智能车辆系统发展及其关键技术概述

介绍智能车辆系统的研究内容，研究与应用现状，智能车辆的使用可以改善道路安全状况，提高道路的利用率，智能车辆的行驶环境是很复杂的，为了得到一个可靠的决策，必须利用道路信息，其他车辆和目标的位置和动态信息和司机的状态信息等多源信息，智能车辆研究涉及的关键技术主要包括传感器技术，机器视角，GPS技术，通讯技术和数据融合技术等，尤其是数据融合技术中的多目标跟踪与匹配以及基于卡尔曼滤波器的状态估计技术等。     

汽车雷达多目标跟踪的模糊数据关联

介绍了一种量测(新测目标)到目标(已知目标)之间的模糊数据关联方法，将模糊聚类均值方法和决策逻辑方法相结合，利用Mahalanobis距离代替聚类运算中的欧氏距离，使量测与目标预测值之间的相似性度量更准确，应用决策逻辑确定量测与目标预测值的关联关系。仿真表明这种方法简单，在杂波环境下，有较高的跟踪精度，这种方法可以用于道路条件下，基于汽车雷达的多目标的可靠跟踪。     

一种基于模糊量相似度测量的模糊数据关联方法

介绍了一种用于汽车雷达多目标跟踪的模糊数据关联方法，这种基于模糊量相似度测量的方法简单，便于实现，首先将传感器的量测值与目标的估计值模糊化，然后计算两个模糊量之间的相似度，得到相似度矩阵，最后根据相似度的大小确定量测与目标之间的关系，蒙特卡洛仿真验证了这种方法的有效性。     

一种道路条件下车辆跟踪的多目标数据关联方法

数据关联是多目标跟踪的一个重要组成部分，文中介绍了一种基于模糊均值聚类的数据关联方法，利用FCM方法确定权值，同时保持JPDAF方法的基本结构，将模糊方法与概率方法有效地结合．数字仿真表明这种方法有效、简单，可以适用于如基于汽车雷达的多目标跟踪等．