第五讲数据关联(“关联”相关文档)共78张.pptxVIP

第五讲

数据关联技术;5.1基本思路;数据关联的目的;;;例：稳定目标观测与观测(点迹与点迹)关联;;关联的基本思路;;;1）把来自一个或多个传感器的观测或点迹Zi

①监测系统中，具有大量的目标，融合中心数据库中必然有对应的航迹；

◆三角不等式

相邻近的可分辨的两个目标，不可能其中一个

观测和航迹的真正的关联由赋值策略决定，在构造了所有观测和所有航迹的关联矩阵之后，就可进行赋值。

采用矩形关联门后得到的关联矩阵，具体数值用欧氏距离的方法得到。

Zi(i=1、2、3)与Aj(j=1、2)关联有三种可能：

需要过滤的数据：

数据库中存有前面已经有的观测和状态向量。

航迹的形成是通过对来自不同采样周期的点迹

l∈M，M是关联门维数，Zj,l是当前观测，是前一采样周期的预测值，是残差σr是残差的标准偏差，KG,l是门限常数。

具有大尺度差和标准差变量可能会湮没其它具有???尺度差和标准差变量。

3数据关联的一般步骤

门限过滤技术与滤波、跟踪结合起来

计位置之间的关联度量Sij形成关联矩阵；;关联处理;;数据关联的步骤;数据关联的实现;判定的类型及性质;数据关联的主要形式;;2)点迹与航迹关联;;3)航迹与航迹关联（航迹关联）;处理方法;结论;;5.2数据关联过程;;数据关联过程;1、门限过滤;;关联门;门限过滤技术;门限大小的影响;门限的设置;门限的作用;主要的二维关联门;3)最后进行观测与实体的融合处理，改善

方法（加权欧氏距离）：

与j个已知或已经确认的事件归并到一起，使它们分

3)计算观测Zj(t1)与各已知实体在时间t1的估

关联矩阵中的元素Sij是用来衡量k时刻观测Zi(k)

如果由传感器送来的观测i与已经建立的航迹j满足下式，则该观测就可以与该航迹关联：

正确观测落入关联门内的概率值，得到：

传感器正常工作时，一个采样周期中，一个目

期，在关联门只存在一个点迹，则该点迹是航迹惟

c：在x中不存在，在y中存在的特征的数目；

实体的位置与身份估计精度。

期，在关联门只存在一个点迹，则该点迹是航迹惟

d(a，b)≠0，则a≠b

①监测系统中，具有大量的目标，融合中心数据库中必然有对应的航迹；

如果假设的高斯误差模型与残差误差相互独立，则正确观测落入关联门内的概率就可由下式表示：

期，在关联门只存在一个点迹，则该点迹是航迹惟;;如果假设的高斯误差模型与残差误差相互独立，则正确观测落入关联门内的概率就可由下式表示：;矩形关联门示意图;2）椭圆关联门;;;分布法;2、关联矩阵;1)数据关联度量标准;◆对称性;◆三角不等式;◆非恒等识别性;◆恒等识别性;;2)数据关联的逻辑原则;;;;重要说明;3)相似性度量方法;①相关系数法;特点;②距离度量;特点;局限性;③关联系数;;关联系数定义;3、赋值策略;赋值矩阵;具体赋值矩阵;实现方法;实现;说明;5.3数据关联的一般步骤;1、查找数据库中的备选实体;2、把备选实体校正到观测时间ti;3、计算每个备选实体航迹的预测位置;4、门限过滤;5、计算关联矩阵;6、分配准则的实现;小结