余萌 徐琰珂 胡茄乾

摘 要： 面向空对空作业的发展需求， 提出了一种基于广义概率假设密度的多目标运动估计方法。 在Faster-RCNN方法基础上引入多尺度分析， 并利用改进K-means方法对观测目标进行粗聚类， 以此为前置输入， 提出了基于广义泊松分布的概率假设密度滤波器， 将聚类信息纳入滤波估计的权重更新中， 增强了对变阵群目标的跟踪时效性。 仿真结果表明， 本文方法在没有初始聚类信息的先验知识下， 依然能够完成对多目标的识别分类与跟踪， 且精度优于现有的集群目标运动估计方法。

关键词：多目标运动估计; K-means聚类; 目标识别; 概率假设密度; 态势感知

中图分类号：TJ765; TP391.4  文献标识码：    A 文章编号：1673-5048（2021）04-0037-06

0 引  言

为适应日趋复杂的作战环境， 多飞行器协同作战方案逐渐成为当前空中打击作业的热点方向。 美国海军研究的低成本无人机蜂群（Drone Swarm）技术已经成功完成了多次实地测验， 初步实现了无人机集群编队飞行与快速机动。 俄罗斯新的S-70“猎人”（Okhotnik-B）重型隐形无人机成功伴飞苏-57， 突出了战斗支援角色， 旨在扩大战斗机的能力。 这些无人机集群和无人机与有人机的编队， 大大加强了空中打击力量的突防能力， 为国土防空增加了新的压力。 为实现对空中集群目标的有效防御， 需要发展具有集群目标针对性的跟踪应对技术。

通常情况下， 多飞行器集群目标都是按照一定的编队飞行方式进行空中作业， 通过在复杂背景中进行机动目标集群聚类分析， 可以实现对集群目标的阵群态势粗估计。……