信息融合的数据支持.pptx

信息融合与控制信息融合与控制第三章第三章 信息融合的数据支持信息融合的数据支持重庆大学重庆大学重庆大学重庆大学自动化学院自动化学院自动化学院自动化学院 柴毅柴毅柴毅柴毅 魏善碧魏善碧魏善碧魏善碧2014.32014.32 3.1 多传感器信息融合时的数据准备多传感器信息融合时的数据准备 o 3.2 数据关联的过程和步骤数据关联的过程和步骤o 3.3 数据关联的方法数据关联的方法第3章 信息融合的数据支持33.1 多传感器数据关联时的数据准备o在进行多传感器数据关联时要进行以下几方在进行多传感器数据关联时要进行以下几方面的数据准备：面的数据准备：预处理预处理修正系统误差修正系统误差坐标变换或空间对准坐标变换或空间对准时间同步或对准时间同步或对准量纲对准量纲对准43.1 数据准备预处理o预处理：以提高信号的质量，其中主要包括：点迹预处理：以提高信号的质量，其中主要包括：点迹过滤、点迹合并和去野值。过滤、点迹合并和去野值。1、点迹过滤、点迹过滤 检测系统中不仅包含运动目标点迹，而且包含大量假检测系统中不仅包含运动目标点迹，而且包含大量假目标点迹。这么多的杂波剩余及假目标点迹进入数据处理目标点迹。这么多的杂波剩余及假目标点迹进入数据处理计算机，增加了计算机负担，甚至可能导致计算机过载。计算机，增加了计算机负担，甚至可能导致计算机过载。因此，必须进行因此，必须进行“点迹过滤点迹过滤”。点迹过滤可消除大部分有杂波剩余或干扰产生的假点点迹过滤可消除大部分有杂波剩余或干扰产生的假点迹或孤立点迹，除了减轻计算机负担和防止计算机饱和之迹或孤立点迹，除了减轻计算机负担和防止计算机饱和之外，还可改善信息融合系统的状态估计精度，提高系统性外，还可改善信息融合系统的状态估计精度，提高系统性能。能。53.1 数据准备预处理2、点迹合并、点迹合并 在信噪比较小时，由于信号检测器所采用的检测准则在信噪比较小时，由于信号检测器所采用的检测准则不合适，将一个目标判定成两个目标。鉴于此种情况，在不合适，将一个目标判定成两个目标。鉴于此种情况，在信号处理时就必须将它们合并成一个目标，可通过在距离信号处理时就必须将它们合并成一个目标，可通过在距离和方位上设置一个二维门来实现。其中二维门的大小与距和方位上设置一个二维门来实现。其中二维门的大小与距离门尺寸、检测准则、脉冲回波数和目标的尺寸有关。离门尺寸、检测准则、脉冲回波数和目标的尺寸有关。3、去野值、去野值 去掉在录取、传输的过程中，由于受到干扰等原因所去掉在录取、传输的过程中，由于受到干扰等原因所产生的一些不合理或具有粗大误差的数据。通常这些数据产生的一些不合理或具有粗大误差的数据。通常这些数据被称作野值。被称作野值。63.1 数据准备修正系统误差在测量的参数数据中包含有两种误差在测量的参数数据中包含有两种误差一种是随机误差，每次测量时，它都可能是不同的，这一种是随机误差，每次测量时，它都可能是不同的，这个误差是无法修正的；个误差是无法修正的；另一种固定误差，即我们所说的系统误差，它不随测量另一种固定误差，即我们所说的系统误差，它不随测量次数变化，可以通过校正来消除。次数变化，可以通过校正来消除。常见的系统误差有常见的系统误差有（以雷达为例）（以雷达为例）雷达站的站位误差，即雷达所在位置的经纬度误差雷达站的站位误差，即雷达所在位置的经纬度误差雷达所给出的目标坐标的系统误差，即测量误差中的固定误差部分，雷达所给出的目标坐标的系统误差，即测量误差中的固定误差部分，包括：包括：1）雷达天线波束的指向偏差或雷达天线的电轴和机械轴不重合所产）雷达天线波束的指向偏差或雷达天线的电轴和机械轴不重合所产生的偏差；生的偏差；2）距离测量中的零点偏差；）距离测量中的零点偏差；3）高度计零点偏差）高度计零点偏差 4）方法误差，指由于采用某种信息处理方法而产生的误差。）方法误差，指由于采用某种信息处理方法而产生的误差。73.1 数据准备坐标变换或空间配准o配准：是指多传感器数据配准：是指多传感器数据“无误差无误差”转换时所需要转换时所需要的处理过程，一般包括空间配准和时间配准。