科研之友
微信
新浪微博
Facebook
分享链接
摘要
基于密度聚类(DBSCAN)的算法由于不需要提前确定聚类的簇数目、抗噪声等特点，被广泛用于雷达多目标跟踪算法中。针对雷达获取室内目标的量测数据量增大、杂波分布密集导致目标跟踪系统复杂度增加、耗时严重的情况，提出一种改进的方法，该方法利用构建KD树来加速DBSCAN算法中领域点的查找过程，极大地提高了运算效率，改善了目标跟踪系统的实时性。并且运用Murty算法和无迹卡尔曼滤波算法（UKF）来提高传统的多目标跟踪系统的跟踪效率和精度。通过仿真实验将传统DBSCAN算法与K-means算法以及改进的算法相比较，实验结果表明在保证室内多目标跟踪系统的跟踪精度的同时，改进的算法极大地提高了跟踪系统的实时性。
- 出版日期2023
- 单位南京邮电大学
