第十一讲航迹融合课件.ppt

智能信息处理技术;主要内容;一、航迹融合结构;1、局部航迹与局部航迹融合;特点;;;2、局部航迹与系统航迹的融合;特点;;二、航迹融合中的相关估计误差问题;1、两条航迹存在先验的公共信息源;特点;;2、由公共过程噪声而产生的相关估计误差;;三、航迹状态估计融合;说明;;1、简单航迹融合(SF); 系统状态估计：;假定 ;互协方差为0时P与P1和P2的关系;应用特点; 一般形式 如果该融合系统是由n个传感器组成的，很容易将其推广到一般形式。 状态估计： ;每个传感器估计的权值 ;2、协方差加权航迹融合(WCF); 两个传感器i和j的两个估计之差用下式表示： ;系统状态估计 ; 其中，K是卡尔曼滤波器增益，Φ是状态转移矩阵，Q是噪声协方差矩阵，H是观测矩阵。 这种方法只是在最大似然意义下是最佳的。 ;应用特点;;3、自适应航迹融合;自适应航迹融合的结构;融合的原理;决策逻辑;决策过程;特点;统计距离D1;由于 ;说明;; 门限T1的确定;统计距离D2;利用 ;说明;;自适应方法完成的任务;; 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： ; 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的点迹产生局部航迹估计。 ; 由于重新启动局部跟踪器， 局部航迹状态估计 与全局航迹状态估计 已经不共享公共信息，由每个点迹到融合节点仅存在一个惟一的路径，使局部航迹和系统航迹去掉了相关性。 传感器航迹被送去与系统航迹融合之后，局部滤波器利用新的点迹重新启动。来自这些点迹的估计与系统航迹被去相关， 并且很容易与系统航迹进行融合。; 这种方法的优点是它的简单性， 缺点是需要修正传感器当前的跟踪算法。 关键工作过程：不管哪条局部航迹，只要把它的局部状态送往融合节点与系统航???进行融合，该局部航迹就要抛弃前面的所有信息，重新启动该滤波器，即重新进行初始化。 这就确保了该局部航迹再与系统航迹融合时，不会有先验信息源，达到了去相关的目的。 ; 3. 重新启动全局跟踪器 航迹融合中，主要问题是传感器航迹和系统航迹的相关。如果在对传感器航迹进行融合的时候，系统航迹的状态估计不参与融合，就不存在相关的问题。 因为传感器航迹已经包含了直到当前时刻所有可能的测量。这种全局估计是最佳的。 ;重新启动全局滤波器 ; 在每个融合时刻，所得到的全局航迹， 都是由传感器航迹间的相互融合实现的，前一时刻的全局航迹并未参与融合。 融合算法如下：  状态估计 ; 和 是公共的先验状态和协方差。 注意：尽管上述方程与识别-消去法中方程相同，但所依据的处理结构和先验信息不同。当先验协方差矩阵太大时，或者说协方差矩阵的逆趋于零时，这些方程与简单融合方法的方程是等效的， 即 ;小结