由于单传感器航迹生成过程中一般会把不能形成航迹的点迹信息丢弃，对多部传感器获取的点迹信息进行融合处理，可以利用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，对点迹信息相互验证，提高了融合输出航迹的精确性、时效性和数据率，而点迹数据蕴含丰富原始信息的同时，也给数据关联带来极大的多义性和不确定性。本章将多假设思想引入到点迹融合处理中，将点迹起始和点迹关联问题转化为假设树的构建和管理问题，主要内容如下：

（1）充分利用目标的特征信息，包括位置以及属性信息进行匹配，实现粗相关，得到起始航迹。多假设算法在航迹起始的预测与滤波阶段，会因为滤波器适应性不强导致算法性能下降，将交互式多模型滤波器应用于多假设航迹起始算法中，采用匀速和当前统计模型作为交互式多模型滤波器的模型集，对模型集中的当前统计模型做了加速度自适应调整。

（2）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，建立基于多假设树的全局优化关联模型。

（3）根据点迹、融合航迹之间的全局最近邻相似度建立关联矩阵后，将点迹融合航迹关联问题转化为分配问题，运用匈牙利解法求取该问题的最优解，从而生成最佳关联假设，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。

基于多假设树的点迹融合方法充分考虑了历史关联信息，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。而且假设树的构建与管理、对关联质量的评价等环节对计算量要求较小，易于工程实现，该算法已嵌入到“多平台点迹融合系统”软件中，多个融合剧情的测试结果验证了算法的有效性。 VG5sRRAWsK3jAmjMS7kSNjZURBzIZmdlR3WUoHJv+T4NIRmB0G8zE1swxVtD35g+