2015-第二讲模型与配准关联概述1

1、1课程内容回顾§ 什么是信息融合 单源信息的局限性 概念术语：信息、数据、传感器 信息融合的定义 多源信息的优势2第二讲 常规模型与配准关联概述授课教员: 刘方四院ATR2信息融合系统优势优势： 增加了系统的生存能力 扩展了时间、空间覆盖范围 提高信息度 减少了信息的模糊性不是简单叠加， 改善了探测性能而是发挥信息的潜能， 提高了空间分辨率 提高系统可靠性全面反映实体的本质 增加测量维数问题： 系统复杂性大大提高成本、重量、功耗、辐射增多带来的易被敌方发现等4信息融合定义§ Dasarathy:信息融合是协同利用多源信息（传感器、数据库、人为获取的信息）进行决策和行动的 理

2、论、技术和工具，旨在比仅利用单信息源或 非协同利用部分多源信息获得更精确和更稳健 的性能。33军事应用示例课程内容回顾§ 信息融合的基本原理 系统设计流程 基本处理过程 信息融合的级别划分检测、位置级、识别/级、态势估计、威胁估计5典型信息融合处理过程传感器管理74融合处理数据关联数据配准常用的融合分级-体现了信息抽象的不同层次检测位置识别态势威胁跟踪数据层、特征层、决策层决策模型管理响应先验模型SensorN。Sensor2Sensor15第二讲 本讲内容安排2.1 信息融合的功能模型2.2 信息融合的结构模型2.3 时空配准概述2.4 数据关联概述*10说明信息融合模型可以用功能

3、、结构和数学模型等几方面来研 究和表示。§ 功能模型从融合过程出发,描述信息融合包括哪些主要功能、 数据库,以及进行信息融合时系统各组成部分之间的相互作 用过程。§ 结构模型从信息融合的组成架构出发,说明信息融合系统的 软、硬件组成,相关数据流、系统与外部环境的人机界面。§ 数学模型则是信息融合算法和综合逻辑。96说明信息融合模型可以用:功能、结构和数学模型等几方面来研究和表示。功能模型从融合过程结构模型从信息融合出发,描述信息融合的组成出发,说明信包括哪些主要功能、息融合系统的软、硬数学模型则是信息融数据库,以及进行信件组成,相关数据流、合算法和综合逻辑。息融合

4、时系统各组成系统与外部环境的人部分之间的相互作用机界面。过程。122.1 信息融合的功能模型117JDL模型§ 早在1985年美国三军组织理事会JDL（Joint Directors of Laboratories）就提出了JDL数据融合模型。§ 近年来随着军事理论研究的发展和应用，又对JDL 数据融合模型提出了进一步扩展和修正的考虑Llinas2004。§ 扩展的： 信息需求 融合技术的发展14信息融合的功能模型§ JDL/DFS早期的三级功能模型§ 四级功能模型§ 五级功能模型§ 六级功能模型138信息需求§

5、1996年，美参联会颁布2010年构想，提出要创造和充分利用信息优势取得全谱优势，借助于“四个任何（Any）”，即在任何时间、任何地点，将任何信息送到任 何人手中 。§ 2000年，美参联会公布2020构想”，将“谋求信息优势”的目标改为“谋求决策优势”，相应地将从 “四个任何”改为“五个恰当（Right）”，即在恰当的时 间、恰当的地点，将恰当的信息，以恰当的形式送交给恰当的接收者，同时要压制敌方谋求同样能力的企图。16信息需求国防和未来国土防御中的新概念，诸如:共有的（或者一致的，或者相应的或者单集成的和用户定义的）操作的表述。信息融合在其中以明确或者隐含的网络为中心的、主导空间

6、知识、方式担当着之外的（非对称性、信息战中心：争、美国的“FORCEnet”）等。 驱使 提高涉及到互联网和基于Web的构想。这些技 满足术和相应开展的信息服务都在迅猛发展。159信息融合的四级功能模型 （1998年的模型）DATA FUSION DOMAINLevel 0Level 1Level 2 ProcessingProcessingProcessingSub-object DataObjectSituationAssociation &RefinementRefinementHumanEstimationComputer Intel SourcesInteraction Ai

