基于灰关联无源多目标跟踪系统航迹关联算法

合集下载

多传感器多目标航迹关联与融合算法研究

结论与展望05ຫໍສະໝຸດ 1研究结论2
3
本文提出了一种基于概率假设密度滤波器的多传感器多目标航迹关联与融合算法，具有较强的鲁棒性和准确性。
通过实验验证，该算法能够有效地处理传感器间信息冲突和目标运动不确定性，提高了多目标跟踪的精度和可靠性。
同时，该算法还具有较好的扩展性，可以方便地应用于其他多传感器多目标跟踪系统。
xx年xx月xx日
多传感器多目标航迹关联与融合算法研究
CATALOGUE
目录
引言多传感器多目标航迹关联算法多传感器多目标融合算法实验与分析结论与展望参考文献
引言
01
多传感器多目标跟踪的应用广泛，对于军事、民用等领域具有重要意义。
复杂环境下多目标跟踪的难点在于处理多个传感器之间的数据关联和融合，提高跟踪精度和鲁棒性。
基于概率统计的航迹关联算法
神经网络
利用神经网络模型进行航迹关联与融合，具有自适应性、非线性拟合能力，可以处理复杂的非线性动态系统，但需要大量数据训练，对数据质量要求较高。
强化学习
基于强化学习理论，通过与环境交互学习最优航迹关联策略，具有自适应性和鲁棒性，但计算复杂度高、实时性较差。
基于人工智能的航迹关联算法
研究背景与意义
航迹关联算法
主要用于将不同传感器检测到的目标进行关联和匹配，确定每个目标的位置和运动轨迹。
航迹融合算法
主要将不同传感器对同一目标的测量数据进行融合，以获得更准确的目标位置、速度等参数。
航迹关联与融合算法概述
研究内容和方法
研究多传感器多目标航迹关联与融合算法，提高跟踪精度和鲁棒性。
研究内容
采用理论分析和实验验证相结合的方法，通过对比不同算法的性能，找出最优算法。

多目标跟踪中的航迹起始算法

多目标跟踪中的航迹起始算法作者：马琳琳来源：《中国新通信》 2018年第16期马琳琳沈阳理工大学【摘要】在多目标跟踪中，正确的航迹起始可以防止目标的误跟与目标丢失还可以减少多目标跟踪中组合爆炸所带来的计算负担。

首先选择椭圆波门作为相关波门，并提出了一种新的航迹起始算法，通过仿真，验证了该算法适用于不同的目标跟踪运动模型，且虚假航迹起始的概率也明显降低。

【关键词】多目标跟踪航迹起始相关波门一、概述航迹起始是雷达目标跟踪的第一步，是指在目标跟过程中未进入稳定踪前的航迹确定的过程。

航迹起始主要包括：相关波门的确立、航迹初始化和航迹确定，最终建立准确可靠的航迹。

航迹起始就是用雷达扫描周期内观测到的数据来进行点与点的数据关联，从而形成暂时的航迹，是滤波、报告航迹起始、数据互联与轨迹融合的基础，因此准确的航迹起始是轨迹融合的关键技术。

航迹起始算法包括：顺序处理技术和批处理技术。

顺序处理技术的主要算法有：直观法和逻辑法，它们的计算量小并且执行效率高，但是在密集的杂波环境下算法的准确度明显下降，因此一般适用于杂波数量较少的环境中。

批处理技术的主要算法有：Hough 变换法和修正的Hough 变换法，虽然计算量较大，但是在密集杂波的情况下，它们的性能明显优于顺序处理技术的算法。

二、相关波门相关波门是用来判断雷达接收到的回波是否来自于目标的决策门限，以跟踪目标的预测位置作为中心，从而确定该目标在下一时刻回波可能出现的范围的一块区域。

相关波门的大小主要依赖于:预测误差、雷达量测误差、目标运动特性、坐标系的选择和天线扫描周期等。

常用的相关波门有 : 环形波门、椭圆波门、矩形波门和扇形波门。

环形波门为航迹起始的初始波门，作为初始波门它的面积较大导致它的测量精度相比于其它相关波门低。

椭圆波门和矩形波门是直角坐标系下的相关波门，扇形波门是极坐标系下的相关波门。

因此为了精度高的航迹起始与计算方便，相关波门选择椭圆波门。

三、航迹起始算法假设在多目标跟踪中，有些雷达已经得到了目标跟踪信息，第 k a 时刻对目标的状态估计值为akx?，在第 k a 时刻对目标的状态估计协方差矩阵为a a kP k。

