多尺度小波与短时分形理论在航迹关联中的应用

"基于多尺度小波变换和短时分形理论的航迹关联方法" 本文主要探讨了在多传感器监视系统中的航迹关联问题，这是一种关键的数据融合技术，旨在识别不同传感器观测数据中哪些属于同一目标的轨迹。作者徐毓和金以慧提出了一种创新的解决方案，该方案结合了多尺度小波变换和短时分形理论，以实现目标航迹的自动关联。 多尺度小波变换是一种数学工具，它能够对信号进行多分辨率分析，将信号分解为不同频率成分，从而在不同的尺度上提取信息。在航迹关联的应用中，这一方法用于对航迹数据序列进行层次化分析，动态地提取航迹特征。低频部分通常代表了航迹的大致趋势或轮廓，而高频部分则揭示了航迹的细节变化。通过这种方式，可以更精确地描述目标的运动特性。 短时分形理论则用来评估两个传感器数据序列之间的相似性。分形理论研究的是对象或过程在不同尺度上的自相似性，而短时分形则关注在局部或短时间内这种相似性的检测。在航迹关联中，它可以帮助确定两个航迹在某一时间段内的行为是否足够接近，从而判断它们是否可能源自同一个目标。 通过将这两种方法结合起来，文章建立了一套关联准则。这套准则考虑了航迹的整体趋势和局部变化，能够有效地识别出由同一目标产生的不同传感器数据。仿真实验的结果证实了这种方法的有效性和可行性，表明它能够在实际操作中成功地解决多传感器系统的航迹关联问题。 总结起来，这篇文章的核心在于提出了一种结合多尺度小波变换和短时分形理论的航迹关联算法，该算法能够动态提取特征、识别相似性，并设置关联标准，从而提高多传感器数据融合的准确性。这对于现代复杂环境下的目标跟踪和监视系统具有重要的理论与应用价值。