基于曲线拟合的动目标多源数据融合与处理

尹中秋　郭中卫　田晗

摘要：目前数据融合技术受到了越来越多的关注，而数据关联作为数据融合的核心和关键技术，在军用和民用领域中都具有很大应用前景。其中对多传感器动目标的数据融合是数据融合技术的重要方面。为解决多源数据融合过程中，不同传感器获得的大量观测数据间关联匹配问题，提出了基于曲线拟合的数据关联方法。首先对各观测传感器的观测数据进行数据预处理，然后采用一种基于曲线拟合的时间对准算法对不同观测站数据进行计算，得出不同传感器的观测数据间的关联匹配度，并通过仿真模拟，验证了该方法的可行性及合理性。

关键词：多源数据;关联;数据融合;曲线拟合

中图分类号：TP311        文献标识码：A

文章编号：1009-3044（2019）15-0008-02

1 研究背景及意义

数据关聯是综合情报数据处理中十分重要的一个环节，对于仅有一个目标的情况，由于受到各种噪声杂波等非理想因素的影响，传感器可能获得多个量测点迹，有效量测很有可能会认为存在多个目标，这就需要建立起有效量测与目标的对应关系，否则系统就很难判定有效量测来自哪一个目标或者造成虚警信息，这时就需要运用关联算法来对目标数据进行匹配[5]。数据融合技术起源于军事领域，在经过了几十年的发展后，数据融合技术获得了很多科研成果，并在军事及民用领域得到了广泛的应用[6]。

数据关联过程即确定传感器接收到的量测信息和目标源对应关系的过程，其中涉及的两个最关键的对象是多传感器和多目标。因为目标可能处于静态和动态，由此就有静态数据关联和动态数据关联的划分，前者主要用于定位，后者则主要服务于目标关联与跟踪。本文讨论的是目标的动态数据关联。对动态目标数据的处理，需要对目标位置进行连续的或者沿时间的离散观测，利用获得的数据进行动目标的关联于匹配，在目标跟踪中具有重要的意义。

2 数据融合建模计算

2.1 关联关系建模

下面以两组数据为例进行说明，多组数据的情况与两组数据类似，为两组数据的两两组合。

a.数据预处理（时间配准）：

由于各个传感器的采样周期不一致，所以获取观测数据的时间间隔不统一，故在融合之前需要通过处理将数据的采样时刻统一到同一时间序列。其基本思想是：选择其中一个或多个传感器的测量数据，经过对数据进行曲线拟合得到一条曲线。由拟合后的曲线计算得出其他任意时刻的值，按一定的准则将各传感器测得的数据进行时间配准，从而，每个传感器得到一组基于采样时间的数据。

我们利用取观测数据得到时间与示向度的数据序列组，利用冒泡法将数据按时间从小到大进行排序得到初始化的数据序列[（ti，θi）（i=1，2，…n）]。

参考文献：

[1] 何友，王国宏，陆大金，彭应宁.多传感器信息融合及应用[M].北京：电子工业出版社，2000.

[2] 金国强，赵德兴，张宇.目标航迹相关[J].雷达与对抗，1990，（2）：92-96.

[3] 王恩平.离散分散系统的次优状态估计[J].系统科学与数学，1990，（1）：84-92.

[4] 何友.多传感器系统中的航迹合成[J].火力与指挥控制，1990，（1）：9-16.

[5] S.L.C.Miranda，C.J.Baker，K.Woodbridge，etal.Knowledge-based resource management formultiftmction radar[J].IEE Signal Processing Magazine，2006，（6）：66-76.

[6] 冯洋.多目标跟踪的数据关联算法研究[J].西安：西安电子科技大学，2008.

[7] 彭冬亮，文成林，薛安克  多传感器多源信息融合理论及应用[M].北京：北京出版社，2010.2-5.

【通联编辑：唐一东】