基于广义概率假设密度的多目标运动估计方法研究.docx

基于广义概率假设密度的多目标运动估计方法研究.docx

  1. 1、本文档共12页,可阅读全部内容。
  2. 2、有哪些信誉好的足球投注网站(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
  3. 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载
  4. 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
查看更多

?

?

基于广义概率假设密度的多目标运动估计方法研究

?

?

余萌徐琰珂胡茄乾

摘要:面向空对空作业的发展需求,提出了一种基于广义概率假设密度的多目标运动估计方法。在Faster-RCNN方法基础上引入多尺度分析,并利用改进K-means方法对观测目标进行粗聚类,以此为前置输入,提出了基于广义泊松分布的概率假设密度滤波器,将聚类信息纳入滤波估计的权重更新中,增强了对变阵群目标的跟踪时效性。仿真结果表明,本文方法在没有初始聚类信息的先验知识下,依然能够完成对多目标的识别分类与跟踪,且精度优于现有的集群目标运动估计方法。

关键词:多目标运动估计;K-means聚类;目标识别;概率假设密度;态势感知

:TJ765;TP391.4?:???A:1673-5048(2021)04-0037-06

0引?言

为适应日趋复杂的作战环境,多飞行器协同作战方案逐渐成为当前空中打击作业的热点方向。美国海军研究的低成本无人机蜂群(DroneSwarm)技术已经成功完成了多次实地测验,初步实现了无人机集群编队飞行与快速机动。俄罗斯新的S-70“猎人”(Okhotnik-B)重型隐形无人机成功伴飞苏-57,突出了战斗支援角色,旨在扩大战斗机的能力。这些无人机集群和无人机与有人机的编队,大大加强了空中打击力量的突防能力,为国土防空增加了新的压力。为实现对空中集群目标的有效防御,需要发展具有集群目标针对性的跟踪应对技术。

通常情况下,多飞行器集群目标都是按照一定的编队飞行方式进行空中作业,通过在复杂背景中进行机动目标集群聚类分析,可以实现对集群目标的阵群态势粗估计。传统的无监督聚类方法(如谱聚类、K-means等)容错性差,且对初始值非常敏感,尤其对有噪声的机动目标聚类效果欠佳。本文在Faster-RCNN方法基础上引入多尺度分析,并利用改进K-means方法对观测目标进行了粗聚类,将集群目标的态势粗估计分为群目标识别以及类别数估计两部分,旨在提升集群目标运动估计精度的同时,增强估计方式的灵活性。

在群目标识别方面,本文以Faster-RCNN为基础进行改进。经典R-CNN[1]采用了SelectiveSearch算法来提取图像中可能存在的兴趣区域(RegionsofInterest),之后对每个提取区域采用标准的卷积神经网络(CNN)进行分类。在R-CNN后,?2015年提出的Fast-RCNN[2]采用兴趣区域池化来共享计算量较大的部分,以此提高模型的效率,随后发展的Faster-RCNN[3-4]是建立在Fast-RCNN基础上的一个完全可微分模型,在卷积层后使用RegionProposalNetwork(RPN)生成一系列靶块,对其进行裁剪过滤后利用softmax判断靶块属于前景还是后景,同时使用另一分支进行靶块修正,凝练较为精确的提议(Proposal)。Faster-RCNN与Fast-RCNN的明显区别就是使用了RPN代替了选择性有哪些信誉好的足球投注网站来产生提议,并强调提议的CNN网络与目标识别的CNN共享。Faster-RCNN同时将特征抽取、候选区域提取、边界框回归、分类整合到了一个网络当中,使目标识别的综合性能得到了很大改进。

分类态势粗估计可以为多目标跟踪提供前置输入。传统的多目标跟踪方法有联合数据关联方法(JPDA)[5]、假设目标跟踪方法(MHT)[6-7]等,这些方法多利用先验假设,将集群目标出现的几类运动情景综合考虑(如遮挡、虚报或目标合并等)。考虑到目标以集群为单位运动时,目标的数量、阵群会发生变化,而传统方法对阵群可变的目标运动估计解释性不足[8],本文基于随机有限集合思想的扩展目标概率假设密度(ET-PHD)滤波方法[9],面向阵群可变的多目标运动估计提出相应的方案。核心方法是利用先验的粗聚类信息为ET-PHD方法提供聚类初值,并引入广义泊松分布来增强对概率强度估计的解释性,进而提高对阵群可变的目标跟踪品质。航空兵器2021年第28卷第4期

余萌,等:基于广义概率假设密度的多目标运动估计方法研究

1多目标编队的态势粗估计

1.1基于Faster-RCNN的多目标识别

多目标识别是多目标运动估计的前置环节,能够为后续态势感知、运动估计提供基礎数据。考虑应用背景,本文选择深度学习方法——Faster-RCNN,对组网结构进行量体裁衣,发展了基于Faster-RCNN的集群目标识别方法,使用的敏感器为机载单目相机。

1.1.1数据库选择与组建

选择的深度学习训练集为DOTA(ALarge-ScaleDatasetforObject

文档评论(0)

151****0181 + 关注
实名认证
内容提供者

该用户很懒,什么也没介绍

1亿VIP精品文档

相关文档