课题进度05-数据关联算法
课题进度05-数据关联算法
1. 数据关联
包括量测与目标航迹之间的关联，以及不同传感器之间的航迹关联
方法：
确定性数据关联：最近邻、全局最近邻、多假设跟踪
概率性数据关联：概率性数据关联、联合概率性数据关联、概率多假设跟踪
确定性关联计算效率高，在环境简单、量测和目标之间的关系明确时效果较好，然而在目标密集或量测噪声大的场景易于出现关联错误。
概率性关联能够更加全面地处理量测数据的不确定性和目标之间的相互影响，可以更好地应对似然模糊的数据。
2. 确定性关联
2.1 最近邻数据关联算法（NN）
核心原理：在某一时刻的所有量测中，只将距离跟踪目标预测位置最近的量测认定为与跟踪目标相关的真实量测。
工作步骤：
（1）状态预测：基于目标的上一时刻状态（位置、速度），利用卡尔曼滤波等滤波算法，预测出目标在当前时刻的位置（即预测位置）。
（2）建立关联门：以预测位置为中心，划定一个特定的区域，称为“关联门”或“波门”（Gate）。只有落入这个区域内的观测点迹，才有可能与该目标关联。关联门的大小通常由预测的不确定性（如协方差矩阵）决定，是筛选候选观测的第一道关卡。
（3）计算统计距离：对于落入关联门内的每一个候选观测，计算其与目标预测位置之间的“距离”。这个距离不是简单的欧氏距离，而是一个经过加权的统计距离（也称为马氏距离）。计算公式通常如下：
残差（观测值与预测值的差）：
其中，$Z_j(k)$是第$j$个观测，$\hat{X}_i(k|k-1)$是目标$i$的状态预测，$H$是观测矩阵。
统计距离：
其中，$S(k)$是残差的协方差矩阵。这个距离综合考虑了预测的不确定性，使得算法能更智能地判断“接近程度”。
（4）确定关联对：在所有候选观测中，选择统计距离最小的那个观测，作为与该目标当前时刻关联的观测点迹。如果一个观测同时落入多个目标的关联门内，通常会根据距离最近的原则分配给其中一个目标，或者采用更复杂的分配策略。
（5）更新目标状态：将最终关联上的观测值用于卡尔曼滤波等跟踪算法中，更新目标的当前状态，为下一时刻的预测做准备。
优缺点分析
优点：
计算量小，易于实现：原理直观，计算简单，对计算资源要求低，非常适合于工程应用。
在稀疏目标环境下表现良好：当目标数量少且距离较远时，关联关系明确，算法能可靠地工作。
缺点：
抗干扰能力差：在目标密集或杂波（虚警）多的环境中，很容易将杂波点或邻近目标的点误认为是当前目标的点，导致错误关联和目标丢失。
缺少全局观念：只追求每个目标的“局部最优”，可能导致整体关联效果变差。
2.2 全局最近邻数据关联（GNN）
含义：是一种在目标跟踪中用于解决“观测-航迹”关联问题的优化方法，将关联视为一个全局优化问题，通过求解一个“一对一”的最优分配，使所有已确认航迹与其关联观测的总代价最小。
（1）核心思想
在满足每个航迹最多关联一个观测、每个观测最多关联一个航迹的约束下，找到一组关联对，使得所有关联对的总代价（如统计距离之和）最小。
（2）算法流程
GNN通常在每一帧（每个采样时刻）执行以下步骤：
1.状态预测：利用上一时刻的目标状态（如位置、速度），通过卡尔曼滤波等预测模型，计算每个航迹在当前时刻的预测位置及预测协方差。
2.门限筛选（Gating）：为每个航迹设定一个关联门（如马氏距离阈值），将落在门内的观测作为候选。这一步可以剔除明显不合理的观测，减小后续分配问题的规模。
3.构建代价矩阵：对于所有通过了门限的“航迹-观测”对，计算一个代价（通常是统计距离）。若某对组合未通过门限，则代价设为无穷大或一个很大的值，表示不可关联。同时，还需考虑虚警（观测可能源于杂波）和漏检（航迹可能没有对应观测）的可能性，通常会为每个航迹增加一个虚拟的“漏检”选项，为每个观测增加一个虚拟的“新航迹”或“杂波”选项。
4.求解最优分配：将代价矩阵输入分配求解算法（匈牙利算法），得到一组“一对一”的关联对，使得总代价最小。
5.关联结果处理：
- 关联上的航迹：用对应的观测更新状态（如卡尔曼更新）。
- 未关联到观测的航迹：进行漏检处理（如延长预测、降低置信度），若连续多次漏检则终止航迹。
- 未关联到航迹的观测：用于启动新航迹（航迹起始）或作为虚警丢弃。
（3）代价矩阵的构建
代价矩阵是GNN的核心。代价通常定义为统计距离的平方，即马氏距离的平方：
其中：
- :观测与航迹的预测观测之间的残差。
- : 残差协方差矩阵（为状态预测协方差，为观测噪声协方差）
- 这个代价反映了观测与预测之间的“异常程度”，考虑了预测的不确定性。
在构建代价矩阵时，还需考虑以下几种情况：
- 航迹-观测对：若观测未通过航迹的门限，则代价设为∞。
- 航迹-漏检：每个航迹都有一个“漏检”的虚拟观测，其代价通常设为与航迹相关的常数（如对数似然比阈值），用于表示“宁愿不关联也不随意关联”的容忍度。
- 杂波-观测：每个观测都有一个“杂波”或“新航迹”的虚拟航迹，其代价设为与观测相关的常数（如基于杂波密度计算）。