[发明专利]一种改进的多扩展目标跟踪方法

权利要求书

1.一种改进的多扩展目标跟踪方法，其特征在于，包括以下步骤：

步骤1、聚类：对传感器的量测数据集进行聚类划分；

步骤2、初始化：初始目标的概率假设密度D₀(x)及势分布p₀(n)；

步骤3、预测更新：对目标状态集X_k在k+1时刻的概率假设密度及势分布进行预测并更新，得到此时刻的概率假设密度D_k+1(x)及势分布p_k+1(n)，其中k≥1；

步骤4、修剪合并：对目标的强度函数的高斯项进行修剪合并，提取目标状态估计，进行性能评估；

步骤5、重复步骤3～4，跟踪目标直到目标消失。

2.根据权利要求1所述的改进的多扩展目标跟踪方法，其特征在于，步骤1中所述的对传感器的量测数据集进行聚类划分，具体步骤如下：

1.1)初始化DBSCAN算法的两个参数：半径参数6和邻域密度阀值MinPts；

对象p的6邻域：对于数据空间，即量测数据集中任意一个数据对象p，其6邻域是以p为圆心、以6为半径的圆形区域内的对象的集合，记为

N6(p)＝{q|q∈D∩d(p,q)<6}

式中D为量测数据集，d(p,q)为对象p与点q间的距离；

核心对象：如果对象p的6邻域内至少包含MinPts个对象，则对象p为核心对象；

直接密度可达：对于样本集合D，如果样本点q在p的6领域内，并且p为核心对象，那么对象q从对象p直接密度可达；

密度可达：对于样本集合D，给定一串样本点p₁，p₂….p_n，其中p＝p₁，q＝p_n，如果对象p_i从p_i-1直接密度可达，那么对象q从对象p密度可达；

密度相连：对于样本集合D中的一点o，如果对象o到对象p和对象q都是密度可达的，那么p和q密度相联；

基于密度的簇：基于密度可达性的最大的密度相连对象的集合；

1.2)输入量测数据集D，从数据集D中随机抽取一个未被处理的对象p，对p的6邻域内对象数目进行统计，若p的6邻域内对象数目达到MinPts，则将p记为核心对象，否则将对象p标记为已处理，从数据集D中抽取下一个未被处理的对象p进行统计；

1.3)遍历量测数据集D，记录所有的核心对象，找到所有核心对象的密度可达对象，形成一个新的簇，进而通过密度相连得到最终簇结果；

1.4)对量测数据集D进行更新，用得到的最终簇结果代替之前的量测数据集D，完成聚类步骤。