基于kmdl準(zhǔn)則判據(jù)的核k-均值航跡關(guān)聯(lián)方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明屬于多傳感器多目標(biāo)跟蹤技術(shù)領(lǐng)域，具體涉及一種基于KMDL準(zhǔn)則判據(jù)的 核K-均值航跡關(guān)聯(lián)方法。
【背景技術(shù)】
[0002] 多傳感器多目標(biāo)跟蹤系統(tǒng)主要通過數(shù)據(jù)鏈接收每個傳感器系統(tǒng)傳來的局部航跡 信息，然后對這些局部航跡信息進行關(guān)聯(lián)、配準(zhǔn)、融合等核心問題的計算，形成協(xié)同探測融 合后的目標(biāo)航跡。
[0003] 多傳感器協(xié)同目標(biāo)跟蹤可實現(xiàn)對目標(biāo)的精確跟蹤，實際應(yīng)用中，待跟蹤目標(biāo)存在 多個，此時需要正確地確定傳感器所接收到的量測信息與感興趣的目標(biāo)間的對應(yīng)關(guān)系。然 而，由于虛假的輻射源產(chǎn)生的雜波，干擾雜波以及假目標(biāo)等原因，會造成量測起源的不確定 性，即目標(biāo)與量測的對應(yīng)關(guān)系不確定性，消除這種不確定性的方法是應(yīng)用航跡關(guān)聯(lián)技術(shù)。在 分布式系統(tǒng)結(jié)構(gòu)中，融合中心接收單個傳感器處理得到的局部航跡信息，然后對這些局部 航跡進行融合形成對目標(biāo)狀態(tài)更精確的估計，首先需要知道局部航跡與目標(biāo)間的對應(yīng)關(guān) 系。航跡關(guān)聯(lián)問題就是要判斷各傳感器得到的局部航跡中是否來自同一目標(biāo)。
[0004] 真實戰(zhàn)場目標(biāo)具有密集、復(fù)雜度高等特點，多目標(biāo)之間的相互影響，目標(biāo)飛行的高 機動性，雜波的干擾，傳感器量測誤差的存在，都使得航跡關(guān)聯(lián)問題變得非常困難。

【發(fā)明內(nèi)容】

[0005] 為了克服上述現(xiàn)有技術(shù)存在的缺陷，本發(fā)明的目的在于提供一種基于KMDL準(zhǔn)則 判據(jù)的核K-均值航跡關(guān)聯(lián)方法，該方法能夠快速、準(zhǔn)確的解決復(fù)雜環(huán)境下的多目標(biāo)航跡關(guān) 聯(lián)問題。
[0006] 本發(fā)明是通過以下技術(shù)方案來實現(xiàn)：
[0007] 基于KMDL準(zhǔn)則判據(jù)的核K-均值航跡關(guān)聯(lián)方法，包括以下步驟：
[0008] 步驟一：構(gòu)建典型航跡關(guān)聯(lián)場景
[0009] 首先，選擇接近目標(biāo)真實運動模式的典型模型，生成目標(biāo)量測；其次，采用泊松分 布生成雜波；然后，生成目標(biāo)群體高機動交叉飛行，且目標(biāo)密集度高的航跡關(guān)聯(lián)場景；
[0010] 步驟二：使用KMDL準(zhǔn)則判據(jù)確定目標(biāo)航跡個數(shù)
[0011] 任意提取航跡關(guān)聯(lián)場景中某一時刻的航跡觀測場景，選取該時刻數(shù)據(jù)作為航跡關(guān) 聯(lián)樣本數(shù)據(jù)，把核函數(shù)引入到最小描述長度MDL準(zhǔn)則中，利用核函數(shù)下最小描述長度準(zhǔn)則 KMDL判據(jù)建立精確描述對象的模型，進行KMDL值計算，KMDL的值隨K值選取的不同變化， 當(dāng)KMDL最小時，模型復(fù)雜度和模型數(shù)據(jù)匹配度之間達(dá)到最優(yōu)，選取該時刻的K值為最佳航 跡個數(shù)；
