航迹融合课件.ppt（60页）

1、智能信息处理技术智能信息处理技术第十一讲第十一讲航迹融合方法航迹融合方法NUST自动化学院自动化学院主要内容主要内容 1 1、航迹融合结构、航迹融合结构 2 2、航迹融合中的相关估计误差问题、航迹融合中的相关估计误差问题 3 3、航迹状态估计融合、航迹状态估计融合 2NUST自动化学院自动化学院一、航迹融合结构一、航迹融合结构 1 1、局部航迹与局部航迹融合结构（传感器航迹、局部航迹与局部航迹融合结构（传感器航迹与传感器航迹融合结构）与传感器航迹融合结构）2 2、局部航迹与系统航迹融合结构、局部航迹与系统航迹融合结构3NUST自动化学院自动化学院1 1、局部航迹与局部航迹融合、局部航迹与局部航

2、迹融合 图中上一行和下一行的圆圈表示两个局部传感图中上一行和下一行的圆圈表示两个局部传感器的跟踪外推节点，中间一行的圆圈表示融合中心器的跟踪外推节点，中间一行的圆圈表示融合中心的融合节点。由左到右表示时问前进的方向。的融合节点。由左到右表示时问前进的方向。4NUST自动化学院自动化学院特点特点 1 1）不同传感器的局部航迹在）不同传感器的局部航迹在公共时间公共时间上在融合节上在融合节 点进行关联、融合形成系统航迹；点进行关联、融合形成系统航迹；2 2）该结构在航迹融合过程中）该结构在航迹融合过程中没有利用前一时刻的没有利用前一时刻的 系统航迹的状态估计系统航迹的状态估计；5NUST自动化学院自

3、动化学院 3 3）结构不涉及相关估计误差的问题，是一个）结构不涉及相关估计误差的问题，是一个无存无存 储运算储运算；4 4）关联和航迹估计误差并不由一个时刻传送到下关联和航迹估计误差并不由一个时刻传送到下 一个时刻；一个时刻；6NUST自动化学院自动化学院 5 5）运算简单，不考虑信息去相关的问题；）运算简单，不考虑信息去相关的问题；6 6）由于没有利用系统航迹融合结果的先验信息，）由于没有利用系统航迹融合结果的先验信息，性能可能不如局部航迹与系统航迹融合结构。性能可能不如局部航迹与系统航迹融合结构。7NUST自动化学院自动化学院2 2、局部航迹与系统航迹的融合、局部航迹与系统航迹的融合8NU

4、ST自动化学院自动化学院特点特点 1 1）只要融合中心节点收到一组局部航迹，融合算）只要融合中心节点收到一组局部航迹，融合算 法就把法就把前一时刻的系统航迹的状态外推到接受前一时刻的系统航迹的状态外推到接受 局部航迹的时刻局部航迹的时刻；2 2）与新收到的局部航迹进行关联和融合，得到当）与新收到的局部航迹进行关联和融合，得到当 前的系统航迹的状态估计，形成系统航迹；前的系统航迹的状态估计，形成系统航迹；3 3）收到另一组局部航迹时，重复以上过程；）收到另一组局部航迹时，重复以上过程；9NUST自动化学院自动化学院 4 4）必须面对相关估计误差的问题；）必须面对相关估计误差的问题；图中，图中，A

5、 A点的局部航迹与在点的局部航迹与在B B点的系统航迹存在点的系统航迹存在相关误差，因为它们都与相关误差，因为它们都与C C点的信息有关。点的信息有关。实际工作中，系统航迹中的任何误差，由于过去实际工作中，系统航迹中的任何误差，由于过去的关联或融合处理误差，都会影响未来的融合性的关联或融合处理误差，都会影响未来的融合性能。必须采用去相关算法消除相关误差。能。必须采用去相关算法消除相关误差。10NUST自动化学院自动化学院二、航迹融合中的相关估计误差问题二、航迹融合中的相关估计误差问题出现形式：出现形式：1 1）两个被融合航迹的估计误差是不相关的，融）两个被融合航迹的估计误差是不相关的，融合相对

