检索结果-南通市图书馆

基于二级CFSFDP的扩展目标量测集划分算法

在线全文

学校读者我要写书评

暂无评论

计算机工程 2018年第5期44卷 309-315页

作者：迟珞珈冯新喜蒲磊曹倬空军工程大学信息与导航学院西安710077

在扩展目标高斯混合概率假设密度滤波中,量测集的划分需要进行大量计算,导致运行效率较低。针对该问题,提出一种新的扩展目标量测集划分算法。采用局部异常因子对杂波进行滤除,将层次聚类与采用密度极点的算法相结合对量测集进行划分。... 详细信息

在扩展目标高斯混合概率假设密度滤波中,量测集的划分需要进行大量计算,导致运行效率较低。针对该问题,提出一种新的扩展目标量测集划分算法。采用局部异常因子对杂波进行滤除,将层次聚类与采用密度极点的算法相结合对量测集进行划分。实验结果表明,与距离划分、K-means++划分、DBSCAN划分算法相比,在扩展目标处于交叉和近邻2种情况时,该算法对目标的外形不敏感,在保证扩展目标跟踪性能的同时,减少了计算时间。

关键词：扩展目标局部异常因子强度函数高斯混合概率密度量测集划分

在线全文

学校读者我要写书评

暂无评论

基于目标预测的扩展目标量测集划分算法

计算机工程与应用 2020年第8期56卷 143-148页

作者：王文慧李鹏胡韵迪江苏理工学院艺术设计学院江苏常州213001 江苏理工学院计算机工程学院江苏常州213001

扩展目标高斯混合概率假设密度(Extended Target Gaussian Mixture Probability Hypothesis Density,ET-GMPHD)跟踪算法是扩展目标跟踪领域内最为重要的跟踪算法之一。然而当多个目标邻近时,该算法的状态估计精度降低,这是由于距离-Kmea... 详细信息

扩展目标高斯混合概率假设密度(Extended Target Gaussian Mixture Probability Hypothesis Density,ET-GMPHD)跟踪算法是扩展目标跟踪领域内最为重要的跟踪算法之一。然而当多个目标邻近时,该算法的状态估计精度降低,这是由于距离-Kmeans++(Distance Partitioning-Kmeans++,DP-Kmeans++)量测集划分算法无法输出正确的结果所导致。为解决该问题,提出了改进的DP-Kmeans++量测集划分算法,利用目标预测信息来分割量测集,从而提高了划分精度。仿真结果表明,当目标邻近时,使用提出划分算法使ET-GM-PHD跟踪算法的OSPA误差距离减小。

关键词：目标跟踪扩展目标量测集划分密度分析概率假设密度(PHD)

基于密度模糊C均值量测集划分的多扩展目标跟踪算法

在线全文

学校读者我要写书评

暂无评论

兰州理工大学学报 2018年第3期44卷 96-102页

作者：陈辉赵维娓兰州理工大学电气工程与信息工程学院甘肃兰州730050

针对多扩展目标跟踪中的量测集划分问题,提出一种自适应门密度模糊C均值(fuzzy C-means,FCM)量测集划分算法.首先,该算法利用自适应门对量测集进行预处理,滤除部分杂波量测,在降低算法计算复杂度的同时提高了量测集划分的准确度.然后,... 详细信息

针对多扩展目标跟踪中的量测集划分问题,提出一种自适应门密度模糊C均值(fuzzy C-means,FCM)量测集划分算法.首先,该算法利用自适应门对量测集进行预处理,滤除部分杂波量测,在降低算法计算复杂度的同时提高了量测集划分的准确度.然后,采用密度函数法产生FCM的初始聚类中心,并给出自适应门密度FCM多扩展目标量测集划分算法的详细过程.最后,采用容积卡尔曼滤波求解非线性框架下具有封闭解的扩展目标高斯混合概率假设密度(ET-GMPHD)滤波算法.仿真实验验证了算法的有效性.

关键词：多扩展目标量测集划分模糊C均值密度函数自适应门

在线全文

学校读者我要写书评

暂无评论

基于均值漂移聚类的扩展目标量测集划分算法

计算机工程 2014年第12期40卷 182-187,194页

作者：刘风梅葛洪伟杨金龙李鹏江南大学物联网工程学院江苏无锡214122

在噪声环境下,存在扩展目标数未知且变化的多扩展目标跟踪量测集难以划分、计算代价高的问题。为此,提出一种基于均值漂移聚类的量测集划分算法。通过迭代更新中心点,使其收敛于局部最优,并引入极大似然估计技术估计每个划分子集中的目... 详细信息

