杂波环境下基于最大熵模糊聚类的JPDA算法

doi:10.12305/j.issn.1001-506X.2023.07.02

系统工程与电子技术 ›› 2023, Vol. 45 ›› Issue (7): 1920-1927.doi: 10.12305/j.issn.1001-506X.2023.07.02

杂波环境下基于最大熵模糊聚类的JPDA算法

毕文豪¹^,*, 周杰², 张安¹, 刘力¹

1. 西北工业大学航空学院, 陕西西安 710072
2. 南京电子技术研究所, 江苏南京 210039

收稿日期:2022-04-11 出版日期:2023-06-30 发布日期:2023-07-11
通讯作者: 毕文豪
作者简介:毕文豪(1986—), 男, 副研究员, 博士, 主要研究方向为智能火控、信息融合
周杰(1996—), 男, 硕士, 主要研究方向为雷达多目标跟踪
张安(1962—), 男, 教授, 博士, 主要研究方向为一体化智能火力指挥与控制技术、一体化作战飞机航空平台电子综合技术
刘力(1997—), 男, 博士研究生, 主要研究方向为目标跟踪、信息融合
基金资助:
国家自然科学基金(61903305);国家自然科学基金(62073267);航空科学基金(201905053001)

JPDA algorithm based on maximum entropy fuzzy clustering in clutter environment

Wenhao BI¹^,*, Jie ZHOU², An ZHANG¹, Li LIU¹

1. School of Aeronautics, Northwestern Polytechnical University, Xi'an 710072, China
2. Nanjing Institute of Electronic Technology, Nanjing 210039, China

Received:2022-04-11 Online:2023-06-30 Published:2023-07-11
Contact: Wenhao BI

摘要/Abstract

摘要：

针对杂波环境下的多目标跟踪数据关联存在跟踪精度低、实时性差的问题, 提出了一种基于最大熵模糊聚类的联合概率数据关联算法(joint probabilistic data association algorithm based on maximum entropy fuzzy clustering, MEFC-JPDA)。首先, 采用最大熵模糊聚类求得的隶属度初步表征目标与有效量测之间的关联概率。其次, 采用基于目标距离的量测修正因子对关联概率进行调整, 并建立关联概率矩阵。最后, 结合卡尔曼滤波算法, 对目标的状态进行加权更新。仿真结果表明, 所提算法在杂波环境下的跟踪性能相比现有的两种关联算法有较大提升, 是一种有效的多目标跟踪数据关联算法。

关键词: 多目标跟踪, 联合概率数据关联, 最大熵模糊聚类, 量测修正因子

Abstract:

Aiming at the problems of low tracking accuracy and poor real-time performance of multi-target tracking data association in clutter environment, this paper proposes a joint probabilistic data association algorithm based on maximum entropy fuzzy clustering (MEFC-JPDA). Firstly, the membership obtained by the maximum entropy fuzzy clustering is used to preliminarily characterize the correlation probability between the target and the effective measurement. Secondly, the measurement correction factor based on target distance is used to adjust the correlation probability, and the correlation probability matrix is established. Finally, combined with the Kalman filtering algorithm, the state of the target is weighted updated. Simulation results show that the tracking performance of the proposed algorithm in clutter environment is greatly improved compared with the existing two association algorithms, and it is an effective multi-target tracking data association algorithm.

Key words: multi-target tracking, joint probability data association (JPDA), maximum entropy fuzzy clustering (MEFC), measurement correction factor

中图分类号:

TN953

毕文豪, 周杰, 张安, 刘力. 杂波环境下基于最大熵模糊聚类的JPDA算法[J]. 系统工程与电子技术, 2023, 45(7): 1920-1927.

Wenhao BI, Jie ZHOU, An ZHANG, Li LIU. JPDA algorithm based on maximum entropy fuzzy clustering in clutter environment[J]. Systems Engineering and Electronics, 2023, 45(7): 1920-1927.