6、比较简单。合相对比较简单。估计看作具有独立误差的观测，跟其他估计融估计看作具有独立误差的观测，跟其他估计融合。可利用标准的方法，如关联和卡尔曼滤波法进合。可利用标准的方法，如关联和卡尔曼滤波法进行航迹融合运算。行航迹融合运算。2 2）两条航迹的估计误差间存在相关性问题。）两条航迹的估计误差间存在相关性问题。11NUST自动化学院自动化学院1 1、两条航迹存在先验的公共信息源、两条航迹存在先验的公共信息源12NUST自动化学院自动化学院特点特点 1 1）局部航迹与系统航迹关联的时候往往出现两条）局部航迹与系统航迹关联的时候往往出现两条 航迹存在先验的公共信息源的情况；航迹存在先验的公共信息源的情

7、况；2 2）假定航迹已经被送到公共的时间节点；）假定航迹已经被送到公共的时间节点；3 3）融合节点包含了预处理的全部信息，即包括点）融合节点包含了预处理的全部信息，即包括点 迹观测和航迹；迹观测和航迹；13NUST自动化学院自动化学院 4 4）传感器航迹估计和系统航迹估计均包括以前送）传感器航迹估计和系统航迹估计均包括以前送 过来的传感器航迹估计。过来的传感器航迹估计。5 5）信息图流程中，只要由观测点迹到融合节点）信息图流程中，只要由观测点迹到融合节点 存在多个路径，就存在多个路径，就存在与该信息源的相关存在与该信息源的相关。14NUST自动化学院自动化学院2 2、由公共过程噪声而产生的相关

8、估计误差、由公共过程噪声而产生的相关估计误差 公共过程噪声形成原因：公共过程噪声形成原因：传感器航迹与传感器航迹融合过程中，当目标传感器航迹与传感器航迹融合过程中，当目标动态特性不确定时，形成公共的过程噪声。动态特性不确定时，形成公共的过程噪声。15NUST自动化学院自动化学院作用：作用：公共过程噪声使来自两传感器航迹的测量不独公共过程噪声使来自两传感器航迹的测量不独立，导致来自两个传感器的估计误差不独立。立，导致来自两个传感器的估计误差不独立。在对航迹进行关联以及在对已关联上的状态进在对航迹进行关联以及在对已关联上的状态进行组合时，必须考虑相关的估计误差。行组合时，必须考虑相关的估计误差。1

9、6NUST自动化学院自动化学院三、航迹状态估计融合三、航迹状态估计融合 航迹融合的主要内容：航迹融合的主要内容：航迹关联航迹关联、航迹状态估计航迹状态估计与与融合协方差计算融合协方差计算 航迹关联说明两航迹以较大的概率来自同一目航迹关联说明两航迹以较大的概率来自同一目标，然后对已关联上的航迹按一定准则进行合并，标，然后对已关联上的航迹按一定准则进行合并，形成系统航迹；形成系统航迹；对融合以后的航迹状态和协方差进行计算，实对融合以后的航迹状态和协方差进行计算，实现航迹更新。现航迹更新。17NUST自动化学院自动化学院说明说明 1 1）假定两条航迹）假定两条航迹i i和和j j，分别有状态估计，分

10、别有状态估计 、误差协方差误差协方差 、，互协方差矩阵，互协方差矩阵 2 2）估计融合问题：估计融合问题：寻找最优的估计寻找最优的估计 和误差协和误差协方差矩阵方差矩阵P P。ixjxiPjPTjiijPP x18NUST自动化学院自动化学院 3 3）传感器到传感器融合结构中，被融合的两条航）传感器到传感器融合结构中，被融合的两条航 迹均应来自两个不同的传感器；迹均应来自两个不同的传感器；4 4）传感器航迹到系统航迹融合结构中，两条航迹）传感器航迹到系统航迹融合结构中，两条航迹 中一条是系统航迹，另一条是传感器航迹。中一条是系统航迹，另一条是传感器航迹。19NUST自动化学院自动化学院1 1、

