多传感器航迹融合算法：不同维度状态融合

"这篇论文探讨了在多传感器环境下的航迹融合问题，特别是针对不同维状态的传感器数据融合。作者徐毓和李锋提出了一种新的融合算法，旨在解决不同传感器采用不同目标模型观测同一目标时的状态融合问题。他们通过建立状态之间的映射关系，实现了不同跟踪模型下目标估计状态的融合。仿真试验验证了该算法的有效性，证明了其在多传感器航迹融合中的应用潜力。" 在多传感器系统中，每个传感器根据自身的测量数据独立地生成目标的航迹。由于传感器类型、性能和观测条件的差异，这些传感器可能会使用不同的运动模型来描述目标的运动状态，从而导致传感器航迹的状态维度不一致。在这种情况下，如何在融合中心有效地合并这些信息是一个关键挑战。 徐毓和李锋的研究工作提出了一种非等维状态融合算法，其核心在于构建不同传感器状态空间之间的映射关系。这种映射允许将不同维度的状态转换到一个共同的框架下进行融合处理，从而确保了来自不同传感器的信息能够被正确地结合。通过这种方法，即使传感器的跟踪模型不一致，也能实现对同一目标航迹的准确估计。 论文中的仿真试验部分展示了该算法的实际效果。通过模拟多传感器环境下的目标跟踪场景，实验结果证实了所提出的融合算法能够在多种复杂条件下有效融合传感器的航迹信息，提高了目标识别的准确性和系统的整体性能。这为多传感器系统的设计和优化提供了重要的理论支持和实践参考。 关键词中的“航迹融合”指的是将来自不同源的航迹信息整合成单一、更精确的估计过程；“多传感器”强调了系统中存在多个数据采集设备；“运动模型”是指用于描述目标动态行为的数学模型，它是传感器处理测量数据的基础。这些关键词揭示了研究的核心内容，即在多传感器环境中，如何处理和融合不同运动模型下的航迹数据，以提升目标跟踪的效能。