自适应蚁群算法在多目标跟踪中的应用

发布时间：2018-01-20 19:13

  本文关键词： 多目标跟踪 数据关联 蚁群算法 信息素 挥发因子　出处：《计算机仿真》2014年09期 　论文类型：期刊论文

【摘要】：在多目标状态跟踪估计方法的研究中,多目标数据关联容易陷入局部最优状态以及跟踪精度不高的缺点,提出一种改进蚁群算法的数据关联方法。改进方法为:在传统蚁群算法的基础上,引入标识判定系数来调节信息素浓度的增量,避免某条路径上信息素浓度增长过快,从而陷入局部极值的情况,同时对挥发因子进行自适应控制,保持搜索的平衡性和全局性,避免搜索落入局部最优从而陷入停滞状态。仿真结果表明,改进的蚁群算法在多目标跟踪中,既可有效地避免搜索落入局部最优的弊端,又明显地提高了跟踪精度。
[Abstract]:In the research of multi-target state tracking estimation method, multi-target data association is easy to fall into the local optimal state and the tracking accuracy is not high. An improved data association method of ant colony algorithm is proposed. The improved method is: based on the traditional ant colony algorithm, the identification decision coefficient is introduced to adjust the increment of pheromone concentration. To avoid excessive growth of pheromone concentration in a path, thus falling into the situation of local extremum, at the same time, the volatile factor is controlled adaptively to keep the balance and global of the search. The simulation results show that the improved ant colony algorithm can effectively avoid the drawbacks of the search falling into the local optimum in multi-target tracking. The tracking accuracy is improved obviously.
【作者单位】： 江南大学物联网工程学院;
【分类号】：TN953
【正文快照】： 1引言多目标跟踪的任务是对未知数目的目标状态进行估计[1]。它于上世纪五十年代首次被提出,在上世纪八十年代实现了飞速发展,提出了很多经典算法,比如时间相关模型、概率数据关联滤波器和联合概率数据关联滤波器、多假设跟踪、分层融合等算法[2]。而数据关联是多目标跟踪中最

