周新宇， 杨风暴， 吉琳娜

0 引言

地面目标关联是地面目标融合的一个核心，也是最困难的一个部分。关联是为传感器当前观测在已有的目标之间进行分配：①已知目标延续点；②新目标；③虚警。目前的关联方法多是基于空中目标的，少有针对地面目标的。地面目标具有独特的运动特点[1]，地面目标密度大，不易于区分目标；地面目标机动性强，很难利用单一模型准确地描述目标运动；目标行驶到道路交叉口时，不易判断目标是否发生转弯机动；地面目标易被遮拦很难获得连续观测。上述特点均为关联带来困难，地面目标特殊的运动特性和复杂的环境背景，使得关联问题并未得到很好的解决。

地面目标密度较大、目标相关波门交叉较多，最近邻数据关联（NNDA，Joint Probability Data Association）抗干扰能力差、易产生关联错误[2]，概率数据关联（PDA，Probability Data Association）也仅适用于稀疏环境下的目标关联；而Bayes方法需知道先验概率，地面环境复杂性决定了分布类型与先验概率较难得到。联合概率数据关联（JPDA，Nearest Neighbor Data Association）在杂波环境中，虽然关联效果较好，但处理密集目标时，关联计算量随目标个数增加呈指数型增长，实时性较差[3-4]。因此，使用传统方法对地面目标进行关联，不能取得很好的效果。

灰色关联法根据序列曲线几何形状的相似程度来判断因素间的关联程度[5-6]，不需要任何先验假设。传统的灰色关联法只把状态信息作为指标进行关联判断，事实上，传感器不只获得状态信息，还可获得有关属性特征的目标信息，忽略了属性信息导致关联信息量不足，关联错误率较高；……