7、r Surveillance SurfaceSurveillanceData Base Space SurveillanceLevel 4ProcessingManagement SystemProcessSupportFusionRefinementDatabaseDatabase第0层子目标的数据关联与估计：像素与信号级的关联与描述第层目标提炼：观测到航迹的关联，连续状态或离散状态的估计（诸如：目标的类型和）以及 第层态势提炼：目标的集结和关系分析，以形成包括结构、交叉关系，通信，物理上下文等第层评估：有（威胁估计）,威胁趋势估计，结果，敏感性和弱点估计；第层过程精炼：自适应的搜索与处理（

8、的管理要素）Level 3 ProcessingImpact AssessmentJDL/DFS早期的三级模型§ 美国JDL/DFS根据信息融合输出结果，在早期将信 息融合分为三级： 第一级-位置估计与目标识别； 第二级态势评估； 第三级威胁估计。Level 1:Level 2:Level 3:位置估计&目标识别态势评估威胁估计DATA FUSION PROCESSING17多级融合推断10wherewhatwhenwhowhyhowhow wellphysical objectsindividualorganizationseventsspecificaggregatede

9、nvironment & enemy tacticslocalglobalenemy doctrine objectives & capabilitylocalglobalfriendly vulnerabilities & missionoptionsneedsfriendly assetslocalglobaleffectivenessbattletheatreresource managementlocalglobalLevel 1: Object RefinementLevel 2: Situation RefinementLevel 3: Threat Ref

10、inementLevel 4: Process RefinementDATA FUSION PROCESSING融合如何进行-常规（单信源）方法的扩展-专门面向融合的技术L1:L2: Situation RefinementAssociation/ 数字或统计的估计技Correlation术L0: Sub-ObjectAssociation/组合优化 基于知识的符号技术CorrelationHuman 组合优化Object RefinementComputer 数字或统计的估计L3: ImpasessmentInteraction 数字或统计的估计技术技术 数字或统计的估计技 Intel So

11、urces术 Air Surveillance模式识别的技术 Surface Surveillance 基于知识的符号技术 Space SurveillanceL4: Adaptive Control Sensor 信源管理，信息论技术 自适应过程。控制论技术19融合推断的层次HIGHTYPES OF INFERENCE? THREAT ASSESSMENT REFINEMENT PROCESSTYPES OF DATA/PROCESSING? ANALYSIS OF SITUATION VICE BLUE MISSION, GOALS & VULNERABILITY; HOSTILE

12、 INTENT, LETHALITY? SITUATION ASSESSMENT REFINEMENT PROCESS? CONTEXTUAL ANALYSIS OF COMPLEX ENTITIES (BLUE & WHITE VIEWS; EVOLVING OB, ETC.)? BEHAVIOR OF ENTITIES? TIME, MOTION, FORCE DISPOSITION ANALYSIS? IDENTITY OF EMITTERS OR PLATFORMS? PROCESSING PARAMETRIC DATA FOR HULTEC, CLASSIFICATION,

13、IFFN, ETC.? POSITION/VELOCITY? USE OF MULTIPLE DATA FOR POSITION/VELOCITY ESTIMATION? EXISTENCE OF AN ENTITY? RAW SENSOR DATA (PASSIVE/ACTIVE)LOW11INFERENCE LEVELLEVEL ONEFUSION PROCESSING - OBJECT REFINEMENT22LEVEL ONE PROCESSING位置/属性的估计目标位置/运动属性分析数据校准 观测 空间参考系配准位置/运动属性估计 时间参考系配准的更新 测量配准目标管理 计算不确定性

14、分析数据/目标关联目标估计 数据放映计算测度 关联度量与真实测量对比 门限测试指定 数据到目标的关联计算不确定性12LEVEL THREEFUSION PROCESS - THREAT REFINEMENT24LEVEL THREE PROCESSING威胁提炼总体（红军、敌方企图威胁时机确认蓝军）能力估计潜在估计 弱点综合态势图 危急时间界定（多视角估计） 威胁系统优先级 友方系统机遇进攻/防御LEVEL TWOFUSION PROCESS - SITUATION REFINEMENT23LEVEL TWO PROCESSING态势提炼目标集结 时间相关性 集合邻近性/活动的集结 通信 功能

