因此，必须采用数据关联技术确定目标量测数据 与已知目标之间的关系。
已有的量测数据集合是下列三种可能之一
（1）已有目标量测集合。有已经检测到的目标的 量测数据组成的集合，每一个已检测到的目标都 有一个对应的量测集合。
（2）新目标量测集合。由来自于真实目标但目 前没有对应目标集合的量测数据组成的集合。
怎么做？
利用目标的现有航迹，考虑目标的最大运动速度、 机动变化和各种测量误差等因素，可以预测目标下 一个时刻的量测应该在某个范围之内，根据这个范 围设立一个窗口，就可把其他目标的量测以及干扰 所产生的假量测拒之门外。该窗口称为跟踪门，跟 踪门内的量测成为有效量测，这种方法称为门限过 滤技术。
门限的大小直接影响数据关联的结果。门限过小， 可能丢失目标的量测；门限过大，就可能失去抑制 其他目标和干扰的作用。
xi2 x12 x22 K xn2
i 1
几种常用的向量范数，设向量 X (x1, x2 ,L , xn )T
(3)向量的∞-范数
X
max 1in
x1
(4)向量的p-范数
n
X p p
xi p , 1 p
i 1
可以证明在一定假设条件下，g(k)服从自由度为m
的 分2 布。
残差向量的m维高斯概率密度函数为
（1）实现航迹初始化。 （2）观测数据直接融合中的量测数据关联。
量测与量测关联实际上是一个统计判决问题，常 用的方法有两类：
(1)基于统计距离的判决规则；
(2)基于概率的判决规则。 基于概率的判决规则是通过引入航迹存在概
率或航迹可感知概率将概率数据关联和联合概 率数据关联算法扩展应用于航迹的起始和终止。
航迹与航迹的关联主要用于航迹融合，通过航 迹与航迹的关联确定来自于多个传感器的局部航 迹是否来自于同一个目标，然后再对同一目标的 航迹进行融合，得到系统航迹。
航迹与航迹的关联算法主要有两大类：
一类是统计航迹关联算法
另一类是模糊航迹关联算法
4.2 量测与航迹关联的最近邻方法
同一目标航迹的相邻两个量测具有相关性，因此， 在进行数据关联时不需要将传感器当前时刻的所有 量测与已有的每条航迹逐个进行比较和判断。
跟踪门的选择原则：
以前一个采样周期的预测点为波门中心，使相邻 延续量以较大的概率落入跟踪门。
4.2.为
z(k) H (k)x(k) V (k)
(4.1)
式中: z(k) 是R传m 感器在k时刻的观测向量；
H (k) Rmn 是观测矩阵；
V (k) Rm 是观测（量测）噪声； V(k)是高斯白噪声，均值为零，协方差矩阵(正定)为 R(k),；
4 数据关联技术
数据关联是目标跟踪系统的核心部分，最 近邻方法是最早的数据关联技术。
本章主要介绍数据关联的概念和常用的数 据关联方法。
4.1 数据关联概述
目标所处环境的复杂性使得在目标跟踪过程中， 传感器获得的量测数据存在干扰，比如：从邻近的 物体反射回来的回波、大气及电磁干扰信号等，这 都会导致传感器量测与目标之间对应关系的模糊性。
其中，P(k | k 为1状) 态一步预测误差的协方差矩阵。
残差向量的范数定义为
g(k) dT (k)S 1(k)d (k)
(4.4)
补充：向量的范数
对n维实空间 R中n 的任一向量X，按一定规则有 一确定的实数与其相对应，该实数记为 ，若X 满足X下面三个性质： (1)非负性 X 0, X 0当且仅当X=0
• 量测与航迹关联
量测与航迹关联是对落入跟踪门内的有效回波 与已知目标的量测预测值进行比较，确定量测与 航迹的正确对应关系。
量测与航迹关联的目的是对已有航迹进行保持 或对状态进行更新
通过量测与航迹的关联，可以将量测分为已 有航迹的延续量测、新航迹的起始量测和虚警 量测。
对于延续量测，根据一定准则与已有航迹配对， 使航迹得到延续，并用当前的量测代替预测值， 实现状态更新。
对于新航迹的起始量测，根据实际情况的要求 进行处理。
常用的量测与航迹的关联方法有三类： (1)最近邻方法 (2)贝叶斯类方法 概率数据关联法、联合概率数据关联法、多假 设法 (3）极大斯然方法 联合极大似然法、航迹分裂法
• 航迹与航迹关联
在分布式多传感器融合系统中，每个传感器都 有自己的信息处理系统，他们分别对自己的量测 进行处理，形成局部航迹，融合中心接收每个传 感器的局部航迹然后进行融合，形成系统航迹。 融合中心在进行航迹融合时必须首先确定各个局 部航迹是否是来自于同一目标的航迹，此时就需 要进行航迹与航迹的关联。
（3）虚警集合。由噪声、干扰或杂波等产生 的量测数据组成的集合。
数据关联是把来自一个或多个传感器的量测数据 与已有的量测数据集合进行关联分析，确定它们是 否来自于同一数据源。
分析后未关联的量测，可能有两种情况：
（1）可能来自于新目标。
（2）可能是由噪声或杂波产生的虚警。
根据关联的数据类型，数据关联可分为以下三种： （1）量测与量测关联。
定义滤波残差向量d(k)为
d (k) z(k) zˆ(k | k 1) z(k) H (k)xˆ(k | k 1)
(4.2)
其中，Z(k)为观测向量，zˆ(k | k为1观) 测预测向量， xˆ(k | k 1为) 状态的一步预测 。
残差协方差矩阵为 S(k) H (k)P(k | k 1)H T (k) R(k) (4.3)
(2)齐次性 对任意的实数，X X
(3)三角不等式 对任意的向量Y Rn, X Y X Y
则称该实数 X 为向量X的范数
几种常用的向量范数，设向量 X (x1, x2 ,L , xn )T
(1)向量的1-范数
n
X 1
xi x1 x2 K xn
i 1
(2)向量的2-范数
n
X 2
（2）量测与航迹关联。 （3）航迹与航迹关联。
其中，前两种主要用于集中式融合系统，第三种 主要用于分布式融合系统。
• 量测与量测关联
在集中式多传感器信息融合系统中，来自不同 传感器的局部量测在融合处理之前，首先需要进 行量测与量测关联，确定源于同一个目标的多传 感器量测组合。
量测与量测关联主要用于：
f (d (k)) exp(g(k) / 2)