70
传感器与微系统(Transducer and Microsystem Technologies）
2017年第36卷第3期
DOI:10.13873/J.10009787(2017 J03007003
基于混合高斯模型的窄带目标跟踪方法
曾绮雯，葛辉良
（杭州应用声学研究所，浙江杭州310012）
摘要：基于混合高斯模型的轨迹分布融合方法适用于窄带目标跟踪系统。这种算法针对宽带跟踪结果置，跟踪技术。该方法首先将目标方位分布看做是混合高斯模型，利用期望最大化算法估计混合高斯模型中的参数，然后利用混合高斯模型对自标方位进行聚类，最后利用平均加权法对目标方位进行融合，得到消晰稳定的目标跟踪结果。
关键词：期望最大化算法；混合高斯模型；数据融合
中图分类号：TP391
文献标识码：A
文章编号：1000-9787(2017J03-0070-03
Narrowbandtargettrackingmethodbased on
Gaussianmixturemodel
ZENG Qi-wen, GE Hui-liang
(Hangzhou Institute of Applied Acoustics,Hangzhou 310012,China）
Abstract : The method of trajectory distribution fusion based on Gaussian mixture model( GMM )is suitable for narrowband target tracking system. Aiming at the problems of inaccurate, ambiguous and narrowband tracking of wideband tracking results, an algorithm based on hybrid Gaussian model is proposed for automatic narrowband target tracking. Target azimuth distribution is regarded as mixed Gaussian model,and the expectation maximization algorithm is used to estimate the parameters of the mixed Gaussian model. Gaussian mixture model is used to cluster target azimuth. Target weighting method is used to fuse the target azimuth, and get clear and stable target tracking results.
Key words: expectation maximization algorithm; Gaussian mixture modeK GMM ); data fusion
0引言
随着潜艇减振降噪技术的发展，潜艇辐射噪声不断降低。潜艇辐射噪声中低频分量的抑制难度较大，尤其是仍存在一些较强的、稳定的低频线谱成分。在水声被动检测和跟踪目标领域中，这些低频线谱成分不仅频率稳定，还具有相对较高的信噪比并携带声源特征信息，长期以来一直被广泛研究和应用于水声工程实践1。在宽带2警戒中，往往不能够精确地分辨出两个很相近的自标，并且目标检测结果的精度较低，跟踪结果不够精确。但是，窄带警戒只能给出多波束低频搜索与测距（low-frequency acquisition and ranging，LOFAR)处理结果，需要声纳员通过线谱的观测检测自标、估计目标方位，无法与宽带警戒一样进行自动或半自动的目标跟踪23]。因此，如何利用窄带信息对目标进行检测跟踪已经成为了目前的研究热点。
针对宽带跟踪结果的不精确，目标模糊，窄带跟踪需要依赖人工实现的问题，本文提出了一种基于混合高斯模型收稿日期：2017-01-20
的自动窄带目标跟踪技术。该方法首先将目标方位分布看做是混合高斯模型，利用期望最大化算法估计混合高斯模型中的参数，然后利用混合高斯模型对目标方位进行聚类最后利用平均加权法对目标方位进行融合，得到清晰稳定的目标跟踪结果。经海试验数据验证表明，这种窄带跟踪方法有更好的跟踪精度以及目标检测能力。
基于混合高斯的窄带目标跟踪算法 1
在对多波束LOFAR4进行线谱检测跟踪之后，利用检测出来的线谱进一步得出窄带方位历程图，为了判断不同的窄带方位信息是否是由同一目标产生的，可以把不同的线谱轨迹看成是独立的高斯分布，那么整个窄带历程的所有轨迹就可以看成是混合高斯，再利用期望最大化（expec-tationmaximization，EM）算法估计这个混合高斯的相关参数进而可以对轨迹进行聚类。在得到聚类的结果之后，利用平均加权法对同一类别里面的轨迹进行融合，融合之后的