15、依托性上下文解释/融合综合态势图 环境（多视角估计） 天气红（我）、 军事规则（条令条例）蓝（敌）、 或政治的因素白（天气、地理等）13SOURCE PRE-PROCESSING/ DATA BASE MANAGEMENT SYSTEM26融合控制 信号预处理 处理配置 优先级/发信号数据库管理系统支持数据库融合数据库 环境 条令目标位置/ 技术态势估计 观测数据威胁估计 任务数据LEVEL FOURFUSION PROCESS - PROCESS REFINEMENT25LEVEL FOUR PROCESSING过程提炼评估（实时控制/长期完善）融合控制 故障检测与应对位置/需求 性能度量(

16、MOP)态势估计需求 效能度量(MOE)威胁估计需求 过程控制知识完善任务管理 任务需求 管理信源需求/防御 传感器服务汇集 符合条件的数据需求通信 参考数据需求平台142004年的修正版281998年的版本2715各级任务中的数据关联30各级说明2916五级模型-信息抽象的不同层次§ 信息融合的第二种分类模型（五级模型） 第一级检测级融合； 第二级位置级融合； 第三级目标识别级融合； 第四级态势评估； 第五级威胁估计。32新增的一级任务-其他思路31Level 5：VisualizeLevel 5：User Refinement17六级模型34第二级处理*数据校准源*空间校准第四级

17、处理*时间校准*测量位置融合*态势估计*声纳*相关门*环境评估*测量互联*背景分析*红外*跟踪*分级推理*光电*滤波*航迹融合*电子支援*航迹关联环措施(ESM)*敌我识别境(IFF)第五级处理*通信情报第三级处理(COMINT)*威胁估计*电子情报*属性融合*致死度估计*意向/估计(ELINT)*物理模型*红/兰估计*其它*算法分类*度估计*知识模型*指示与警报*目标瞄准*分配人机接口评估计算智能化多性能计算文字、图形MOE(有效性度量)地图显示维护33辅助信息预滤波*时间*位置*类型*特征支持数据库*技能计算*经验类*技术类管理*可用性*传感器任务分配*任务优先等级分配数据库管理系统*监视

18、*评估*增加*更新*检索*合并*清除*归档第一级处理*检测融合*检测准则*CFAR*最优门限*融合准则*分布CFAR态势数据库*动态对象*航迹182.2 信息融合的结构模型36演变中的几个特点人机交互、逐渐显式地认知优化 凸显数据库引起重视逐渐强化了 功能意义精细处理：信息抽象 即评估、优层次不同、 化、管理等目标表述 功能基本功的精细度能保持不同3519检测级融合的结构模型检测级融合的结构模型主要有五种，即： 分散式结构 并行结构 串行结构 树状结构 带反馈的并行结构等38信息融合的结构模型由于信息融合本身主要发生在 检测级 位置级 属性级我们在讨论结构模型时，针对这三级的融合结构。3720

19、检测级融合的结构模型现象H现象HY2Y3Y4Y5YYYYY1S2S3S412N-1NUU23S1S2SN-1SNS1UN =U0UU14U1U2UN-1S5串行融合结构Y1U = US1U150Y2UU0树状融合结现S22融合构象·中心H Y·N·USNN带反馈的并行融合结构40检测级的结构模型现象H现象 HY1Y2K YNY1Y2YN-1YNS1S2 K SNS1S2SN-1SNU1U 2 K U NU1U2UN-1UN检测中心分散式融合结构并行融合结构3921位置级融合的结构模型集中式融合42位置级融合的结构模型§ 位置级融合结构 集中式 分布式 混

20、合式 多级式4122位置级融合的结构模型混合式融合44位置级融合的结构模型分布式融合4323属性级融合的融合结构§ 属性级融合的融合结构有三类： 决策层属性融合 特征层属性融合 数据层属性融合46位置级融合的结构模型多级式融合4524属性级融合的融合结构特征层属性融合48属性级融合的融合结构决策层属性融合4725Dasarathy提出的五级结构模型§ Dasarathy将传统的数据级、特征级和决策级融合进一步细 分为五级： “数据入-数据出（DAI-DAO）” “数据入-特征出（DAI-FEO）” “特征入-特征出（FEI-FEO）” “特征入-决策出（FEI-DEO）”

