188宝金博页面版

第33卷第l l 期2011年11月现代雷达M odemRadarV01．33N ov．20l lN o．1l· 信号／数据处理·基于改进FCM 的多传感器多目标数据互联算法中圉分类号：TN 957文献标志码：A文章编号：1004—7859( 2011) 11—0045—04程知敬，汪圣利(南京电子技术研究所．南京210039)摘要：将：劾喾治龅姆椒ㄔ擞玫绞莼チ惺窍纸穸啻衅鞫嗄勘旮俚姆⒄狗较蛑。文中在：齝· 均值聚类( FCM ) 算法的基础上提出了一种适用于多传感器多目标数据互联的改进算法，该算法通过对隶属度函数进行加权，同时考虑了样本对聚类中心和样本与样本之间的隶属关系。仿真结果表明该改进算法使得分类效果更加清晰，能够更好地将测量结果划分给各个目标，且所需的迭代次数更少。收敛速度更快。仿真结果验证了算法的正确性和有效性。关键词：：齝-均值聚类；加权因子；数据互联AnIm proved FuzzyC- m eans Cl usteri ng Al gori thmi nM l l l ti -sensor M l l Iti ．targetD ata Associ ati onCH EN GZhi -j i ng，W AN G Sheng—l i(N anj i ngResearch Insti tute of El ectroni csTechnol ogy，N anj i ng210039，Chi na)Abstract：O ne of the di recti ons of the futuredevel opm entfor m ul ti -sensor m ul ti · target data associ ati on i s thefuzzy cl usteri ng anal y-si B m ethod．Thi spaper presen协89 i m provem entbased onfuzzyC-mcl usteri ng(FCM )al g, ori thm ．Thi snewal gori thm ，byw ei ghted the m em bershi p functi ons。canconsi deratethe subordi naterel ati onshi pbetw eensam pl essadcl usteri ngcenters．The si m -ul ati on resul ts show that thei m proved al gori thmcanprovi decl earer cl assi fi cati on resul ts to better the m easured resul ts of the di vi -si on to eachtarget．M oreover，the i terati on i s l ess，and theconvergence, peed i s faster．The si m ul ati on resul ts dem onstrate thatthi s al gori thmi s co玎愀and effecti ve．Key w ords：fuzzyc—m @ , sn8cl usteri ng；w ei ght coeffi ci ent；dataassoci ati on0引言多传感器多目标跟踪是包含互联和估计2个相关功能的最优化问题?，其中数据互联是指连接具有共同目标源的量测的决策过程，现有算法主要分为3类【2J ：(1)基于统计的方法。如加权法，序贯法，双门限法等；( 2) 基于信息论的方法。如聚类分析法，自适应人工神经网络法等；( 3) 基于认识模型的方法。如：戏，逻辑模板法等。在密集目标环境或交叉、分岔及机动航迹较多的情况下，传统的统计方法有时无法达到令人满意的数据互联结果；而认识模型的互联方法需要很大的计算量和运行时间，难以满足实时性的要求。因此：劾喾治鍪艿搅斯惴汗刈。：劾喾治鍪且恢滞üナ舳群扛鲅镜慊指鞲隼嗟姆椒。作为其中的典型算法之一的：齝-均值聚类( FCM ) 算法¨ J ，即：齀SO DATA聚类分析，也被运用到：莼チ。该算法的实质是在给定分类数的条件下，利用迭代的方法寻求对通信作者：程知敬收稿日期：2011-06-10Eraal l ：chengzj l 027@ yahoo．ogre．cn修订日期：2011-08—12样本点的最佳分类。但FCM 算法的隶属度函数只考虑到每个样本属于不同聚类中心的程度，而未考虑到不同样本对同一聚类中心的隶属关系。基于同时考虑样本与聚类中心的绝对关联程度和相对关联程度的思想，本文提出了一种适用于多传感器多目标数据互联的FCM 改进算法，该算法通过在隶属度函数上增加一个加权因子来描述不同样本对同一聚类中心的关联程度。仿真结果表明这一改进使得不同聚类的划分更明显，因此能够更准确地对各传感器接收到的量测进行分类，从而使得量测与目标能够更好地关联，且改进算法所需的迭代次数更少，收敛速度更快。1算法描述1．1用于多目标跟踪的FCM 算法设k时刻来自传感器i ( i =l ，2，?，札) 的确认报告数为m H ，定义z：( 后) 为来自传感器i ( 1≤i ≤M ) 的第Z( 1≤Z≤m 矗) 个测量，具有r项特征指标，这些指标可以是目标的方位角、仰角和距离( 根据传感器的类型确定) 。为简便起见，本文只考虑传感器类型均相一45—万方数据