目標(biāo)跟蹤與數(shù)據(jù)關(guān)聯(lián)

1、第四章目標(biāo)跟蹤與數(shù)據(jù)關(guān)聯(lián)概論4. 1 多目標(biāo)跟蹤的基本思想4. 2 數(shù)據(jù)關(guān)聯(lián)的概念與方法 補(bǔ)記本 章闡述多目標(biāo)數(shù)據(jù)關(guān)聯(lián)與跟蹤的基本概念及主要思想。所涉及的內(nèi)容在許多文獻(xiàn)中已有不同程度的報導(dǎo)。讀者或者可以跳過本章，或者可以通過本章快速了解目標(biāo)跟蹤與數(shù)據(jù)關(guān)聯(lián)的基本思想與方法 4. 1 多目標(biāo)跟蹤的基本思想多目標(biāo)跟蹤的基本概念是由 Wax在 1955 年首先提出的 。1964 年，Sittler對多目標(biāo)跟蹤理論以及數(shù)據(jù)關(guān)聯(lián)問題進(jìn)行了深入的研究，并取得了開創(chuàng)性的進(jìn)展 。然而，直到 20 世紀(jì) 70年代初期，機(jī)動多目標(biāo)跟蹤理論才真正引起人們的普遍關(guān)注和極大興趣 。在這一期間，由 Bar-Shalom和

2、Singer 開創(chuàng)的以數(shù)據(jù)關(guān)聯(lián)技術(shù)和卡爾曼濾波技術(shù)有機(jī)結(jié)合為標(biāo)志的多目標(biāo)跟蹤技術(shù)取得了突破性的進(jìn)展。所謂多目標(biāo)跟蹤，就是為了維持對多個目標(biāo)當(dāng)前狀態(tài)的估計而對所接收到的量測信息進(jìn)行處理的過程。圖 4.1 表示多目標(biāo)跟蹤的基本原理。由圖 4.1 可以看出多目標(biāo)跟蹤過程是一個遞推過程，并且在開始掃描期間各目標(biāo)的航跡已經(jīng)形成。來自傳感器的量測信息首先被用于更新已經(jīng)建立的目標(biāo)航跡；如果來自傳感器的量測數(shù)據(jù)(回波)落入目標(biāo)的跟蹤門中，則稱此回波為有效量測(或有效回波) 。即使目標(biāo)只有一個，由于雜波的干擾，有效量測也可能為多個。跟蹤門被用來粗略確定量測/航跡配對是否合理 。繼承繼承是指這樣一種能力：它可以使

3、用現(xiàn)有類的所有功能，并在無需重新編寫原來的類的情況下對這些功能進(jìn)行擴(kuò)展。通過繼承創(chuàng)建的新類稱為“子類”或“派生類”。被繼承的類稱為“基類”、“父類”或“超類”。繼承的過程，就是從一般到特殊的過程。繼承概念的實現(xiàn)方式有三類：實現(xiàn)繼承、接口繼承和可視繼承。實現(xiàn)繼承是指使用基類的屬性和方法而無需額外編碼的能力；接口繼承是指僅使用屬性和方法的名稱、但是子類必須提供實現(xiàn)的能力；可視繼承是指子窗體（類）使用基窗體（類）的外觀和實現(xiàn)代碼的能力。封裝封裝，也就是把客觀事物封裝成抽象的類，并且類可以把自己的數(shù)據(jù)和方法只讓可信的類或者對象操作，對不可信的進(jìn)行信息隱藏。對象間的相互聯(lián)系和相互作用過程主要通過消息機(jī)制

4、得以實現(xiàn)。對象之間并不需要過多的了解對方內(nèi)部的具體狀態(tài)或運動規(guī)律。面向?qū)ο蟮念愂欠庋b良好的模塊，類定義將其說明（用戶可見的外部接口）與實現(xiàn)（用戶不可見的內(nèi)部實現(xiàn)）顯式地分開，其內(nèi)部實現(xiàn)按其具體定義的作用域提供保護(hù)。類是封裝的最基本單位。封裝防止了程序相互依賴性而帶來的變動影響。在類中定義的接收對方消息的方法稱為類的接口。多態(tài)多態(tài)性（polymorphism）是指同名的方法可在不同的類中具有不同的運動規(guī)律。在父類演繹為子類時，類的運動規(guī)律也同樣可以演繹，演繹使子類的同名運動規(guī)律或運動形式更具體，甚至子類可以有不同于父類的運動規(guī)律或運動形式。不同的子類可以演繹出不同的運動規(guī)律。實現(xiàn)多態(tài)，有兩種方式

