针对杂波环境下群目标分离与合并时跟踪精度变化较大的问题,提出一种基于DBSCAN(Density-Based Spatial Clustering of Applications with Noise)的群目标分离与合并跟踪算法。该算法首先根据群目标模型、落入群目标跟踪门中的量测数量...针对杂波环境下群目标分离与合并时跟踪精度变化较大的问题,提出一种基于DBSCAN(Density-Based Spatial Clustering of Applications with Noise)的群目标分离与合并跟踪算法。该算法首先根据群目标模型、落入群目标跟踪门中的量测数量与群目标关联门交叉区域的预测群中心数量来判断群分离或合并的可能性;然后,通过DBSCAN算法对群目标关联门中的量测进行聚类,进一步确定群目标是否发生分离或合并;最后,根据新群目标跟踪门中的等效量测方差计算并更新对应的群目标跟踪门大小和群成员数量。仿真结果表明,相比于传统群目标的分离与合并跟踪方法,该算法保证了群目标分离与合并检测的实时性,提高了分离或合并前后的跟踪精度。展开更多
文摘针对杂波环境下群目标分离与合并时跟踪精度变化较大的问题,提出一种基于DBSCAN(Density-Based Spatial Clustering of Applications with Noise)的群目标分离与合并跟踪算法。该算法首先根据群目标模型、落入群目标跟踪门中的量测数量与群目标关联门交叉区域的预测群中心数量来判断群分离或合并的可能性;然后,通过DBSCAN算法对群目标关联门中的量测进行聚类,进一步确定群目标是否发生分离或合并;最后,根据新群目标跟踪门中的等效量测方差计算并更新对应的群目标跟踪门大小和群成员数量。仿真结果表明,相比于传统群目标的分离与合并跟踪方法,该算法保证了群目标分离与合并检测的实时性,提高了分离或合并前后的跟踪精度。
