一种基于K-means++聚类算法的多扩展目标跟踪方法

摘要

一种基于K‑means++聚类算法的多扩展目标跟踪方法，包括：S1、建立多扩展目标的动力学模型和量测模型；S2、初始化ET‑GM‑PHD滤波器以建立新生扩展目标强度函数，并且利用状态转移方程对新生扩展目标强度函数中的高斯混合项进行预测；S3、利用量测模型对K‑means++聚类算法进行初次改进，得到改进聚类算法；S4、获取多扩展目标的UWB量测数据，并且利用改进聚类算法对UWB量测数据进行聚类，若聚类得到的子集中包含的扩展目标数量不为1则再次对改进聚类算法进行改进；S5、根据聚类的结果对预测的高斯混合项进行更新和计算；S6、对高斯混合项进行删除或者合并；S7、状态提取，并且返回S2。本发明在保证跟踪效果的同时提高了运行速度。