邓 露，崔世麒

（1.92074部队，浙江宁波315000；2.海军航空大学，山东烟台264001）

多目标跟踪过程中，数据互联是将量测与目标航迹正确配对，以便后续滤波过程中能利用正确量测更新对应目标的估计值，避免因量测的错误互联导致目标状态估计精度下降。经典的多目标数据互联方法包括最近邻域算法、概率最近邻域算法、概率数据互联算法、联合概率数据互联算法、综合概率数据互联算法、多假设跟踪算法、最优贝叶斯算法等。其中，最近邻域算法和概率最近邻域算法的计算过程相对简单，计算量小，其他算法的计算过程相对复杂，计算耗时很大。但是前2种方法的跟踪精度相对其他算法有所下降，尤其是在高杂波密度和密集目标情况下，算法性能的区别比较明显[1-2]。

Kuo Chu C 等[3]将集中式结构下的JPDA 方法扩展到了分布式无线传感器网络（Wireless Sensor Network，WSN）中，并实现了多目标跟踪。以SCKF[4]的信息形式为基础，文献[5]提出了一种平方根容积信息一致性滤波器，通过JPDA 和信息量的适当加权降低虚假量测对跟踪的影响。文献[6]针对JPDA不能直接用于多传感器对多目标的跟踪，以极大似然估计完成了对来自多传感器的测量集合进行同源最优分划。文献[7]针对单传感器跟踪系统的缺陷，解决了多传感器多目标跟踪的数据关联问题。文献[8]将PF应用到传感器网络中，使得跟踪系统能解决非线性非高斯模型下的问题，并采用JPDA 的Monte Carlo实现完成数据互联。文献[9]将自适应分配算法和动态权值分配算法结合，以解决融合航迹误差低和不稳定性问题。……