的处理过程，一般包括空间配准和时间配准。o时间配准：是将关于同一目标的各传感器不同步的时间配准：是将关于同一目标的各传感器不同步的测量信息同步到同一时刻。测量信息同步到同一时刻。各传感器对目标的测量是相互独立进行的，采样周期往各传感器对目标的测量是相互独立进行的，采样周期往往不同。需要将不同步的信息配准到相同的融合时刻。往不同。需要将不同步的信息配准到相同的融合时刻。o空间配准：采用不同坐标系的各传感器的测量，融空间配准：采用不同坐标系的各传感器的测量，融合时必须将它们转换到同一坐标系中的数据。合时必须将它们转换到同一坐标系中的数据。83.1 数据准备数据准备坐标变换或空间配准坐标变换或空间配准o例如：对处于不同地点探测目标的点迹进行数据关联，必须例如：对处于不同地点探测目标的点迹进行数据关联，必须对坐标系进行统一，即把它们都转换到信息处理中心的公共对坐标系进行统一，即把它们都转换到信息处理中心的公共坐标系上来。坐标系上来。通常，信息处理中心采用笛卡尔坐标系，即直角坐标系，通常，信息处理中心采用笛卡尔坐标系，即直角坐标系，对三坐标雷达为对三坐标雷达为 、坐标。但雷达和多数传感器所给出的坐标。但雷达和多数传感器所给出的坐标数据是以极坐标的形式给出的，即给出的是目标的斜距坐标数据是以极坐标的形式给出的，即给出的是目标的斜距 、方位角、方位角 和仰角和仰角 ，在进行数据处理时，需要将其变成直角，在进行数据处理时，需要将其变成直角坐标的形式。假定以坐标的形式。假定以 、和和 分别表示目标的斜距、方位角分别表示目标的斜距、方位角和仰角，则有直角坐标系的三个分量为：和仰角，则有直角坐标系的三个分量为：93.1 数据准备时间同步或对准o多传感器工作时，在时间上是不同步的，主要由以下几多传感器工作时，在时间上是不同步的，主要由以下几方面的原因造成：方面的原因造成：传感器开机的时间是不一样的；传感器开机的时间是不一样的；它们可能有不同的采样率；它们可能有不同的采样率；观测数据不是在同一时刻得到，存在观测数据的时间差；观测数据不是在同一时刻得到，存在观测数据的时间差；传输延迟等。传输延迟等。这样，在融合之前必须将这些观测数据进行同步，或这样，在融合之前必须将这些观测数据进行同步，或者称作时间对准，即统一者称作时间对准，即统一“时基时基”。通常，利用一个传感器的时间做为公共处理时间，把通常，利用一个传感器的时间做为公共处理时间，把来自其它传感器的时间都统一到该传感器的时间上。来自其它传感器的时间都统一到该传感器的时间上。103.1 数据准备时间同步或对准o假定，我们想把第假定，我们想把第 个传感器在时间个传感器在时间 的观测状态同步的观测状态同步到某个公共处理时间到某个公共处理时间 上，有上，有 其中：其中：目标运动速度，可从所有目标运动速度，可从所有 滤波器或滤波器或Kalman滤波器在初始化过程中得到；滤波器在初始化过程中得到；在时间在时间 来自传感器来自传感器 的观测状态数据；的观测状态数据；修正项。修正项。该式的意义是将第该式的意义是将第 个传感器在时间个传感器在时间 的状态数据同步的状态数据同步到公共处理时间到公共处理时间 上。上。o时间对准还有其它方法，如用插值法、最小二乘法等。时间对准还有其它方法，如用插值法、最小二乘法等。113.1 数据准备量纲对准o量纲对准就是把各个传感器送来的各个迹数量纲对准就是把各个传感器送来的各个迹数据中的参数量纲进行统一，以便于后续计算。据中的参数量纲进行统一，以便于后续计算。12 3.1 多传感器信息融合时的数据准备多传感器信息融合时的数据准备 3.2 数据关联的过程和步骤数据关联的过程和步骤o 3.3 数据关联的方法数据关联的方法第3章 信息融合的数据支持133.2 多传感器数据关联o在多传感信息融合系统中，由于缺乏跟踪环境的先验知识以在多传感信息融合系统中，由于缺乏跟踪环境的先验知识以及受传感器自身性能的制约，在整个测量过程中不可避免地及受传感器自身性能的制约，在整个测量过程中不可避免地会引入量测误差（噪声）；会引入量测误差（噪声）；o目标的确切数目往往并不知道，即使目标只有一个，由于杂目标的确切数目往往并不知道，即使目标只有一个，由于杂波的干扰，有效量测也可能为多个，需要通过统计方法来建波的干扰，有效量测也可能为多个，需要通过统计方法来建立目标与量测的对应关系。