息。u观测数据的直接融合也需要进行“观测观测”的数据关联，以稳定航迹生存周期。u为了更新航迹，维持跟踪的持续性，还需要“航迹观测”关联以确定用于航迹修正的新观测数据。104.2.1数据关联举例【例1】稳定目标观测与观测(或点迹与点迹)的关联。 在图4-1中，假设A1，A2是两个已知实体的位置的估计值，均以经、纬度表示。在数据获取过程中由测量误差、噪声和人为干扰等不确定因素所产生的误差由误差椭圆来表示

6、。Z1Z2Z3A1A2xy 由于假定是稳定目标，不考虑两个实体的可能机动。又假设我们已获得两个实体的三个观测位置Z1，Z2，Z3，现在讨论三个观测位置Z1，Z2，Z3如何与两个已知实体位置A1，A2进行关联的问题。 11图4-1 由图4-1可见，观测Zi(i=1，2，3)与实体Aj(i=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，它要么是由新的实体， 要么是由干扰或杂波剩余产生的观测。 这里我们不考虑虚警影响，并假定实体是稳定的。关联的基本思路如下:121） 建立观测Zi（i=1，2，m）与实体Aj（j=1

7、，2，n） 的关联矩阵，见下表：l在关联矩阵中的每个观测实体对(Zi，Aj)均包含一个关联度量Sij，它是观测Zi与实体Aj接近程度的度量或称相似性度量，它把观测Zi与实体Aj按内在规律联系起来，我们把它称作几何向量距离:2)(jiijAZS132） 对每个观测实体对(Zi，Aj)，将几何向量距离与一个先验 门限 进行比较，以确定观测Zi能否与实体Aj进行关联。 u如果Sij, 则用判定逻辑将观测Zi分配给实体Aj 。u没有被关联的观测，用追加逻辑确定另一个假设的正确性，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。14【例2】运动目标的观测/点迹与航

8、迹关联。 假定实体A、B均以匀速进行直线运动，在时刻t0位于用符号“+”表示的位置。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，这里假定给出三个观测位置。Ai(t0)Bi(t0)Bi(t1)Ai(t1)Z2(t1)Z1(t1)Z3(t1) 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例1相同。 15关联处理如下:(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 (2) 给出新的观测集合Zj(t1)， j=1，2，3；(3)计算观测Zj(t1)与每个已知实体在时间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，

9、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。 )()()()(1010tBtBtAtA16l多源数据关联问题是多传感器数据融合的关键技术之一， 没有数据关联，就谈不上对目标的跟踪与识别。l从以上两个例子中，我们可以这样给数据关联下定义：u所谓数据关联就是把来自一个或多个传感器的观测或点迹所谓数据关联就是把来自一个或多个传感器的观测或点迹 Zi，i=1，2，N，与，与j个已知或已经确认的事件归并到一起，个已知或已经确认的事件归并到一起，使它们分别属于使它们分别属于j个事件的集合，个事件的集合， 即保证每个事件集合所包

10、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。的概率均来自同一个实体。u对没有归并到对没有归并到j个事件中的点迹，个事件中的点迹， 其中可能包括新的来自目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。继续处理。17l实际上，关联是通过一个m维的判定处理来实现的，它对观测与预测的目标状态之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。l多传感器数据关联是多传感器数据处理的关键技术之一，它通常分以下几种方式：u观测/点迹与观测/

11、点迹关联u观测/点迹与航迹关联u航迹与航迹关联18（1）观测/点迹与观测/点迹关联l 最终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观测/点迹的处理，按照给定的准则实现对航迹检测的。l在下面将要介绍的， 在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， 其中有的就是新发现的目标的新点迹。与对应目标的延续点迹关联之后，实现对一个新航迹进行初始化，也属于点迹与点迹关联。19（2） 观测/点迹与航迹关联l一般用于集中式网络结构中， 目的在于对已有航迹进行保持或对状态进行更新。 u要判断各个雷达站送来的点迹： 哪些是数据库中已有航迹的延续点迹， 哪些是新航迹的起始点迹，