基于最大熵模糊聚类的快速数据联系算法.pdfVIP

1基于最大熵模糊聚类的快速数据关联算法 李良群，姬红兵，高新波 （西安电子科技大学电子工程学院，西安 710071） 摘要： 针对多目标跟踪中的数据关联问题，提出了一种新颖的快速数据关联算法,减少了滤 波中关联概率的计算量。该算法首先利用多个并行改进的最大熵模糊聚类对各个目标的有效 观测进行聚类，然后采用聚类得到的模糊隶属度来重建滤波中的联合关联概率，并在联合关 联概率中引入了比例因子避免航迹的合并；此外，分析了算法中差异因子的特性，考虑了杂 波密度对它的影响，使得能够有效剔除无效观测，进一步减少计算量。仿真实验结果表明， 提出的方法是一种有效的快速数据关联算法，跟踪性能要优于现有的数据关联算法。 关键词：最大熵模糊聚类，数据关联，联合关联概率 Fast Data Association Algorithm Based on Maximum Entropy Fuzzy Clustering Li Liang-qun, Ji Hong-bing ，Gao Xin-bo (School of Electronic Engineering, Xidian University, Xi’an 710071) Abstract: For the data association problem of multiple target tracking, a novel fast data association method is proposed，and the computation load of the association probability in filtering is reduced. Firstly, The candidate measurements of each target are clustered with the aid of the modified maximum entropy fuzzy clustering. Then the joint association probability is reconstructed by utilizing the fuzzy membership degree of the target and the measurement. At the same time, in order to avoid the track coalescence, the scaling factor is introduced to modify the joint association probability. Moreover, the characteristic of the discrimination factor is analyzed and the influence of the clutter density on it is also considered, which enables the algorithm eliminate those invalidate measurements and reduce the computation load. Finally, the simulation results show that the fast data association algorithm is effective, and the performance of tracking is higher than the existing ones. Keywords: Maximum Entropy Fuzzy Clustering; Data Association, Joint Association Probability 1.引言 多目标跟踪过程中，数据关联是最重要也是最困难的。常用的数据关联方法 有[1]：最近邻方法(NN)、多假设跟踪方法(MHT)、联合概率数据关联(JPDA)方法 等。最近邻法虽然易实现,计算量少,但只适用于信噪比高、目标密度小的环境, 对目标密度较大的情况容易产生关联错误。JPDA 由于引入了联合事件的概念, 使其计算量巨大；多假设跟踪方法也由于情况复杂，各种假设的组合数随目标数 的增加而急剧