点迹是经检测处理后形成航迹之前的检测信息，对多部传感器获取的点迹信息进行融合处理，可以避免单传感器航迹生成过程中把不能形成航迹的点迹信息丢弃的弊端。由于多部传感器不同空间的交迭性、不同频率的互补性、探测信息的冗余性，点迹信息能够互相验证，提高融合输出航迹的精确性、时效性和数据率。但是由于点迹信息缺少速度、航向等先验信息，传统的数据关联方法为点迹融合结果带来极大的不确定性，多假设算法将航迹起始（点迹与点迹互联）和航迹维持（点迹与航迹互联）统一在一个框架上处理，具有航迹起始、航迹关联、航迹合并、航迹撤销一整套功能的关联算法，是目前适用于点迹融合的最优方法。

本章将多假设思想引入航迹起始和点迹融合航迹关联中，将多平台多目标点迹融合问题转化为假设树的构建和管理问题，设计基于关联假设的点迹关联假设树，按照一定的准则赋予每个假设关联权重，将相关的历史假设用树的结构管理起来，用关联成功次数和关联近似度对假设树中各个假设的关联质量进行评价，建立基于假设树的全局优化关联模型，然后利用树的深度和广度搜索方法进行求解，最终选择关联质量最大的一组关联假设作为最优解，给出全局优化的关联判断假设结论。算法考虑了历史关联信息，充分利用点迹的各种特征信息和融合航迹历史累积信息来提高关联的正确性和实时性，避免了漏、错关联的产生，并且假设树的构建与管理、关联质量的评价对计算量要求较小。

算法分为航迹起始和点迹融合航迹关联两部分。前部分充分利用目标的特征信息，包括位置与属性信息进行匹配，实现粗相关，改进交互多模型滤波器，得到起始航迹；后部分采用全局最近邻关联算法建立关联矩阵，利用匈牙利算法得到关联矩阵的最优分配。两级关联成功后，根据关联假设的对应关系构建关联假设树，以关联成功的次数和关联近似度对假设树进行管理，经过一段时间历史假设的累积，在假设树中选择关联质量最大的一组假设作为关联解。 MM8yDkDDe1O7Eh2qTuVmO62d7Y9ynOFJtgh3G2rEbWeDjoZ5oESFOo67IUy0duBe