11、简单航迹融合、简单航迹融合(SF)(SF)前提：前提：两条航迹状态估计的互协方差可忽略，即两条航迹状态估计的互协方差可忽略，即 0jiijPP20NUST自动化学院自动化学院 系统状态估计：系统状态估计：)()()(1111jjiijjiiijijxPxPPxPPPxPPPx系统误差协方差：系统误差协方差：1111)()(jijjiiPPPPPPP21NUST自动化学院自动化学院假定假定 100022001021PP则有则有 3/5003/5P其相互关系见图其相互关系见图22NUST自动化学院自动化学院P1P2P互协方差为互协方差为0时时P与与P1和和P2的关系的关系23NUST自动化学院自动

12、化学院应用特点应用特点 1 1）实现简单，广泛采用；）实现简单，广泛采用；2 2）估计误差相关时，是准最佳；）估计误差相关时，是准最佳；3 3）两个航迹都是传感器航迹，且不存在过程噪声）两个航迹都是传感器航迹，且不存在过程噪声 时，融合算法是最佳，与利用传感器观测直接时，融合算法是最佳，与利用传感器观测直接 融合有同样结果；融合有同样结果；4 4）融合网络不应该有反馈。）融合网络不应该有反馈。24NUST自动化学院自动化学院 一般形式一般形式 如果该融合系统是由如果该融合系统是由n个传感器组成的，很容易个传感器组成的，很容易将其推广到一般形式。将其推广到一般形式。状态估计：状态估计：niiin

13、nxPPxPxPxPPx111212111)(25NUST自动化学院自动化学院每个传感器估计的权值每个传感器估计的权值 1iikPPW误差协方差：误差协方差：111111211)()(niinPPPPP26NUST自动化学院自动化学院2 2、协方差加权航迹融合、协方差加权航迹融合(WCF)(WCF)前提：前提：两条航迹估计的互协方差不能忽略，即两条航迹估计的互协方差不能忽略，即0jiijPP27NUST自动化学院自动化学院 两个传感器两个传感器i和和j的两个估计之差用下式表示：的两个估计之差用下式表示：jiijxxd 则则dij的协方差矩阵的协方差矩阵：jiijjijijiijijPPPPxx

14、xxEddE)(TT 式中，式中，Pij=PTji为两个估计的互协方差。为两个估计的互协方差。28NUST自动化学院自动化学院系统状态估计系统状态估计)()(1ijjiijjiijiixxPPPPPPxx系统误差协方差系统误差协方差)()(1jiijiijjiijijPPPPPPPPPP29NUST自动化学院自动化学院 其中，其中，K是卡尔曼滤波器增益，是卡尔曼滤波器增益，是状态转移矩阵，是状态转移矩阵，Q是噪是噪声协方差矩阵，声协方差矩阵，H是观测矩阵。是观测矩阵。这种方法只是在最大似然意义这种方法只是在最大似然意义下是最佳的。下是最佳的。当采用卡尔曼滤波器作为估计器的时候，其中的互协方差当

15、采用卡尔曼滤波器作为估计器的时候，其中的互协方差Pij和和Pji可以由下式求出可以由下式求出:Pij(k)=(I-KH)(Pij(k-1)T+Q)(I-KH)T 30NUST自动化学院自动化学院应用特点应用特点 1 1）忽略互协方差时，协方差加权融合就退化为简）忽略互协方差时，协方差加权融合就退化为简 单融合；单融合；2 2）能控制公共过程噪声；）能控制公共过程噪声；3 3）需计算互协方差矩阵；）需计算互协方差矩阵；31NUST自动化学院自动化学院 4 4）对线性时不变系统，互协方差可以脱机计算；）对线性时不变系统，互协方差可以脱机计算；5 5）需要卡尔曼滤波器增益和观测矩阵的全部历）需要卡尔

16、曼滤波器增益和观测矩阵的全部历 史，必须把它们送往融合中心。史，必须把它们送往融合中心。32NUST自动化学院自动化学院3 3、自适应航迹融合、自适应航迹融合数据融合系统设计时需考虑的因素：数据融合系统设计时需考虑的因素：1 1）实现系统的性能，采用好的算法）实现系统的性能，采用好的算法 2 2）运算量、计算机承受能力）运算量、计算机承受能力 3 3）系统的通信能力）系统的通信能力 4 4）系统特性和要求的变化）系统特性和要求的变化 解决方案：解决方案：采用自适应航迹融合采用自适应航迹融合33NUST自动化学院自动化学院自适应航迹融合的结构自适应航迹融合的结构34NUST自动化学院自动化学院融

