本文選題：目標跟蹤　切入點：多擴展目標　出處：《系統(tǒng)工程與電子技術(shù)》2017年03期 　論文類型：期刊論文

【摘要】：針對雜波環(huán)境下多擴展目標跟蹤中航跡起始和量測集劃分問題,提出了一種基于高斯混合概率假設(shè)密度濾波器的擴展目標跟蹤算法。在航跡起始階段利用最近鄰指數(shù)法對量測集進行聚類趨勢分析,接著通過改進OPTICS(ordering points to identify the clustering structure)算法,建立一個增廣數(shù)據(jù)集排序來表示量測集的密度結(jié)構(gòu),該算法對參數(shù)選擇、初始點選擇均不敏感,可以濾除量測集中的雜波。仿真結(jié)果表明,在航跡起始階段本文所提算法在保證起始性能的同時計算代價明顯減少,在量測集劃分過程中,所提算法能夠有效劃分不同形狀、密度的擴展目標,自適應地確定劃分數(shù)目,減少算法運行時間。
[Abstract]:To solve the problem of track initiation and measurement set partition in multi-extended target tracking in clutter environment, An extended target tracking algorithm based on Gao Si hybrid probability hypothetical density filter is proposed in this paper. The nearest neighbor exponent method is used to analyze the clustering trend of the measurement set in the initial phase of the track, and then the improved OPTICS(ordering points to identify the clustering structure algorithm is adopted. An extended data set sort is established to represent the density structure of the measurement set. The algorithm is insensitive to parameter selection and initial point selection, and can filter the clutter of the measurement set. The simulation results show that the proposed algorithm is not sensitive to parameter selection and initial point selection. In the phase of track initiation, the algorithm proposed in this paper can reduce the computational cost while ensuring the initial performance. In the course of measurement set partition, the proposed algorithm can effectively partition the extended targets with different shapes and densities, and adaptively determine the number of partitions. Reduce the running time of the algorithm.
【作者單位】： 空軍工程大學信息與導航學院;空軍大連通信士官學校;
【基金】：國家自然科學基金(61571458)資助課題
【分類號】：TN713

【相似文獻】

相關(guān)期刊論文 前10條

1 金忠;一種多目標跟蹤算法[J];南京理工大學學報(自然科學版);1985年S1期

2 龔萍;張輝;毛征;張慶龍;孔文超;;融合局部熵二維熵的空中目標跟蹤算法研究[J];國外電子測量技術(shù);2014年01期

3 馬奔,史忠科,皮燕妮;成像目標跟蹤算法分析[J];西安電子科技大學學報;2005年03期

4 孫中森;孫俊喜;宋建中;喬雙;;一種抗遮擋的運動目標跟蹤算法[J];光學精密工程;2007年02期

5 陳愛華;孟勃;朱明;王艷華;;多模式融合的目標跟蹤算法[J];光學精密工程;2009年01期

6 牛長鋒;劉玉樹;;融合多特征的粒子濾波目標跟蹤算法[J];華中科技大學學報(自然科學版);2010年01期

7 蔡榮太;吳元昊;王明佳;吳慶祥;;視頻目標跟蹤算法綜述[J];電視技術(shù);2010年12期

8 佟國峰;蔣昭炎;谷久宏;龐曉磊;;基于隨機蕨叢的長期目標跟蹤算法[J];東北大學學報(自然科學版);2013年01期

9 曹曉麗;李明;邢玉娟;譚萍;;幾種自動目標跟蹤算法的比較研究[J];硅谷;2013年02期

10 王魯平,李飚,胡敏露;一種基于多傳感器數(shù)據(jù)融合的目標跟蹤算法[J];紅外與激光工程;2004年02期

相關(guān)會議論文 前10條

1 徐炳吉;;一種多站聯(lián)合目標跟蹤算法[A];數(shù)學及其應用文集——中南模糊數(shù)學和系統(tǒng)分會第三屆年會論文集（上卷）[C];1995年

