结合聚类分析和粒子群优化算法的多传感器多目标跟踪方法

摘要

本发明提供了一种结合聚类分析的基于粒子群优化算法的多传感器多目标跟踪方法，包括：基于DBSCAN(Density‑Based Spatial Clustering of Applications with Noise，基于密度的噪声应用空间聚类)聚类的目标集群聚类划分的方法；基于集群中目标空间拓扑结构信息的抗差关联方法；运用粒子群优化算法进行传感器系统误差估计的方法。针对多传感器多目标跟踪问题，本发明提出的方法能够在多集群密集目标的巨大数据量的情况下降低计算量，保证跟踪算法的实时性，同时提高传感器对同源目标的正确关联率，且能够在目标跟踪初期就获得传感器系统误差更好的估计结果，实现对目标的快速准确跟踪。