空间密集目标的群分割算法研究

发布时间：2024-03-30 19:01

　　为提高空间密集群目标分群准确率,提出一种距离划分与形状预测划分相结合的群分割算法。航迹起始阶段,通过距离划分法实现无预测信息以及预测信息不可靠条件下的有效分群;航迹维持阶段,以预测点为中心,进行目标的状态估计与形态估计,以预测形状为波门划分量测集,将落入预测波门的量测划分为一个群,并利用概率数据关联获取等效群中心、更新群航迹。经仿真验证,算法能提高群质心的估计精度,减少关联错误,提高群分割的准确性。

【文章页数】：7 页

【部分图文】：

图1联合划分法跟踪流程框图

对于预测划分完后并未被聚类到任何群中的量测，继续采用距离划分的方法进行群分类，直至将所有量测归类完毕。下一时刻将重新对未起始成功的群中心进行航迹起始判断，若航迹起始成功，则加入航迹预测与更新过程中。综上，基于联合划分的群跟踪流程如图1所示。5仿真分析

图2密集群目标的量测位置曲线

为了进一步验证两种群分割方法对跟踪结果的影响，采用OSPA距离对估计误差进行分析，图5显示的是两种划分算法下滤波器估计的OSPA距离。可见在最初的一段跟踪时间内两种算法下跟踪的OSPA误差相差不大，这是由于此时目标均被划分为一个群，但是随着群的逐渐分裂，联合划分法下的OSPA距离....

图3第100s时的空间目标位置分布情况

图2密集群目标的量测位置曲线图5两种算法下OSPA距离

图5两种算法下OSPA距离

图3第100s时的空间目标位置分布情况6结论

本文编号：3942804