立目标与量测的对应关系。o对于多目标，情况就更为复杂，此时无法判定量测数据是来对于多目标，情况就更为复杂，此时无法判定量测数据是来自感兴趣的目标，还是虚警或是其他目标。自感兴趣的目标，还是虚警或是其他目标。o由于传感器观测过程和多目标跟踪环境中存在的各种不确定由于传感器观测过程和多目标跟踪环境中存在的各种不确定性以及随机性，破坏了回波量测与其目标源之间的对应关系，性以及随机性，破坏了回波量测与其目标源之间的对应关系，所以必须运用数据关联技术来解决。所以必须运用数据关联技术来解决。143.2 多传感器数据关联数据关联举例数据关联举例 【例例1】稳定目标观测与观测稳定目标观测与观测(或点迹与点迹或点迹与点迹)的关联。的关联。在在图图3-1中中，我我们们假假设设A1，A2是是两两个个已已知知实实体体的的位位置置的的估估计计值值，均均以以经经、纬纬度度表表示示。在在数数据据获获取取过过程程中中由由测测量量误误差差、噪噪声声和和人人为为干干扰扰等等不不确确定定因因素素所所产产生生的的误误差差由由误误差差椭椭圆圆来来表表示示。由由于于假假定定是是稳稳定定目目标标，不不考考虑虑两两个个实实体体的的可可能能机机动动。又又假假设设我我们们已已获获得得两两个个实实体体的的三三个个观观测测位位置置Z1，Z2，Z3，现现在在我我们们讨讨论论三三个个观观测测位位置置Z1，Z2，Z3如如何何与与两两个个已已知知实实体体位位置置A1，A2进行关联的问题。进行关联的问题。153.2 多传感器数据关联多传感器数据关联o假设假设A1，A2是两个已知实体的位置的估计值，均以经、纬度是两个已知实体的位置的估计值，均以经、纬度表示。表示。o已获得两个实体的三个观测位置已获得两个实体的三个观测位置Z1，Z2，Z3图图1 稳定实体与观测的关联稳定实体与观测的关联 163.2 多传感器数据关联 由由图图3-1可可见见，观观测测Zi，i=1，2，3，与与实实体体Aj，j=1，2，关关联联有有三种可能三种可能:（1）观测观测Zi与实体与实体A1关联；关联；（2）观测观测Zi与实体与实体A2关联；关联；（3）观观测测Zi与与实实体体Aj均均不不关关联联，它它要要么么是是由由新新的的实实体体，要要么是由干扰或杂波剩余产生的观测。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基本思路如下:173.2 多传感器数据关联（1）建立观测建立观测Zi（i=1，2，m）与实体）与实体Aj（j=1，2，n）的关联矩阵，见表）的关联矩阵，见表1。在关联矩阵中的每个观测在关联矩阵中的每个观测实体对实体对(Zi，Aj)均包含一个关均包含一个关联度量联度量Sij，它是观测，它是观测Zi与实体与实体Aj接近程度的度量或称相似性接近程度的度量或称相似性度量，度量，它把观测它把观测Zi与实体与实体Aj按内在规律联系起来，我们把它按内在规律联系起来，我们把它称作几何向量距离：称作几何向量距离：183.2 多传感器数据关联（2）对对每每个个观观测测实实体体对对(Zi，Aj)，将将几几何何向向量量距距离离与与一一个个先先验验门门限限进进行行比比较较，以以确确定定观观测测Zi能能否否与与实实体体Aj进进行行关关联联。如如果果Sij,则则用用判判定定逻逻辑辑将将观观测测Zi分分配配给给实实体体Aj。没没有有被被关关联联的的观观测测，用用追追加加逻逻辑辑确确定定另另一一个个假假设设的的正正确确性性，如如是是新新实实体或虚警等。体或虚警等。（3）最后进行观测与实体的融合处理，最后进行观测与实体的融合处理，改善实体的位置与身改善实体的位置与身份估计精度。份估计精度。