基于多因素模糊和灰色关联度综合的AIS与雷达数据关联

基于多因素模糊和灰色关联度综合的AIS与雷达数据关联张景鹏;索继东【摘要】为提高多目标密集环境下 AIS 与雷达探测目标关联正确率，将多因素模糊判断和灰色关联度进行结合，提出一种新型关联算法。

该算法将目标航迹看作四个因素的时间序列。

首先利用多因素模糊判断对四个因素的时间序列集合进行初步关联判断，然后对满足初步关联条件的目标进行四个因素的灰色关联度决策，确定最终航迹相关的目标。

仿真证明，该算法相较于单独使用多因素模糊判断，有效提高了关联正确率；相较于单独使用灰色关联度算法，有效缩小了关联范围。

%This paper proposes a data correlation algorithm based on multi-factor fuzzy judgment and gray correlation analysis , in order to improve the correlation correct rate between AIS and radar target. The target track is formatted into a sequence of four factors in this algorithm. Multi-factor fuzzy judgment based on four factors is used to make preliminary. Then gray correlation analysis is made, if the target satisfies the preliminary conditions associated with four factors, and finally the track correlation target is ascertained. Compared to multi-factor fuzzy judgment, simulation results show that the algorithm can effectively improve the correct rate of correlation, and compared to gray correlation analysis, effectively reduce the range of track correlation.【期刊名称】《微型机与应用》【年(卷),期】2015(000)021【总页数】3页(P75-77)【关键词】AIS;雷达;多因素模糊判断;灰色关联度;航迹相关【作者】张景鹏;索继东【作者单位】大连海事大学信息科学技术学院，辽宁大连 116026;大连海事大学信息科学技术学院，辽宁大连 116026【正文语种】中文【中图分类】TP391现有的AIS与雷达数据关联方法较多，常用的包括模糊聚类方法[1]、双波门法[2]、K近邻域法[3]、神经网络[4]、灰度关联[5]和模糊理论[6]等方法。

基于多目标多特征信息融合数据关联的无源跟踪方法

基于多目标多特征信息融合数据关联的无源跟踪方法
王杰贵;罗景青
【期刊名称】《电子学报》
【年(卷),期】2004(032)006
【摘要】在多目标无源跟踪中,传统的数据关联方法只利用那些与目标状态向量计算直接相关的信息(如DOA、TOA信息等).本文提出了一种新的数据关联算法--基于多目标多特征信息融合的数据关联算法,该算法同时利用了更多的目标特征信息(如频率、PRI等),应用D-S证据理论进行单目标多特征信息融合,在此基础上,再进行多目标综合数据关联.它是一种基于多特征信息的全局最优的算法.计算机仿真表明,基于该算法的无源跟踪性能要优于传统的NN方法和扩展的NN方法.
【总页数】4页(P1013-1016)
【作者】王杰贵;罗景青
【作者单位】电子工程学院206研究室,安徽,合肥,230037;电子工程学院206研究室,安徽,合肥,230037
【正文语种】中文
【中图分类】TN959
【相关文献】
1.多特征信息融合的多目标数据关联算法 [J], 徐军;李强
2.多目标无源跟踪中的多特征模糊综合数据关联算法 [J], 王杰贵;罗景青
3.无源跟踪中基于灰关联信息融合的概率数据关联算法 [J], 王杰贵;罗景青;靳学明
4.一种基于目标检测和联合概率数据关联的多目标跟踪方法 [J], 张俊;许力
5.基于多特征融合与分层数据关联的空中红外多目标跟踪方法 [J], 杨博;蔺素珍;禄晓飞;李大威;秦品乐;左健宏
因版权原因，仅展示原文概要，查看原文内容请购买。

基于多维分配的多普勒盲区目标点迹航迹关联方法

第４５卷　第１０期２０２３年１０月系统工程与电子技术ＳｙｓｔｅｍｓＥｎｇｉｎｅｅｒｉｎｇａｎｄＥｌｅｃｔｒｏｎｉｃｓＶｏｌ．４５　Ｎｏ．１０Ｏｃｔｏｂｅｒ２０２３文章编号：１００１５０６Ｘ（２０２３）１０３０９１０７　网址：ｗｗｗ．ｓｙｓｅｌｅ．ｃｏｍ收稿日期：２０２１０９２９；修回日期：２０２１１２０２；网络优先出版日期：２０２２０７２８。

