-
公开(公告)号:CN110361744A
公开(公告)日:2019-10-22
申请号:CN201910614850.3
申请日:2019-07-09
Applicant: 哈尔滨工程大学
Abstract: 本发明是于密度聚类的RBMCDA水下多目标跟踪方法。本发明对每个粒子初始权重置,获得初始时刻粒子群数据;计算可见目标死亡概率,随机抽取死亡目标,对所有粒子存活目标状态进行预测;根据更新后的每个粒子的权值,采用重采样法对粒子状态和粒子目标标签矩阵进行重采样;采用密度聚类算法对所有粒子的所有目标状态估计结果聚类,对每个簇每个样本按理权值加权求和,获得所述每个簇的状态均值;每个粒子标签向量分别与目标标签矩阵相匹配,获得每个聚类簇的系统目标编号,更新目标标签矩阵,获得新的目标标签矩阵;根据粒子数据的密度聚类和目标编号管理结果,输出当前时刻所有目标编号及状态均值。
-
公开(公告)号:CN110361744B
公开(公告)日:2022-11-01
申请号:CN201910614850.3
申请日:2019-07-09
Applicant: 哈尔滨工程大学
Abstract: 本发明是于密度聚类的RBMCDA水下多目标跟踪方法。本发明对每个粒子初始权重置,获得初始时刻粒子群数据;计算可见目标死亡概率,随机抽取死亡目标,对所有粒子存活目标状态进行预测;根据更新后的每个粒子的权值,采用重采样法对粒子状态和粒子目标标签矩阵进行重采样;采用密度聚类算法对所有粒子的所有目标状态估计结果聚类,对每个簇每个样本按理权值加权求和,获得所述每个簇的状态均值;每个粒子标签向量分别与目标标签矩阵相匹配,获得每个聚类簇的系统目标编号,更新目标标签矩阵,获得新的目标标签矩阵;根据粒子数据的密度聚类和目标编号管理结果,输出当前时刻所有目标编号及状态均值。
-