用于多目标数据关联的群智能混合算法.pdfVIP

( ) 华南理工大学学报 自然科学版 40 9 Journal of South China University of Technology Vol． 40 No ． 9 第 卷第 期 2012 9 (Natural Science Edition) September 2012 年 月 文章编号:1000-565X (2012)09-0097-07 用于多目标数据关联的群智能混合算法* 1，2 1 3 袁德平 史浩山 郑娟毅 (1． ， 7 10129 ;2 ． ， 7 10068 ; 西北工业大学电子信息学院 陕西西安 中国电子科技集团公司第二十研究所 陕西西安 3． ， 7 10121) 西安邮电大学通信与信息工程学院 陕西西安 : ， (ACO) (PSO) 摘 要 为快速实现多目标数据的关联 将蚁群优化 算法和粒子群优化 算 ， ． ， 法相结合 提出了一种群智能混合算法 以跟踪门确定目标的有效量测 以新息的似然函 ， ． 数描述量测与目标的关联关系 建立多目标数据关联的组合优化模型 利用交叉变异的 PSO ， 算法求解出该优化组合模型的次优解 再将该次优解作为蚁群位置和信息素初始化 ， ACO ． ， 的依据 利用 算法对目标函数的解进行细搜索以求得更优解 仿真实验结果表明 该 算法能够有效地提高关联准确性和收敛速度． : ; ; ; 关键词 数据关联 多目标跟踪 蚁群优化 粒子群优化 中图分类号:TP 391 doi :10 ． 3969 /j ． issn． 1000-565X． 20 12 ． 09 ． 0 17 保持和航迹的管理等． ， 多目标数据关联是实现多目标跟踪的关键环 以目标航迹保持为例 首先对 ． 节 实现数据关联的传统方法有最近邻数据关联 ， 各目标的下一时刻状态进行预测 再利用跟踪门规 (NNA) 、 (PDA) 、 法 概率数据关联 法 联合概率数据关 ， 则为目标选择备选量测 然后以某种关联准则对备 (JPDA) (MHT) ． NNA 联 法及多假设跟踪