《跟踪和传感器数据融合》：
1.3.4融合性能度量
在传感器数据融合中，潜在的“真实”态势通常是未知的。仅在一些昂贵且耗时的实验中，能够监控某个动态演化态势的某些方面，有时其精度也是有疑问的。由于这个原因，实验对于展示“概念验证”是非常有价值的，例如，对理解底层物理现象和运行问题。尽管如此，它们在性能评估和预测方面的用途有限。这便凸显了全面蒙特卡罗模拟在数据融合系统性能评估中的作用。
根据前面的讨论，传感器数据融合系统试图在传感器视场中的目标和态势图中已识别的目标航迹之间建立一一对应关系。严格上说，这只有在传感器性能和潜在目标场景都理想的条件下才有可能实现。对于给定的跟踪和融合系统，通过与上述理想日标对比，用所得的特征缺陷来衡量该系统的性能，这看起来是合理的。一般情况下，可以区分为两类缺陷：一类是由于输入数据不匹配导致的；另一类则是由于采用了非最优处理和不相符的应用约束条件所致。
如何选择性能度量或前面所讨沦的“缺陷度量”，与融合系统设计的实际情况相关，这里需要强调以下几方面。
（1）通常从传感器数据中提取出一条航迹时，会包括一段时间延迟。因此，可将对应的性能度量称为“提取延迟”，它描述了从传感器第一次检测到该目标到形成对应确认航迹之间的时间间隔。
（2）虚假航迹，也就是并不存在的或冗余的航迹，在高密度虚警或冗余数据（如杂波、干扰／欺骗）情形下是不可避免的。对应的“缺陷度量”是单位时间的平均虚假航迹数和虚假航迹的平均生存时间。
（3）同一个目标应当用同一条航迹来表示，直到该目标离开（相应传感器的）视场。相关的性能度量是正确航迹的平均生存时间、“身份切换”概率，以及一个目标不是由一条航迹表示的概率。
（4）航迹误差（如可由状态估计的误差协方差矩阵给出）应该尽可能小。进一步，目标特征估计值与实际值之间的偏差应当与生成的误差协方差矩阵相符（一致性），否则通常会发生“航迹丢失”。
在一个给定的应用中，通常没有一个简单的方法能在各种相互竞争的性能度量和用户需求之间获得一个合理的折中。对一项指标的优化，很可能导致其他性能指标的恶化，最终损害整个系统的性能。在具有更多挑战性条件的情况下，这一点尤其正确。
……
展开
