一种基于最近邻法的概率数据关联优化方法技术

本发明专利技术提供一种基于最近邻法的概率数据关联优化方法，具体步骤如下：一、参数设置：设传感器每个时刻接收到量测值的数量为N，门限值为γ，常数M；二、残差向量及其统计距离的计算；三、统计落入跟踪门内量测值数量，记为mk；四、事件定义；五、有效量测值的选择；六、新状态方程的计算；七、判断跟踪是否结束；通过以上步骤，实现了一种基于最近邻法的概率数据关联优化方法，可以减少错误关联发生的概率和数据关联的计算量，从而有效的提高数据关联的正确率和速度，解决了目标跟踪过程中数据关联资源消耗大和错误关联的实际问题。

【技术实现步骤摘要】

本专利技术涉及数据关联方法，尤其涉及一种基于最近邻法的概率数据关联优化方法，属于信息融合

技术介绍
随着科学技术的飞速发展，现代战争中的战场环境日益复杂，要求作战系统要能在复杂的战场背景和强干扰环境下，准确地跟踪目标。因此，对系统的抗干扰能力和可靠性提出了越来越高的要求。数据关联问题广泛存在于目标跟踪的各个阶段。跟踪的起始阶段，需要在多个采样周期间进行量测与量测的关联，以便为新目标起始航迹提供充分的初始化信息和依据；在航迹更新和维持阶段，则需要进行量测与已建立目标轨迹之间的关联以确定用于轨迹更新的量测；在分布式融合跟踪系统中，为了对多个传感器输出的数据进行融合，首先就需要进行轨迹与轨迹的关联，以判断那些局部轨迹是源于同一个被跟踪的目标，进而进行轨迹的融合。这里的传感器是指可以获取目标信息的装置，如雷达，红外，紫外等。本专利技术重点应用于轨迹更新和维持阶段，将多传感器获得的目标量测值与从状态估计得到的目标轨迹数据相关联的同时，克服外界干扰对数据关联的影响，有效提高关联精度和可靠性。
技术实现思路
1、目的：本专利技术的目的是提供一种基于最近邻法的概率数据关联优化方法，它是在多模本文档来自技高网...

【技术保护点】
一种基于最近邻法的概率数据关联优化方法，其特征在于：该方法具体步骤如下：步骤一：参数设置设传感器每个时刻接收到量测值的数量为N，门限值为γ，常数M；步骤二：残差向量及其统计距离的计算假设k‑1时刻之前的目标轨迹已经建立，k时刻传感器接收到的每个量测值为Yi(k),i＝1,2,···,N；第i个量测值与航迹的差矢量定为量测值与预测值之差，即残差向量为：vi(k)=Yi(k)-H(k)X^(k|k-1),i=1,2,...,N]]>式中符号说明如下：Yi(k)为k时刻第i个传感器的量测值，H(k)为观测矩阵，X(k|k‑1)为k时刻状态X(k)的预测值；残差向量的统计距离为：gi(k)=||Yi(...

【技术特征摘要】
1.一种基于最近邻法的概率数据关联优化方法，其特征在于：该方法具体步骤如下：步骤一：参数设置设传感器每个时刻接收到量测值的数量为N，门限值为γ，常数M；步骤二：残差向量及其统计距离的计算假设k-1时刻之前的目标轨迹已经建立，k时刻传感器接收到的每个量测值为Yi(k),i＝1,2,···,N；第i个量测值与航迹的差矢量定为量测值与预测值之差，即残差向量为：vi(k)=Yi(k)-H(k)X^(k|k-1),i=1,2,...,N]]>式中符号说明如下：Yi(k)为k时刻第i个传感器的量测值，H(k)为观测矩阵，X(k|k-1)为k时刻状态X(k)的预测值；残差向量的统计距离为：gi(k)=||Yi(k)-H(k)X^(k|k-1)||2=[Yi(k)-H(k)X^(k|k-1)]TS-1(k)·[Yi(k)-H(k)X^(k|k-1)]]]>式中符号说明如下：S-1(k)为残差向量的协方差矩阵的逆矩阵；步骤三：统计落入跟踪门内量测值数量，记...

【专利技术属性】
技术研发人员：王翔，徐洋，王涛，庞树松，王晓翠，何展宏，杜培，
申请(专利权)人：北京航空航天大学，
类型：发明
国别省市：北京;11