机构名称：
¥ 1.0
I. 引言 在现代监视系统中，目标是通过组合来自多个传感器的数据来对情况进行精确评估，从而提供各种信息。这个过程涉及信息融合的主题。信息融合的核心问题是数据关联问题，它对应于将观测结果划分为误报和轨迹，以便可以估计它们的状态。常见的监视配置由多个传感器对给定监视区域的一系列扫描描述。这些观测结果被排列成 m 组观测结果。传感器提供运动信息，例如范围、方位角和仰角。从数学上讲，该问题可以表述为多维分配问题，其中决策变量对应于基本关联，目标是最大化关联对应于目标的可能性 [1]。该问题的任何可行解都对应一个潜在的关联假设。对于 m ≥ 3 ，多维分配问题是 NP 难的。已经提出了许多启发式算法来寻找近似解，例如拉格朗日松弛 [2]、贪婪舍入自适应搜索 (GRASP) [3]、遗传算法 [4] 以及线性松弛和舍入技术 [5]。此外，在许多情况下，可以采用门控技术 [6]、[7]，这可以大大减少决策变量的数量，并可以最佳地解决问题。即使大部分文献都致力于这方面，有效解决多维分配问题并不是数据关联问题的唯一挑战。事实上，接近最优甚至最优解决方案的质量可能会因具体情况而有很大差异。在稀疏配置或高精度传感器下，模型表现良好，最佳甚至近似解决方案通常
数据关联问题的稳健方法 - lamsade
主要关键词
相关文件推荐
