基于相邻数据观测帧排序结果的帧间关联方法

《IEEE Sensors Journal》：Frame-to-Frame Association Method Based on Sorting Results of Adjacent Data Observation Frames

　　

摘要：

为了解决由多个密集信号源产生的脉冲数据流导致的别名问题，传统的基于密度的聚类算法通常表现出聚类性能下降、对手动调整的参数依赖性强以及传统关联方法效果有限的问题。本文提出了一种基于自适应根粒子群优化（PSO）的排序算法和一种使用柯西分布匹配的关联算法。首先，将K-互最近邻算法与DBSCAN结合使用，通过严格的互最近邻判断来避免错误判断核心点，并通过比例因子防止跨簇扩展。然后，通过自适应根PSO算法获得K-互最近邻DBSCAN的最优参数，该算法包含了一个自适应根生长机制。通过动态调整惯性权重以及个体和种群因子，并采用Levy飞行和对抗学习策略，增强了搜索多样性以及逃离局部最优解的能力。与传统PSO算法相比，它能够更有效地解决复杂的优化问题。最后，应用柯西分布匹配算法将两个连续观测帧的排序结果进行关联。通过仿真验证，在数据集1的条件下，当添加20%的干扰脉冲时，所提出的算法在排序准确性上比DBSCAN提高了19.94%，并在帧间关联实验中达到了83.875%的关联准确性。