21、“决策入-决策出（DEI-DEO）”§ 该方法可用于构建灵活的信息融合系统结构，对于实际的 应用研究也有指导意义。50属性级融合的融合结构数据层属性融合4926Dasarathy提出的五级结构模型灵活的属性信息融合结构52Dasarathy提出的五级结构模型属性信息融合的结构（五级）51DEI -DEO 融合决策级融合FEI -DEO 融合FEI -FEO 融合特征级融合DAI -FEO 融合数据级融合DAI-DAO 融合272.3 时空配准概述§ 时间配准 为什么需要时间配准、 影响因素 解决方法 误差带来的后续影响§ 空间配准 为什么需要空间配准 空间配准关注

22、的问题 解决方法 误差带来的后续影响542.3 时空配准概述5328时间配准的必要性如果不作时间配准 各级传感器时钟不同步 多传感器-多平台间-多系统间，时间坐标无法统一 各军图无法协同将导致： 后续的融合无法展开或结果毫无意义 干扰决策和判断 最终影响效能为什么需要时间配准有效融合的前提需要时间一致复杂战场环境中有诸多因素干扰时间配准作用：保证融合处理的多源输入是同一目标的相同时刻的观测信息。29解决方法针对前两种因素： 硬件方法，统一授时，精度可达：微秒级。 软件系统校准，精度可达毫秒级。针对第三种因素，现有方案有： 最小二乘法 内插外推法 基于曲线拟合法 串行合并法 等影响因素§

23、; 时间对的影响因素： 校准精度：各传感器的时间基准不一致，相互存在时间差； 传输延迟：各传感器的时间校对信号和测量值经通信网络传输 时存在传输延迟； 采样周期不一致：造成各传感器测量值之间时刻不同步。30圆圆配(配km配) 配时间配准误差带来的后续影响1. 影响时间累积类运算的精度，例如：目标、状态估计（距离、方位、速度、度、角速度等）；2. 多目标密集情况，干扰目标辨别能力。影响群目标及群内 目标鉴别；3. 目标机动情况，可能发生误判；4. 对检测-识别-态势-威胁等，会产生误差累积效应。目前，有专门应对异步信源的融合决策方法研究，对时 间不一致的多源信息可以进行融合处理。内插外推方法推广

24、用于复杂运动模型目标运动的角速率为:a(i 1) a(i 1)w i = q i Ta(x , y )(xaj , yaj )配准时刻数据为：Ri(xai , yai )xi ) + q )qijii(xa(i-1) , ya(i-1) )-1) , ya(i-1) )x - x(x , y )(x , y )yaj = yi + Ri sin( arc cos( ai i ) + q ij )i ii iRi典型实验：设目标的运动圆圆圆圆圆圆圆圆圆圆1.5模型为匀速圆周运动，半匀匀匀匀圆圆匀匀圆圆圆圆径为40 km，角速率1/200 ，传感器A和B的采样周期分别为30s和47s，0.5两传感

25、器的测量误差均值0为零，方差均为0.03km，0100200300400500600700800900时时圆圆时时(s)观测时间段为900s。(xa(i 1) , ya(i 1) )qijRi(xaj , yaj )(x , y iai a(xa(i31为什么需要时空间配准有效融合的前提需要待处理实体或目标空间位置一致复杂战场环境中有诸多因素干扰空间配准作用：保证融合处理的多源输入描述同一实体或目标的相同位置观测信息。2.3 时空配准概述§ 时间配准 为什么需要时间配准、 影响因素 解决方法 误差带来的后续影响§ 空间配准 为什么需要空间配准 空间配准关注的问题 解决方法

26、误差带来的后续影响6132空间配准的必要性如果不作配准和关联 各级传感器空间序列不一致 多传感器-多平台间-多系统间，空间坐标无法统一 各军图无法协同将导致： 后续的融合无法展开或结果毫无意义 干扰决策和判断 最终影响效能误差产生途径信息感知、信息处理和信息传输三个方面均有可能产生 影响融合决策结果的误差。信息传输传输环境传输信息格式传输信道设备误差 测读误差 随机误差数学模型误差模型误差 环境误差信息感知算法误差精度误差其他因素误差信息处理33解决方法§ 空间坐标系统的统一：坐标转换（平台内-平台间-系统级）坐标系统表述模式常规:笛卡尔坐标系球/极坐标系地理坐标系 大地坐标系等成像