17、合的原理融合的原理 1 1）传感器）传感器1 1、2 2向两个局部跟踪器送出观测，与局向两个局部跟踪器送出观测，与局 部跟踪器一起构成两个局部融合节点，形成局部跟踪器一起构成两个局部融合节点，形成局 部航迹估计，并送往融合中心节点；部航迹估计，并送往融合中心节点；2 2）融合中心节点（决策逻辑）根据规则选择融合）融合中心节点（决策逻辑）根据规则选择融合 算法；算法；3 3）融合中心节点根据选定的算法对局部节点送来）融合中心节点根据选定的算法对局部节点送来 的局部航迹进行融合计算，给出全局估计。的局部航迹进行融合计算，给出全局估计。35NUST自动化学院自动化学院决策逻辑决策逻辑 根据两个决策统

18、计距根据两个决策统计距离离D D1 1、D D2 2和决策树来进行和决策树来进行算法选择，决策树见图：算法选择，决策树见图：36NUST自动化学院自动化学院决策过程决策过程1 1）根据局部节点送来的局部航迹计算统计距离）根据局部节点送来的局部航迹计算统计距离D D1 1；2 2）如）如D D1 1 小于给定门限小于给定门限T T1 1，全局估计等于局部估计，全局估计等于局部估计 中一个；中一个；3 3）如）如D D1 1 大于大于T T1 1，计算统计距离，计算统计距离D D2 2 ，将，将D D2 2小于给定小于给定 门限门限T T2 2，将，将SFSF的结果作为全局估计；的结果作为全局估计

19、；4 4）如）如D D2 2 大于大于T T2 2，利用，利用WCFWCF结果作为全局估计。结果作为全局估计。37NUST自动化学院自动化学院特点特点 以简单航迹融合和协方差加权航迹融合算法为以简单航迹融合和协方差加权航迹融合算法为基础。基础。38NUST自动化学院自动化学院统计距离统计距离D D1 1定义：定义：局部航迹和采用局部航迹和采用SFSF算法所得到的系统航迹估计算法所得到的系统航迹估计之间的距离。之间的距离。39NUST自动化学院自动化学院)()()(SF11SF1TSF11xxPPxxD由于由于 P1+PSF=P1(P1+P2)-1(P1+2P2)()(211211SF1xxPP

20、Pxx则则)()2()()(211211121T211xxPPPPPxxD40NUST自动化学院自动化学院说明说明 1 1）融合估计是两个局部估计及其误差协方差的函）融合估计是两个局部估计及其误差协方差的函 数，数，D D1 1演化为与两个局部估计和它们的误差协演化为与两个局部估计和它们的误差协 方差有关；方差有关；2 2）D D1 1度量局部航迹度量局部航迹1 1和局部航迹和局部航迹2 2接近程度；接近程度；41NUST自动化学院自动化学院3 3）如两局部航迹观测源于同一目标，则）如两局部航迹观测源于同一目标，则D D1 1小于某门小于某门 限表明局部传感器给出的两条航迹很接近，不需限表明局

21、部传感器给出的两条航迹很接近，不需 再进行航迹融合运算，用其一作为全局估计；再进行航迹融合运算，用其一作为全局估计；如果两个传感器的分辨率不同，分辨率高的传感如果两个传感器的分辨率不同，分辨率高的传感 器的航迹作为全局航迹。器的航迹作为全局航迹。42NUST自动化学院自动化学院 门限门限T T1 1的确定的确定 根据两局部航迹相距的最大允许程度确定的；根据两局部航迹相距的最大允许程度确定的；如果统计距离大于它，就需进行融合运算。如果统计距离大于它，就需进行融合运算。43NUST自动化学院自动化学院统计距离统计距离D D2 2定义：定义：局部航迹和采用局部航迹和采用WCFWCF算法所得到的系统航

