基于數(shù)據(jù)聚類的多目標跟蹤信息融合方法

王奎武， 張 秦

(空軍工程大學,a.防空反導學院； b.研究生院，西安 710000)

0 引言

多目標跟蹤(MTT)問題是將測量值或標記分配給目標，并按時間步長來處理多個目標航跡的問題[1-2]，目標數(shù)量的估計是提高多目標跟蹤性能的前提。基于隨機有限集(RFS)的概率假設密度(PHD)[3]濾波是多目標貝葉斯濾波算法的有效的次優(yōu)近似，其主要途徑是在濾波期間遞推傳播多目標狀態(tài)的一階矩估計；其中，高斯混合(GM)和序貫蒙特卡羅(SMC)濾波是解決非線性問題的兩種方法，即GM-PHD[4]和SMC-PHD[5]。

由于PHD具有簡單易用的特性，目前被廣泛應用于目標跟蹤[6-8]、計算機視覺[9]、移動機器人[10]和車輛跟蹤[11]等領域的研究。

在PHD濾波框架下，有效劃分量測集是解決問題的主要思路，目的就是要把目標與其量測集一一對應起來，其結果的有效性將直接影響后續(xù)多目標數(shù)量估計的性能。如果充分考慮所有可能的劃分子集，劃分次數(shù)會因目標數(shù)量的增加而變得龐大，為此,文獻[12]提出了一種基于距離劃分的方法，該方法能有效降低計算量;在PHD濾波器的實現(xiàn)中，文獻[13]采用K-means算法劃分子集，適合多目標跟蹤過程中目標數(shù)量未知且時變的情況，但是當量測數(shù)目變多時，其計算負擔會變大;文獻[14]針對初始點選擇問題進行改進并提出了K-means++聚類算法，該算法提高了量測集劃分的穩(wěn)定性，但是對于量測中心的討論并不夠明確。為此，在充分考慮目標數(shù)量時變的前提下，提高雜波環(huán)境下的目標數(shù)量估計的準確性是提高PHD濾波性能的有效途徑。……