1.一种多传感器融合的智能运动目标跟踪技术，其特征在于，包括：

S1、在运动场景部署两个毫米波传感器传感器追踪同一个运动目标，每个传感器周期性地将感知的位置轨迹数据和对应的时间戳信息发送给融合中心。为方便表示，用n1为来自传感器1的轨迹，包含目标位置估计的序列，n2代表来自传感器2的轨迹。每台毫米波传感器传感器生成的轨迹可能时间上有重叠，也可能不重叠，不同传感器生成的轨迹长度不一定相同。

S2、对不同毫米波传感器感知的位置轨迹信息进行时间对齐，使得轨迹n1的每个位置估计都与轨迹n2的位置估计关联，最小化两个采集时刻之间的时间差。

S3、通过考虑轨迹长度、时间对齐和叠加质量等因素，计算轨迹对的关联成本，并利用匈牙利算法选择成本最低的轨迹对，形成关联轨迹集合。根据设定的成本阈值，将关联成本低于阈值的轨迹对作为同一运动目标的轨迹对选入最终的关联集合中。

S4、通过对传感器1和传感器2的感知位置轨迹对进行堆叠和关联成本计算，选择具有最低关联成本的轨迹对，并将其用于求解多传感器融合的自校准参数，包括旋转矩阵和平移向量。

S5、在融合中心的时间槽操作中，筛选出未接收到的最新轨迹集合，并利用扩展的平移向量和旋转矩阵，在每个时间槽内对感知位置轨迹进行传播操作，将其更新到当前的融合中心时间点，然后利用卡尔曼滤波器预测方程对所有轨迹进行预测，得到当前时步的预测状态矩阵和协方差矩阵。

S6、对融合中心维护的所有位置轨迹与来自毫米波传感器的位置轨迹进行关联映射，验证先前的关联关系是否仍然有效，找出最小总代价的新关联关系，以更新融合中心位置轨迹与传感器位置轨迹之间的对应关系。

S7、计算传感器轨迹的状态估计和协方差矩阵，根据状态矩阵与协方差矩阵计算加权组合实现两个传感器感知位置轨迹的融合生成新的中心轨迹，同时通过与中心轨迹的时间戳比较判断采用初始化规则或更新规则进行融合，并根据关联性判断是否进行融合，实现多传感器融合的智能运动目标跟踪。

2.根据权利要求1所述的一种多传感器融合的智能运动目标跟踪技术，其特征在于，步骤S2包括：S202、以毫米波传感器1的轨迹n1的每个位置估计为参照，找到轨迹n2中与之时间差最小的位置估计。如果在Tc秒内(融合的时间步长)没有找到对应的元素，则丢弃该位置估计。

S204、通过步骤S202减少两个轨迹n1和n2到K个时间对齐的位置序列，分别用k1和k2表示传感器1和传感器2时间对齐后的位置索引序列，它们具有相同的长度。

S206、在步骤S204中，通过将轨迹n1和n2进行时间对齐，得到了长度为K的时间对齐位置索引序列k1和k2， 表示轨迹n1中第k个时间对齐位置的时间偏差，表示该位置的时间戳与轨迹n1中其他位置的时间戳之间的差值。同样地， 表示轨迹n2中第k个时间对齐位置的时间偏差，表示该位置的时间戳与轨迹n2中其他位置的时间戳之间的差值。计算利用对齐后两个传感器位置序列的时间偏差平均值 用于评估两个轨迹的对齐质量，具体计算如下：

3.根据权利要求1所述的一种多传感器融合的智能运动目标跟踪技术，其特征在于，步骤S3包括：S302、考虑了轨迹长度、轨迹的时间对齐以及不同传感器上轨迹叠加的质量三个因素，针对每对轨迹n1,ns计算关联成本，具体计算如下：其中，ξ(n1,ns)是经过时间对齐和刚体变换后的最小二乘残差之和，而 是一个平衡因子，偏好具有较长重叠和较低平均时间偏移的轨迹对。

S304、将计算得到的成本值组成一个N1×N2的成本矩阵，其中N1表示毫米波传感器1上收集的感知位置轨迹数，而N2表示毫米波传感器2上收集的感知位置轨迹数。利用匈牙利算法，通过最小化总体成本，获得轨迹的最优关联，得到Nt(表示N1,Ns中的较小值)对关联轨迹，蕴含两个毫米波传感器跟踪的相同运动目标。

S306、由于存在虚假轨迹、幽灵目标和杂波，设定成本阈值T1，对于步骤S302计算关联成本低于该成本阈值的轨迹对，将其视为由同一个运动目标跟踪产生的轨迹对，并将其选入最终的关联集合 中，其中 表示来自毫米波传感器j的第i个选定轨迹。

