12第十二讲 信息融合与目标跟踪课件 航迹融合估计.ppt

应用特点1）忽略互协方差时，协方差加权融合就退化为简单融合；2）能控制公共过程噪声；3）需计算互协方差矩阵；*4）对线性时不变系统，互协方差可以脱机计算；5）需要卡尔曼滤波器增益和观测矩阵的全部历史，必须把它们送往融合中心。*3、自适应航迹融合数据融合系统设计时需考虑的因素：1）实现系统的性能，采用好的算法2）运算量、计算机承受能力3）系统的通信能力4）系统特性和要求的变化解决方案：采用自适应航迹融合*自适应航迹融合的结构*融合的原理1）传感器1、2向两个局部跟踪器送出观测，与局部跟踪器一起构成两个局部融合节点，形成局部航迹估计，并送往融合中心节点；2）融合中心节点（决策逻辑）根据规则选择融合算法；3）融合中心节点根据选定的算法对局部节点送来的局部航迹进行融合计算，给出全局估计。*决策逻辑根据两个决策统计距离D1、D2和决策树来进行算法选择，决策树见图：*决策过程1）根据局部节点送来的局部航迹计算统计距离D1；2）如D1小于给定门限T1，全局估计等于局部估计中一个；3）如D1大于T1，计算统计距离D2，将D2小于给定门限T2，将SF的结果作为全局估计；4）如D2大于T2，利用WCF结果作为全局估计。*特点以简单航迹融合和协方差加权航迹融合算法为基础。*统计距离D1定义：局部航迹和采用SF算法所得到的系统航迹估计之间的距离。**由于P1+PSF=P1(P1+P2)-1(P1+2P2)则说明1）融合估计是两个局部估计及其误差协方差的函数，D1演化为与两个局部估计和它们的误差协方差有关；2）D1度量局部航迹1和局部航迹2接近程度；*3）如两局部航迹观测源于同一目标，则D1小于某门限表明局部传感器给出的两条航迹很接近，不需再进行航迹融合运算，用其一作为全局估计；如果两个传感器的分辨率不同，分辨率高的传感器的航迹作为全局航迹。*门限T1的确定根据两局部航迹相距的最大允许程度确定的；如果统计距离大于它，就需进行融合运算。*统计距离D2定义：局部航迹和采用WCF算法所得到的系统航迹估计之间的距离。**利用其中,最后,有说明1）D2与两局部航迹的估计、误差协方差矩阵及互协方差有关；2）D2小于门限T2，用SF对两局部航迹进行融合，表明两航迹互协方差很小，接近于0；*3）D2大于门限T2，采用WCF方法对两个局部航迹进行融合，两航迹间存在着互协方差；这是应用WCF方法的条件。4）统计距离D2是对两个局部航迹间是否存在互协方差的一种度量。*自适应方法完成的任务1）两局部航迹间的统计距离D1小于T1时，不必再对两条局部航迹进行融合。选其一作为全局航迹，或从中选择一条优质航迹作为全局航迹；2）两局部航迹间的统计距离D2小于T2时，两个局部航迹间的互协方差很小，甚至等于0，可用SF算法对两个局部航迹进行融合。*3）两局部航迹间的统计距离D2大于T2时，两个局部航迹间存在着互协方差，可采用WCF算法对两个局部航迹进行融合。实现系统对环境的自适应。**四、信息去相关算法1.识别—消去法关键的想法是识别出参与融合的两个估计的公共信息，并且在融合中把它们消去。这种方法在一个航迹是系统航迹而另一个航迹是传感器航迹的时候是有用的。状态融合估计算法由下式给出：状态估计：*误差协方差：和是最后送给系统航迹的传感器航迹的状态估计和误差协方差。传感器航迹和系统航迹两者都包括这个公共信息，对融合算法来说它是一个附加的信息。为避免对结果的双重影响，必需把它从结果中消去。该方法以分布式融合为基础，支持任何类型的融合和通信结构，包括带反馈的融合。早期引入的信息图可以用于识别两个估计的公共信息，避免了双重计算。*2.重新启动局部跟踪器对来自系统航迹的传感器航迹去相关的另一种方法是只利用最后送来