5、：覆蓋、重載。覆蓋，是指子類重新定義父類的虛函數(shù)的做法。重載，是指允許存在多個同名函數(shù)，而這些函數(shù)的參數(shù)表不同（或許參數(shù)個數(shù)不同，或許參數(shù)類型不同，或許兩者都不同）。類和對象類是一個對一組像是對象的一般性描述（如，模板、模式或藍(lán)圖）。通過定義，存在于類中的所有對象繼承其屬性和用于操縱屬性的操作。父類是類的集合，子類是類的實例。這些定義蘊含了類層次的存在，父類的屬性和操作被子類繼承，而子類也可以加入自己“私有的”屬性和方法。屬性屬性依附于類和對象，并且以某種方式描述類或?qū)ο蟆hampeaux及其同事給出了如下的關(guān)于屬性的討論：現(xiàn)實的實體經(jīng)常用指明其穩(wěn)定特性的詞來描述。大多數(shù)物理對象具有形狀、重

6、量、顏色和材料類型等特性；人具有生日、父母、名字、膚色等特性，特性可被視為在類和某確定域之間的二元關(guān)系。面向?qū)ο蟮拈_發(fā)方法傳統(tǒng)的面向過程的開發(fā)方法是以過程為中心，以算法為驅(qū)動，因此，面向過程的編程語言是程序=算法+數(shù)據(jù)面向?qū)ο蟮拈_發(fā)方法是以對象為中心，以消息為驅(qū)動，因此，面向?qū)ο蟮木幊陶Z言是程序=對象+消息。傳統(tǒng)開發(fā)方法開發(fā)軟件存在的問題軟件重用性差軟件可維護(hù)性差軟件穩(wěn)定性差面向?qū)ο蟮姆治雒嫦驅(qū)ο蟮姆治觯∣bject Oriented Analysis, OOA），是在一個系統(tǒng)的開發(fā)過程中進(jìn)行了系統(tǒng)業(yè)務(wù)調(diào)查以后，按照面向?qū)ο蟮乃枷雭矸治鰡栴}。四個基本步驟：第一步，獲取功能需求。第二步，根據(jù)功能

7、和參與者確定系統(tǒng)的對象和類。第三步，確定類的結(jié)構(gòu)、主題、屬性和方法。第四步，建造對象模型。面向?qū)ο蟮脑O(shè)計面向?qū)ο蟮脑O(shè)計（Object Oriented Design，OOD），是根據(jù)OOA中確定的類和對象，設(shè)計軟件系統(tǒng)，以作為面向?qū)ο蟮木幊痰幕A(chǔ)。整個設(shè)計過程分為系統(tǒng)設(shè)計和對象設(shè)計。系統(tǒng)設(shè)計過程包括：系統(tǒng)分解確定并發(fā)性設(shè)計人機(jī)交互子系統(tǒng)設(shè)計任務(wù)管理子系統(tǒng)設(shè)計數(shù)據(jù)管理子系統(tǒng)面向?qū)ο蟮哪Ｐ湍Ｐ褪菍嶓w的特征和變化規(guī)律的一種表示或抽象，即把對象實體通過適當(dāng)?shù)倪^濾，用適當(dāng)?shù)谋憩F(xiàn)規(guī)則描繪出的模仿品。該模型主要關(guān)心系統(tǒng)中對象的結(jié)構(gòu)、屬性和操作，它是分析階段三個模型的核心，是其他兩個模型的框架。在面向?qū)ο蟮?/p>

8、開發(fā)中，有對象模型、動態(tài)模型和功能模型這三種常用模型。對象模型對象模型使表示了靜態(tài)的、結(jié)構(gòu)化的系統(tǒng)數(shù)據(jù)性質(zhì)，描繪了系統(tǒng)的靜態(tài)結(jié)構(gòu)，它是從客觀世界實體的對象關(guān)系角度來描繪的，表現(xiàn)了對象的相互關(guān)系。在該模型中包括以下幾方面的元素。對象和類關(guān)聯(lián)和鏈層次結(jié)構(gòu)動態(tài)模型動態(tài)模型是與時間和變化有關(guān)的系統(tǒng)性質(zhì)。該模型描述了系統(tǒng)的控制結(jié)構(gòu)，它表示了瞬間的、行為化的系統(tǒng)控制。它關(guān)心的是系統(tǒng)的控制、操作的執(zhí)行順序，它從對象的事件和狀態(tài)的角度出發(fā)，表現(xiàn)了對象的相互行為。事件狀態(tài)狀態(tài)圖圖 4.1 多目標(biāo)跟蹤的基本原理示意圖圖 4.2 是一個兩目標(biāo)情形下跟蹤門和有效回波的關(guān)系示意圖。跟蹤維持包括機(jī)動識別和自適應(yīng)濾波與預(yù)測

