蔡秀梅，王 妍，吴成茂，卞静伟

(1.西安邮电大学 自动化学院,陕西 西安 710121； 2.西安邮电大学 电子工程学院，陕西 西安 710121)

数据关联是将一个或多个传感器的观测和已经确认的事件联系在一起的过程，在目标跟踪中是指将传感器观测数据和目标轨迹进行对应的过程。数据关联结果直接决定目标跟踪的效果[1]。在实际的传感器观测中往往存在测量误差以及多目标跟踪环境的不确定性，导致不能确定目标的个数，无法判断观测数据是由真实目标产生还是由虚假目标产生。

经典的数据关联算法主要有基于决策的最近邻算法[2]，基于概率统计的多假设关联[3]、概率数据关联[4-5]和联合概率数据关联算法[6]、基于粒子滤波的数据关联算法[7-8]、基于模糊逻辑的模糊数据关联[9]和模糊聚类算法[10]等。最近邻法应用所有待识别样本到训练样本的距离并确定其分类，计算简单，但是当样本数目增多时计算复杂。概率数据关联主要针对杂波环境中的单目标跟踪问题，其算法很难满足实时性的要求。联合概率数据关联不需要目标和杂波的先验信息就能对杂波环境中的目标进行跟踪，但是，当目标和检测数目增多时，计算复杂。多假设关联适用于杂波环境下密集目标的跟踪，但是，算法过多依赖于目标和杂波的先验知识。基于粒子滤波的数据关联算法虽然关联准确率有所提高，但是，复杂度过高，且不适用于对实时性要求较高的环境中。

相对于基于决策、概率统计、粒子滤波的数据关联算法，基于模糊聚类的数据关联更加简单、有效，被广泛应用于目标跟踪中。……