The invention discloses an improved multi-extended target tracking method, which comprises the following steps: step 1: clustering: step 2: initialization: step 3: predictive update: step 4: pruning and merging: step 5: repeating steps 3 and 4; the invention aims at the multi-extended target tracking problem in clutter environment by adopting DBSCAN algorithm. The introduction of scale factor and the design of adaptive threshold can reduce the precision loss caused by the blind area of radar, reduce the amount of calculation of the filter, which is conducive to the engineering application of GM_CPHD filter.
【技术实现步骤摘要】
一种改进的多扩展目标跟踪方法
本专利技术属于智能电网
,特别是实现电动汽车参与的公共楼宇常规调峰的用电控制方法。
技术介绍
随着高分辨率传感器的广泛应用,扩展目标跟踪(ETT)技术的研究成为一个热点。特别是雷达分辨率的不断提高,在每一时刻能接收到同一目标不同等效散射中心的多个量测,此时,目标不再是点目标,而是扩展目标。近年来,RonaldP.S.Mahler教授提出了基于随机有限集(RFS)理论的概率假设密度(ProbabilityHypothesisDensity,PHD)滤波算法,该算法在不考虑数据关联的情况下,可同时实现目标数目和目标状态的估计。它首先跟踪整个目标群,随后再去检测每个变量。然而PHD滤波也存在一些问题,如漏检敏感,无数目分布等。针对这些问题,势概率假设密度(CPHD)滤波器应运而生,相比较PHD滤波器,CPHD滤波器能对目标的势分布也进行更新,尤其适用于多扩展目标跟踪(METT)问题。量测集划分是多扩展目标跟踪中首要解决的关键问题之一,理论上,基于RFS的扩展目标滤波器需要考虑量测集的所有可能划分,但所有可能的划分个数随目标个数的增加急速增大。Granstrm等人率先提出采用距离划分、K-means、预测划分和期望最大划分等方法划分量测集,但这些方法都存在一些问题。Density-BasedSpatialClusteringofApplicationswithNoise(DBSCAN)作为基于密度算法的经典代表,能够把具有足够高密度的区域划分为簇,并可在噪声的空间数据库中发现任意形状的聚类,适用于杂波环境下的扩展目标跟踪。在实际 ...
【技术保护点】
1.一种改进的多扩展目标跟踪方法,其特征在于,包括以下步骤:步骤1:聚类:对传感器的量测数据集进行聚类划分;步骤2:初始化:包括初始目标的概率假设密度D0(x)和势分布p0(n);步骤3:预测更新:对目标状态集Xk在k+1(k≥1)时刻的概率假设密度及势分布进行预测并更新,并得到此时刻的概率假设密度及势分布Dk+1(x)、pk+1(n);步骤4:修剪合并:对目标的强度函数的高斯项进行修剪合并,提取目标状态估计并进行性能评估;步骤5:重复步骤3和步骤4,跟踪目标直到目标消失。
【技术特征摘要】
1.一种改进的多扩展目标跟踪方法,其特征在于,包括以下步骤:步骤1:聚类:对传感器的量测数据集进行聚类划分;步骤2:初始化:包括初始目标的概率假设密度D0(x)和势分布p0(n);步骤3:预测更新:对目标状态集Xk在k+1(k≥1)时刻的概率假设密度及势分布进行预测并更新,并得到此时刻的概率假设密度及势分布Dk+1(x)、pk+1(n);步骤4:修剪合并:对目标的强度函数的高斯项进行修剪合并,提取目标状态估计并进行性能评估;步骤5:重复步骤3和步骤4,跟踪目标直到目标消失。2.根据权利要求1所述的一种改进的多扩展目标跟踪方法,其特征在于,步骤1中的聚类;对传感器的量测数据集进行聚类划分的具体过程为:步骤1-1:初始化DBSCAN算法的两个参数,分别是ε(半径参数)和MinPts(邻域密度阀值);步骤1-2:输入量测数据集D,从数据集D中随机抽取一个未被处理的对象p,对p的ε邻域内对象数目进行统计,若p的ε邻域内对象数目达到MinPts,p记为核心对象,否则从D中抽取下一个未被处理的对象p;对象p标记为“已处理”;步骤1-3:遍历量测数据集D,记录所有的核心对象,找到所有从核心对象的密度可达对象,形成一个个新的簇,进而通过密度相连得到最终簇结果;最后对量测数据集D进行更新,用得到的最终簇结果代替之前的量测数据集D,完成聚类步骤。3.根据权利要求1所述的一种改进的多扩展目标跟踪方法,其特征在于,步骤3中的预测更新:对目标状态集Xk在k+1(k≥1)时刻的概率假设密度及势分布进行预测并更新,并得到此时刻的概率假设密度及势分布Dk+1(x)、pk+1(n)的具体过程为:步骤3-1:预测:对目标状态集Xk在k+1时刻的概率假设密度Dk+1|k(x)及势分布pk+...
【专利技术属性】
技术研发人员:吴盘龙,邓宇浩,何山,王雪冬,肖仁强,曹竞丹,
申请(专利权)人:南京理工大学,
类型:发明
国别省市:江苏,32
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。