多傳感器模糊—概率交互作用的數(shù)據(jù)關聯(lián)算法
加入技術交流群
圖7 用多傳感器和單傳感器分別所得目標位置估計的均方概誤差
| 六、結(jié) 論 本文首先分析了在密集雜波干擾環(huán)境中，使用PDAF方法存在的不足.然后，基于估計理論和模糊系統(tǒng)理論，給出了多傳感器模糊濾波算法以及模糊邏輯和概率交互作用的數(shù)據(jù)關聯(lián)算法.模糊關聯(lián)度和關聯(lián)概率共同組成了各有效回波的加權系數(shù).兩者在目標的不同運動段，有不同的作用期，相互補充，充分發(fā)揮各自的優(yōu)勢，明顯提高了系統(tǒng)的數(shù)據(jù)關聯(lián)性能.模糊關聯(lián)系統(tǒng)由適合于噪聲影響的全模糊模型構成，其模糊隸屬度函數(shù)可由基于最陡下降法的自學習算法來決定.多傳感器的目標狀態(tài)估計由多傳感器序列估計算法實現(xiàn).仿真結(jié)果充分證明了，本算法解決在密集雜波干擾環(huán)境下多傳感器跟蹤機動目標的數(shù)據(jù)關聯(lián)問題的有效性，以及多傳感器對目標狀態(tài)估計精度的有效改善.本文算法的重要理論貢獻在于首次給出了多傳感器模糊邏輯關聯(lián)算法和概率數(shù)據(jù)關聯(lián)算法融合在一起作用的解析式.解決了長期以來各自獨立發(fā)展，獨自應用，各受局限的問題.對多傳感器多回波目標跟蹤理論的發(fā)展具有重要意義. |
評論