数据关联方法研究

数据关联过程即确定传感器收到的量测信息和目标源对应关系的过程, 它是多传感器多目标跟踪系统中最核心而且也是最重要的内容。

数据关联问题广泛的存在于多传感多目标跟踪的各个过程中。跟踪过程中的新目标检测, 需要在多个采样周期之间进行“量测-量测”的数据关联, 以便为新的目标建立起始航迹提供充分的初始化新息。为了更新航迹, 持续跟踪的持续性, 还需要进行“量测-航迹”关联以确定用于航迹修正的新观测数据。

1 问题描述

在具有一个传感器的目标跟踪系统中, 以下符号表示特定含义。

Zk表示传感器在k时刻的确认量测集合;zk, i表示k时刻传感器接收到的第i个量测;mk表示k时刻确认量测个数;Zk表示直到时刻k的积累确认量测集;θki表示zk, i是来自目标的正确量测的事件;θk0表示传感器所确认的量测没有一个是正确事件。

2 数据关联方法

2.1 最近邻方法 (NN)

最近邻方法, 是一种具有固定记忆并且能在多回波环境下工作的跟踪方法。

这种滤波方法, 仅将在统计意义上与北跟踪目标预测位置最近的量测作为与目标关联的回拨信号。

该统计距离定义为新息向量的加权范数:

最近邻方法的基本思想是, 将“唯一性”的选择落在相关跟踪门之内, 且与被跟踪目标预测位置最近的观测对向作为目标关联的对象。

2.2 概率数据关联 (PDA)

概率数据关联方法 (probability data association, PDA) 方法是Bar-Shalom和Tse于1975年提出的。它适合用于在杂波跟踪环境中的跟踪问题。在杂波环境中, 由于各种随机因素的影响, 在任一时刻, 某一给定目标有效回拨数可能不只一个。所以, 该算法认为所有有效回波可能源于目标, 只是每个回波的概率不同。

概率关联方法的基本假设是: (1) 在监视空域中仅存在一个目标。 (2) 且目标航迹已经形成。

相对于最近邻方法, 概率数据关联方法需要计算相关区域内每个回波的互联概率, 作为求出有效回波位置的基础, 其可表示为:

使用概率数据关联方法, 需要知道虚假量测数的概率质量函数 (PMF) 。可以采用参数模型或非参数模型假设。

2.3 联合概率数据关联 (JPDA)

联合概率数据关联算法是Bar-Shalom和他的学生在既适用于单目标跟踪的PDA算法的基础上提出来的。该方法是在杂波环境下对多目标进行数据关联的一种效果突出的算法。

在PDA算法的原有结构上, 算法考虑了回波在相关波门重叠区域时的情况。引入确认矩阵, 表示有效回波和各个目标跟踪门的复杂关系。引入互联矩阵表示量测与不同目标配的可能性。

2.4 交互多模型方法 (IMM)

交互多模型方法 (IMM) , 包含了多个滤波器 (各自对应相应的模型) 、一个模型概率估计器、一个交互式作用器 (在滤波器的输入端) 和一个估计混合器 (在滤波器的输入端) , 多模型通过交互作用跟踪一个目标的激动运动。

假设模型的切换是在马尔可夫链下进行的, 交互式作用器利用模型概率和模型转移概率来计算每一个滤波器的交互估计。

滤波循环的开始端, 每个滤波器利用交互多模式估计和量测估计数据计算出一个新的估计和模型的可能性。然后, 前一时刻的模型概率、模型可能性、模型转移概率用来计算新的模型概率。

2.5 粒子滤波 (PF)

粒子滤波 (Particle Filter, PF) 是一种非线性滤波算法, 是基于蒙特卡罗仿真的最优回归贝叶斯滤波算法。这种算法将所关心的状态矢量表示为一组带有相关权值的随机样本, 并且基于这些样本和权值可以计算出状态估计。

常用的粒子滤波方法有:序贯重要性采样法、优选重要性密度函数法和从采样法。

3 结语

最近邻法便于实现, 计算量小, 因此适用于信噪比高, 目标密度小的条件。

概率数据关联算法, 对杂波环境下的单目标跟踪误跟和丢失目标的概率较小, 而且计算量相对较小。

联合数据关联算法, 解决了杂波环境下多目标跟踪的问题, 但是带来了相当大的计算量。

交互多模型方法, 有明显的并行结构, 便于有效的并行实现。可以根据目标的运动状态实时的对滤波模型进行调整, 从而可以得到最佳的跟踪结果。

粒子滤波方法不受线性化误差或高斯噪声假设的限制, 适用于任何环境下的任何状态转换或量测模型。

摘要：在杂波环境的目标跟踪系统当中, 使用的数据关联算法会直接影响到目标跟踪的效果。由于实际跟踪平台的限制, 系统不仅对采用的跟踪算法有精度上的要求, 还有计算复杂度上的限制。本文分析了几种数据关联方法, 在不同跟踪环境下对所提及算法对比说明。为目标跟踪系统中数据关联算法的选取提供了依据。

关键词：数据融合,数据关联,算法比较,多传感器,单传感器

参考文献

[1] 朱洪艳, 韩崇昭, 韩红, 等.异步航迹关联算法与仿真[J].系统仿真学报, 2004, 16 (4) :685.

[2] Singer R A, Stein J J.An optimal tracking filter for processing sensor data of imprecisely determined origin in surveillance system.In:Proceed-ings of the tenth IEEE Conference on Decision and Control.USA:Institute of Electrical and Electronics Engineers, 1971, 171.

[3] Bar-Shalom Y, Tse E.Tracking in a cluttered environment with probabi-listic data association.Automatics, 1975, 11 (9) :451.

[4] Bar-Shalom Y, Fortmann T E.Tracking and Data Association.Boston:Academic Press, 1988.