22、迹估算法所得到的系统航迹估计之间的距离。计之间的距离。44NUST自动化学院自动化学院)()()(WCF11WCF1TWCF12xxPPxxD利用利用 AEEPPPPPPxxPPPxx1121WCF1211121WCF1)()()(其中其中,211221111121212211)(2PPPPPPPPPPPPPEA最后最后,有有)()()(211T1211T212xxPPPPxxDAE45NUST自动化学院自动化学院说明说明 1 1）D D2 2与两局部航迹的估计、误差协方差矩阵及与两局部航迹的估计、误差协方差矩阵及 互协方差有关；互协方差有关；2 2）D D2 2小于门限小于门限T T2 2，

23、用，用SFSF对两局部航迹进行融合，对两局部航迹进行融合，表明两航迹互协方差很小，接近于表明两航迹互协方差很小，接近于0 0；46NUST自动化学院自动化学院 3 3）D D2 2大于门限大于门限T T2 2 ，采用，采用WCFWCF方法对两个局部航方法对两个局部航迹迹 进行融合，两航迹间存在着互协方差；这是应进行融合，两航迹间存在着互协方差；这是应 用用WCFWCF方法的条件。方法的条件。4 4）统计距离）统计距离D D2 2是对两个局部航迹间是否存在互协是对两个局部航迹间是否存在互协 方差的一种度量。方差的一种度量。47NUST自动化学院自动化学院自适应方法完成的任务自适应方法完成的任务1

24、 1）两局部航迹间的统计距离）两局部航迹间的统计距离D D1 1小于小于T T1 1时，不必再对时，不必再对 两条局部航迹进行融合。选其一作为全局航迹，两条局部航迹进行融合。选其一作为全局航迹，或从中选择一条优质航迹作为全局航迹；或从中选择一条优质航迹作为全局航迹；2 2）两局部航迹间的统计距离）两局部航迹间的统计距离D D2 2小于小于T T2 2时，两个局部时，两个局部 航迹间的互协方差很小，甚至等于航迹间的互协方差很小，甚至等于0 0，可用，可用SFSF算算 法对两个局部航迹进行融合。法对两个局部航迹进行融合。48NUST自动化学院自动化学院3 3）两局部航迹间的统计距离）两局部航迹间的

25、统计距离D D2 2大于大于T T2 2时，两个局部时，两个局部 航迹间存在着互协方差，可采用航迹间存在着互协方差，可采用WCFWCF算法对两个算法对两个 局部航迹进行融合。实现系统对环境的自适应。局部航迹进行融合。实现系统对环境的自适应。49NUST自动化学院自动化学院 四、信息去相关算法四、信息去相关算法 1.识别识别消去法消去法 关键的想法是识别出参与融合的两个估计的公共信息，并关键的想法是识别出参与融合的两个估计的公共信息，并且在融合中把它们消去。这种方法在一个航迹是系统航迹而另且在融合中把它们消去。这种方法在一个航迹是系统航迹而另一个航迹是传感器航迹的时候是有用的。一个航迹是传感器航

26、迹的时候是有用的。状态融合估计算法状态融合估计算法由下式给出：由下式给出：状态估计状态估计：)(111jjjjiixPxPxPPx50NUST自动化学院自动化学院误差协方差：误差协方差：1111)(jjiPPPP 和和 是最后送给系统航迹的传感器航迹的状态估计和误是最后送给系统航迹的传感器航迹的状态估计和误差协方差。传感器航迹和系统航迹两者都包括这个公共信息，差协方差。传感器航迹和系统航迹两者都包括这个公共信息，对融合算法来说它是一个附加的信息。为避免对结果的双重影对融合算法来说它是一个附加的信息。为避免对结果的双重影响，响，必需把它从结果中消去。必需把它从结果中消去。该方法以分布式融合为基础

27、，支持任何类型的融合和通信该方法以分布式融合为基础，支持任何类型的融合和通信结构，包括带反馈的融合。早期引入的信息图可以用于识别两结构，包括带反馈的融合。早期引入的信息图可以用于识别两个估计的公共信息，个估计的公共信息，避免了双重计算。避免了双重计算。jxjP51NUST自动化学院自动化学院 2.重新启动局部跟踪器重新启动局部跟踪器 对来自系统航迹的传感器航迹去相关的另一种方法是只利对来自系统航迹的传感器航迹去相关的另一种方法是只利用最后送来的点迹产生局部航迹估计。用最后送来的点迹产生局部航迹估计。传感器1测量传感器1航迹系统航迹传感器2测量传感器2航迹jxixx观测/点迹；融合节点52NUS

