针对杂波环境下联合概率数据关联算法(joint probabilistic data association,JPDA)计算复杂度较高、实时性较差等问题,提出一种基于最大熵模糊聚类的JPDA算法。基于目标轨迹和量测之间的关联规则,采用最大熵模糊聚类算法实现量测与目...针对杂波环境下联合概率数据关联算法(joint probabilistic data association,JPDA)计算复杂度较高、实时性较差等问题,提出一种基于最大熵模糊聚类的JPDA算法。基于目标轨迹和量测之间的关联规则,采用最大熵模糊聚类算法实现量测与目标的初步数据关联,分析了公共量测对目标跟踪的影响,并引入了公共量测影响系数来修正关联概率,最后使用卡尔曼滤波算法对目标的状态估计进行预测,从而更新各个目标的状态。仿真结果表明,所提算法有效解决了在密集杂波环境中JPDA算法组合爆炸问题,极大缩短计算时间,提高了算法的实时性。展开更多
针对杂波环境下的多目标跟踪数据关联存在跟踪精度低、实时性差的问题,提出了一种基于最大熵模糊聚类的联合概率数据关联算法(joint probabilistic data association algorithm based on maximum entropy fuzzy clustering,MEFC-JPDA)...针对杂波环境下的多目标跟踪数据关联存在跟踪精度低、实时性差的问题,提出了一种基于最大熵模糊聚类的联合概率数据关联算法(joint probabilistic data association algorithm based on maximum entropy fuzzy clustering,MEFC-JPDA)。首先,采用最大熵模糊聚类求得的隶属度初步表征目标与有效量测之间的关联概率。其次,采用基于目标距离的量测修正因子对关联概率进行调整,并建立关联概率矩阵。最后,结合卡尔曼滤波算法,对目标的状态进行加权更新。仿真结果表明,所提算法在杂波环境下的跟踪性能相比现有的两种关联算法有较大提升,是一种有效的多目标跟踪数据关联算法。展开更多
文摘针对杂波环境下联合概率数据关联算法(joint probabilistic data association,JPDA)计算复杂度较高、实时性较差等问题,提出一种基于最大熵模糊聚类的JPDA算法。基于目标轨迹和量测之间的关联规则,采用最大熵模糊聚类算法实现量测与目标的初步数据关联,分析了公共量测对目标跟踪的影响,并引入了公共量测影响系数来修正关联概率,最后使用卡尔曼滤波算法对目标的状态估计进行预测,从而更新各个目标的状态。仿真结果表明,所提算法有效解决了在密集杂波环境中JPDA算法组合爆炸问题,极大缩短计算时间,提高了算法的实时性。
文摘针对杂波环境下的多目标跟踪数据关联存在跟踪精度低、实时性差的问题,提出了一种基于最大熵模糊聚类的联合概率数据关联算法(joint probabilistic data association algorithm based on maximum entropy fuzzy clustering,MEFC-JPDA)。首先,采用最大熵模糊聚类求得的隶属度初步表征目标与有效量测之间的关联概率。其次,采用基于目标距离的量测修正因子对关联概率进行调整,并建立关联概率矩阵。最后,结合卡尔曼滤波算法,对目标的状态进行加权更新。仿真结果表明,所提算法在杂波环境下的跟踪性能相比现有的两种关联算法有较大提升,是一种有效的多目标跟踪数据关联算法。