27、传感器:世界坐标系 相机坐标系 图像坐标系等空间配准关注的问题§ 空间坐标系统的统一：坐标转换： 平台内-平台间-系统级§ 传感器信息的空间配准 同类传感器空间配准 异类传感器（多模）空间配准§ 动态误差补偿： 离线：传感器系统误差、数学模型及算法等经验误差 ：多种机动因素、干扰等导致的动态误差34坐标系之间旋转变换矩阵当原坐标系分别绕x轴、é100ùy轴和z轴转动，R x ( q) = ê0 cos q sin q úêúêë0 - sin q cos q úû则

28、原坐标系中的r和新坐标系的r关系：écosq0 - sinqùr=R ()rRy (q) = ê 010 úxêúêësinq0cosq úûr=Ry()rr=R ()ré cosqsinq0 ùR (q) = ê- sinqcosq0 úzzêúêë001úû例：载体坐标系§ 以载体质心为原点，x轴沿载体纵向向前，y轴 为载体右侧，z轴向下。陀螺输出的参考坐标系6735图像配准的一般步

29、骤特征提取特征匹配变换模型参数估计图像重采样和变换解决方法§ 传感器间信息的空间配准 同类传感器空间配准 异类传感器（多模）空间配准成像类信息的空间配准: 同类图像配准：面向机载红外传感器的图像镶嵌技术 异类图像配准：面向机载对地模式的红外与SAR图像的空间配准36解决方法§ 动态误差补偿：结合滤波、估计理论 离线：传感器系统误差、数学模型及算法等经验误差 ：多种机动因素、干扰等传感器信息表述维数相关维度相似性度量等融合应用精度需求任务特点性能约束目标机动模型满足精度要求下使用简单模型典型几何变换示意图平移变换相似变换仿射变换投影变换非线性变换非线性变换确定传感器信息之间的

30、几何变换模型对配准精度、算法复杂度、后续处理，都 有重要影响。7137空间误差带来的后续影响1. 影响位置类信息的精度，例如：目标、状态估计（距离、方位、速度、度、角速度等）；2. 多目标密集情况，干扰目标辨别能力。影响群目标及群内 目标鉴别；3. 目标机动情况，可能发生误判；4. 对检测-识别-态势-威胁等，会产生误差累积效应。目前，多模成像传感器空间配准、动态误差补偿是研究 热点也是难点。协作式目标与非协作式目标协同配准方法特点： 充分利用IFF带来的目标； 发挥协作式目标模型及先验知识带来的精度优势； 状态估计的同时，实时获取位置误差信息； 对符合条件的非协作式目标，简化UKF计算，动态

31、进行空间误差补偿。38数据关联概述§ 问题的提出§ 数据关联的定义§ 数据关联的分类§ 通用概念处理流程§ 关联度量§ 典型方法简介762.4 数据关联概述7539数据关联的定义§ 数据关联的过程即确定传感器接收到的量测信息和 目标源对应关系的过程§ 数据关联是研究一个观测量和相关的其它观测量之 间的关系。§ 数据关联与数据汇集的本质区别关联：针对目标汇集：针对实体（决策任务）78问题的提出 量测过程中存在误差新目标 目标的确切数目未知§ 只有一个目标§ 多个目标 针对目标§

32、 保持对已有的监视§ 捕捉新增的§ 克服虚警等情况77航迹虚警40数据关联典型分类按照关联的对象可以分为： 量测与量测的关联（航迹初始） 量测与航迹关联（航迹保持或更新） 航迹与航迹的关联（航迹综合）数据关联还可以分为： 静态数据关联：传感器量测来自稳态目标或以及动态目标的断续测量， 常用于目标 动态数据关联：对于动态目标，需要目标的未来位置，因而需要反复关联，即动态数据关联，常用于目标跟踪：track initiation, track termination data association，track association, track fusion, track

33、correlation80多目标关联中的不确定性示例79目标源量测41具有相同维数的关联例子IRST：红外搜索跟踪（Infrared Search and Tracking） ESM：电子支援（electronics support measures）82传感器坐标系关联空间维数距离方位高度3IRST精密ESM方位，高度2ESMESM方位或只有方向1声呐声呐方位或只有方向1数据关联§ 具有相同维数的多传感器数据关联把测量变换到同一坐标系和时间基上 在一个共同的主体判定空间中进行关联§ 具有不同维数的多传感器数据关联关联可在具有不同维数测量空间的传感器之间进行在同维和不同维测