在噪声环境下,存在扩展目标数未知且变化的多扩展目标跟踪量测集难以划分、计算代价高的问题。为此,提出一种基于均值漂移聚类的量测集划分算法。通过迭代更新中心点,使其收敛于局部最优,并引入极大似然估计技术估计每个划分子集中的目标数,对于目标数大于1的子集采用模糊C均值聚类算法进行二次划分,使得划分的量测子集与各个扩展目标一一对应。实验结果表明,该算法在多扩展目标量测集划分性能上明显优于传统的距离划分和K-means++划分算法,尤其是在保持跟踪精度的前提下量测集划分数和计算代价明显降低,且能较好地划分紧邻扩展目标的量测集。

关键词：多扩展目标跟踪量测集划分均值漂移聚类极大似然估计距离划分紧邻的扩展目标

基于SNN-AP聚类的扩展目标量测集划分方法

在线全文

学校读者我要写书评

暂无评论

计算机应用研究 2017年第5期34卷 1349-1352页

作者：蒲磊冯新喜孔云波王雪空军工程大学信息与导航学院西安710077

针对杂波环境下且量测密度差别较大的多扩展目标量测集划分问题,引入近邻传播聚类技术,提出了一种新的量测集划分算法。该算法首先采用局部异常因子检测对量测为杂波的程度进行度量,通过设定阈值的方法进行杂波滤除;同时对于目标量测密... 详细信息

针对杂波环境下且量测密度差别较大的多扩展目标量测集划分问题,引入近邻传播聚类技术,提出了一种新的量测集划分算法。该算法首先采用局部异常因子检测对量测为杂波的程度进行度量,通过设定阈值的方法进行杂波滤除;同时对于目标量测密度差别较大的问题,引入一种基于共享最近邻的相似度度量方法;考虑了周围量测的影响,通过迭代传递两个信息量逐步寻找聚类中心,避免了对初始聚类个数的选择。仿真实验表明,与传统量测集划分算法相比,所提算法在保证扩展目标跟踪性能的同时,有效减少了算法的运算时间。

关键词：扩展目标量测集划分近邻传播 SNN相似度

在线全文

学校读者我要写书评

暂无评论

多扩展目标跟踪量测集划分方法研究

多扩展目标跟踪量测集划分方法研究

作者：刘风梅江南大学

学位级别：硕士

在传统的多目标跟踪技术中,通常假设一个目标至多产生一个量测,然而随着探测技术和雷达设备分辨率的不断提高,单个目标的不同反射点可能分布在不同的距离单元中,即单个目标可能产生多个量测,且量测数目是变化的,这样的目标称之为扩展目... 详细信息

在传统的多目标跟踪技术中,通常假设一个目标至多产生一个量测,然而随着探测技术和雷达设备分辨率的不断提高,单个目标的不同反射点可能分布在不同的距离单元中,即单个目标可能产生多个量测,且量测数目是变化的,这样的目标称之为扩展目标。因此,研究目标数未知且变化的多扩展目标连续跟踪问题,尤其是在杂波环境下,需要解决的首要问题是量测集的划分问题,能否正确划分每个时刻的扩展目标量测集,决定了目标状态估计性能。本论文是在概率假设密度滤波算法的基础上,主要围绕多扩展目标量测集划分方法开展了相关研究工作。1.针对杂波环境下,目标数未知且变化的多扩展目标跟踪量测集合难以划分、计算代价高的问题,提出一种基于密度和谱聚类的量测集划分算法。该算法与传统的多扩展目标跟踪量测集划分算法不同,不是直接划分量测集合,而是首先通过密度核函数将杂波量测和扩展目标量测分开,然后再对扩展目标量测集合进行划分。通常情况下,量测集划分方法存在由于划分数目多而导致滤波时间代价高的问题,为此,本文采用改进的谱聚类技术对目标量测集进行划分,并为目标量测集中所含的类别数建立数学模型,从而减少了划分数目,降低了滤波时间开销。实验结果表明,该算法使得扩展目标跟踪性能得到很大的提升。2.针对杂波环境下,紧邻多扩展目标量测集合存在源于多个扩展目标的量测被划分到同一子集中的问题,导致扩展目标被漏估,提出一种未知量测产生率的多扩展目标量测集划分算法,该算法引入均值漂移聚类算法,并建立一种自适应窗宽模型,避免了需提前确定类别数的弊端。另外本算法对划分错误的量测子集进行二次划分,而判断是否进行二次划分的一个重要参数是扩展目标量测产生率,其通常被设置为已知常量,然而在真实的多扩展目标跟踪场景中,扩展目标量测产生率是未知的,本算法放宽了这一限定,提出一种新的实时估计未知量测产生率的方法,使得目标量测产生率逐步收敛于实际量测产生率。仿真结果表明算法改善了划分精度和跟踪性能。3根据上述思路,提出一种基于密度和聚类的扩展目标量测集划分框架,本文提出的所有算法并非局限于本文所述算法,而是一种思路框架,在该框架下变换子方法依然有效,并引入AP聚类和FCM聚类算法进行验证,实验结果证明了该框架的正确性。