2 杜方芳;劉士榮;邱雪娜;;一種改進的粒子濾波目標跟蹤算法[A];PCC2009—第20屆中國過程控制會議論文集[C];2009年

3 付曉薇;方康玲;李曦;;一種基于特征的多目標跟蹤算法[A];2003年中國智能自動化會議論文集（下冊）[C];2003年

4 許偉村;趙清杰;;一種基于粒子濾波的多目標跟蹤算法[A];2011年中國智能自動化學術(shù)會議論文集（第一分冊）[C];2011年

5 李軍;張華;單梁;;一種基于Mean shift和粒子濾波的綜合目標跟蹤算法[A];2009年中國智能自動化會議論文集（第七分冊）[南京理工大學學報（增刊）][C];2009年

6 肖敬若;胡伏原;鄭江濱;張艷寧;;一種有效的多目標跟蹤算法[A];第十二屆全國信號處理學術(shù)年會（CCSP-2005）論文集[C];2005年

7 鄭黎義;陳興無;王磊;李正東;;紅外/雷達雙傳感器融合目標跟蹤算法[A];中國工程物理研究院科技年報（2005）[C];2005年

8 張震宇;王立松;;基于粒子濾波的傳感器目標跟蹤算法[A];2008年中國高校通信類院系學術(shù)研討會論文集（上冊）[C];2009年

9 王亞楠;陳杰;甘明剛;;基于差分進化的改進粒子濾波目標跟蹤算法[A];中國自動化學會控制理論專業(yè)委員會C卷[C];2011年

10 張濤;費樹岷;胡剛;;基于多特征信息自適應融合的視頻目標跟蹤算法[A];第二十九屆中國控制會議論文集[C];2010年

相關(guān)博士學位論文 前10條

1 胡子軍;基于隨機有限集的雷達多目標跟蹤算法研究[D];西安電子科技大學;2015年

2 王保憲;復雜背景下的視頻目標跟蹤算法研究[D];北京理工大學;2016年

3 張雷;復雜場景下實時目標跟蹤算法及實現(xiàn)技術(shù)研究[D];中國科學院研究生院(長春光學精密機械與物理研究所);2016年

4 王晶晶;復雜擁擠環(huán)境下協(xié)同視頻監(jiān)控中目標跟蹤算法研究[D];中國科學技術(shù)大學;2016年

5 田浩;基于核函數(shù)的目標跟蹤算法研究[D];長安大學;2016年

6 盧建國;基于粒子濾波的視頻目標跟蹤算法研究[D];北京郵電大學;2011年

7 馮巍;分布式多視角目標跟蹤算法研究[D];復旦大學;2011年

8 王書朋;視頻目標跟蹤算法研究[D];西安電子科技大學;2009年

9 劉晴;基于區(qū)域特征的目標跟蹤算法研究[D];北京理工大學;2014年

10 邱雪娜;基于視覺的運動目標跟蹤算法及其在移動機器人中的應用[D];華東理工大學;2011年

相關(guān)碩士學位論文 前10條

1 張健;形變目標跟蹤算法的研究與實現(xiàn)[D];遼寧大學;2015年

2 張巧麗;基于LabVIEW的運動目標跟蹤算法研究與實現(xiàn)[D];陜西科技大學;2015年

3 鐘寶康;基于壓縮感知的預測目標跟蹤算法研究[D];江西理工大學;2015年

4 薛桐;基于CamShift的運動目標跟蹤算法研究[D];沈陽理工大學;2015年

5 王增宇;基于稀疏表達的目標跟蹤算法研究[D];沈陽理工大學;2015年

6 王靜;結(jié)構(gòu)化的表觀模型及兩階段目標跟蹤算法研究[D];沈陽理工大學;2015年

7 葛凱蓉;自然場景下目標跟蹤算法的研究[D];山東大學;2015年

8 向偉;基于檢測的目標跟蹤算法研究[D];上海交通大學;2015年

9 單順勇;結(jié)合多示例學習和模板匹配的目標跟蹤算法研究[D];江西理工大學;2015年

10 張碧武;基于單目視覺的目標跟蹤算法的研究與實現(xiàn)[D];電子科技大學;2015年

，

本文編號：1621479