<address id="xrvvb"><listing id="xrvvb"></listing></address>

          <form id="xrvvb"></form>

          <address id="xrvvb"></address>

          華中科技大學學報(自然科學版) 2020, Vol. 48 Issue (9): 31-37 DOI10.13245/j.hust.200906

          欄目:計算機與控制工程
          面向戰役級目標態勢生成的航跡關聯算法
          李 琳 , 夏學知 , 熊紫倩 , 黃友澎
          武漢數字工程研究所,湖北 武漢 430074
          摘要 針對戰役級目標態勢數據量大、信息源數量多、采樣頻率各異、探測誤差差異大、目標屬性特征存在誤判等問題,基于多尺度航跡聚類提出了一種面向戰役級目標態勢生成的航跡關聯算法.首先利用等距滑動窗口均值濾波剔除目標異常數據點、降低傳感器誤差引起的數據抖動,重新估計目標航速和航向;然后綜合目標量測數據的多維特征提出了一種軌跡相似性距離;最后基于該距離,分階段進行基于多粒度網格聚類的粗聚類和基于密度聚類的精聚類完成目標數據關聯判斷,綜合聚類結果和離群點得到關聯結果.實驗表明:提出的方法在戰役級目標數據環境下,數據處理容量、關聯正確率、身份異常穩定性等方面較現有航跡關聯算法有一定的提升,適用于戰役級目標態勢生成應用.
          關鍵詞 目標關聯 ;航跡聚類 ;隨機誤差 ;目標態勢 ;態勢生成 ;戰役態勢
          Target association algorithm for operational level target situation generation
          LI Lin , XIA Xuezhi , XIONG Ziqian , HUANG Youpeng
          Wuhan Digital Engineering Research Institute,Wuhan 430074,China
          Abstract Focusing on the problems of large amount of track data,large number of sensors,large variety of sampling frequency,large difference of detection error and misjudgment of target attributes,a new target association algorithm for operational level target situation generation based on multiscale trajectory clustering was proposed.Firstly,the mean value filtering algorithm of equidistant sliding window was used to eliminate abnormal data points and reduce sensor errors.Secondly,a trajectory similarity distance was defined based on multiple features of track data,based on the distance,a rough clustering of multi granularity grid clustering algorithm and a fine clustering of density clustering algorithm were applied to the data set to complete the target association judgment,and the association results were obtained by integrating the clusters and outliers.Experimental results show that the method proposed has a certain improvement in track processing capacity,correct association rate and target identity anomaly stability compared with the existing algorithm in the operational level track data environment,and can be applied to campaign operational target situation generation.
          Keywords target association ; trajectory clustering ; random errors ; target situation ; situation generation ; operational level situation
          基金資助國防預研基金資助項目(614210103020517)

          中圖分類號TN957;TP274
          文獻標志碼A
          文章編號1671-4512(2020)09-0031-07
          參考文獻
          [1] 李保珠,董云龍,李秀友,等.基于t分布混合模型的抗差關聯算法[J].電子與信息學報,2017,39(7):1774-1778.
          [2] 胡昌林,郭博.基于Bayes的航跡概率數據關聯算法[J].現代雷達,2018,40(5):41-45.
          [3] 李保珠,董云龍,丁昊,等.基于高斯混合模型的航跡抗差關聯算法[J].航空學報,2019,40(6):226-234.
          [4] 何友,王國宏,陸大金,等.多傳感器信息融合及應用[M].2版.北京:電子工業出版,2010.
          [5] 黃友澎,周永豐,李琳,等.基于傳遞閉包聚類的多傳感器航跡關聯算法[J].武漢理工大學學報(交通科學與工程版),2008,32(5):834-837.
          [6] 丁文銳,李紅光,李新軍.基于聚類最近數據關聯的多目標跟蹤算法[J].北京航空航天大學學報,2009,35(12):1487-1490.
          [7] 王志偉,胡玉蘭,胡樹杰,等.基于修正模糊理論和D-S證據決策的航跡關聯算法[J].系統仿真學報,2019(10):2019-2029.
          [8] 孫璐,周偉,姜佰辰,等.一種時空聯合約束的多源航跡相似性度量模型[J].系統工程與電子技術,2017,39(11):2405-2413.
          [9] 王海鵬,潘新龍,賈舒宜,等.系統誤差下基于雙重模糊拓撲的編隊航跡精細關聯算法[J].北京理工大學學報,2016,36(9):965-968.
          [10] 董凱,王海鵬,劉瑜.基于拓撲統計距離的航跡抗差關聯算法[J].電子與信息學報,2015,37(1):50-55.
          [11] 吳漢寶,李倫,張志云.基于二分圖最優完備匹配的目標關聯算法[J].華中科技大學學報(自然科學版),2017,45(2):95-100.
          [12] ZHENG Y,ZHOU X F.Computing with spatial trajectories[M].New York:Springer,2011.
          [13] BIAN J,TIAN D Y,TANG Y Y,et al.A survey on trajectory clustering analysis [J/OL].[2018-02-20].https://arxiv.org/abs/1802.06971.
          [14] 高強,張鳳荔,王瑞錦,等.軌跡大數據:數據處理關鍵技術研究綜述[J].軟件學報,2017,28(4):959-992.
          [15] 周星星,吉根林,張書亮.時空軌跡相似性度量方法綜述[J].地理信息世界,2018,4(1):11-18.
          [16] ZHENG Y,FU H,XIE X,et al.Geolife GPS trajectory dataset[EB/OL].[2018-07-20].https://www.microsoft. com/en-us/research/publication/geolife-gps-trajectory-dataset-user-guide.
          [17] 鄒偉,焦綱領,孫倩,等.信息融合系統能力綜合評價的一種計算方法[J].艦船科學技術,2010,32(2):111-114.
          文獻來源
          李 琳, 夏學知, 熊紫倩, 黃友澎. 面向戰役級目標態勢生成的航跡關聯算法[J]. 華中科技大學學報(自然科學版), 2020, 48(9): 31-37
          DOI:10.13245/j.hust.200906
          澳门盘口