申请/专利权人:西安电子科技大学
申请日:2020-08-10
公开(公告)日:2020-12-22
公开(公告)号:CN112114309A
主分类号:G01S13/72(20060101)
分类号:G01S13/72(20060101);G06K9/62(20060101)
优先权:
专利状态码:有效-授权
法律状态:2023.04.07#授权;2021.01.08#实质审查的生效;2020.12.22#公开
摘要:本发明公开了一种基于最优轮廓系数自适应K均值聚类的JPDA多目标跟踪方法,包括:建立多个目标的状态转移模型,并根据状态转移模型预测当前时刻的目标状态矢量;建立雷达观测的非线性量测转移模型,并根据非线性量测转移模型和当前时刻的目标状态矢量计算当前时刻的预测量测矢量,得到预测量测集;对预测量测集进行基于最优轮廓系数自适应K均值聚类,得到组合聚类组;根据雷达获取的有噪量测数据和组合聚类组中的每个预测量测矢量得到对应的若干子聚矩阵;采用JPDA算法对每个子聚矩阵中的预测量测矢量进行更新,以实现多目标跟踪。本发明提供的方法有效解决了聚类效果具有随机性、不可复现性、聚类个数需要人工指定以及目标状态更新缓慢等问题。
主权项:1.一种基于最优轮廓系数自适应K均值聚类的JPDA多目标跟踪方法,其特征在于,包括:步骤1:建立多个目标的状态转移模型,并根据所述状态转移模型预测当前时刻的目标状态矢量;步骤2:建立雷达观测的非线性量测转移模型,并根据所述非线性量测转移模型和所述当前时刻的目标状态矢量计算当前时刻的预测量测矢量,得到预测量测集;步骤3:对所述预测量测集进行基于最优轮廓系数自适应K均值聚类,得到组合聚类组;其中,所述组合聚类组中含有目标最多的聚类中的目标个数小于等于预设阈值;步骤4:根据雷达获取的有噪量测数据和所述组合聚类组中的每个预测量测矢量得到对应的若干子聚矩阵;步骤5:采用联合概率数据互联算法对每个所述子聚矩阵中的预测量测矢量进行更新,以实现多目标跟踪。
全文数据:
权利要求:
百度查询: 西安电子科技大学 基于最优轮廓系数自适应K均值聚类的JPDA多目标跟踪方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。