基于最大熵模糊聚类的快速多目标跟踪算法研究-西北工业大学学报.PDF

２０１７年８月 西 北 工 业 大 学 学 报 Ａｕｇ． ２０１７ 第３５卷第４期 Ｊｏｕｒｎａｌ ｏｆ Ｎｏｒｔｈｗｅｓｔｅｒｎ Ｐｏｌｙｔｅｃｈｎｉｃａｌ Ｕｎｉｖｅｒｓｉｔｙ Ｖｏｌ．３５ Ｎｏ．４ 基于最大熵模糊聚类的快速多目标跟踪算法研究 陈晓，李亚安，蔚婧，李余兴 （西北工业大学 航海学院，陕西 西安　 ７１００７２） 摘　 要：为了提高杂波环境中多目标跟踪的实时性和精确性，利用最大熵数据模糊聚类方法得到的模 糊隶属度表示目标与量测之间的关联概率，同时分析了公共量测对目标的影响，引入影响因子重建互 联概率矩阵，结合概率数据关联算法实现多目标的状态估计。 该算法避免了对确认矩阵的拆分，解决 了联合概率数据关联算法随着目标和回波数目增加而导致的计算量爆炸性增长问题。 针对不同杂波 密度环境下的临近平行目标和小角度交叉目标的跟踪进行了仿真分析，仿真结果表明：最大熵模糊聚 类联合概率数据关联算法是一种有效的快速数据关联算法，在密集杂波环境中跟踪性能依然优于联 合概率数据关联算法和经验联合概率数据关联算法，在一定程度上可以避免航迹融合。 关　 键　 词：多目标跟踪；联合概率数据关联；经验联合概率数据关联；最大熵模糊聚类联合概率数 据关联 中图分类号：ＴＢ５６６　 ＴＮ９５３　 　 　 文献标志码：Ａ　 　 　 文章编号：１０００⁃２７５８（２０１７）０４⁃０６２９⁃０６ 　 　 目前，多目标跟踪技术已经广泛应用于军事领 为了有效地降低密集杂波环境下多目标数据关 域和民用领域，数据关联作为多目标跟踪实现中的 联的计算复杂性，并且保证目标跟踪性能。 本文采 关键部分，对目标跟踪性能起到决定性作用，其典型 用最大熵模糊聚类算法实现量测与目标的数据关 ［１］ 算法有最近邻算法 ；适用于杂波环境下的单目标 联，对于互联概率矩阵的重建不同于文献［１２］，此 ［２］ 跟踪方法：概率数据关联算法 ；同时为了实现杂 处针对公共量测对目标的影响，引入影响因子重建 波环境中的多目标跟踪而提出的联合概率数据关联 互联概率矩阵，在一定程度上可以避免航迹融合，本 ［３］ 算法 和Ｒｅｉｄ 以“全邻”最优滤波器和“聚”概念为 文提出的最大熵模糊聚类联合概率数据关联（ＭＥＦ⁃ ［４］ 基础而提出的多假设跟踪算法 ，近年来，Ｍａｈｌｅｒ ＪＰＤＡ）算法可以提高密集杂波环境下多目标跟踪的 提出了基于随机有限集理论的概率假设密度滤波多 实时性和精确性。 本文对ＪＰＤＡ、ＭＥＦ⁃ＪＰＤＡ和ＣＪＰ⁃ ［５⁃６］ ［１３］ 目标跟踪算法 ，该算法突破了传统的数据关联 ＤＡ ３种算法目标跟踪性能进行仿真分析，结果表 方法，避免了数据关联难题。 明，ＭＥＦ⁃ＪＰＤＡ和ＣＪＰＤＡ 同时提高了目标跟踪的实 联合概率数据关联算法被认为是实现杂波环境 时性，但 ＭＥＦ⁃ＪＰＤＡ在密集杂波环境下目标跟踪精 下多目标数据关联的一种很好算法，但是随着目标 度有所提高，从而可以更精确地实现目标跟踪，同时 数目及杂波密度的增加，计算量出现组合爆炸问题， 可以有效避免降低目标航迹融合的问题。 从而使该算法的应用受到限制。 近年来，很多学者 ［７⁃１０］ 不断将模糊聚类理论引入到数据关联算法 的应 １　 杂波环境下多目标跟踪问题描述 用中，这种算法集数据关联、数据融合和目标跟踪为 一体，大大降低了多目标跟踪问题