网络优先出版地址：ｈｔｔｐ：∥ｋｎｓ．ｃｎｋｉ．ｎｅｔ／ｋｃｍｓ／ｄｅｔａｉｌ／１１．２４２２．ＴＮ．２０２２０７２８．１８０１．００８．ｈｔｍｌ基金项目：国家自然科学基金青年科学基金（５１３０９２３２）资助课题通讯作者．引用格式：韩伟，王国师，晏凯，等．基于多维分配的多普勒盲区目标点迹航迹关联方法［Ｊ］．系统工程与电子技术，２０２３，４５（１０）：３０９１３０９７．犚犲犳犲狉犲狀犮犲犳狅狉犿犪狋：ＨＡＮＷ，ＷＡＮＧＧＳ，ＹＡＮＫ，ｅｔａｌ．ＴａｒｇｅｔｐｌｏｔｔｏｔｒａｃｋａｓｓｏｃｉａｔｉｏｎｍｅｔｈｏｄｉｎＤｏｐｐｌｅｒｂｌｉｎｄｚｏｎｅｂａｓｅｄｏｎｍｕｌｔｉｄｉｍｅｎｓｉｏｎａｓｓｉｇｎｍｅｎｔ［Ｊ］．ＳｙｓｔｅｍｓＥｎｇｉｎｅｅｒｉｎｇａｎｄＥｌｅｃｔｒｏｎｉｃｓ，２０２３，４５（１０）：３０９１３０９７．基于多维分配的多普勒盲区目标点迹航迹关联方法韩　伟，王国师，晏　凯，宋亚伟（空军预警学院雷达士官学校，湖北武汉４３０３４５）摘　要：机载预警雷达固有的多普勒盲区（Ｄｏｐｐｌｅｒｂｌｉｎｄｚｏｎｅ，ＤＢＺ）会造成目标航迹的中断，而多目标杂波环境使航迹中断更为严重。

在引入多普勒盲区信息的二维分配算法基础上，提出了一种基于多维分配算法的多目标点迹航迹关联方法。

该方法充分利用目标航迹演变信息，对雷达的连续多帧量测数据进行滑窗处理，构建出多维分配的代价函数，最后求得最小代价条件下函数的解，该解即为目标点迹航迹的分配结果。

仿真结果表明，在多目标杂波环境且存在多普勒盲区的条件下，该方法的航迹中断率较二维分配算法有了进一步的降低。

基于改进hough变换的无源定位航迹关联算法

Key words: track correlation ； Hough transform ； cross locating
0引言
复杂的战场环境对飞机平台探测能力提出了更高的要求,作为机载无源传感器,光电传感器自身无需发射电磁波,具有隐蔽性好、探测距离远、抗干扰能力强等优点，但是其本身无法获得目标距离信息，只能获得目标所在的方位、俯仰信息。因此，通过光电传感器协
基于改进Hough变换的无源定位航迹关联算法
俞亮"，邹杰匕武梦洁“2 (1.中国航空工业集团公司洛阳电光设备研究所，河南洛阳471000；
2.光电控制技术重点实验室，河南洛阳471000)
摘要：针对Hough变换在多平台测角无源定位航迹关联过程中数据量大、占用内存多的问题，提出一种基于改进
Hough变换(IHT)的航迹关联算法。该算法在传统Hough变换的基础上，对参数空间投票规则进行改进，利用采样点
Abstract: In the track association process of passive locating based on multi-platform angular measurement,
there is a large amount of data in Hough transfbnn, which takes up too much memory. To solve the problem, a track correlation algorithm based on Improved Hough Transform (IHT) is proposed. The algorithm improves the voting rules in the parameter space based on the traditional Hough transfbnn. For reducing the number of voting operations, the traversal of observation point sets to 0 is avoided by using the pre-processing sorting to the sampling point set. In the meantime, the motion characteristics of the observed target and the good robustness of Hough transform in detecting straight lines are used to ensure the correct rate of track correlation. Finally, experimental results of simulation show that, the proposed algorithm has a high correlation accuracy in the track association of bearing-only targets with a relatively low computation burden.