图/表 14

图1

图2

表1

表2

图3

图4

图5

图6

图7

图8

图9

图10

表3

表4

参考文献 17

1	蔡秀梅, 王妍, 卞静伟, 等. 多目标跟踪数据关联算法综述[J]. 西安邮电大学学报, 2021, 26 (2): 77- 86.
	CAI X M , WANG Y , BIAN J W , et al. Overview of multi-target tracking data association algorithms[J]. Journal of Xi'an University of Posts and Telecommunications, 2021, 26 (2): 77- 86.
2	SINGER R , SEA R . New results in optimizing surveillance system tracking and data correlation performance in dense multitarget environments[J]. IEEE Trans.on Automatic Control, 1973, 18 (6): 571- 582. doi: 10.1109/TAC.1973.1100421
3	BAR-SHALOM Y , TSE E . Tracking in a cluttered environment with probabilistic data association[J]. IEEE Trans.on Automatic Control, 1975, 11 (5): 451- 460.
4	CHANG K C , BAR-SHALOM Y . Joint probabilistic data association for multitarget tracking with possibly unresolved mea-surements and maneuvers[J]. IEEE Trans.on Automatic Control, 1984, 29 (7): 585- 594. doi: 10.1109/TAC.1984.1103597
5	刘俊, 刘瑜, 何友, 等. 基于速度方位约束的多传感器模糊数据互联[J]. 系统工程与电子技术, 2016, 38 (9): 2040- 2047.
	LIU J , LIU Y , HE Y , et al. Multi-sensor fuzzy data association based on velocity and azimuth[J]. Systems Engineering and Electronics, 2016, 38 (9): 2040- 2047.
6	BAE S H , YOON K J , et al. Robust online multiobject tracking with data association and track management[J]. IEEE Trans.on Image Processing, 2014, 23 (7): 2820- 2833. doi: 10.1109/TIP.2014.2320821
7	HABTEMARIAM B , THARMARASA R , THAYAPARAN T , et al. A multiple-detection joint probabilistic data association filter[J]. IEEE Journal of Selected Topics in Signal Processing, 2013, 7 (3): 461- 471. doi: 10.1109/JSTSP.2013.2256772
8	LI L Q , XIE W X . Bearings-only maneuvering target tracking based on fuzzy clustering in a cluttered environment[J]. AEU-International Journal of Electronics and Communications, 2014, 68 (2): 130- 137.
9	QIAN P J , JIANG Y Z , DENG Z H , et al. Cluster prototypes and fuzzy memberships jointly leveraged cross-domain maximum entropy clustering[J]. IEEE Trans.on Cybernetics, 2016, 46 (1): 181. doi: 10.1109/TCYB.2015.2399351
10	欧阳成, 姬红兵, 田野. 一种基于模糊聚类的PHD航迹维持算法[J]. 电子学报, 2012, 40 (6): 1284- 1288.
	OUYANG C , JI H B , TIAN Y . Fuzzy clustering based algorithm for track continuity in PHD filter[J]. Acta Electronica Sinica, 2012, 40 (6): 1284- 1288.
11	刘俊, 刘瑜, 何友, 等. 杂波环境下基于全邻模糊聚类的联合概率数据互联算法[J]. 电子与信息学报, 2016, 38 (6): 1438- 1445.
	LIU J , LIU Y , HE Y , et al. Joint probabilistic data association algorithm based on all-neighbor fuzzy clustering in clutter[J]. Journal of Electronics & Information Technology, 2016, 38 (6): 1438- 1445.
12	LI L Q , JI H B , GAO X B . Maximum entropy fuzzy clustering with application to real-time target tracking[J]. Signal Processing, 2006, 86 (11): 3432- 3447.
13	LI L Q , XIE W X . Bearings-only maneuvering target tracking based on fuzzy clustering in a cluttered environment[J]. AEU-International Journal of Electronics and Communication, 2014, 68 (2): 130- 137.
14	郭相科, 付强, 范成礼, 等. 一种新的临空高超声速飞行器滑跃段跟踪算法[J]. 宇航学报, 2017, 38 (9): 971- 978.
	GUO X K , FU Q , FAN C L , et al. A new tracking algorithm for near space hypersonic vehicle in gliding jumping phase[J]. Journal of Astronautics, 2017, 38 (9): 971- 978.
15	陈晓, 李亚安, 蔚婧, 等. 基于最大熵模糊聚类的快速多目标跟踪算法研究[J]. 西北工业大学学报, 2017, 35 (4): 629- 634.
	CHEN X , LI Y A , WEI J , et al. A fast multi-target tracking algorithm based on maximum entropy fuzzy clustering[J]. Journal of Northwestern Polytechnical University, 2017, 35 (4): 629- 634.
16	CHEN X , LI Y A , YU J , et al. Developing the fuzzy C-means clustering algorithm based on maximum entropy for multitarget tracking in a cluttered environment[J]. Journal of Applied Remote Sensing, 2018, 12 (1): 016019.
17	GUO J J , YUAN X H , HAN C Z . Sensor selection based on maximum entropy fuzzy clustering for target tracking in large-scale sensor networks[J]. Signal Processing, 2017, 11 (5): 613- 621.

