一種基于模糊聚類的概率最近鄰域多目標(biāo)跟蹤方法
【專利摘要】本發(fā)明涉及一種基于模糊聚類的概率最近鄰域多目標(biāo)跟蹤方法。首先考慮最近鄰域波門內(nèi)量測(cè)來自真實(shí)目標(biāo)的可能性情況，并依據(jù)模糊聚類理論改進(jìn)有效量測(cè)與已有航跡的關(guān)聯(lián)度判別準(zhǔn)則，完善目標(biāo)狀態(tài)估計(jì)與協(xié)方差更新方程；同時(shí)，采用分布式并行處理結(jié)構(gòu)，對(duì)各子傳感器輸出的子航跡信息進(jìn)行航跡融合與狀態(tài)估計(jì)，在保證跟蹤實(shí)時(shí)性的同時(shí)，增強(qiáng)系統(tǒng)的魯棒性，提高跟蹤精度。試驗(yàn)結(jié)果表明，本發(fā)明在雜波環(huán)境下雷達(dá)/紅外多傳感器融合的多目標(biāo)跟蹤系統(tǒng)中，與最近鄰域標(biāo)準(zhǔn)濾波器方法相比，跟蹤效果較好，適用于雜波環(huán)境下的多機(jī)動(dòng)目標(biāo)跟蹤。
【專利說明】一種基于模糊聚類的概率最近鄰域多目標(biāo)跟蹤方法
【技術(shù)領(lǐng)域】
[0001]本發(fā)明屬于多傳感器多目標(biāo)跟蹤領(lǐng)域，具體涉及一種基于模糊聚類的概率最近鄰域多目標(biāo)跟蹤方法。
【背景技術(shù)】
[0002]多傳感器多目標(biāo)跟蹤問題的核心部分是數(shù)據(jù)關(guān)聯(lián)和狀態(tài)估計(jì)。對(duì)于三維雷達(dá)與紅外組成的典型多傳感器多目標(biāo)跟蹤系統(tǒng)，由于傳感器觀測(cè)過程和目標(biāo)跟蹤環(huán)境存在很多不確定干擾因素，數(shù)據(jù)關(guān)聯(lián)與目標(biāo)狀態(tài)估計(jì)問題復(fù)雜困難，特別是當(dāng)目標(biāo)機(jī)動(dòng)運(yùn)動(dòng)或距離較近時(shí)，易導(dǎo)致多傳感器多目標(biāo)數(shù)據(jù)關(guān)聯(lián)出現(xiàn)模糊情況，進(jìn)而影響跟蹤性能。因此，研究雜波環(huán)境下的多目標(biāo)跟蹤技術(shù)具有重要應(yīng)用價(jià)值。
[0003]現(xiàn)有的用于數(shù)據(jù)關(guān)聯(lián)的算法通常可以分為兩大類，一類是基于統(tǒng)計(jì)的方法，包括最近鄰域法、聯(lián)合概率數(shù)據(jù)關(guān)聯(lián)法、加權(quán)法和經(jīng)典分配法等；另一類是基于人工智能理論的方法。傳統(tǒng)的數(shù)據(jù)關(guān)聯(lián)算法大多在關(guān)聯(lián)出現(xiàn)模糊時(shí)可靠性下降，容易導(dǎo)致目標(biāo)跟蹤精度大幅度降低；而且當(dāng)目標(biāo)數(shù)目增加時(shí)，傳統(tǒng)的數(shù)據(jù)關(guān)聯(lián)算法的計(jì)算量驟增，限制了其應(yīng)用范圍。近年來，將人工智能與模式識(shí)別理論運(yùn)用于數(shù)據(jù)關(guān)聯(lián)領(lǐng)域的研究取得很大進(jìn)展，其中，基于模糊C均值聚類(Fuzzy c-means, FCM)理論的關(guān)聯(lián)算法通過使目標(biāo)函數(shù)最小化把量測(cè)數(shù)據(jù)分別劃分到以目標(biāo)預(yù)測(cè)位置為中心的類中，對(duì)每一個(gè)預(yù)測(cè)位置分配相關(guān)聯(lián)的目標(biāo)點(diǎn)跡來實(shí)現(xiàn)關(guān)聯(lián)，可有效提高目標(biāo)跟蹤精度。
[0004]在經(jīng)典多目標(biāo)數(shù)據(jù)關(guān)聯(lián)及濾波算法中，最近鄰域標(biāo)準(zhǔn)濾波器(Nearest NeighborDomain Standard Filter, NNSF)由于計(jì)算簡(jiǎn)便而得到了廣泛應(yīng)用,但是它只適用于稀疏回波環(huán)境下的非機(jī)動(dòng)目標(biāo)跟蹤，與人工智能理論相結(jié)合而衍生的改進(jìn)算法具有廣泛的應(yīng)用前量。

【發(fā)明內(nèi)容】

[0005]要解決的技術(shù)問題
[0006]為了避免現(xiàn)有技術(shù)的不足之處，本發(fā)明提出一種基于模糊聚類的概率最近鄰域多目標(biāo)跟蹤方法。
[0007]技術(shù)方案
[0008]一種基于模糊聚類的概率最近鄰域多目標(biāo)跟蹤方法，其特征在于步驟如下:
[0009]步驟1:根據(jù)k-Ι時(shí)刻目標(biāo)t的狀態(tài)估計(jì)《(λ-1)及其協(xié)方差陣Pt (k-Ι)，得到k時(shí)
亥帽標(biāo)t的狀態(tài)預(yù)測(cè)值，〒(々/&-])=(n-y (々-1)，及協(xié)方差一步預(yù)測(cè)
值 Pt (k/k-1)，Pt (k/k-1) = Ft (k/k-1) Pt (k-1) Ft (k/k-1) T+Qt (k_l)，完成時(shí)間更新，其中，t 為某一目標(biāo)，t= 1,2,..., gamma，gamma為目標(biāo)跟蹤系統(tǒng)觀測(cè)區(qū)域中的gamma個(gè)目標(biāo)；Ft(k/k-l)為目標(biāo)t的狀態(tài)轉(zhuǎn)移矩陣，Qt(k-Ι)為系統(tǒng)本身過程噪聲序列的方差陣；
[0010]步驟2:采用馬氏距離加權(quán)的隸屬度計(jì)算公式，計(jì)算有效量測(cè)與目標(biāo)t之間的最大關(guān)聯(lián)概率Ut j:
[0011]
【權(quán)利要求】
1.一種基于模糊聚類的概率最近鄰域多目標(biāo)跟蹤方法，其特征在于步驟如下: 步驟1:根據(jù)k-1時(shí)刻目標(biāo)t的狀態(tài)估計(jì)x(k -1)及其協(xié)方差陣Pt (k-1)，得到k時(shí)刻目標(biāo)t的狀態(tài)預(yù)測(cè)機(jī)
【文檔編號(hào)】G06T7/20GK103729859SQ201310751067
【公開日】2014年4月16日 申請(qǐng)日期:2013年12月30日 優(yōu)先權(quán)日:2013年12月30日
【發(fā)明者】郭雷, 胡秀華, 李暉暉 申請(qǐng)人:西北工業(yè)大學(xué)