多传感器模糊—概率交互作用的数据关联算法

作者：时间：2013-11-27来源：网络收藏

本文基于估计理论和模糊系统理论，提出了一种多传感器多回波模糊一概率交互作用的数据关联滤波算法，以解决密集杂波干扰环境中多传感器跟踪机动目标的数据关联问题.模糊关联度和关联概率共同组成了各有效回波的加权系数，弥补了概率数据关联滤波方法(PDAF)的不足.提高了杂波环境中机动目标的跟踪性能.
　　关键词:模糊逻辑——概率交互作用；数据关联；密集杂波环境；机动目标跟踪；多传感器数据融合

Multisensor Fuzzy-Probability Interacting Data Association Algorithm

LIU Yuan　XU Lu-ping
(School of Electronic Engineering,Xidian University.,Xi'an 710071,China)
XIE Wei-xin
(Shenzhen University,Shenzhen 518060,China)

　　Abstract:Based on the theory of the estimation and fuzzy logical system,this paper proposes a data association algorithm of the fuzzy logic-probability interacting,to solve the data association problems typically encountered in the application of multisensor in tracking a maneuvering target in a heavily-cluttered environment.The combination of fuzzy association degree and probabilistic association forms the weights that the ith received measurment is target originated.The proposed data association algorithm counteracts the weaknesses of probabilistic data association filter (PDAF),and improves the performances of tracking a maneuvering target in a heavily-cluttered enviroment.
　　Key words:fuzzy logic-probability interacting;data association;heavily-cluttered environment;multisensor tracking maneuvering target;data fusion

一、引　　言
　　在密集杂波干扰环境中，跟踪机动目标的困难在于众多回波与目标航迹关联的不确定性.它使我们无法确定哪一个回波来自于真实的目标.目前，杂波干扰环境中，跟踪单目标的数据关联算法中最有代表性的是概率数据关联算法(PDAF)，它通过计算位于跟踪门内所有回波的加权平均来更新目标航迹.但在密集杂波干扰环境中，当跟踪门内平均杂波数达2后，该算法将有可能产生错误的数据关联［1］，而导致目标丢失.经研究发现，在目标匀速或匀加速运动期间，PDAF可以较好地实现目标的跟踪.一旦目标出现机动，就容易产生数据关联错误.这是因为PDAF的实质是计算多回波的统计中心.它是所有有效回波的加权平均，各权重的大小与该回波和目标预测值之间的距离，即新息的大小紧密相关.当目标出现强机动，既使采用多模型自适应跟踪方法，由于密集杂波干扰，真实目标回波新息也将增大，从而它的关联概率将减小，这必将导致真实目标回波新息的进一步增大.这种不良循环，最终导致关联失败和目标丢失.可见，单用PDAF关联方法，不能有效解决密集杂波干扰环境下的机动目标跟踪问题.
　　本文给出了一种多传感器模糊逻辑-概率交互作用的数据关联滤波方法.使用模糊逻辑解决数据关联问题的理由：一是数据关联问题本身的不确定性或模糊性，正是模糊逻辑研究的对象.二是应用模糊逻辑可以快速建立目标特征空间与关联度空间之间的非线性映射关系模型.该模型可以融合数字，语言等多种信息，具有良好的鲁棒性.一些有效的自学习方法可用于支持建模.模糊关联方法可以有效解决目标机动期间的关联问题，弥补了PDAF的不足，提高了系统的数据关联性能.多传感器目标状态估计采用序列估计法［2］实现，估计精度明显高于单传感器目标状态估计.

二、多传感器目标跟踪的模糊滤波算法
　　目标的动力学方程为：

X(k+1)=Φ(k)X(k)+W(k)　(1)

这里X(k)是k时刻n维状态矢量，Φ(k)是n×n维状态转移矩阵，W(k)是n维状态噪声，假设其均值为零，方差为E{W(k)WT(l)}=Q(k)δkl的正态分布.
　　如果量测来自被跟踪的目标，则第i个传感器量测方程为

Zim(k)=Hi(k)X(k)+vi(k)　(2)

其中Zim(k)是测量矢量，Hi(k)是已知的m×n维测量增量矩阵，vi(k)是m×1维的测量噪声，设它为正态分布，其均值为零，方差为E{vi(k)viT(l)}=Ri(k)δkl.
　　如果量测不是来自被跟踪的目标，既为杂波，则第i个传感器量测方程为

Zic(k)=Hi(k)(k)+ui(k)　(3)