最近邻算法实现多目标航迹关联(matlab代码)

近年来，随着无人机、航天器等飞行器的应用逐渐普及，航迹关联成为了航空航天领域中一个备受关注的课题。

而最近邻算法作为一种常用的目标关联算法，其在多目标航迹关联中得到了广泛的应用。

本文将针对最近邻算法在多目标航迹关联中的应用进行深入探讨，并结合Matlab代码实现具体的算法过程。

1. 背景介绍在航空航天领域中，多目标航迹关联是指在多个雷达或传感器的监测下，将不同时间段内同一个目标的航迹点进行匹配关联，以确定目标的飞行轨迹和状态。

多目标航迹关联的任务是十分复杂和困难的，因为在真实环境中，目标可能会受到噪声、干扰、遮挡等因素的影响，导致航迹点的不确定性。

设计一种高效准确的航迹关联算法对于实际应用具有重要意义。

2. 最近邻算法原理最近邻算法是一种常用的模式识别和数据挖掘算法，其基本原理是通过计算样本点之间的距离，将每个样本点与其最近的训练样本点进行匹配。

在多目标航迹关联中，最近邻算法可以被用来将当前时刻的航迹点与之前时刻的航迹点进行匹配，从而实现目标的关联。

3. 最近邻算法在航迹关联中的应用在航空航天领域中，最近邻算法经常被用来进行航迹点的匹配，以确定目标的飞行状态和轨迹。

其具体应用场景包括但不限于飞行器导航、空中交通管理、目标跟踪等。

4. 最近邻算法的Matlab实现下面我们通过Matlab代码来演示最近邻算法在多目标航迹关联中的具体实现过程。

```matlab设置参数threshold = 10; 设定阈值初始化航迹点track_points = [10, 20; 15, 25; 30, 40]; 当前时刻的航迹点prev_track_points = [8, 18; 12, 22; 28, 38]; 前一时刻的航迹点计算距离矩阵distance_matrix = zeros(size(track_points, 1),size(prev_track_points, 1));for i = 1:size(track_points, 1)for j = 1:size(prev_track_points, 1)distance_matrix(i, j) = norm(track_points(i, :) -prev_track_points(j, :));endend航迹点匹配matched_p本人rs = [];for i = 1:size(track_points, 1)[min_distance, min_index] = min(distance_matrix(i, :));if min_distance < thresholdmatched_p本人rs = [matched_p本人rs; i, min_index];endenddisp(matched_p本人rs); 输出匹配的航迹点对```5. 结语最近邻算法作为一种简单高效的目标关联算法，其在航空航天领域中具有重要的应用前景。

多目标无源定位跟踪中的数据关联技术

形：短时间内，在目标的空间状态可认为不变，
信息的静态数据关联的实质是，根据对同一个
目标的观测数据（间信息）具有的相似性，空所
采用一定的分配策略将空间观测数据进行分组
・Ｒ ‘
而目标属性参数在该时段内发生了变化，以至
科技论文：多日标无源定位跟踪中的数据关联技术
ｒ对同一目标的不同空间观测对应的目标属性
获得目标点迹，自然也就无法直接进行空问观
信息不同，在这种情况下，基于目标属性信息的静态数据关联以及基于纯空问信息的静态数据关联方法均无法高效而准确地实现空间观测数据的数据关联。目前，还没有相关复杂情形下的技术数据关联技术的研究结论。在复杂情形下，一种可以尝试的思路是，
