多傳感器模糊—概率交互作用的數據關聯算法
加入技術交流群
(41)
用兩個高斯概率密度代替P(DL(k)|H1)和P(DL(k)|H0)，可得到
(42)
選擇門限
(k)以滿足由下式給出的特定虛警率：
Pf=∫∞γ(k)N(a;m,σ2L(k))dα (43)
式中的N(α;m,σ2L(k))表示均值為m，方差為σL的高斯概率密度函數.門限?(k)為
?(k)=σ2L(k)erf1(1-pf) (44)
式中 erf1(u)=∫u-∞N(α;0,1)dα.當目標發生機動時，DL(k)的期望值將逐漸增大.因此，在系統規定的虛警率下，由Neyman-Pearson準則可確定出一門限.將DL(k)與該門限值比較來判定目標的運動狀況.
如果將上述的模糊-概率數據關聯算法與多模型算法相結合，將會得到更好的跟蹤性能.文獻［5］中給出了完整的多傳感器相互作用多模型-模糊，概率數據關聯算法及分析.該算法能夠實現的關鍵步驟是給出了多模型概率之間的相互轉換計算式：
(45)
其中c為歸一化系數，
,Λj(k)為似然函數.它的計算式如下
(46)
式中各參量的定義與式(36)的相同.可見，似然函數是新息的聯合概率密度函數.新息自然是模型之間轉換的主要依據.從而確定出模糊關聯度μj(k)和關聯概率βj(k)的作用期.
四、模糊關聯度μ(k)的計算
應用模糊邏輯推理系統［6］來求模糊關聯度.該模糊關聯系統包含四個基本單元：模糊化界面，模糊知識庫，模糊推理機和去模糊界面.以各回波的新息范數，即
gi(k)=VTi(k)S-1(k)Vi(k) (47)
和滑窗內新息序列
(k)的總和DL(k)，作為模糊關聯系統的輸入特征量.因為，當目標出現機動時，真實目標的新息范數gi(k)和DL(k)都將明顯增大.而雜波的新息范數沒有這種特征.系統的輸出量為模糊關聯度.由于受虛警率，滑窗長度，機動量及噪聲水平等多種因素的影響，輸入量與輸出量之間的映射關系是非線性的.經過適當的訓練，該模糊系統可得到如下形式的M條推理規則：
Rj:IF y1 is Aj1 and y2 is Aj2 Then Z is Bj，j=1,2,…,M (48)
其中Aji和Bj分別為用模糊隸屬函數μjAi(yi)和μjB(Z)表示的語義項.設A′y是輸入論域U中的任意模糊集；則式(48)的每一條規則Rj可用取大-星乘合成算子Sup-star composition確定輸出論域V中的模糊
稱重傳感器相關文章:稱重傳感器原理
評論