后续会更新部分算法详细内容
多传感器融合及其应用
1.引言
现代雷达信息处理技术
现代雷达信息处理技术分为三个层次：雷达信号处理与目标检测、但不雷达数据处理和多部雷达系统数据融合。有时也分别称为雷达信息一次处理、雷达信息二次处理和雷达信息三次处理。
1.雷达信号处理和目标检测
雷达信息一次处理的作用是在杂波、噪声和各种有源或无源干扰的背景中，提取有用信息，即提升信号，抑制杂波，噪声和干扰，提高信噪比，比较高的概率发现目标。
总会有一部分早搏和干扰信号楼过去，称为杂波剩余。
2.单雷达数据处理
处理单元的输入时前端送来的点迹，点迹是数据处理的对象。
对一次处理给出的点迹与数据库中的航迹进行关联，然后进行外推、滤波等处理。以对给出的点迹进行估计并形成航迹，这一过程我们称之为跟踪。
数据处理时所用到的滤波技术包括：
α
−
β
\alpha - \beta
α−β 滤波器、自适应
α
−
β
\alpha - \beta
α−β 滤波器、
α
−
β
−
γ
\alpha-\beta -\gamma
α−β−γ 滤波器、卡尔曼滤波器、扩展卡尔曼滤波器、自适应卡尔曼滤波器、多模型滤波器等。
利用的是同一部雷达、不同的扫描周期、不同距离单元的信息。二次处理的功能是在一次处理的基础上，实现对多目标的滤波、跟踪，对目标的运动参数和特征参数估计。
3.多雷达数据融合
信息处理中心接收各部雷达送来的点迹或航迹，对它们继续进行数据处理。称为多雷达数据处理或多传感器融合。
每部雷达送来的数据，称为局部航迹，融合之后形成的航迹称为全局航迹或系统航迹。融合又分为点迹融合和航迹融合。集中式网络采用点迹融合，分布式结构采用航迹融合。点迹融合性能高，但处理量大。
它是二次处理的扩展和延伸。
数据融合的定义
- 对多个层次上的对多源信息进行处理，每个层次代表的信息处理的不同级别；
- 数据融合的过程：检测，关联，跟踪，估计和综合；
- 数据融合过程的结果包括低层次上的状态估计和属性估计，以及高层次上的战场态势和威胁评估；
数据融合的通用模型
分为四个级别处理。
第一级处理包括数据和图像的的配准、关联、跟踪和识别。
第二级处理包括态势提取、态势分析和态势预测，统称为态势评估。
第三级处理威胁评估，包括综合环境判断、威胁等级判断及辅助决策。
第四级处理优化融合处理，包括优化利用资源、优化传感器管理和优化武器控制。
传感器的组成
多传感器融合系统的输入包括三个基本分量：
- 传感器的观测数据；
- 操纵员或用户输入的数据或命令；
- 来自数据库的先验数据；
从功能上看，传感器主要分为七个单元：能量发射单元、能量接收单元、传感器引导与控制单元、信号调节单元、信号处理单元、数据处理单元和信息输出单元。
传感器的特征描述
每个传感器都有一组描述它的特征参数：探测性能、空间和时间的分辨率、空间覆盖范围、探测与跟踪模式、目标复现率、测量精度、测量维数、硬/软数据报告、检测与航迹报告等。
传感器管理
空间管理、工作方式管理、时间管理、频谱管理、传感器的选择与优化布站、传感器对目标的指示与交接等。
数据融合的分类
像素级、特征级、决策级融合
数据关联的方法
最邻近数据关联（NNDA）
落在关联门之内并且与被跟踪目标的预测位置“最邻近”的观测点迹作为关联点迹。
最邻近，在统计意义上离被跟踪目标的预测位置最近。
概率数据关联（PDA）
只要是有效回波，就都有可能源于目标，只是每个回波源于目标的概率有所不同。
概率数据关联滤波器（PDAF）：概率数据关联和卡尔曼滤波结合
联合概率数据关联（JPDA）
目前公认的在杂波环境中对多目标进行跟踪的最理想的方法之一，但是他的计算开销大。
当且仅当落到某目标关联区内，他才被认为是有效回拨，都则拒绝。在进行观测目标和有效回波形成一个“联合分布的矩阵”。（与PDA不同的地方标红）
联合概率数据关联滤波器（JPDAF）：联合概率数据关联和卡尔曼滤波结合
交互多模型法（IMM）
在计算出各模型为正确的后验概率后，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估计，加权因子为模型正确时的后验概率。
全局最邻近数据关联（JVC）
变量C来表示每个点迹与航迹之间的概率距离，即不相关的概率，反映了系统的状态估计没有落入关联门的概率。求
min
{
∑
i
=
1
n
∑
j
=
1
m
C
i
j
x
i
j
}
\min\{ \sum_{i=1}^n \sum_{j=1}^m C_{ij}x_{ij}\}
min{∑i=1n∑j=1mCijxij}。
简易联合概率数据关联（CJPDA）
写出了航迹 i 与点迹 j 之间的关联概率。
模糊数据关联（FDA）
利用隶属度，进行观测点迹分配给航迹。
准最佳联合概率数据关联（SJPDA）
最邻近联合概率数据关联（NNJPDA）
“全邻”最优滤波法
多假设法（MHT）
航迹分裂法
最大似然数据关联（MLDA）
本文内容由网友自发贡献，版权归原作者所有，本站不承担相应法律责任。如您发现有涉嫌抄袭侵权的内容，请联系:hwhale#tublm.com(使用前将#替换为@)