9、，用以估計各目標(biāo)航跡的真實狀態(tài)。在跟蹤空間中，數(shù)據(jù)關(guān)聯(lián)的輸入是有效量測，與已建立的目標(biāo)航跡不相關(guān)的量測或回波可能來自潛在的新目標(biāo)或雜波，由跟蹤起始方法可以鑒別其真?zhèn)?，并相?yīng)地建立新的目標(biāo)航跡。當(dāng)目標(biāo)逃離跟蹤空間或被摧毀時，由跟蹤終結(jié)方法可刪除航跡，以減輕不必要的計算開銷 。最后，在新的量測到達(dá)之前，由目標(biāo)預(yù)測狀態(tài)和接收正確回波的概率可以確定下一時刻跟蹤門的中心和大小，以便重新開始下一時刻的遞推循環(huán)。多目標(biāo)跟蹤問題包括許多方，主要包括機(jī)動目標(biāo)模型與自適應(yīng)跟蹤算法 、跟蹤門的形成、數(shù)據(jù)關(guān)聯(lián)、跟蹤維持、跟蹤起始與終結(jié)等 。圖 4.2 跟蹤門和有效回波示意圖4. 2 數(shù)據(jù)關(guān)聯(lián)的概念與方法多目標(biāo)跟蹤過程

10、的關(guān)鍵問題是如何進(jìn)行有效的數(shù)據(jù)關(guān)聯(lián) 。數(shù)據(jù)關(guān)聯(lián)問題首先產(chǎn)生于傳感器觀測過程和多目標(biāo)跟蹤環(huán)境的不確定性。實際的傳感器系統(tǒng)總是不可避免地存在著測量誤差，缺乏跟蹤環(huán)境的先驗知識；我們往往不能確知目標(biāo)的個數(shù)，無法判定觀測數(shù)據(jù)是由真實目標(biāo)還是由其它虛假目標(biāo)產(chǎn)生的。這些不確定因素破壞了回波觀測與其目標(biāo)源之間的對應(yīng)關(guān)系，是導(dǎo)致多傳感器多目標(biāo)數(shù)據(jù)關(guān)聯(lián)關(guān)系模糊的基本原因在實時的多目標(biāo)跟蹤過程中，同一個目標(biāo)在多傳感器上建立的量測必定因其物理來源相同而具有某種相似特征，在此同時，也必定因為雜波的干擾和傳感器自身性能的不穩(wěn)定而導(dǎo)致這些量測的特征不完全相同。數(shù)據(jù)關(guān)聯(lián)的目的就是利用這種量測的相似特征，來判定這些特征不完全

11、相同的量測是否源于同一個目標(biāo)數(shù)據(jù)關(guān)聯(lián)問題廣泛地存在于多傳感器多目標(biāo)跟蹤的各個過程。跟蹤過程中的新目標(biāo)檢測，需要在多個采樣周期之間進(jìn)行“觀測觀測”的數(shù)據(jù)關(guān)聯(lián)，以便為新目標(biāo)建立起始航跡提供充分的初始化信息；而觀測數(shù)據(jù)的直接融合也需要進(jìn)行“觀測觀測”關(guān)聯(lián)，以穩(wěn)定航跡生存周期。為了更新航跡，維持跟蹤的持續(xù)性，還需要進(jìn)行“觀測航跡”關(guān)聯(lián)以確定用于航跡修正的新觀測數(shù)據(jù)。另外，在分布式多傳感器系統(tǒng)中，一個由本地跟蹤輸出的多目標(biāo)航跡數(shù)據(jù)融合，首先需要進(jìn)行“航跡航跡”的數(shù)據(jù)關(guān)聯(lián)，以確定哪些本地數(shù)據(jù)來源于共同的跟蹤目標(biāo)。單傳感器跟蹤過程中冗余航跡合并也要進(jìn)行“航跡航跡”的數(shù)據(jù)關(guān)聯(lián)。近 20 年來，關(guān)于多目標(biāo)數(shù)據(jù)關(guān)