193.2 多传感器数据关联o数据关联过程即确定传感器接收到的量测信息和目数据关联过程即确定传感器接收到的量测信息和目标源对应关系的过程。标源对应关系的过程。o是多传感多目标跟踪系统中最核心而且也是最重要是多传感多目标跟踪系统中最核心而且也是最重要的内容。的内容。o目标跟踪算法都是以正确的数据关联结果为前提的，目标跟踪算法都是以正确的数据关联结果为前提的，如果关联错误，那么估计结果会很差。如果关联错误，那么估计结果会很差。o在仅有单个目标单个回波量测的情况下，目标源与在仅有单个目标单个回波量测的情况下，目标源与量测的对应关系自然建立，数据关联过程无须进行量测的对应关系自然建立，数据关联过程无须进行o当目标较多且相互靠近时，关联的过程就变得十分当目标较多且相互靠近时，关联的过程就变得十分复杂。复杂。203.2 数据关联过程o数据关联过程数据关联过程 数据关联过程包括三部分内容：数据关联过程包括三部分内容：1）首先将传感器送过来的观测）首先将传感器送过来的观测/点迹进行门限过滤，利用先点迹进行门限过滤，利用先验统计知识过滤掉那些门限以外的所不希望的观测验统计知识过滤掉那些门限以外的所不希望的观测/点迹，点迹，包括其它目标形成的真点迹和噪声、干扰形成的假点迹，包括其它目标形成的真点迹和噪声、干扰形成的假点迹，限制那些不可能的观测限制那些不可能的观测航迹对的形成，在该关联门的航迹对的形成，在该关联门的输出形成可行或有效点迹输出形成可行或有效点迹航迹对；航迹对；2）然后形成关联矩阵，用以度量各个点迹与该航迹接近的）然后形成关联矩阵，用以度量各个点迹与该航迹接近的程度；程度；3）最后将最接近的预测位置的点迹按赋值策略将它们分别）最后将最接近的预测位置的点迹按赋值策略将它们分别赋予相应的航迹。赋予相应的航迹。213.2 数据关联的一般步骤o数据关联过程数据关联过程223.2 数据关联的一般步骤1）查找数据库中的备选实体）查找数据库中的备选实体 有了当前的备选观测之后，首先从数据库中找出前有了当前的备选观测之后，首先从数据库中找出前一采样周期的观测一采样周期的观测 和表示当时实体状态估计的状态和表示当时实体状态估计的状态向量向量 ，它们表示实体的位置、速度或身份估计，为，它们表示实体的位置、速度或身份估计，为后续处理做准备。后续处理做准备。2）把备选实体校正到观测时间）把备选实体校正到观测时间 对于动态实体，数据关联的第二步就是将备选实体对于动态实体，数据关联的第二步就是将备选实体的状态向量校正到观测时间的状态向量校正到观测时间 。这样，就需要对每个备。这样，就需要对每个备选实体通过解运动方程确定在时刻选实体通过解运动方程确定在时刻 的状态的状态 的预测值。的预测值。明确地说，明确地说，式中：式中：将状态由时刻将状态由时刻 变到变到 的矩阵；的矩阵；未知噪声，通常是具有零均值的高斯噪声。未知噪声，通常是具有零均值的高斯噪声。233.2 数据关联的一般步骤3）计算每个备选实体航迹的预测位置）计算每个备选实体航迹的预测位置 通过观测方程预测每个备选实体的于测位置，即通过观测方程预测每个备选实体的于测位置，即 其中，函数其中，函数 表示实体表示实体 通过时刻通过时刻 的状态向量的状态向量 预测该实体在时刻预测该实体在时刻 时刻的状态所需的变换；时刻的状态所需的变换；为观测噪声，通常是零均值分布的高斯噪声。为观测噪声，通常是零均值分布的高斯噪声。4）门限过滤）门限过滤 门限过滤的目的在于通过物理的或统计的方法来滤门限过滤的目的在于通过物理的或统计的方法来滤除关联过程中不太可能的或所不希望的观测除关联过程中不太可能的或所不希望的观测观测对和观测对和观测观测航迹对以及噪声和干扰，以减少计算量，防止计航迹对以及噪声和干扰，以减少计算量，防止计算机过载，同时提高关联速度，以便实时处理。算机过载，同时提高关联速度，以便实时处理。243.2 数据关联的一般步骤5）计算关联矩阵）计算关联矩阵 关联矩阵中的元素关联矩阵中的元素 是用来衡量是用来衡量 时刻观测时刻观测 与与预测值预测值 接近程度或相似程度的一个量。