改进并行集中式数据关联算法

针对目标批次过多导致计算上的组合爆炸问题，提出一种改进并行集中式多传感器不敏近似联合概率数据关联（jointprobabilisticdataassociation，JPDA）算法。该算法首先采用基于unscented变换的卡尔曼滤波（unscentedKalmanfilter，UKF）实现非线性系统中状态估计的递推,然后通过改进的并行集中式方法将数据传至中心，利用改进的JPDA方法进行量测点迹与目标航迹关联。仿真实验表明，该算法在非线性复杂环境中具有较好的数据关联正确率，且计算耗时较集中式串行不敏JPDA算法少。