28、T自动化学院自动化学院 由于重新启动局部跟踪器，由于重新启动局部跟踪器，局部航迹状态估计局部航迹状态估计 与全局航与全局航迹状态估计迹状态估计 已经不共享公共信息，由每个点迹到融合节点仅已经不共享公共信息，由每个点迹到融合节点仅存在一个惟一的路径，使局部航迹和系统航迹去掉了相关性。存在一个惟一的路径，使局部航迹和系统航迹去掉了相关性。传感器航迹被送去与系统航迹融合之后，局部滤波器利用传感器航迹被送去与系统航迹融合之后，局部滤波器利用新的点迹重新启动。来自这些点迹的估计与系统航迹被去相关，新的点迹重新启动。来自这些点迹的估计与系统航迹被去相关，并且很容易与系统航迹进行融合。并且很容易与系统航迹进

29、行融合。jx ix 53NUST自动化学院自动化学院 这种方法的优点是它的简单性，这种方法的优点是它的简单性，缺点是需要修正传感器缺点是需要修正传感器当前的跟踪算法。当前的跟踪算法。关键工作过程：关键工作过程：不管哪条局部航迹，只要把它的局部状不管哪条局部航迹，只要把它的局部状态送往融合节点与系统航迹进行融合，该局部航迹就要抛弃态送往融合节点与系统航迹进行融合，该局部航迹就要抛弃前面的所有信息，重新启动该滤波器，即重新进行初始化前面的所有信息，重新启动该滤波器，即重新进行初始化。这就确保了该局部航迹再与系统航迹融合时，不会有先这就确保了该局部航迹再与系统航迹融合时，不会有先验信息源，达到了去相

30、关的目的。验信息源，达到了去相关的目的。54NUST自动化学院自动化学院 3.重新启动全局跟踪器重新启动全局跟踪器 航迹融合中，主要问题是传感器航迹和系统航迹的相关。航迹融合中，主要问题是传感器航迹和系统航迹的相关。如果在对传感器航迹进行融合的时候，系统航迹的状态估计如果在对传感器航迹进行融合的时候，系统航迹的状态估计不参与融合，就不存在相关的问题。不参与融合，就不存在相关的问题。因为传感器航迹已经包含了直到当前时刻所有可能的测因为传感器航迹已经包含了直到当前时刻所有可能的测量。这种全局估计是最佳的。量。这种全局估计是最佳的。55NUST自动化学院自动化学院重新启动全局滤波器重新启动全局滤波器

31、 传感器1测量传感器1航迹系统航迹jxixx传感器2测量传感器2航迹观测/点迹；融合节点56NUST自动化学院自动化学院 在每个融合时刻，所得到的全局航迹，在每个融合时刻，所得到的全局航迹，都是由传感器航都是由传感器航迹间的相互融合实现的，前一时刻的全局航迹并未参与融合。迹间的相互融合实现的，前一时刻的全局航迹并未参与融合。融合算法如下：融合算法如下：状态估计状态估计)(111xPxPxPPxjjii误差协方差误差协方差 1111)(PPPPji57NUST自动化学院自动化学院 和和 是公共的先验状态和协方差。是公共的先验状态和协方差。注意：尽管上述方程与识别注意：尽管上述方程与识别-消去法中

32、方程相同，但所依消去法中方程相同，但所依据的处理结构和先验信息不同。当先验协方差矩阵太大时，或据的处理结构和先验信息不同。当先验协方差矩阵太大时，或者说协方差矩阵的逆趋于零时，这些方程与简单融合方法的方者说协方差矩阵的逆趋于零时，这些方程与简单融合方法的方程是等效的，程是等效的，即即 xP)(11jjiixPxPPx误差协方差误差协方差 111)(jiPPP 优点：优点：不需要任何的去相关运算，因为参与融合的传感器不需要任何的去相关运算，因为参与融合的传感器航迹间没有相关估计误差。航迹间没有相关估计误差。58NUST自动化学院自动化学院小结小结59此课件下载可自行编辑修改，供参考！感谢您的支持，我们努力做得更好！60