[0012] 步驟三：對航跡觀測場景用核K-均值算法關(guān)聯(lián)
[0013] 對航跡觀測場景采用核K-均值算法關(guān)聯(lián)，聚類簇的個數(shù)K為步驟二獲得的最佳航 跡個數(shù)，然后在核空間內(nèi)進行K-均值聚類，核K-均值聚類結(jié)果分別為某一時刻的K個航 跡。
[0014] 步驟二中，設(shè)模型集合為M，MDL準(zhǔn)則選擇出的模型為Mmdl，模型Mmdl的標(biāo)準(zhǔn)是最小 化以下兩項之和：
[0015] UMD | :描述模型吣所需的位數(shù)；
[0016] |Le(D|Mi) | :給定模型％，描述對象D所需的位數(shù)，|Le(D|Mi) |為基于模型Mi描述 對象D的語言；
[0017] 則MDL表達(dá)如下：
【主權(quán)項】
1. 基于KMDL準(zhǔn)則判據(jù)的核K-均值航跡關(guān)聯(lián)方法，其特征在于，包括以下步驟： 步驟一：構(gòu)建典型航跡關(guān)聯(lián)場景 首先，選擇接近目標(biāo)真實運動模式的典型模型，生成目標(biāo)量測；其次，采用泊松分布生 成雜波；然后，生成目標(biāo)群體高機動交叉飛行，且目標(biāo)密集度高的航跡關(guān)聯(lián)場景； 步驟二：使用KMDL準(zhǔn)則判據(jù)確定目標(biāo)航跡個數(shù) 任意提取航跡關(guān)聯(lián)場景中某一時刻的航跡觀測場景，選取該時刻數(shù)據(jù)作為航跡關(guān)聯(lián)樣 本數(shù)據(jù)，把核函數(shù)引入到最小描述長度MDL準(zhǔn)則中，利用核函數(shù)下最小描述長度準(zhǔn)則KMDL 判據(jù)建立精確描述對象的模型，進行KMDL值計算，KMDL的值隨K值選取的不同變化，當(dāng) KMDL最小時，模型復(fù)雜度和模型數(shù)據(jù)匹配度之間達(dá)到最優(yōu)，選取該時刻的K值為最佳航跡 個數(shù)； 步驟三：對航跡觀測場景用核K-均值算法關(guān)聯(lián) 對航跡觀測場景采用核K-均值算法關(guān)聯(lián)，聚類簇的個數(shù)K為步驟二獲得的最佳航跡個 數(shù)，然后在核空間內(nèi)進行K-均值聚類，核K-均值聚類結(jié)果分別為某一時刻的K個航跡。
2. 根據(jù)權(quán)利要求1所述的基于KMDL準(zhǔn)則判據(jù)的核K-均值航跡關(guān)聯(lián)方法，其特征在于， 步驟二中，設(shè)模型集合為M，MDL準(zhǔn)則選擇出的模型為Mmdl，模型MnidJ^標(biāo)準(zhǔn)是最小化以下兩 項之和： Lm(Mi)I:描述模型Mi所需的位數(shù)； K(DlMi)I:給定模型Mi，描述對象D所需的位數(shù)，ILe(DlMi)I為基于模型Mi描述對象D的語言；
擴展核函數(shù)下的MDL形式，MDL僅與描述模型誤差的協(xié)方差矩陣IE」|有關(guān)，誤差由原 空間以及核轉(zhuǎn)換后的轉(zhuǎn)換空間決定，MDL的形式為：
Iij是第j個簇的樣本個數(shù)，Dist是在將樣本Xk歸入到第j個簇的誤差，P(J，D，I)為懲 罰函數(shù)，D是樣本的維數(shù)，I是簇的個數(shù)； 誤差函數(shù)是使用內(nèi)核公式計算的歐式距離，第j個聚類簇中各點到其中心的距離平方 和為核K-均值的優(yōu)化函數(shù)：
