利用高斯混合概率假设密度滤波器对扩展目标量测集进行划分

孔云波; 冯新喜; 危璋

doi:10.7652/xjtuxb201507021

您当前的位置：

首页 >

文章列表页 >

利用高斯混合概率假设密度滤波器对扩展目标量测集进行划分

更新时间：2025-07-09

- 利用高斯混合概率假设密度滤波器对扩展目标量测集进行划分
- A Measurement Set Partitioning for Extended Target Tracking Using a Gaussian Mixture Extended-Target Gaussian Mixture Probability Hypothesis Density Filter
- 西安交通大学学报 2015年49卷第7期页码：126-133
- 作者机构：
  
  空军工程大学信息与导航学院,西安,710077
- 作者简介：
- 基金信息：
  
  : 2014-12-08。作者简介: 孔云波(1987—),男,博士生;冯新喜(通信作者),男,教授,博士生导师。基金项目: 国家自然科学基金资助项目(61403414);国家重点实验室开放基金资助项目(2014K0304B)
- DOI：10.7652/xjtuxb201507021
  中图分类号： TN953
- 网络首发：2015-07-10，
  
  纸质出版：2015
- 稿件说明：
移动端阅览
孔云波, 冯新喜, 危璋. 利用高斯混合概率假设密度滤波器对扩展目标量测集进行划分[J]. 西安交通大学学报, 2015,49(7):126-133.

A Measurement Set Partitioning for Extended Target Tracking Using a Gaussian Mixture Extended-Target Gaussian Mixture Probability Hypothesis Density Filter[J]. 2015, 49(7): 126-133.
孔云波, 冯新喜, 危璋. 利用高斯混合概率假设密度滤波器对扩展目标量测集进行划分[J]. 西安交通大学学报, 2015,49(7):126-133. DOI： 10.7652/xjtuxb201507021.

A Measurement Set Partitioning for Extended Target Tracking Using a Gaussian Mixture Extended-Target Gaussian Mixture Probability Hypothesis Density Filter[J]. 2015, 49(7): 126-133. DOI： 10.7652/xjtuxb201507021.

摘要

针对杂波环境下多扩展目标高斯混合概率假设密度(ET-GMPHD)量测集划分难、计算量大的问题

提出了一种新的基于网格密度分布和谱聚类的扩展目标量测集划分方法。利用动态网格生成技术来获得量测集的网格密度分布; 在获得网格划分后

将全部量测数据映射到网格单元中并统计网格单元的密度

且采用双密度阀值法来滤除量测集中的杂波; 在谱聚类算法中利用密度敏感距离测度对去除杂波后的量测集构造相似矩阵

继而变换得到拉普拉斯矩阵; 利用k-均值聚类算法对拉普拉斯矩阵的特征向量进行聚类划分。采用网格密度划分法滤除量测集中的杂波

使划分子集尽可能多地包含真实量测

增加划分子集与量测集合的近似度

从而在减少计算量的同时保证算法的跟踪性能损失不大。仿真实验表明

与典型的量测集划分算法相比

所提方法在跟踪误差损失约5%的前提下

计算效率提高了38%以上

具有更好的性能。

Abstract

A new measurement set partitioning based on grid density and spectral clustering is proposed to overcome the problem that it is impossible to implement all the possible partitioning of a measurement set by the filters with extended-target Gaussian mixture probability hypothesis density. Firstly

the dynamic grid generation technique is used to acquire the grid density of measurement set

then the double-density threshold is adopted to remove the clutters of measurements set. Lastly

the spectral clustering based on the sensitive distance is applied in partitioning the measurement set from which the clutters have been removed. Simulation results show that

compared with the typical partition algorithm of measurement set

though the tracking performance of the proposed algorithm loses 5%

the computational efficiency is increased by 38%.

关键词

Keywords

references

GRANSTROM K, LUNDQUIST C, ORGUNER U. Extended target tracking using a Gaussian-mixture PHD filter [J]. IEEE Transactions on Aerospace and Electronic Systems, 2012, 48(4): 3268-3286.

MAHLER R. PHD filters for nonstandard targets: I extended targets [C]∥Proceedings of the 12th International Conference on Information Fusion. Piscataway, NJ, USA: IEEE, 2009: 915-921.

GRANSTROM K, LUNDQUIST C, ORGUNER U. A Gaussian mixture PHD filter for extended target tracking [C]∥Proceedings of the 13th International Conference on Information Fusion. Piscataway, NJ, USA: IEEE, 2010: 1-8.

ORGUNER U C, LUNDQUIST C, GRANSTROM K. Extended target tracking with a cardinalized probability hypothesis density filter [C]∥Proceedings of the 14th International Conference on Indormation Fusion. Piscataway, NJ, USA: IEEE, 2011: 5-8.