34、量处理中都要考虑不确定性§ 具有多个站点的多传感器数据关联先对来自不同站点的报告关联，确定它们是否属于同一源（识别） 再利用多站之间的几何配置关系进行几何8142动态数据关联§ 观测与航迹关联航迹保持或更新：§ 目标本身的特征属性主要由其运动特性决定；§ 目标的位置属性也是活动的，常常以航迹来表述；§ 传感器感知数据实际上也会以航迹形式出现，即由航迹 及其方程做出预报，再观测与预报关联。§ 航迹航迹的关联主要是为了做航迹综合或称航迹融合。84具有不同维数的数据关联例子IRST：红外搜索跟踪（Infrared Search and Tr

35、acking） ESM：电子支援（electronics support measures）83传感器坐标系关联空间维数IFF（距离，方位，高度），（距离，方位）3，2IRST（距离，方位，高度），（方位，高度）3，2（距离，方位，高度），（方位，高度）3，2IRSTIRST（方位，高度），（方位）2，143要求§ 对动态目标数据的处理，需要对目标位置进行连续 的或者沿时间的离散观测，并具有估计目标机动行 为的能力，以能够 目标的未来位置。§ 需要将传感器的某个新观测与已知目标 的航迹反复进行关联，以确定哪一个传感器的观测是当前 航迹或者是新目标，或者是虚警。§

36、存在三种主要的应用情况： 单传感器单目标跟踪； 单传感器多目标跟踪； 多传感器多目标跟踪。86两目标跟踪示例X OOXXOOXOXOXOO XO:测量 OX：X：估计：真实轨迹8544四个事件序列叠加后的视图三种关联结果，哪一个更合理？主要类型列表比较课程45数据关联的通用概念处理流程候选观测关联指定数据关用概念处理流程90关联矩阵是由观测值和实体预报的观测值构成的矩阵，矩阵中每个元素值是相应的观测值（或其变化量）和实体预报值的接近程度的度量关联度量。指定逻辑形成关联矩阵执行选通确定关联范围更新的 先验信息数据关联的通用概念处理流程候选观测关联指定数据关用概念处理流程89减少可能分析关联对的第

37、二次选择。即利用先验物理知识或统计假定，减少可能的观测观测和观测轨迹对数。指定逻辑形成关联矩阵执行选通确定关联范围更新的 先验信息46采用假设组合的假设树有三个序贯的观测： y1,y2和y2； 有两个实体A和B。§ 多假设估计是考虑所有可能的潜在真实假设，并随序贯当第一个观测y1到达时，有到达的观测估价这些假设的结果。因此可能产生和估计四个假设： 实体A一个扩展的假设最后集采用假设组合的假设树。实体B 实体A的虚警（FA） 实体(NE)y1y2y3形成了假设树的四个分叉。FA当第二个观测y2到达时，引FA起了新假设。A 当第三个观测y到达时，又引起了新假设。 假设树图中任何一条分叉都

38、B FAFA表示一个潜在的可行推断链， 则可以解释对航迹观列NEB的指定。B沿着图中虚线的假设组合表NE明这样的结果：NE 观测y1与实体B 关联图 2.3.2 说明假设树的例子观测y与实体B 关联 观测y是虚警。92数据关联的通用概念处理流程候选观测关联指定数据关用概念处理流程指定逻辑类似于统计中的假设检验问题。指定策略涉及四个基本问题： 采用什么度量来测量观测之间的相似性？ 需要使用多少数据扫描？ 唯一的还是非唯一的？ 在任意时刻，需要考虑多少和什么类型的假设？91指定逻辑形成关联矩阵执行选通确定关联范围更新的 先验信息47度量准则94关联度量方法1. 度量准则2. 典型关联度量 属性 距

39、离度量 运动特征 相关系数 历史行为 二值矢量的关数和一致系数 概率相似性度量 两个数据间的相关度量9348距离度量方法表 2.3.1 典型的距离度量公式距离名称相关公式欧氏(y - z)21/ 2欧氏(y - z)W(y - z)T 1/ 2城市街区(y - z)Minkowski(y - z)P 1/ P逆协方差阵Mahalanobis(y - z)T S-1(y - z)Bhattacharyya1 (y - z)TSy + Sz -1(y - z) + 1 lnSy + Sz SS 8222yzChernoffs(1- s) (y - z)TsS + (1- s)S -1(y - z)