4.根据权利要求1所述的一种多传感器融合的智能运动目标跟踪技术，其特征在于，步骤S4包括：

1,2 1,2 1,2

S402、用P 表示步骤S306中S 的所有可能非空子集的集合。P 的每个元素是来自传

1,2

感器1和传感器2的感知位置轨迹对的集合。对于P 的每个元素，将传感器1中的所有轨迹堆叠为向量q1，将传感器2中的所有轨迹堆叠为向量q2，并对应的时间戳序列执行相同的操作。然后，根据步骤S302计算关联成本A(q1,q2)，并将所有关联成本存储在一个维度为的矩阵中。

1,2

S404、从P 中选择最低关联成本的元素，该最小代价元素中包含的 个轨迹对将用于后续计算多传感器融合的自校准参数。

S406、将步骤S404选择的 个轨迹对被堆叠在一起，表示为 建立刚

性变换问题并求解，获得用于校准传感器1和2的最终旋转矩阵 和平移向量

5.根据权利要求1所述的一种多传感器融合的智能运动目标跟踪技术，其特征在于，步骤S5包括：S502、融合中心维护一个中央时间变量，表示为 其中τ0是融合中心开始运行的时间。为应对毫米波传感器采集、处理和通信时间的随机变化，融合中心按照时间槽的方式进行操作，每个时间槽的持续时间设置为Tc。利用接收到的轨迹中的时间戳信息，在时间m，融合中心筛选出在区间 内未接收到的所有轨迹集合，并仅保留每个传感器的最新轨迹集合。其中， 表示上一个中心时间步长的结束时间。

S504、对步骤S406得到的平移向量 进行扩展得到 以及对旋转矩阵

进行扩展得到 其中M表示构建的块对角矩阵。基于 和 在融合中

心的每个时间槽内，计算每个毫米波传感器根据所选择的感知位置轨迹的状态矩阵和协方差矩阵。然后，根据传感器的状态矩阵和协方差矩阵，将传感器轨迹进行传播操作，目的是将感知位置轨迹从其传感器的时间更新到当前的融合中心的时间点，以便与其他传感器的感知位置轨迹进行融合。

S506、基于每个毫米波传感器的运动模型，融合中心利用卡尔曼滤波器预测方程对其维护的所有感知位置轨迹进行预测，根据卡尔曼滤波器预测方程，通过对上一时步的状态和协方差进行状态演化矩阵的变换，得到当前时步的预测状态矩阵和协方差矩阵。

6.根据权利要求1所述的一种多传感器融合的智能运动目标跟踪技术，其特征在于，步骤S6包括：S602、对于每对毫米波传感器感知位置轨迹与融合中心位置轨迹，检查之前的关联是否仍然有效。对于每对传感器感知位置轨迹与融合中心轨迹，计算马氏距离判断步骤S4的关联是否仍然有效。若传感器感知位置轨迹与融合中心轨迹的嘛事距离小于预设定的阈值T2，则保存该对轨迹的关联关系。

S604、对于不同传感器的任意两个感知位置轨迹i和j，利用步骤S302计算出关联成本，使用匈牙利算法找到具有最小总代价的关联映射关系，若最小总代价关联成本小于阈值T1，则继续保存该对轨迹的关联关系。

7.根据权利要求1所述的一种多传感器融合的智能运动目标跟踪技术，其特征在于，步骤S7包括：S702、对于两个传感器的感知位置轨迹融合，对于每个传感器s，计算传感器轨迹n的状态估计矩阵和协方差矩阵，对于两个可以关联的传感器轨迹，根据它们的状态估计和协方差矩阵，使用加权组合将它们融合成一个新的中心轨迹，融合时状态的加权组合使用估计误差的精度矩阵。

S704、对于每个融合中心轨迹，找到与之对应的传感器轨迹，根据传感器轨迹和中心轨迹的时间戳，判断是否需要进行融合。如果传感器轨迹的时间戳比预设阈值更早，则使用与步骤S702相同的融合规则进行初始化；否则，将融合中心轨迹更新为与对应传感器轨迹融合后的结果。

S706、接收来自传感器传感器的选定轨迹，根据步骤S604判断它们是否可以进行关联。

如果存在可以关联的轨迹，使用步骤S702融合步骤将它们融合成一个新的中心轨迹。根据所接收的传感器轨迹和已存在的中心轨迹，根据步骤S602找到对应的关联轨迹对，利用步骤S702实现感知位置轨迹融合，若传感器轨迹的时间戳比预设时间阈值要早，使用与步骤S704的跟踪相同的融合规则进行融合。