12、聯(lián)方法的研究取得了豐碩的成果。下面介紹其中有代表性的幾種方法。4. 2. 1 “最近鄰”方法 1971 年 Singer 等提出了一種具有固定記憶要求并且能在多回波環(huán)境下工作的跟蹤濾波器。這種濾波器僅將在統(tǒng)計意義上與被跟蹤目標(biāo)預(yù)測位置（跟蹤門中心）最近的有效回波作為候選回波。其中，表示新息， S ( k )表示 v ( k )的協(xié)方差， d ( z ( k )表示目標(biāo)預(yù)測位置與有效回波 z ( k )之間的距離?！白罱彙狈椒ǖ乃枷肴鐖D 4. 3 所示。圖 4.3 最近鄰數(shù)據(jù)關(guān)聯(lián)方法示意圖“最近鄰”方法的基本含義是，“唯一性”地選擇落在相關(guān)跟蹤門之內(nèi)且與被跟蹤目標(biāo)預(yù)測位置最近的觀測作為目標(biāo)關(guān)聯(lián)

13、對象，所謂“最近”表示或者統(tǒng)計距離最小或者殘差概率密度最大?；镜淖罱彿椒▽嵸|(zhì)上是一種局部最優(yōu)的“貪心”算法，并不能在全局意義上保持最優(yōu)。在目標(biāo)回波密度較大的情況下，多目標(biāo)相關(guān)波門相關(guān)交叉，最近的回波未必由目標(biāo)所產(chǎn)生。最近鄰方法便于實現(xiàn)，計算量小，適應(yīng)于信噪比高 ，目標(biāo)密度小的條件。最近鄰方法的抗干擾能力差，在目標(biāo)密度較大時容易產(chǎn)生關(guān)聯(lián)錯誤。最近鄰方法的實際應(yīng)用往往還需要附加其它限制。4. 2. 2 “全鄰”最優(yōu)濾波器 1974 年， Singer、 Sea 和 Housewright提出了全鄰濾波器：其中表示最佳修正值。P i (k )為 k 時刻航跡 i 正確的概率， b i( k |

14、k -1 )為 k -1 時刻對 k 時刻航跡 i的狀態(tài)預(yù)測偏差的均值， L (k ) = ( 1+ k ) L ( k -1 )為 k 時刻全部可能的航跡總數(shù)， k 為第 k 次掃描期間的候選回波數(shù)。這種濾波器不僅考慮了所有候選回波(空間累積量測)，而且考慮了跟蹤歷史，即多掃描相關(guān)(時間累積信息)。 4. 2. 3 概率數(shù)據(jù)關(guān)聯(lián)濾波器 1972 年， Bar-Shalom 和 Jaffer在關(guān)于數(shù)據(jù)關(guān)聯(lián)的研究中，首先試圖應(yīng)用位于跟蹤門中的所有回波以獲得可能的后驗概率。在此基礎(chǔ)上， Bar-Shalom和 Jaffer在1975年提出了概率數(shù)據(jù)互聯(lián)濾波器。 4. 2. 4 多模型方法 Blom

15、1984 年提出了多模型濾波器(基于Kalman 濾波器)：其中 j ( k )表示模型 M j 在時刻 k 正確的概率 。在這種算法中，每一個模型對應(yīng)一個不同的機(jī)動輸入水平，可以以較大的計算資源來換取機(jī)動性能的提高，其主要問題是如何選擇保持最佳跟蹤性能的離散機(jī)動水平近 10 年來，受到 Blom 和 Bar-Shalom 思想的激勵，概率數(shù)據(jù)互聯(lián)和多模型算法的研究變得十分活躍，這些算法正在被應(yīng)用于多傳感器情形。我們將在第五章對概率數(shù)據(jù)關(guān)聯(lián)算法 ，多模型算法和相互作用多模型概率數(shù)據(jù)互聯(lián)算法進(jìn)行深入討論。4. 2. 6 聯(lián)合概率數(shù)據(jù)關(guān)聯(lián)濾波器在多目標(biāo)跟蹤問題中，如果被跟蹤的多個目標(biāo)的跟蹤門互不相