・，。７
பைடு நூலகம்
适应更加复杂情形的结合目标属性信息与空问
信息的静态数据关联方法；接着针对动态数据
电信技术研究
总第３５期６
ＲＥＲＣＥＳＡＨＯＮＴＬＣＥＥＯＭＭＵＮＣＡＩＴＥＩＴＯＮＣＨＮＯＧＹＯＬ
应能力。
２多目标检测中的静态数据关联
２１静态数据关联技术回顾．

多传感器数据融合系统中的航迹关联和目标跟踪算法的研究的开题报告

多传感器数据融合系统中的航迹关联和目标跟踪算法的研究的开题报告一、选题依据目前随着传感技术的不断发展，传感器的类型和数量也不断增加，几乎所有的行业都产生了大量的传感数据。

而这些数据的分析和利用，依赖于精确的航迹关联和目标跟踪算法，以提高数据的准确性和可靠性。

因此，本研究的选题依据于实际需求和现实背景，对多传感器数据融合系统中的航迹关联和目标跟踪算法进行研究和探讨，以提高多传感器融合效率和准确性。

二、研究内容和方法1. 研究内容本研究将着重研究多传感器数据融合系统中的航迹关联和目标跟踪算法，主要包括以下内容：(1) 多传感器数据融合系统概述：介绍多传感器数据融合系统的概念、原理、应用和发展趋势。

(2) 航迹关联算法：研究不同传感器数据之间的匹配和关联方法，提出适合多传感器数据融合的航迹关联算法。

(3) 目标跟踪算法：针对目标数量多、密度高的情况，研究基于多传感器数据融合的目标跟踪算法，提高目标识别和跟踪的准确性与效率。

(4) 算法性能测试与分析：通过实验数据对所提出的算法进行测试，分析算法在不同情况下的性能，优化算法结构和参数。

2. 研究方法(1) 文献资料分析法：通过查询文献资料，了解传感器技术和多传感器数据融合算法的发展历程和现状，为研究奠定基础。

(2) 实验研究法：通过设计实验，在不同环境下对所提出的算法进行验证和测试，获得实验数据，分析测试结果。

(3) 模拟仿真法：通过对多传感器数据的模拟和仿真，测试不同算法在模拟环境下的性能和优化方向。

(4) 算法优化法：针对实验和模拟过程中出现的问题和不足，对算法进行优化改进，提高算法的性能。

三、研究意义(1) 对于实际应用，提高了多传感器数据融合系统的效率和准确性。

(2) 对于学术研究，探讨了多传感器数据融合系统中的航迹关联和目标跟踪算法的研究方向和思路。

(3) 对于传感技术的推广和应用，发挥了积极推动作用。

多站无源定位系统中的机动目标跟踪算法

中图分类号：Ｎｌ．Ｔ９１７文献标识码：Ａｄｉ１．９９ｊｉｎ１０ —８３．００１．０ｏ：０３６／．ｓ．０１９ｘ２１．１０３ｓ
ＴｒｃｉｇＡｌｏｉｈｏａｅｖｒｎｒｅａｋｎｇｒｔｍｆｒＭｎｕｅｉｇＴａｇｔ
第５卷第ｌ期ｏ１２１ｌ月００年１
电讯技术
ＴｌｃｍｍｕｉａｏｎｉｅｒｇｅｅｏｎｃｔｎＥｇｎｅｉｉｎ
Ｖ１５Ｎ．１ｏ．Ｏｏ１Ｎ０．２ｌｖ００
文章编号：０１９Ｘ｛００１ —０１０１０ —８３２１）１００— ５
多站无源定位系统中的机动目标跟踪算法
陈，陈德煌
（空军第一航空学院航空电子工程系，河南信阳４４０）６Ｏ０
摘
要：针对多站测向无源定位系统提出了一种杂波环境下机动目标的被动跟踪算法— ｃＭ—
ＩＤＭＭＰＦ算法。该算法首先用转换测量的卡尔曼滤波（ＭＦ替代了传统的扩展卡尔曼滤波，ＣＫ）克服了后者精度不高易发散的缺点，并将其结合交互多模型（Ｍ算法及概率数据关联（Ｄ）ＩＭ）ＰＦ算法，效有地完成了多站无源定位系统对杂波环境下机动目标的跟踪。仿真结果证明了该算法的有效性。关键词：源定位系统；动目标跟踪；无机转换测量卡尔曼滤波；交互多模型算法；率数据关联算法概

