基于小波和逻辑法的多目标跟踪数据处理

重庆交通大学学报（自然科学版） ›› 2011, Vol. 30 ›› Issue (1): 171-175.

基于小波和逻辑法的多目标跟踪数据处理

李政，陆百川，谭伟，李雪

重庆交通大学交通运输学院，重庆 400074

收稿日期:2010-11-06 修回日期:2010-11-24 出版日期:2011-02-15 发布日期:2015-01-22
作者简介:李政( 1987—) ，男，宁夏固原人，硕士研究生，主要从事交通信息工程及控制方面的研究。E-mail: 422506061@ qq.com。
基金资助:
交通运输部西部科技项目( 2008-319-814-060)

Multi-Target Tracking Data Processing Based on Wavelet and Logic Method

LI Zheng，LU Bai -chuan，TAN Wei，LI Xue

School of Traffic ＆ Transportation，Chongqing Jiaotong University，Chongqing 400074，China

Received:2010-11-06 Revised:2010-11-24 Online:2011-02-15 Published:2015-01-22

摘要/Abstract

摘要： 智能交通系统( ITS) ，常常要采用传感器对交通目标进行实时定位监控，但被跟踪目标的不确定性以及原始数据通常存在大量噪声的干扰，这对数据融合的精度产生很大的影响。针对这一问题，采用小波变换多尺度分解与重构结合阈值消噪的方法对原始数据进行降噪处理，它能很好的保持原始信号的瞬变特征，并对处理后的数据采用逻辑法进行目标航迹起始跟踪。通过实验仿真，表明该方法消噪效果很好，能减少虚假航迹的数量，即使多个目标的航迹出现交叉也能实现目标的区分和跟踪。

关键词: 小波, 逻辑法, 多目标, 数据处理, 航迹跟踪

Abstract: In the application of Intelligent Transport System，sensors are often used to locate traffic targets at real-time． However，the target is uncertainty and the raw data usually have a lot of interferences caused by the abnormal data and some other noises． This leads to a great influence to the accuracy of data fusion． Aiming at this problem，wavelet transforming multi-scale decomposition and reconstruction combined with thresholding denoising are used to reduce the orginal noise， which can well maintain the transient characteristics of the original signal． In addition，the logical method is used to track target’s tracking of the processed data． Finally，the simulation test is carried out and the results show that the proposed method can eliminate the noise well; meanwhile，it can reduce the number of false tracks． Even if several targets have cross-track phenomena，the proposed method can achieve target’s identification and track．

Key words: wavelet, logical method, multi-target, data processing, track tracking

中图分类号:

U675.7

李政，陆百川，谭伟，李雪. 基于小波和逻辑法的多目标跟踪数据处理[J]. 重庆交通大学学报（自然科学版）, 2011, 30(1): 171-175.

LI Zheng，LU Bai-chuan，TAN Wei，LI Xue. Multi-Target Tracking Data Processing Based on Wavelet and Logic Method[J]. Journal of Chongqing Jiaotong University(Natural Science), 2011, 30(1): 171-175.

参考文献

［1］吕永乐，郎荣玲．基于奇异值分解的飞行数据降噪方法［J］．工程应用技术与实现，2010，36(3): 182－186．
LV Yong－le，LANG Rong－ling．Flight data noise reductionBased on singular value decomposition［J］．Application Technologyand Implementation，2010，36(3): 182－186．
［2］于灏，钟霞．基于高斯混合模型的多目标跟踪航迹相关算法［J］．现代雷达，2008，30(9): 231－235．
YU Hao，ZHONG Xia．Tracking algorithm for multiple targettracking based on Gaussian mixture model ［J］．Modern Radar．2008，30(9): 231－235．
［3］许晓剑，田康生，范锦勇，等．基于极大似然估计的最优航迹关联算法［J］．空军雷达学院学报，2010，24(1): 68－72．
XU Xiao－jian，TIAN Kang－sheng，FAN Jin－yong，et al．Besttrack correlation algorithm based on maximum likelihood estimation［J］．Air Force Radar Academy，2010，24(1): 68－72．
［4］马建鹏，王召巴．基于小波变换的信号去噪研究［J］．机械管理开发，2010，25(1): 169－174．
MA Jian－peng，WANG Zhao－ba．Signal denoising based onwavelet transform［J］．Management and Development，2010，25(1): 169－174．
［5］ LU Bai－chuan，HUANG Mei－Ling．Traffic Flow PredictionBased on Wavelet Analysis，Genetic Algorithm and Artificial NeuralNetwork［C］/ /2009 International Conference on InformationEngineering and Computer Science．US，IEEE Press，2009: 491 －495．
［6］陈琼，邱峰，王俊．一种实用的多目标航迹跟踪算法［J］．火控雷达技术，2008，37(1): 26－31．
CHEN Qiong，QIU Feng，WANG Jun．A practical algorithm formulti－target tracking ［J］．Fire Control Radar Technology．2008，37(1): 26－31．
［7］飞思科技产品研发中心．Matlab6．5 辅助小波分析与应用［M］．北京: 电子工业出版社，2003: 45－58．
Feisike Technology Research ＆ Development center．Matlab6．5Auxiliary Wavelet Analysis and Applications［M］．Beijing: ElectronicIndustry Press，2003: 45－58．
［8］秦亚辉，冯景辉，陈立定．基于小波变换的信号去噪方法研究［J］．信息技术，2010，13(8): 74－78．
QIN Ya－hui，FENG Jing－hui，CHEN Li－ding．Research ofsignal denoising based on wavelet transform ［J］．InformationTechnology，2010，13(8):74－78．