40、 + 1 lnsSy + (1- s)Sz2y96不等协方差阵进行z2SysSz1-s典型关联度量（1）距离度量方法dd(yz)观测值向量y和z具体设计时应结合： 观测误差传感器的测量特性9549（3） 二值矢量的关数和一致系数为了确定一对二值矢量之间的相似性。设这对二值矢量分别为y和z，各自均 有元素为0或者1的若干分量，分别表示某个因素的不存在或者存在。有三种确定其 关联的度量： 简单匹配系数S =(a + b)(a + b + c + d ) Jaccard系数S =a(a + b + c)På v i S i j kS j k = i = 1P Gower系数å v

41、 ii = 1表示对于j组和k组对于变量i的相似程度98y/z101ab0cd（2）相关系数可以解释为几何角度测量r= COV ( y , z ) = s ( y, z )zys ss syzyz也有矢量表示。不是真的度量，不满足三角不等式。9750（5）两个数据间的相关度量§ 比较有不同信息的两个数据 之间的相似性。§ 例如：两个电子情报 （ELINT）都有辐射源的位置、模式、脉冲宽度、频率、PRI和其它参数。研究两个 是否描述了同样一个辐射源Nå biwi FOMi MOC = i=1Nå diwii=1其中， N 是每个的分量数目；wi 先验权因子

42、 （）； FOMi 是分量的优值因子（）； di 是一个因子，如果两个实体在数据中都存在则为 1，反之为零。100品质因数或优值因数， 一般结合空间、时间、属性等变量计算给出（4）概率相似性度量§ 在多目标跟踪环境下，度量一个观测量与具 体航迹的概率相似性，以指定该观测应当归属什么具体航迹。§ 概率相似性度量模型，利用： 传感器先验虚警概率 目标航迹存在的先验概率 航迹起点与终点的模型信息9951数据关联典型方法阵群关联滤波目标度量估计分析概率假设结合统计检验属性关联102关联算法设计中的考虑因素§ 目标数量和目标密度§ 目标重现率和目标的动态特性

43、67; 背景噪声源（如：星空、地面杂关联目标波和海洋噪声等）考虑各种约束下 利用有效的关联方法§ 传感器的探测性能 实现：§ 传感器测量的准确性和过程噪声错误关联§ 传感器或模型偏差状态误差最小§ 状态估计器的性能10152数据关联典型方法航迹航迹关联算法以分布式航迹关联为主要应用§ 两个传感器之间 航迹关联算法 修正航迹关联算法 序贯航迹关联算法§ 多传感器之间 直接法 基于状态估计的分配算法104数据关联典型方法量测航迹关联算法§ 经典 最近邻方法（nearest neighbor，NN） 概率数据关联（probabil

44、ity data association，PDA） 交互式多模型概率数据关联（IMMPDA） 概率数据关联（joint probabilistic data association， JPDA） 多传感概率数据关联（MSJPDA）§ 其他 基于粒子滤波的概率数据关联 多假设的方法（MHT） 概率多假设方法（PMHT)10353方法举例数据关联方法举例106数据关联典型方法其他方法§ 集中式多传感器多目标跟踪的广义S维分配算法§ 跟踪起始算法 序列概率比检验（SPRT） Bayes轨迹确定方法（BTC） 启发式算法（heuristic method） 基于逻辑规则的

45、方ogic-based track initiation） Hough变换方法§ 跟踪终止方法 序列概率比检验 跟踪门方法 Bayes跟踪终止法§ 基于目标可感知性的决策方法（PB-PDA）10554与ESM的数据关联传感器：距离、方位、速度等。 目标运动特征：速度、度、高度、旋转性能、航迹、航向、出现（消失）位置； 目标电磁特征：脉内特征、脉间特征、RCS特征、JEM特征、 极化特征； 目标形状特征：一维距离像特征、二维SAR/ISAR像特征。ESM传感器：属性信息和方位信息。 ESM（Electronic Support Measurement）电子支援。（无源）传感器，可以获取辐射源目标的属性信息和位置 中的方位信息，没有距离信息。108示例1§ 问题的提出 与ESM关联§ 基本工具 最大似然估计原理说明§ 方法介绍 等样本容量下的与ESM的航迹关联§ 方法评述10755等样本容量下的与ESM的航迹关联§ 问题的描述由于： 一个航迹