经典数据关联方法(NNDA、PDA、JPDA).ppt

数据关联方法简介 关联概率的计算 关联概率的计算 关联概率的计算 关联概率的计算 关联概率的计算 关联概率的计算 关联概率的计算 状态更新 协方差更新 联合概率数据关联（JPDA） 确认矩阵 确认矩阵的拆分 互联矩阵 联合概率数据关联（JPDA） 互联矩阵 联合事件概率计算 联合事件概率计算 联合事件概率计算 联合事件概率计算 联合事件概率计算 联合事件概率计算 联合事件概率计算 联合事件概率计算 状态和协方差更新 最邻近数据关联（NNDA） 航迹i 预测位置 Z2 Z1 Z3 X Y O 残差： 统计距离： 似然函数： 概率数据关联（PDA） X 0 1 2 3 4 5 6 7 Y 7 6 5 4 3 2 1 预测位置： 最邻近观测： 真实观测： 综合观测： ：k时刻的确认量测集 ：直到k时刻的累积确认量测集 ： 是源于目标的量测 ：k时刻没有源于目标的量测 两个集合： 两个事件： 关联概率： Bayes公式： 正确量测服从正态分布 虚假量测服从均匀分布 波门体积 正确量测落入跟踪门的概率 令 ：虚假量测数的概率密度函数 参数模型(泊松) 非参数模型(均匀) 杂波数目的期望值 最大可能值 检测概率 当前时刻关联情况与之前的量测无关 采用参数模型： 采用非参数模型： 参数模型 非参数模型 标准KF： 标准KF： 其中 X Y O Z2 Z1 Z3 量测 目标 虚警 量测j 目标t 量测j落入目标t波门内 量测j没有落入目标t波门内 所有量测可能都是虚警 在互联矩阵中，除第一列外，其余各列最多只能有一个非零元素。 对于一个给定目标，最多一个量测以其为源。 确认矩阵每行中仅选出一个1作为互联矩阵在该行的唯一非零元素。 每个量测有唯一的源，不考虑不可分辨的情况。 拆分原则 基本假设 k时刻第i个联合事件中量测j源于目标t的事件 第i个联合事件 X Y O Z2 Z1 Z3 目标 量测 互联矩阵 目标 量测 拆分 量测互联指示 目标检测指示 联合事件 中假量测的数量 联合事件 k时刻第i个联合事件中量测j源于目标t的事件 第j个量测与第t个目标互联的概率 k时刻联合事件 的条件概率 互联矩阵 Bayes公式 归一化常数： k时刻关联结果与k-1时刻量测无关 假设：不与目标互联的虚假量测服从体积为V的均匀分布，与目标互联的量测服从正态分布，门概率PG=1。 目标探测指示 虚假量测数目 虚假量测 真实量测 事件个数 互联 乘法定理 检测概率 假量测数的概率密度函数 泊松分布： 均匀分布： 泊松分布： 均匀分布： 归一化常数