共查询到10条相似文献,搜索用时 16 毫秒
1.
针对分布式多传感器航迹关联的特点,考虑采用K-means聚类的航迹关联算法。将来自各传感器的局部航迹与系统航迹进行关联,并将系统航迹作为初始聚类中心,避免了K-means算法本身依赖初始值的缺陷;提出将系统航迹与局部航迹的欧式距离以及其状态向量在1范数下的距离之和作为相似度测度;设定距离门限值,减少了极端数据对聚类结果的影响,并增加多义性处理。蒙特卡洛仿真实验表明,该算法在目标密集并且目标有交叉的情况下能以较小的代价得到较高的平均正确关联率。同时,该算法克服了最近邻域法的局部最优特性和关联正确率高度依赖特征阈值等局限性。 相似文献
2.
3.
针对同平台无源传感器纯方位线关联问题,提出了一种基于变换域的局部最优航迹关联算法。该算法采用霍夫变换(Hough Transform)将方位线映射到参数域等价为点描述,将不同方位线的点描述构建成时间的离散函数,利用时间对准形成具有相同时标的点序列。对关联门限内的目标构建指数判证函数,计算满足关联门限目标的关联矩阵,并确定各航迹关联程度,采用局部寻优方法求取最优关联度的目标作为关联对。实验表明,所提算法具有较好的稳定性及时效性,有效解决了同平台多方位线关联问题。 相似文献
4.
针对分布式航迹关联耗时较多的问题,提出了一种加快处理速度的新算法。该方法首先将平面等分割成很多矩形网格;其次,根据关联门限计算关联的矩形网格集合;最后,根据关联网格集合选定待关联目标,从而减少关联次数,提高处理速度。仿真试验表明,当目标数为1 600以上、传感器数为2以上时,航迹关联加速算法比一般航迹关联算法的处理速度高出30倍以上。 相似文献
5.
6.
针对多雷达数据融合问题,提出了基于时间序列的聚类算法,用于实现航迹相关,即以时间序列为基础把聚类模型转化为基于特征匹配的聚类算法。进一步考虑到多目标密集时,部分来自不同目标的数据可能比来自同一目标的数据更接近,易导致关联错误,为此提出了基于时间序列的模糊聚类算法。对上述两种算法的聚类结果,应用卡尔曼滤波器实现滤波跟踪,在不同的情况下仿真后发现,在跟踪目标较少且相互位置较远的情况下,两种算法均有效,在跟踪目标较多且相互位置靠近的情况下,基于时间序列的模糊聚类算法更有效。 相似文献
7.
针对目标个数的不确定性和目标航迹的初始化问题,提出一种综合的检测算法.首先将序列图像在时域上进行组合,消除背景影响.在此基础上对组合帧图像进行网格划分,估计出目标存在区域,从而缩短了目标搜索时间,然后利用帧间目标的互关联特性初始化各目标的航迹.仿真试验结果表明,该算法具有有效性与实时性的特点. 相似文献
8.
9.
10.
多源信息融合是海上目标综合信息处理的关键技术之一.文中分析了海上目标的多源异类信息融合的特点,给出了基于信息融合的海上目标判证仿真系统体系结构,并建立了信息融合功能模型.系统采用分布式处理结构,包含战场目标模拟、信息感知、航迹关联与融合、目标判证、性能评估、态势评估与显示等功能.仿真结果验证了系统体系结构和各算法的可行性. 相似文献