1. 一种具有固定滑窗-OSPA距离航迹关联方法，其特征在于该方法包括以下步骤：步骤(1) 估计目标航迹；依据各个传感器的观测数据，估计获取目标的各个传感器航迹，航迹估计采用通常的目标跟踪方法；

步骤(2)构造目标航迹集合；目标在各个时刻的估计状态点，按照时间顺序获得传感器航迹集合；把每个目标航迹看作为一个元素个数可变的集合，假设总的传感器个数为 ，对应的集合为：其中表示第 个传感器，其中第 条航迹集合 定义如下: ，其中 是第 个传感器的第 条航迹从第1到 时刻的航迹状态；

步骤(3)计算多传感器航迹之间OSPA距离；传感器 获得 个目标估计航迹，从这些航迹中获取目标航迹个数和估计融合后的航迹；采用集合间最小OSPA距离来评价航迹之间的关联程度，OSPA距离越小，两个目标关联度越大，第个传感器的第 条航迹与第 个传感器的第 条目标航迹 ，其中 是第 个传感器的第 条目标航迹，两条航迹之间的OSPA距离的具体计算公式如下：其中 表示第排列方式； 分别表示第 个时刻集合 中航迹的条数，即真实目标航迹条数 和估计目标航迹条数 ， 是范数，定义如下：其中 是向量 的维数；在计算OSPA距离基础之上，采用固定滑窗方法，这样可以减少时间上的累计计算量

其中 表示采用宽度为W的固定滑窗OSPA距离， ， 是OSPA距离权重，分别表示当前滑窗的OSPA距离权重和历史OSPA距离权重，如果看重历史航迹的影响，那么，可以增大权重 （减少 ）；否则，减少历史权重 影响；

步骤(4)选择航迹关联阈值；首先选择阈值r，阈值r 设定在 范围内,其中是平均跟踪误差,c是上边的水平参数，也可通过仿真实验选择一定的阈值r，大于阈值r的航迹属于不同航迹，小于r的属于同一条航迹；

步骤(5)获得航迹距离矩阵和关系矩阵；首先获得的航迹OSPA距离矩阵 ，任意航迹集合距离用 来表示，假设传感器个数为 ,各个传感器对应的目标个数分别为，整个航迹OSPA距离矩阵用如下的分块矩阵描述：其中

其中 表示航迹传感器 的第 条航迹和传感器 的第 条航迹之间的OSPA距离；其次，获取如下航迹关系矩阵 基础上，可以进行航迹个数的统计：其中 ；

步骤(6)统计航迹个数；依据关联关系，就可以统计获得总的航迹条数：同一行所有列为1的航迹属于同一个目标，需要进行关联，对所有1-S行遍历一次，所有行具有非0元素的算为一个目标航迹，具有非零元素行不进行统计，获得航迹个数：

其中 是最终获得的目标航迹条数。