16、交（如圖4.4（a）所示），或雖然跟蹤門相交，但沒有量測落入相交的區(qū)域（如圖4.4（b）所示 ），則多目標(biāo)跟蹤問題總可以簡化為多目標(biāo)環(huán)境中的但目標(biāo)跟蹤問題。實際的情形是，跟蹤門相互交錯，并且有許多量測落入這些相交區(qū)域中（如圖4.5所示 ）。如圖4.4圖 4.5多目標(biāo)跟蹤問題量 測確認(rèn)的一般情形1974年， Bar-Shalom在多目標(biāo)數(shù)據(jù)關(guān)聯(lián)研究中，推廣了他的概率數(shù)據(jù)互聯(lián)濾波方法，引入了“聚”的概念，提出了聯(lián)合概率數(shù)據(jù)互聯(lián)濾波器，以便對多個目標(biāo)進(jìn)行處理。這種方法不需要關(guān)于目標(biāo)和雜波的任何先驗信息。聚定義為彼此相交的跟蹤門的最大集合，總有一個二元聚矩陣與其關(guān)聯(lián)。從聚矩陣中得到有效回波和雜波的全排

17、列和所有的聯(lián)合事件，進(jìn)而通過聯(lián)合似然函數(shù)來求解關(guān)聯(lián)概率。聯(lián)合概率數(shù)據(jù)關(guān)聯(lián)方法以其優(yōu)良的相關(guān)性能而引起研究者的高度重視。然而，由于在這種法中，聯(lián)合事件數(shù)是所有候選回波數(shù)的指數(shù)函數(shù)，并隨回波密度的增大二迅速增大，致使計算負(fù)荷出現(xiàn)組合爆炸現(xiàn)象。為了解決這一問題，1986年，F(xiàn)itzgeraled提出了一種簡化的聯(lián)合概率數(shù)據(jù)關(guān)聯(lián)方法，其中關(guān)聯(lián)概率用一個基于經(jīng)驗的特殊規(guī)則來計算。1993年，Zhou和Bose提出了基于深度優(yōu)先搜索的數(shù)據(jù)關(guān)聯(lián)快速算法。這些算法在降低計算量的同時，也降低了算法的有效性、可靠性和應(yīng)用范圍。 關(guān)于聯(lián)合概率數(shù)據(jù)關(guān)聯(lián)算法的身體討論將在第六章進(jìn)行。4. 2. 7 多假設(shè)方法 1977

18、 年， Reid 15 針對多目標(biāo)跟蹤問題，基于“全鄰”最優(yōu)濾波器和 Bar-Shalom的聚概念，提出了多假設(shè)跟蹤方法。這種方法的主要過程包括：假設(shè)生成、假設(shè)估計、假設(shè)管理（刪除、合并、聚類等）。關(guān)于這種方法的深入討論將在第六章進(jìn)行。 4. 2. 8航跡分裂方法Sittler1974 年提出了航跡分裂方法：其中， k ， l 表示 k 時刻第 l 個航跡正確的事件，c k 是常數(shù)。 這種方法基于每一個可能航跡的似然函數(shù)。當(dāng)接收到更多的回波時，將原有的航跡分裂為相應(yīng)數(shù)目的新航跡，然后計算每一航跡的似然函數(shù)，把低于指定門限的摒棄，其余保留。 4. 2. 9 分布式多傳感器多目標(biāo)跟蹤與數(shù)據(jù)關(guān)聯(lián)的一

19、般理論Chong，Mori，Chang等一直專注于多傳感器多目標(biāo)跟蹤一半和理論的研究。他們以各種排名次序發(fā)表了許多很有影響的研究論文，在多傳感器目標(biāo)跟蹤研究中引入了信息圖（Information Graph）和信息集（Information Set）的概念，并以此為基礎(chǔ)，建立了沒有先驗識別的分布式多傳感器多目標(biāo)跟蹤與數(shù)據(jù)關(guān)聯(lián)的一般理論。他們應(yīng)用貝葉斯方法道出了兩個一般算法，一個處理集合中的航跡起始和航跡延續(xù)；另一個是第一個特殊形式，可以證明它包含典型的現(xiàn)有算法作為子集。他們在其研究中還引入了多假設(shè)技術(shù)，并給出了遞推假設(shè)估計和成批假設(shè)估計的算法。我們將在第七章專門討論分布式多傳感器多目標(biāo)跟蹤與數(shù)據(jù)關(guān)聯(lián)的一般理論。 4. 2. 10 基于神經(jīng)網(wǎng)絡(luò)的多目標(biāo)數(shù)據(jù)關(guān)聯(lián)