摘 要：采用綜合改進(jìn)了的廣義灰色關(guān)聯(lián)度;通過聚類思想從原始序列挑選各時刻測值重組形成參考時間序列，有效避免了野值對參考時間序列的干擾;通過關(guān)聯(lián)序分析，閾值比較，對原始時間序列進(jìn)一步修改，提高融合精度。實例證明該方法可以進(jìn)一步提高目標(biāo)跟蹤的精確性和可靠性。 關(guān)鍵詞：目標(biāo)跟蹤;參考時間序列;灰色關(guān)聯(lián);航跡確立 [b][align=center]The Application of Gray Association Analysis in Muti-sensor Target Tracking LU Tao-rong, ZHU Lin-hu,Wang Guo-zheng[/align][/b] Abstract: This paper introduces an synthetically improved generalized gray association degree. It uses the cluster thought to choose measured values in every moment from primitive time array to establish reference time array , which effectively evades interference of wild values. It modifies primitive time array by the analysis of association array and the comparison with critical value to raise fusion precision. The example proves that this approach is effective in target tracking. Key words: target tracking; reference time array ;gray association; track establishment 　　數(shù)據(jù)關(guān)聯(lián)是建立單一的傳感器測量與以前其他測量數(shù)據(jù)的關(guān)系，以確定它們是否有一個共同源的處理過程。它產(chǎn)生于傳感器觀測過程中的不確定性，主要是因為時間上不同步，存在不同的空間辨率，噪聲和干擾產(chǎn)生假目標(biāo)，使得關(guān)聯(lián)處理必須建立每個測量與大量的可能數(shù)據(jù)集合的關(guān)系[6]。 　　本文圍繞灰色關(guān)聯(lián)度的性質(zhì)和定義，在絕對關(guān)聯(lián)度和相對關(guān)聯(lián)度基礎(chǔ)上對原定義式加以綜合改進(jìn)。首先通過聚類思想確定合適的參考時間序列，然后在相似度和接近度上加權(quán)綜合提高關(guān)聯(lián)精度，最后進(jìn)行關(guān)聯(lián)序分析排列，比較閾值，將小于閾值的序列用參考時間序列替代，如此再融合，確立航跡，可以大大提高跟蹤精度。實例證明該方法是有效的。 1.問題模型 　　目標(biāo)狀態(tài)矢量由目標(biāo)位置、目標(biāo)速度、目標(biāo)航向以及目標(biāo)加速度等特征參數(shù)構(gòu)成。為討論問題方便，簡單起見，假設(shè)送至融合中心的航跡數(shù)據(jù)已經(jīng)過各項預(yù)處理，時間坐標(biāo)配準(zhǔn)，m個傳感器在n個時間點對單目標(biāo)的航跡測值成序列式：。我們的目標(biāo)是排除由雜波、電子干擾及其他不穩(wěn)定因素的影響造成的分歧較大的時間序列，對余下的聚集較密的序列點融合以確定航跡，這樣跟蹤精度可以大大提高。 　　詳情請點擊：灰色關(guān)聯(lián)分析在多傳感器目標(biāo)跟蹤中的應(yīng)用