目标编号	位置/m		速度/(m·s^-1)
目标编号	x_k(r)	y_k(r)	$\dot{x}_k(r)$	$\dot{y}_k(r)$
A	600	1 200	215	50
B	600	3 600	215	50

目标编号	位置/m		速度/(m·s^-1)
目标编号	x_k(r)	y_k(r)	$\dot{x}_k(r)$	$\dot{y}_k(r)$
A	500	1 100	235	125
B	600	2 200	255	85

杂波密度	传统JPDA算法	本文算法	文献[15]
λ=1	3.006	2.122	2.105
λ=6	5.648	2.424	2.514

杂波密度	传统JPDA算法	本文算法	文献[15]
λ=1	3.065	2.145	2.028
λ=6	5.329	2.201	2.195

[1]	刘政玮, 陈映, 鲁耀兵. 适用于多目标轨迹小角度交叉的PHD滤波器[J]. 系统工程与电子技术, 2023, 45(4): 982-990.
[2]	安雷, 李召瑞, 吉兵. 杂波环境下可移动主被动传感器长时调度方法[J]. 系统工程与电子技术, 2023, 45(1): 165-174.
[3]	侯子林, 程婷, 彭瀚. 基于量测转换序贯滤波的GMPHD机动目标跟踪[J]. 系统工程与电子技术, 2022, 44(8): 2474-2482.
[4]	翟光, 王妍欣, 孙一勇. 基于低轨星网的多目标协同跟踪滤波技术[J]. 系统工程与电子技术, 2022, 44(6): 1957-1967.
[5]	辛怀声, 曹晨. 基于交互多模型的分组δ-广义标签多伯努利算法[J]. 系统工程与电子技术, 2022, 44(4): 1128-1138.
[6]	宋子壮, 杨嘉伟, 张东方, 王诗强, 张硕. 基于无锚框的红外多类别多目标实时跟踪网络[J]. 系统工程与电子技术, 2022, 44(2): 401-409.
[7]	尹立凡, 张奕群, 王硕, 孙承钢. 直方图概率多假设跟踪方法技术综述[J]. 系统工程与电子技术, 2021, 43(11): 3118-3125.
[8]	李正杰, 谢军伟, 张浩为, 张昭建. 基于集中式MIMO雷达的功率带宽联合分配算法[J]. 系统工程与电子技术, 2020, 42(5): 1041-1049.
[9]	卢晓东, 崔涛, 王伟, 程承. 考虑配准时空误差的多目标标签多伯努利滤波[J]. 系统工程与电子技术, 2020, 42(4): 904-911.
[10]	彭华甫, 黄高明, 田威, 邱昊. 基于幅度信息的标签多伯努利滤波算法[J]. 系统工程与电子技术, 2018, 40(12): 2636-2641.
[11]	刘建业, 王华, 周晚萌. 基于GA-SA的低轨星座传感器资源调度算法[J]. 系统工程与电子技术, 2018, 40(11): 2476-.
[12]	宋喜玉, 郑娜娥, 高留洋. 多目标跟踪的分布式MIMO雷达有限阵元选取算法[J]. 系统工程与电子技术, 2017, 39(9): 1992-1997.
[13]	谷晓琳, 周石琳, 雷琳. 基于m-best数据关联和小轨迹关联多目标跟踪算法[J]. 系统工程与电子技术, 2017, 39(7): 1640-1646.
[14]	袁常顺, 王俊, 向洪, 孙进平. 基于VB近似的自适应δ-GLMB滤波算法[J]. 系统工程与电子技术, 2017, 39(2): 237-243.
[15]	宋喜玉, 郑娜娥, 孙扬. 多目标跟踪的分布式MIMO雷达最少阵元选取算法[J]. 系统工程与电子技术, 2017, 39(10): 2228-2233.

杂波环境下基于最大熵模糊聚类的JPDA算法

JPDA algorithm based on maximum entropy fuzzy clustering in clutter environment

RichHTML

PDF (PC)

可视化

摘要/Abstract

引用本文

使用本文

图/表 14

参考文献 17

相关文章 15

编辑推荐

Metrics

本文评价