A associação pista-a-pista (track-to-track association, T2TA), com o objetivo de unificar os números das pistas e reduzir a redundância, é o pré-requisito e a base para a fusão de pistas e a percepção situacional. Atualmente, o T2TA enfrenta dois problemas principais: dados de pista e métodos de associação. Os problemas comuns incluem erros nos dados das pistas e ciclos de atualização inconsistentes, bem como resultados de associação subótimos e dependência de informações a priori e modelos de movimento presumidos nos métodos de associação. Para isso, foi proposto um algoritmo de associação multi-hipóteses para múltiplos sensores baseado em pontuação inteligente de pista (MH-T2TA). Foi projetado um módulo de registro espaço-temporal baseado em autoatenção e aprendizado contrastivo para eliminar erros e unificar a distribuição assíncrona das pistas. A combinação do algoritmo multi-hipóteses com aprendizado profundo permite estimar a pontuação de associação para um par de pistas sem depender de informações a priori e modelos de movimento presumidos, obtendo assim o melhor par associado. Sob a restrição de três funções de perda, as pistas do mesmo alvo se aproximam, as pistas de alvos diferentes se afastam, e a pontuação estimada é muito semelhante à real. Os resultados experimentais mostram que o MH-T2TA pode realizar a associação de pistas em cenários complexos e que seu desempenho supera outros métodos T2TA.

associação pista-a-pista; algoritmo multi-hipóteses; pontuação de pista; redes neurais