[1]	张东东，宗子淳，冯金芝. 基于NSGA-Ⅱ算法的两挡AMT换挡规律多目标优化[J]. 重庆交通大学学报（自然科学版）, 2021, 40(07): 128-135.
[2]	成卫1，刘翔1，雷建明2. 基于RBF神经网络预测的交叉口信号周期时长优化[J]. 重庆交通大学学报（自然科学版）, 2021, 40(04): 13-18.
[3]	隗寒冰,贺少川. 基于深度强化学习的插电式柴电混合动力汽车多目标优化控制策略[J]. 重庆交通大学学报（自然科学版）, 2021, 40(01): 44-52.
[4]	刘杰. 基于支持向量机的轨道司机驾驶水平评价方法研究[J]. 重庆交通大学学报（自然科学版）, 2020, 39(10): 31-36.
[5]	胡启国，胡艳敏. 工业机器人臂部静动态多目标拓扑优化[J]. 重庆交通大学学报（自然科学版）, 2020, 39(09): 146-152.
[6]	凌翔，黄榜，黄良俊，赖锟. 基于改进二维离散小波变换的多车牌定位[J]. 重庆交通大学学报（自然科学版）, 2020, 39(02): 16-21.
[7]	徐婷，姜瑞森，李洪庆，李青，陈刚. 矩形网格道路多模式公交线网布局优化研究[J]. 重庆交通大学学报（自然科学版）, 2019, 38(10): 108-115.
[8]	黄国斌1，谭兴龙2. GPS动态观测中的信号滤波方法研究[J]. 重庆交通大学学报（自然科学版）, 2019, 38(09): 39-44.
[9]	陆百川1,2，舒芹1，马广露1. 基于多源交通数据融合的短时交通流预测[J]. 重庆交通大学学报（自然科学版）, 2019, 38(05): 13-19.
[10]	谷婷婷. 基于响应面法的制动盘多目标及稳健性优化设计[J]. 重庆交通大学学报（自然科学版）, 2018, 37(11): 127-132.
[11]	赵学彧1,2，杨家其2. 基于最小风险的点对点应急疏运组织多目标优化设计[J]. 重庆交通大学学报（自然科学版）, 2018, 37(1): 92-98.
[12]	冯树民1，王宪凯1，孙祥龙2. 基于路段赋值的多目标最短路算法研究[J]. 重庆交通大学学报（自然科学版）, 2018, 37(09): 87-92.
[13]	靳文舟，韩博文，郝小妮，黄玮琪. 基于小波神经网络的定制公交目标乘客出行意愿预测[J]. 重庆交通大学学报（自然科学版）, 2018, 37(08): 81-87.
[14]	刘伟，谢忠金，陈科全. 基于NSGAⅡ算法的逆向可变车道信号配时优化[J]. 重庆交通大学学报（自然科学版）, 2018, 37(06): 92-97.
[15]	李彦瑾1，罗霞1，朱颖2. 融合主体偏好的铁路全生命周期指标评价[J]. 重庆交通大学学报（自然科学版）, 2018, 37(05): 104-111.