為提高空間密集群目標分群準確率,提出一種距離劃分與形狀預(yù)測劃分相結(jié)合的群分割算法。航跡起始階段,通過距離劃分法實現(xiàn)無預(yù)測信息以及預(yù)測信息不可靠條件下的有效分群;航跡維持階段,以預(yù)測點為中心,進行目標的狀態(tài)估計與形態(tài)估計,以預(yù)測形狀為波門劃分量測集,將落入預(yù)測波門的量測劃分為一個群,并利用概率數(shù)據(jù)關(guān)聯(lián)獲取等效群中心、更新群航跡。經(jīng)仿真驗證,算法能提高群質(zhì)心的估計精度,減少關(guān)聯(lián)錯誤,提高群分割的準確性。

【文章頁數(shù)】：7 頁

【部分圖文】：

圖1聯(lián)合劃分法跟蹤流程框圖

對于預(yù)測劃分完后并未被聚類到任何群中的量測，繼續(xù)采用距離劃分的方法進行群分類，直至將所有量測歸類完畢。下一時刻將重新對未起始成功的群中心進行航跡起始判斷，若航跡起始成功，則加入航跡預(yù)測與更新過程中。綜上，基于聯(lián)合劃分的群跟蹤流程如圖1所示。5仿真分析

圖2密集群目標的量測位置曲線

為了進一步驗證兩種群分割方法對跟蹤結(jié)果的影響，采用OSPA距離對估計誤差進行分析，圖5顯示的是兩種劃分算法下濾波器估計的OSPA距離�？梢娫谧畛醯囊欢胃檿r間內(nèi)兩種算法下跟蹤的OSPA誤差相差不大，這是由于此時目標均被劃分為一個群，但是隨著群的逐漸分裂，聯(lián)合劃分法下的OSPA距離....

圖3第100s時的空間目標位置分布情況

圖2密集群目標的量測位置曲線圖5兩種算法下OSPA距離

圖5兩種算法下OSPA距離

圖3第100s時的空間目標位置分布情況6結(jié)論

本文編號：3942804