小波模糊关联算法：提升航迹关联正确率

"基于小波变换的模糊航迹关联算法 (2010年)，由张斌、陈祖元、汤子跃和曾剑新撰写，发表于某科技期刊，介绍了如何通过小波变换改进传统的模糊关联算法以提高航迹关联的正确率。" 在分布式多传感器信息融合系统中，航迹关联是一项核心技术，用于识别多个传感器跟踪的轨迹是否源自同一目标。传统的统计方法和模糊数学方法在面对目标密集、轨迹复杂或传感器存在误差的情况时，可能会导致错误关联。模糊关联算法虽然具有一定的适应性，但由于参数设置复杂，可能导致正确关联率较低。 该论文提出了一种新的航迹关联策略，它结合了小波变换和模糊均值聚类法。首先，通过小波分析对目标的航迹数据序列进行处理，小波变换能够提取出数据的频率成分，既能保留信号的低频趋势信息，又可以分析高频成分，揭示目标的动态变化和机动特性。不同于早期的研究只关注低频部分，该算法全面考虑了高低频信息，避免丢失关键的运动特性信息。 接着，使用模糊均值聚类法来建立隶属度函数，这种方法不需要依赖状态估计误差协方差数据，简化了参数设置。通过计算综合相似度和设定阈值判决准则，对提取的新航迹特征进行分类关联，从而提高了关联的准确性。仿真实验显示，与传统模糊算法相比，该算法的正确关联率提高了约0.30，显示出显著的性能提升。 该算法的创新之处在于它在保持灵活性的同时，有效地处理了目标的机动行为，提升了在复杂环境下的航迹关联效率。对于多传感器信息融合领域，这一改进对于提高整体系统的跟踪性能和目标识别能力具有重要意义，为未来的研究提供了新的思路。