【技术实现步骤摘要】
一种改进K-means聚类的航迹关联方法
本专利技术属于信息融合领域,涉及一种改进K-means聚类的分布式多传感器航迹关联算法,用于解决在分布式多传感器多目标环境下目标真实数目未知的航迹关联问题。
技术介绍
分布式结构可以以较低的费用获得较高的可靠性和可用性,可减少数据总线的频宽和处理要求,当一个信源降级,其观测结果不会损害整个多源信息融合功能和特性,它可以逐步增加要实现自动化功能的数量,而且能使系统结构适应控制中心的操作要求,并且也有与集中式结构相同或类似的精度。因此,分布式结构已成为优先选用的方案。另外,就现有的分布式多传感器系统来看,分布式结构是一种自然的、合理的和最经济的选择。在分布式多信源环境中,每个信源都有自己的信息处理系统,并且各系统(传感器)中都收集了大量的目标航迹。航迹关联是将来自多个/不同的传感器航迹进行关联,也就是判断来自不同传感器的局部航迹是否代表同一个目标的问题,并确保输入到融合中心的航迹具有一致性和完整性。实际上,航迹关联就是解决传感器空间覆盖区域中的重复跟踪问题。因而航迹关联也称为去重复。同时它也包含了将不同目标区分开的任务。为了解决在分布式多传感器多目标环境下的航迹关联问题,本专利技术针对目标真实数目未知的情况,提出了一种改进K-means聚类的分布式多传感器航迹关联算法。
技术实现思路
本专利技术的目的是针对分布式多传感器多目标环境下的航迹关联问题,考虑目标真实数目未知的情况,提出了一种改进K-means聚类的分布式多传感器航迹关联算法,本专利技术采用技术方案如下:(1)从局部航迹集合中随机选取一条局部航迹作为初始聚类中心; ...
【技术保护点】
1.一种改进K‑means聚类的航迹关联方法,其特征在于,该方法包括以下步骤:(1)从局部航迹集合中随机选取一条局部航迹作为初始聚类中心;假设各个传感器的局部航迹集合为Cs:Cs={1,2,…,ns}式中,局部航迹集合中局部航迹数目为ns并记为
【技术特征摘要】
1.一种改进K-means聚类的航迹关联方法,其特征在于,该方法包括以下步骤:(1)从局部航迹集合中随机选取一条局部航迹作为初始聚类中心;假设各个传感器的局部航迹集合为Cs:Cs={1,2,…,ns}式中,局部航迹集合中局部航迹数目为ns并记为其中表示第ns条航迹;假设局部航迹集合中第一条局部航迹作为初始聚类中心xs1;(2)计算每条局部航迹与当前已有聚类中心之间的最短距离;式中,Dis(x)表示每条局部航迹与当前已有聚类中心之间的最短距离;(3)计算每条局部航迹被选为下一个聚类中心的概率并选择下一个聚类中心;式中,p(x)表示每条局部航迹被选为下一个聚类中心的概率;然后按照轮盘法选择出下一个聚类中心;(4)迭代(2)和(3)直到选择出k个聚类中心;通过迭代选择出k个聚类中心且k为目标的真实数目及系统航迹数目;假设系统航迹集合为Cg:Cg={1,2,…,ng}式中,...
【专利技术属性】
技术研发人员:郭云飞,钱文杲,袁继成,王建中,薛梦凡,
申请(专利权)人:杭州电子科技大学,
类型:发明
国别省市:浙江,33
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。