关联过程中，接近程度或相似程度的一个量。关联过程中，一个经常使用的关联度量是所谓的逆协方差矩阵加权的一个经常使用的关联度量是所谓的逆协方差矩阵加权的几何距离几何距离 需要注意的是，需要注意的是，是预测值。是预测值。它是残差，或称作新息。它是残差，或称作新息。6）分配准则的实现）分配准则的实现 最后一步是应用判定逻辑来说明观测最后一步是应用判定逻辑来说明观测 与某实体与某实体或状态向量之间的关系，把当前的测量值分配给某个集或状态向量之间的关系，把当前的测量值分配给某个集合或实体。合或实体。253.1 多传感器信息融合时的数据准备多传感器信息融合时的数据准备 3.2 数据关联的过程和步骤数据关联的过程和步骤 3.3 数据关联的方法数据关联的方法第3章 信息融合的数据支持263.3 数据关联的方法数据关联方法主要有：数据关联方法主要有：最邻近数据关联最邻近数据关联概率数据关联概率数据关联联合概率数据关联联合概率数据关联交互式多模型概率数据关联交互式多模型概率数据关联多传感联合概率数据关联多传感联合概率数据关联 在这一节简述其中的几种方法。在这一节简述其中的几种方法。273.3 数据关联的方法o跟踪门（整个跟踪空域中的一块子区域）跟踪门（整个跟踪空域中的一块子区域）n是多传感器多目标关联算法的首要技术；是多传感器多目标关联算法的首要技术；n是多目标跟踪过程的基本环节；是多目标跟踪过程的基本环节；n对于性能良好的跟踪门算法，跟踪门内应含有尽量对于性能良好的跟踪门算法，跟踪门内应含有尽量少的来自本身或其他目标的干扰回波，有效地降低少的来自本身或其他目标的干扰回波，有效地降低数据融合算法的错误关联次数，最终提高多目标多数据融合算法的错误关联次数，最终提高多目标多传感器跟踪算法的性能。传感器跟踪算法的性能。283.3 数据关联的方法o目标位置和观测量之间的分布关系目标位置和观测量之间的分布关系 293.3 数据关联的方法o包络跟踪门在小概率和大概率附近仍然有相同概率均匀程度包络跟踪门在小概率和大概率附近仍然有相同概率均匀程度的采样点，可以保证跟踪门具有很高的跟踪概率。的采样点，可以保证跟踪门具有很高的跟踪概率。303.3 数据关联的方法最邻近方法o最邻近方法最邻近方法 1971年年Singer等提出了一种具有固定记忆并且能在多回等提出了一种具有固定记忆并且能在多回波环境下工作的跟踪方法，称为最近邻（波环境下工作的跟踪方法，称为最近邻（nearest neighbor，NN）方法。在这种滤波方法中，仅将在统计意义上与被跟）方法。在这种滤波方法中，仅将在统计意义上与被跟踪目标预测位置最近的量测作为与目标关联的回波信号。该统踪目标预测位置最近的量测作为与目标关联的回波信号。该统计距离定义为新息向量的加权范数计距离定义为新息向量的加权范数 其中，其中，表示滤波新息（滤波残差向量），表示滤波新息（滤波残差向量），为新息协方差为新息协方差矩阵，矩阵，为残差向量的范数，可以理解为目标预测位置与有效为残差向量的范数，可以理解为目标预测位置与有效回波之间的统计距离。回波之间的统计距离。NN方法的基本含义是，方法的基本含义是，“唯一性唯一性”地选择落在相关跟踪地选择落在相关跟踪门之内且与被跟踪目标预测位置最近的观测作为与目标关联的门之内且与被跟踪目标预测位置最近的观测作为与目标关联的对象，所谓对象，所谓“最近最近”表示统计距离最小或者残差概率密度最大。表示统计距离最小或者残差概率密度最大。最近邻法主要优点：运算量小，易于实现。主要缺点：最近邻法主要优点：运算量小，易于实现。主要缺点：在目标密度较大时，容易跟错目标。在目标密度较大时，容易跟错目标。313.3 数据关联的方法概率数据关联o概率数据关联概率数据关联 概率数据关联（概率数据关联（probability data association,PDA）方法适用于杂波环境中单目标的跟踪问题。）方法适用于杂波环境中单目标的跟踪问题。概率数据关联理论的基本假设是，在监视空域中仅概率数据关联理论的基本假设是，在监视空域中仅有一个目标存在，并且这个目标的航迹已经形成。