● 摘要
多传感器信息融合作为一门新兴的交叉学科，在目标跟踪、工业过程监视和空中交通管制等领域有着广泛的应用。相比较单一传感器，运用多传感器信息融合技术可以增加系统的生存能力，扩展空间覆盖范围，提高目标跟踪的精度。分布式多传感器信息融合结构具有可靠性高、可用性好和造价低等优点，在此类信息融合系统中，每个传感器都有自身的信息处理系统，为了得到更加准确的目标航迹信息，需要对各个传感器的局部航迹进行航迹融合，而航迹关联作为航迹融合的前提，将直接影响到航迹融合的结果。为此，本文针对分布式多目标多传感器信息融合过程中的航迹关联算法和航迹融合算法展开研究，主要工作如下：
首先，介绍了多传感器多目标信息融合的理论基础，包括线性状态估计 和非线性状态估计、坐标转换和转换过程中产生的误差处理、量测生成模型和目标运动模型。
其次，重点研究了基于模糊数学的分布式航迹关联算法（模糊双门限航迹关联算法、基于模糊综合函数的航迹关联算法和多因素模糊综合决策算法），发现上述算法的性能在较大程度上依赖于参数值的选取，为了解决这一问题，提出了一种带有自适应门限的模糊双门限航迹关联算法，通过统计模糊因素集中元素的数值，实现门限值的自适应调整，从而改善关联结果。多组仿真实例表明所提算法的性能对参数值不敏感，具有很高的正确关联概率和较好的工程应用价值。
最后，研究了简单凸航迹融合算法和不带反馈的最优分布式航迹融合算法，并用仿真实例验证了当多个传感器数据不相关时，简单凸航迹融合算法的融合估计误差较小，且算法简单、易于工程应用，分析了传感器精度、传感器数目和系统误差对融合结果的影响。