【参考文献】

相关期刊论文 前4条

1 袁述;袁东辉;孙基洲;刘永波;李晶;原琳;;蚁群-遗传算法在多传感器多目标跟踪技术中的应用[J];电子学报;2013年03期

2 任春明;张建勋;;基于优化蚁群算法的机器人路径规划[J];计算机工程;2008年15期

3 高曼;刘以安;张强;;优化蚁群算法在反舰导弹航路规划中的应用[J];计算机应用;2012年09期

4 康莉;谢维信;黄敬雄;;基于蚁群算法的多目标跟踪方法[J];系统工程与电子技术;2008年09期

【共引文献】

相关期刊论文 前10条

1 屈成忠;马瑞枫;刘卫星;马晓东;;蚁群算法在输电工程工期成本优化中的应用[J];东北电力大学学报;2011年Z1期

2 朱国涛;周树道;吕波;王彦杰;王俊;;基于气象威胁的无人机航迹规划方法研究[J];电光与控制;2011年06期

3 赵敏;胡中华;;一种求解机器人路径规划的智能优化算法[J];电焊机;2009年04期

4 胡中华;赵敏;;基于人工蜂群算法的机器人路径规划[J];电焊机;2009年04期

5 李锋源;许艳萍;王武;;多策略蚁群算法求解机器人路径规划[J];福州大学学报(自然科学版);2011年03期

6 杨冰;邓曙光;文双春;;无线多媒体传感器网络能量均衡的QoS路由算法[J];传感器与微系统;2014年04期

7 郑金华;谢谆志;;关于如何用角度信息引入决策者偏好的研究[J];电子学报;2014年11期

8 弋英民;黄莹;王智敏;张孟志;;特征序列数据关联机器人同步定位与地图构建[J];传感技术学报;2014年11期

9 谭新莲;武凤翔;陆彦辉;;进化蚁群优化理论实现障碍距离分析[J];计算机工程与应用;2009年22期

10 康一梅;杨恩博;杨鑫凯;;基于改进蚁群算法的火源定位策略研究[J];计算机工程与应用;2012年02期

相关会议论文 前1条

1 刘旭东;王巍;;基于电力线载波通信的LED路灯能源监控网研究[A];全国第五届信号和智能信息处理与应用学术会议专刊(第一册)[C];2011年

相关博士学位论文 前1条

1 陈祥国;卫星数传调度的蚁群优化模型及算法研究[D];国防科学技术大学;2010年

相关硕士学位论文 前9条

1 胡剑;基于进化神经网络的未知环境下机器人多路径规划研究[D];湘潭大学;2010年

2 张容闻;基于分组蚁群算法的机器人路径规划研究[D];南昌大学;2010年

3 王娟;复杂环境下基于贝叶斯蚁群算法的机器人路径规划研究[D];南京师范大学;2011年

4 王莹;基于粒子群优化的带障碍约束DBSCAN算法研究[D];哈尔滨工程大学;2011年

5 陈杰;基于蚁群算法的机器人路径规划研究[D];南京理工大学;2009年

6 卫涛;微型足球机器人的目标识别与避障规划[D];燕山大学;2009年

7 孙健;环形油气集输管网布局优化设计[D];大庆石油学院;2010年

8 王硕;基于改进蚁群算法的作业车间调度研究[D];华东理工大学;2013年

9 梅树军;多传感器多目标跟踪算法研究及其工程实现[D];南京理工大学;2013年

【二级参考文献】

相关期刊论文 前10条

1 李栋;曹义华;苏媛;冯婷;;基于改进蚁群算法的低空突防航迹规划[J];北京航空航天大学学报;2006年03期

2 祝庚;;遗传算法及轮盘赌选择的C++实现[J];东莞理工学院学报;2007年05期

3 胡炜薇;赵坤;杨莘元;蒲书缙;;基于粒子群算法的广义S维分配算法[J];弹箭与制导学报;2005年SC期

4 康莉;谢维信;黄敬雄;;一种基于蚁群算法的多目标跟踪数据关联方法[J];电子学报;2008年03期

5 叶文,范洪达;基于改进蚁群算法的飞机低空突防航路规划[J];飞行力学;2004年03期

6 沈建锋,许诚,陈峰;遗传算法在反舰导弹航路规划中的应用[J];飞行力学;2005年03期

7 张汝波,郭必祥,熊江;基于遗传蚁群算法的机器人全局路径规划研究[J];哈尔滨工程大学学报;2004年06期

8 范作娥;张友安;施建洪;张新立;;反舰导弹航路规划的递推算法[J];海军航空工程学院学报;2007年02期

9 徐振宇;严建钢;王宝敏;;反舰导弹航路规划研究[J];舰船电子工程;2009年11期

10 朱庆保,张玉兰;基于栅格法的机器人路径规划蚁群算法[J];机器人;2005年02期

相关博士学位论文 前1条

1 喻学才;蚁群优化方法中若干问题研究[D];哈尔滨工业大学;2009年

【相似文献】

相关期刊论文 前10条