关键词：多扩展目标跟踪量测集划分概率假设密度聚类量测率估计

基于近邻传播聚类的多扩展目标量测集划分算法

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

雷达学报（中英文） 2015年第4期4卷 452-459页

作者：杨金龙刘风梅王冬葛洪伟江南大学物联网工程学院无锡214122

针对杂波环境下多扩展目标量测集难以划分,且时间代价高的问题,该文引入近邻传播聚类技术,提出一种新的多扩展目标量测集划分算法。该算法先采用密度分析技术对量测集进行预处理,滤除部分杂波量测,然后引入近邻传播聚类技术,通过量测间... 详细信息

针对杂波环境下多扩展目标量测集难以划分,且时间代价高的问题,该文引入近邻传播聚类技术,提出一种新的多扩展目标量测集划分算法。该算法先采用密度分析技术对量测集进行预处理,滤除部分杂波量测,然后引入近邻传播聚类技术,通过量测间的相互竞争,初步确定扩展目标的数目和质心位置,然后通过扩展目标PHD滤波方法估计目标数目和状态。该方法可有效避免量测集聚类过程中扩展目标质心初始化的干扰,能够准确地划分杂波环境下多扩展目标量测集。与传统的距离划分,K-means++划分方法相比,所提算法能够自适应地确定目标数目,降低时间成本,提高多扩展目标的跟踪性能。

关键词：目标跟踪多扩展目标近邻传播聚类量测集划分距离划分

利用高斯混合概率假设密度滤波器对扩展目标量测集进行划分

在线全文

学校读者我要写书评

暂无评论

西安交通大学学报 2015年第7期49卷 126-133页

作者：孔云波冯新喜危璋空军工程大学信息与导航学院西安710077

针对杂波环境下多扩展目标高斯混合概率假设密度(ET-GMPHD)量测集划分难、计算量大的问题,提出了一种新的基于网格密度分布和谱聚类的扩展目标量测集划分方法。利用动态网格生成技术来获得量测集的网格密度分布;在获得网格划分后,将全... 详细信息

针对杂波环境下多扩展目标高斯混合概率假设密度(ET-GMPHD)量测集划分难、计算量大的问题,提出了一种新的基于网格密度分布和谱聚类的扩展目标量测集划分方法。利用动态网格生成技术来获得量测集的网格密度分布;在获得网格划分后,将全部量测数据映射到网格单元中并统计网格单元的密度,且采用双密度阀值法来滤除量测集中的杂波;在谱聚类算法中利用密度敏感距离测度对去除杂波后的量测集构造相似矩阵,继而变换得到拉普拉斯矩阵;利用k-均值聚类算法对拉普拉斯矩阵的特征向量进行聚类划分。采用网格密度划分法滤除量测集中的杂波,使划分子集尽可能多地包含真实量测,增加划分子集与量测集合的近似度,从而在减少计算量的同时保证算法的跟踪性能损失不大。仿真实验表明,与典型的量测集划分算法相比,所提方法在跟踪误差损失约5%的前提下,计算效率提高了38%以上,具有更好的性能。

关键词：扩展目标网格密度谱聚类量测集划分

基于高斯混合概率假设密度滤波器的扩展目标跟踪算法

在线全文

学校读者我要写书评

暂无评论

系统工程与电子技术 2017年第3期39卷 494-499页

作者：曹倬冯新喜蒲磊张琳琳空军工程大学信息与导航学院陕西西安710077 空军大连通信士官学校辽宁大连116600

针对杂波环境下多扩展目标跟踪中航迹起始和量测集划分问题,提出了一种基于高斯混合概率假设密度滤波器的扩展目标跟踪算法。在航迹起始阶段利用最近邻指数法对量测集进行聚类趋势分析,接着通过改进OPTICS(ordering points to identify ... 详细信息

针对杂波环境下多扩展目标跟踪中航迹起始和量测集划分问题,提出了一种基于高斯混合概率假设密度滤波器的扩展目标跟踪算法。在航迹起始阶段利用最近邻指数法对量测集进行聚类趋势分析,接着通过改进OPTICS(ordering points to identify the clustering structure)算法,建立一个增广数据集排序来表示量测集的密度结构,该算法对参数选择、初始点选择均不敏感,可以滤除量测集中的杂波。仿真结果表明,在航迹起始阶段本文所提算法在保证起始性能的同时计算代价明显减少,在量测集划分过程中,所提算法能够有效划分不同形状、密度的扩展目标,自适应地确定划分数目,减少算法运行时间。

关键词：目标跟踪多扩展目标聚类趋势量测集划分