多维分配与灰色理论提升航迹关联算法性能

本文主要探讨了在分布式多传感器系统中，现有的航迹关联算法存在的局限性，即它们往往只能处理两局部节点的航迹关联问题，无法有效地应对复杂的环境，如密集目标场景、交叉、分岔和机动航迹。为解决这一挑战，作者提出了一个创新的基于多维分配和灰色理论的航迹关联算法。 首先，算法利用灰色理论这一数据挖掘工具，对来自不同传感器的航迹数据进行深度分析，通过计算各航迹之间的灰色关联度，这是一种度量相似度的方法，考虑了数据的不确定性和模糊性。灰色关联度反映了各航迹间的动态关系，为多传感器系统的全局决策提供了有力的统计依据。 接着，将获取的灰色关联度作为构建多维灰色关联度矩阵的基础，这个矩阵代表了各传感器间航迹的复杂关联网络。通过解决由此矩阵形成多维分配问题，算法能够更有效地确定每个航迹所属的传感器，实现了全局的航迹关联。 对比实验结果显示，相比于传统的航迹关联算法，这种基于多维分配和灰色理论的方案在处理密集目标环境和复杂航迹情况时表现出了显著的优势。在仿真测试中，正确关联率得到了显著提升，约为8.8%，这意味着算法能更准确地识别和跟踪目标，减少了误关联和漏关联的情况。 因此，本文的贡献在于提供了一种新的方法论，它不仅扩展了航迹关联算法的应用范围，而且提高了其在复杂环境中的性能。这对于分布式多传感器系统，如无人机、卫星追踪等领域具有重要的实际价值。通过结合灰色理论的理论基础和多维分配的优化策略，该算法有望成为未来航迹关联领域的一个重要研究方向。