1 石文君;王登位;胥辉旗;刘晓红;;港口背景下红外运动多目标跟踪[J];红外与激光工程;2010年06期

2 龚俊亮;何昕;魏仲慧;郭敬明;;采用改进辅助粒子滤波的红外多目标跟踪[J];光学精密工程;2012年02期

3 Stegall R.L.;黄鸿勋;;多目标跟踪雷达[J];现代雷达;1987年01期

4 杨春玲,余英林,刘国岁;多目标跟踪中的数据关联算法[J];系统工程与电子技术;2000年03期

5 张文明,罗鹏飞,周一宇;多雷达多目标跟踪仿真系统软件设计[J];宇航学报;2001年05期

6 叶西宁,潘泉,陈鸣,于昕,张洪才;密集回波环境下多目标跟踪的一种新算法[J];西北工业大学学报;2004年03期

7 常军;;地面多目标跟踪滤波技术[J];电讯技术;2006年01期

8 田淑荣;王国宏;何友;;多目标跟踪的概率假设密度粒子滤波[J];海军航空工程学院学报;2007年04期

9 高敬惠;姜子敬;田金慷;刘国丽;;基于贝叶斯原理的视觉多目标跟踪研究[J];微计算机信息;2007年21期

10 王百合;黄建国;张群飞;;模糊多属性决策在多目标跟踪目标优选中的应用[J];弹箭与制导学报;2007年04期

相关会议论文 前10条

1 杨峰;梁彦;叶亮;潘泉;;多目标跟踪系统性能评估[A];Proceedings of 2010 Chinese Control and Decision Conference[C];2010年

2 徐炳吉;段福兴;孟昭为;;一类多站联合多目标跟踪的分解合成算法[A];1995年中国智能自动化学术会议暨智能自动化专业委员会成立大会论文集（下册）[C];1995年

3 敬忠良;王培德;周宏仁;;机动多目标跟踪统一方法[A];1991年控制理论及其应用年会论文集（下）[C];1991年

4 徐炳吉;孟昭为;段福兴;;一类多站联合多目标跟踪分解算法[A];1995年中国控制会议论文集（下）[C];1995年

5 迟健男;刘丛丛;朱博;刘季为;刘雷;;多人多点触摸系统多用户协同交互触点归属问题研究[A];第25届中国控制与决策会议论文集[C];2013年

6 李良群;谢维信;;杂波环境下基于视线距离的被动多目标跟踪[A];第十四届全国信号处理学术年会(CCSP-2009)论文集[C];2009年

7 史英杰;彭冬亮;;多传感器多目标跟踪算法仿真平台设计与实现[A];浙江省电子学会2009学术年会论文集[C];2009年

8 邱本胜;徐莉;杨敬安;张奠成;;一种自动目标跟踪中的非中心跟踪门方法[A];1995年中国智能自动化学术会议暨智能自动化专业委员会成立大会论文集（下册）[C];1995年

9 朱虹;权冀川;张育铭;;浅析随机集及其在多目标跟踪中的应用[A];第九届中国青年信息与管理学者大会论文集[C];2007年

10 杨向锋;杨云川;陈曦;;鱼雷多目标跟踪门滤波方法[A];中国造船工程学会电子技术学术委员会2011年海战场电子信息技术学术年会论文集[C];2011年

相关重要报纸文章 前1条

1 赵高升;“功勋雷达”立新功[N];中国航天报;2011年

相关博士学位论文 前4条

1 张鹤冰;概率假设密度滤波算法及其在多目标跟踪中的应用[D];哈尔滨工程大学;2012年

2 党建武;水下制导多目标跟踪关键技术研究[D];西北工业大学;2004年

3 胡炜薇;多传感器数据融合中多目标跟踪关键技术研究[D];哈尔滨工程大学;2007年

4 王安定;基于阵列信号处理的空间多目标跟踪[D];浙江大学;2010年

相关硕士学位论文 前10条

1 胡晓川;基于视频序列多目标跟踪系统设计与仿真[D];成都理工大学;2013年

2 吴佳芯;多目标跟踪的数据关联算法研究[D];西安电子科技大学;2013年

3 侯连勇;基于滤波关联的视频多目标跟踪[D];西安电子科技大学;2011年

4 张振兴;精子运动图像的多目标跟踪研究[D];华南理工大学;2011年

5 林岚;基于神经网络的多目标跟踪数据融合研究[D];江西师范大学;2005年

6 邓舞燕;多目标跟踪理论与方法[D];西北工业大学;2002年

7 何涛;视频中的稀疏多目标跟踪和轨迹异常检测研究[D];西南交通大学;2014年

8 王海彬;基于多目标跟踪的数字视频监控系统[D];南京气象学院;2004年

9 钟茜怡;基于多目标多贝努利滤波的多目标跟踪[D];西安电子科技大学;2013年

10 叶冠华;基于运动模型的红外多目标跟踪[D];西安电子科技大学;2006年

，

本文编号：1449245