LIAN F, HAN C Z. Unified cardinalized probability hypothesis density filters for extended targets and unresolved targets [J]. Signal Processing, 2012, 92(7): 1729-1744.

ZHANG Y Q, JI H B. A novel fast partitioning algorithm for extended target tracking using a Gaussian mixture PHD filter [J]. Signal Processing, 2013, 93(11): 2975-2985.

闫小喜, 韩崇昭, 李威, 等. 拓展目标量测集分割算法 [J]. 西安交通大学学报, 2014, 48(9): 19-23.

YAN Xiaoxi, HAN Chongzhao, LI Wei, et al. A partition algorithm of measurement sets for extended objects [J]. Journal of Xi'an Jiaotong University, 2014, 48(9): 19-23.

瑚成祥, 刘贵喜, 董亮, 等. 区域杂波估计的多目标跟踪方法 [J]. 航空学报, 2014, 35(4): 1091-1101.

HU Chengxiang, LIU Guixi, Dong Liang, et al. Region clutter estimation method for multi-target tracking [J]. Acta Aeronautica et Astronautica Sinica, 2014, 35(4): 1091-1101.

王军, 张冰. 基于动态网格密度聚类的雷达信息分选算法 [J]. 现代电子技术, 2013, 11(1): 1-4.

WANG Jun, ZHANG Bing. A radar signal sorting algorithm based on dynamic grid density clustering [J]. Modern Electronics Technique, 2013, 11(1): 1-4.

黄发良, 黄名选, 元昌安, 等. 网络重叠社区发现的谱聚类集成算法 [J]. 控制与决策, 2014, 29(4): 713-718.

HUANG Faliang, HUANG Mingxuan, YUAN Chang'an, et al. Spectral clustering ensemble algorithm for discovering overlapping communities in social networks [J]. Control and Decision, 2014, 29(4): 713-718.[11] 张亚平, 杨明. 一种基于密度敏感的自适应谱聚类算法 [J]. 数学的实践与认识, 2013, 43(20): 150-156.

ZHANG Yaping, YANG Ming. A kind of density sensitive adaptive spectral clustering algorithm [J]. Mathematics in Practice and Theory, 2013, 43(20): 150-156.

TSAI C W, YANG C S, CHIANG M C. A time efficient pattern reduction algorithm for k-means based clustering [C]∥IEEE International Conference on Systems, Man and Cybernetics. Piscataway, NJ, USA: IEEE, 2007: 504-509.

LI Y X, XIAO H T, SONG Z Y. A new multiple extended target tracking algorithm using PHD filter [J]. Signal Processing, 2013, 93(7): 3578-3588.

陶庆,孙文磊,周建星.考虑齿圈柔性的行星传动系统固有特性与灵敏度研究.2015,49(3):113-120.[doi:10.7652/xjtuxb201503018]

和文强,秦国良.谱元方法求解对流扩散方程及其稳定性分析.2015,49(1):1-6.[doi:10.7652/xjtuxb201501001]

闫小喜,韩崇昭,李威,等.拓展目标量测集合分割算法.2014,48(9):19-23.[doi:10.7652/xjtuxb201409004]

张光华,连峰,韩崇昭,等.高斯混合扩展目标多伯努利滤波器.2014,48(10):9-14.[doi:10./xjtuxb201410002]

郑卜祥,姜歌东,王文君,等.超快脉冲激光对钛合金的烧蚀特性与作用机理.2014,48(12):21-28.[doi:10.7652/xjtuxb 201412004]

韩玉兰,朱洪艳,韩崇昭,等.多扩展目标的高斯混合概率假设密度滤波器.2014,48(4):95-101.[doi:10.7652/xjtuxb 201404017]

倪中非,黄斌科,师振盛.用于非规则波导传输特性分析的高效坐标变换法.2014,48(8):18-22.[doi:10.7652/xjtuxb 201408004]

问翔,刘宏伟,包敏.距离扩展目标回波序列的慢时间谱积累检测器.2013,47(10):18-24.[doi:10.7652/xjtuxb201310 004]

杨清宇,孙凤伟,张曌,等.利用测地线距离的改进谱聚类算法.2012,46(8):1-7.[doi:10.7652/xjtuxb201208001]

张慧,韩崇昭,闫小喜.概率假设密度滤波的谱聚类目标状态提取方法.2012,46(2):1-5.[doi:10.7652/xjtuxb201202001]

浏览量

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

图像分割的谱聚类集成算法

概率假设密度滤波的谱聚类目标状态提取方法

利用测地线距离的改进谱聚类算法

一种自适应局部线性嵌入与谱聚类融合的故障诊断方法

采用随机矩阵的多扩展目标滤波器