1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。

目标跟踪系统的航迹关联算法。由于利用了目标多特征信息，算法具有关联速度快、正确率高、而且能够适应密集目标环
境的优点。仿真实验证明该算法的航迹关联效果明显优于加权航迹关联算法。
关键词：关联；ｌｏｉｈｍｏｕｔ－ａｇｔＰａｓｖａｋＡｓｏｉｔｏｇｒｔｆｒＭｌｉｔｒｅｓｉｅ
ｃａｉｎｉｔｏ．
Ｋｅｒｓｇａｏｅａｉｎａａｙｉ；ｐｓｉｅｔａｋｎｙｗｏｄ：ｙｃｒｌｔｌｓｓａｓｒｃｉｇ；ｔｃｓｏｉｔｎｒｏｎｖｒｋａｓｃａｉａｏ
０引言
分布式无源多目标跟踪系统的一个重要问题，是
基于灰关联无源多目标跟踪系统航迹关联算法
颜坤玉，王杰贵
（解放军电子工程学院，合肥２０３）３０７
摘要：目前分布式无源多Ｅ标跟踪系统的航迹关联算法基本上照搬多传感器数据融合的理论，ｔ仅利用目标的状态信息。
文中利用了目标的多特征信息（载频、脉宽、脉冲重复间隔等）应用灰关联理论，出了一种基于灰关联的分布式无源多，提
第３２卷
第１期
现代雷达
ＭｏｅｎＲａａｄｒｄｒ
Ｖ０．２Ｎｏ１１３．
２１００年１月
ＪｎＯ０ａ．２ｌ
・
信号／数据处理・
中分号：９文标码：图类Ｔ５Ｎ３献识Ａ
文编１４７９２０Ｏ—ｏ一４章号：ｏ—８（１１０８ｏｏ５０）４
目标跟踪系统的航迹关联算法，算法利用目标多个该特征信息，过灰关联分析的方法，通进行多特征信息融
ＴｒｃｉｇＳｓｅｓｄｏｒｙＣｏｒｌｔｏａｙｉａｋｎｙｔｍＢａｅｎＧａｒｅａｉｎＡｎｌｓｓ
Ｙｕ．ｕ．ＡＮＪｅｇｉＡＮＫｎｙＷＧｉ—ｕ
（ｌｔｎｃＥｇｅｒｇＩｓｔｔｏＬＥｅｒｉｎｉｅｉｔｕｅｆＡ，Ｈｆ３０７，ｈｎ）ｃｏｎｎｎｉＰｅｉ０３Ｃｉａｅ２
ｓｎｏｎｏｍａｉｎｆｓｎｄｒｃｌ，ｉｔｅｒｓｎｙｓａｅｉｆｒｔｎｏｒｅｓｉｓｄｅｔｃｓｏｉｔｎａｇｒｈｂｓｄｅｓｒｉｆｒｔｕｉｉｅｔｏｏｙｎｏｈｒｗｏｄ，ｏｌｔｔｎｏｍａｉｆａｇｔｓｕｅ．Ａｎｗａｋａｓｃａｉｌｏｔｍａｅｏｔｒｏｉｏｒｙｃｒｌｔｎａａｙｉｏｌ－ａｕｅｓｃｓｆｑｅｃｕｓ－ｉｔｎＲＩｉｉｔｂｔｄｍｕｔ－ｇｔｐｓｉｅｔｃｉｇｓｓｎｇａｏｒａｉｎｌｓｓｆｍｕｔ－ｔｒｕｈａｒｕｎｙｐｌｅｗｄｈａｄＰｎｄｓｒｕｅｌ・ｅａｓｖｒｋｎｙ－ｅｏｉｆｅｅ－ｉｉｔｒａａ－ｔｍｓｐｏｏｅ．Ｔｅａｇｒｈｈｓｓｃｄａｔｇｓａａｔｒａｓｃａｉｎｓｅｄ，ｈｇｅｏｒｃｎｓｎａｄｐｉｕｔｃｅｉｒｐｓｄｈｌｏｔｍａｕｈａｖｎａｅｓｆｓｅｏｉｔｐｅｉｓｏｉｈｒｃｒｅｔｅｓａｄｉｃｎａａｔｏｃｒｍｓｔｔｃｎａｅ
获得的辐射源特征数据还包括工作频率、脉宽、幅、脉
脉内特征，至脉冲重复周期、甚天线扫描特性等。而在分布式无源多目标跟踪系统的航迹关联中这此信息总是被忽略了。这里本文提出一种基于灰关联的无源多
如何判断来自于不同局部节点的２条航迹是否代表同
Ａｂｓｒｔ：Ｐｒｓｎｙｔｒｃｓｏｉｔｏｌｏｔｍｓｆｒｄｓｒｂｔｄｍｕｔ—ａｇｔｐａｓｖｒｃｎｙｓｅａｗａｓｕｅｔｅｒｆｍｕｔ— ｔａｃｅｅｔｈｅｔａｋａｓｃａｉｎａｇｒｈｏｉｔｉｕｅｌｉｔｒｅｓｉｅｔａｋｉｇｓｔｍｌｉｌｙｓｈｏｙｏｌｉ
ｏｅｅｔｇｔｅａｓｆｕｓｆｍｕｔ—ｅｔｅｉｏａｉｎ．Ｓｍｕａｉｎｐｏｅｈａｈｉｌｏｔｍｓｓｅｏｏｗｅｇｔｄｒｃｓｏｆｄｎｓａｅｓｂｃｕｅｏｅｏｌｉｆａｕｒｎｒｔｏｒｆｍｉｌｔｏｒｖｓｔｔｔｓａｇｒｈｉｕｐｒｒｔｉｈｅｔａｋａｓ — ｉｉ
一
个目标，就是航迹与航迹关联（这或互联）问题，简：１基于统计的方法；２基于（）（）
称航迹关联或航迹相关问题。目前用于航迹关联算法
通常可分为２类模糊数学的方法。这些方法都只利用了目标的运动状