APP下载

一种混合的机动群目标分离检测跟踪算法

2018-10-15杜明洋毕大平王树亮潘继飞

西安交通大学学报 2018年10期
关键词:关联

杜明洋,毕大平,王树亮,潘继飞

(国防科技大学电子对抗学院,230037,合肥)

密集多目标跟踪是信息融合、航空航天领域的难点问题。尤其是对于空间位置很近、互相遮挡现象严重的目标,如低空飞行的飞机编队、鸟群等。在跟踪上述类型的目标时,可能存在一个雷达波束内有多个目标的情况,从而导致无法分辨出每一个个体目标[1-2]。针对上述问题,相关学者提出对群的整体进行跟踪,主要包括概率假设密度(PHD)滤波和Bayesian递推算法。其中,洛克希德公司提出的PHD滤波算法可以有效跟踪未知数目的空间临近目标,不需要数据关联即可从目标状态中同时提取目标数量和状态估计[3-6],但该算法存在大量的集合积分,推导复杂,并且无法给出目标航迹,不利于实际应用推广[7-9]。Koch提出利用随机矩阵(RM)描述群的形状以改善跟踪效果,将目标形状参数描述为逆Wishart分布,将目标运动状态参数描述为Gaussian分布,采用Bayesian递推的方法对上述参数进行估计[10-15]。

以飞机编队为例,在运动过程中,基于特定的战术要求,会出现分离、合并等机动模式[7],与转弯机动不同的是,成员的合并与分离对于群目标跟踪来说,会引起群形状和质心的明显变化,造成跟踪误差变大。对分离后的群目标仍采用一个椭圆描述群外形显然是不准确的,因为此时单个椭圆将无法反映群的态势[16-17]。文献[16]通过分析椭圆(体)与正定矩阵的关系,提出了一种新的描述群外形的方法,该算法降低了群机动对跟踪精度的影响,但该算法采用半正定规划估计椭圆的半轴,需要大量的迭代寻优计算,从而严重影响了跟踪的实时性。……

登录APP查看全文

猜你喜欢

关联
不惧于新,不困于形——一道函数“关联”题的剖析与拓展
“苦”的关联
船山与宋学关联的再探讨
“一带一路”递进,关联民生更紧
新制度关联、组织控制与社会组织的倡导行为
奇趣搭配
基于广义关联聚类图的分层关联多目标跟踪
智趣
探讨藏医学与因明学之间的关联
GPS异常监测数据的关联负选择分步识别算法