基于数据流聚类的多目标跟踪算法.pdf

《基于数据流聚类的多目标跟踪算法.pdf》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、2015年6月西北工业大学学报June2015第33卷第3期JournalofNorthwesternPolytechniealUniversityV0I_33No．3基于数据流聚类的多目标跟踪算法马天力，王新民，曹宇燕，黄誉，穆凌霞(西北工业大学，自动化学院，陕西西安710072)摘要：针对传统多目标跟踪算法在航迹初始阶段易受杂波干扰，提出一种交互多模型核预估数据流聚类的多目标跟踪算法(CE_DMTr)。对数据流进行在线聚类，并运用交互式多模型预估类核位置，缩小聚类搜索范围，同时引入Renyi熵，对聚

2、类进行自适应提取，获取潜在航迹。然后基于潜在航迹运用多假设跟踪算法实现实时跟踪。仿真结果表明，该算法有效减少计算复杂度，提高系统实时性。关键词：多目标；交互多模型；Renyi熵；数据流聚类；多假设跟踪中图分类号：rIN957文献标志码：A文章编号：1000—2758(2015)03—0506-06大数据时代中，数据流应用在线财政管理、通讯、环境监控、卫星传感等领域¨。j。数据流挖掘是1模型描述数据流应用的关键技术之一，即从大量数据中提取设机载雷达跟踪s个目标，t时刻的量测集合为隐含信息，用于对未来状态做

3、出预测以及为下一步z，第i个目标运动特性的状态方程为：操作提供帮助。墨1FXi，+wl，⋯多目标跟踪问题是一个从大量数据信号中对目Zt+l=HXi+’．，2lI标信息挖掘的过程。研究人员提出了许多有效的方，，．．式中：Xi，=[，，，Y，ll']，r为目标i的状法。如最近邻(nearestneighbor，NN)，概率数据关联态向量。Z=[，Y，。]为测量向量，过程噪声(probabilisticdataassociation，PDA)，联合概率数据’．，与量测噪声’．，：Ii，分别为相互独立的高斯白噪

4、关联(jointprobabilisticdataassociation，JPDA)，多假声向量。F和日分别为系统状态转移矩阵与量测设跟踪(multiplehypothesistracking，MHT)L3-sJ，这矩阵。些算法都是通过对量测分配，将多目标问题转化为在跟踪过程中，假设区域内杂波分布模型固并行的单目标跟踪处理问题，但是其处理过程的核定。杂波数量服从参数为A的泊松分布，杂波位心及关键是数据关联，当目标数较多且存在大量虚置服从均匀分布。警时，关联则会带来组合爆炸、计算量呈指数型增长一^lcl凸

5、等问题。He等提出的FCM—JPDA算法(FJPDA)P(Nc=c)=(2)Ct克服传统JPDA计算量大的缺点，但需在航迹起始式中：c为t时刻的杂波数。阶段提前对目标数量进行设定，不利于工程实践。本文提出一种交互多模型核预估数据流聚类的2交互多模型核预估数据流聚类算法多目标跟踪算法(CE—DMTr)。在航迹起始阶段对数据流进行聚类，并运用交互多模型对类核位置进2．1自适应Denstream聚类航迹起始算法行预估，缩小搜索范围，通过判断各类内信息熵自适Denstream聚类算法[7-9]是一种在未知聚类数

6、目应输出聚类，提取预航迹，对预航迹运用多假设算法的情况下可对任意形状数据进行分类的密度聚类算实现对多目标的追踪。仿真结果说明本文算法能够有效减少计算量、提高实时性。法。微簇密度是点在邻域内权重随时间指数衰减的收稿日期：2014—11—04作者简介：马天力(1988一)，西北工业大学博士研究生，主要从事导航、制导与控制研究。第3期马天力，等：基于数据流聚类的多目标跟踪算法·507·=C一●=一r结果，时间衰减函数如下所示：式中：h为窗宽或平滑系数，为类c内点数量。t)=2∑(3∑)算法1自适应Denstr

7、eam聚类航迹起始算法式中：A为时间衰减因子，A>0。一一输入：数据集DS定义1(微簇)表示为(，c，r)。其中为微输出：聚类C、，、／簇权重，c为微簇中心，r为微簇半径。根据．各个时DFor(t时刻数据集DS中点p)p．刻采样数据PP，P，⋯，P计算，c，r如下h7：／计算点P合并人潜在微簇Cp，离去微簇c。p．C的核半径rDt一)，>if式中，(p¨C)为点P．与微簇中心c的欧氏距离，将c。转变为ceEnd为微簇权重门限，为核微簇密度门

8、限。Else由于数据流的性质不断改变，已形成微簇以及创造一个新的C。离群微簇的结构随时间在发生变化，新簇可能出现，End离群微簇也可能形成新簇。Denstream聚类算法提End出2种新结构，潜在微簇与离群微簇。For(每一个c)定义2(潜在(离线)微簇)表示为(，Cm计算类内信息熵yc砣)。=∑厂(￡一)为潜在微簇权重，其中ifV>>。卢用于判断一个微簇是潜在微簇还是离群微输出聚类c。End簇。c，。=∑f一)·P为采样数据权重的线性En