在杂有一个目标存在，并且这个目标的航迹已经形成。在杂波环境下，由于随机因素的影响，在任一时刻，某一给波环境下，由于随机因素的影响，在任一时刻，某一给定目标的有效回波往往不止一个。定目标的有效回波往往不止一个。PDA理论认为：所有有效回波都有可能源于目标，理论认为：所有有效回波都有可能源于目标，只是每个有效回波源于目标的概率不同。这种方法利用只是每个有效回波源于目标的概率不同。这种方法利用了跟踪门内的所有回报以获得可能的后验信息，并根据了跟踪门内的所有回报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，然后用它更新目标状态。后用它更新目标状态。323.3 数据关联的方法联合概率数据关联o联合概率数据关联联合概率数据关联 联合概率数据关联（联合概率数据关联（joint probability data association,JPDA），是在适用于单目标跟踪的），是在适用于单目标跟踪的PDA算法基础上，提出的一种适用于多目标情形的数据关联算法基础上，提出的一种适用于多目标情形的数据关联算法。算法。在在JPDA算法中，首先按照多目标跟踪门之间的几算法中，首先按照多目标跟踪门之间的几何关系，划分为多个聚。在每个聚中，任何一个目标跟何关系，划分为多个聚。在每个聚中，任何一个目标跟踪门与其他至少一个目标的跟踪门之间交集非空。踪门与其他至少一个目标的跟踪门之间交集非空。JPDA算法依次处理每个聚中的目标与量测。算法依次处理每个聚中的目标与量测。JPDA方法以其较好的多目标相关性能，自从诞生方法以其较好的多目标相关性能，自从诞生之日就受到了广泛关注。然而，之日就受到了广泛关注。然而，JPDA算法的困难在于难算法的困难在于难以确切得到联合事件与关联事件的概率，因为这种方法以确切得到联合事件与关联事件的概率，因为这种方法中，联合事件数是所有候选回波数的指数函数，并随回中，联合事件数是所有候选回波数的指数函数，并随回波密度的增加出现计算上的组合爆炸现象。波密度的增加出现计算上的组合爆炸现象。333.3 数据关联的方法交互式多模型o交互式多模型概率数据关联交互式多模型概率数据关联 交互式多模型（交互式多模型（IMM-Interacting Multiple Model）方法，主要用于特性随时间变化系统的状态估）方法，主要用于特性随时间变化系统的状态估计，它特别适用于机动目标跟踪。在计，它特别适用于机动目标跟踪。在IMM方法中，假定方法中，假定有有限多个目标模型存在，每个模型对应于不同的机动有有限多个目标模型存在，每个模型对应于不同的机动输入水平。在计算出各模型为正确的后验概率之后，就输入水平。在计算出各模型为正确的后验概率之后，就可以通过对各模型正确时的状态估计加权求和来给出最可以通过对各模型正确时的状态估计加权求和来给出最终的目标状态估计，加权因子为模型正确的后验概率终的目标状态估计，加权因子为模型正确的后验概率 交互多模型估计器是已知最好的单次扫描状态估计交互多模型估计器是已知最好的单次扫描状态估计器，被广泛应用于各个领域，它不仅给出了很好的跟踪器，被广泛应用于各个领域，它不仅给出了很好的跟踪性能，而且降低了计算的复杂性和成本。性能，而且降低了计算的复杂性和成本。343.3 数据关联的方法多传感器联合概率o多传感器联合概率数据关联多传感器联合概率数据关联 在多传感多目标跟踪系统中，处理的是利用多在多传感多目标跟踪系统中，处理的是利用多传感器对多个目标的综合跟踪问题。将单传感器联传感器对多个目标的综合跟踪问题。将单传感器联合概率数据关联算法进行推广，就得到多传传感联合概率数据关联算法进行推广，就得到多传传感联合概率数据关联（合概率数据关联（MSJPDA）算法。）算法。多传感联合概率数据关联算法包括两种基本结多传感联合概率数据关联算法包括两种基本结构，即并行处理结构和顺序处理结构。构，即并行处理结构和顺序处理结构。信息融合与控制信息融合与控制THE END