假設(shè)K是線性核，S等于在原始空間X中方差，即K(Xk，X1) =XkX1; 獲得完整的MDL公式，假設(shè)每個維度簇的方差相等，替換協(xié)方差矩陣行列式Ej為： E」=矽 假定聚類各維無差異，則12^1=矽，s在任意的核函數(shù)中得到，則有：
3. 根據(jù)權(quán)利要求1所述的基于KMDL準(zhǔn)則判據(jù)的核K-均值航跡關(guān)聯(lián)方法，其特征在于， 步驟三中所述的核K-均值算法，包括以下步驟： 1) 在核空間中任意選擇航跡場景中的K個樣本作為初始聚類中心???<); 2) 在核空間中，將每個樣本巾（Xi)根據(jù)最近鄰原則分配到各個類別中，通距離計算， ?。╔i)離哪個聚類中心最近，就屬于該類別； 3) 重新計算聚類中- 和Jlt值； 4) 重復(fù)步驟2)和3)，直到連續(xù)n次迭代Jlt值不變?yōu)橹埂?br>4. 根據(jù)權(quán)利要求3所述的基于KMDL準(zhǔn)則判據(jù)的核K-均值航跡關(guān)聯(lián)方法，其特征在于， 步驟3)中Jlt值的計算方法為： 首先，根據(jù)步驟2)所得的分類，在每個類別中尋找一個樣本作為該類的中心；然后，在 每個類別中，分別以每個樣本為類中心，計算類內(nèi)其它各樣本點到類中心的距離，并算出距 離之和，距離之和最小的類中心就是該類中心；最后，最小距離之和就是該類的誤差平方和 <，將各類的4相加得到Jlt的值。
5. 根據(jù)權(quán)利要求1所述的基于KMDL準(zhǔn)則判據(jù)的核K-均值航跡關(guān)聯(lián)方法，其特 征在于，步驟三中所述的K-均值聚類，是將核空間的待分類航跡樣本經(jīng)過非線型映射 傘：1^-?，1-巾（1)，把原來樣本（1 1，12，~111)映射為〇(11)，"％巾（1 1^)，在核空間基于 距離的劃分，把樣本間相似度量大的歸為一類，直到簇的中心點收斂。
6. 根據(jù)權(quán)利要求5所述的基于KMDL準(zhǔn)則判據(jù)的核K-均值航跡關(guān)聯(lián)方法，其特征在于， K-均值聚類具體操作為： 首先，最小化下式中的目標(biāo)函數(shù)：
【專利摘要】本發(fā)明公開了一種基于KMDL準(zhǔn)則判據(jù)的核K-均值航跡關(guān)聯(lián)方法，包括以下步驟：步驟一：構(gòu)建典型航跡關(guān)聯(lián)場景；步驟二：使用KMDL準(zhǔn)則判據(jù)確定目標(biāo)航跡個數(shù)；步驟三：對航跡觀測場景用核K-均值算法關(guān)聯(lián)。本發(fā)明的公開的基于KMDL準(zhǔn)則判據(jù)的核K-均值航跡關(guān)聯(lián)方法，基于目標(biāo)狀態(tài)信息，將KMDL準(zhǔn)則判據(jù)和核K-均值算法結(jié)合起來求解復(fù)雜環(huán)境下(雜波密集，目標(biāo)靠近，目標(biāo)數(shù)目未知)的多目標(biāo)航跡關(guān)聯(lián)問題。該方法充分利用目標(biāo)的運動狀態(tài)信息，有效地提高了關(guān)聯(lián)準(zhǔn)確率，關(guān)聯(lián)判據(jù)簡單易行，計算量小、關(guān)聯(lián)正確率高，對目標(biāo)交叉不敏感，適合在目標(biāo)密集和交叉環(huán)境中進行航跡關(guān)聯(lián)，適用于工程實現(xiàn)。
【IPC分類】G06F19-00
【公開號】CN104715154
【申請?zhí)枴緾N201510128543
【發(fā)明人】郭文鎖, 朱洪艷, 韓崇昭, 吳丹, 傅娜
【申請人】西安交通大學(xué)
【公開日】2015年6月17日
【申請日】2015年3月23日