Синтез алгоритма траекторной обработки объектов методами теории кластеризации данных

Введение.  С  каждым  годом  становится  сложнее  совершенствовать  процесс  обработки  информации  о траекториях движения объектов, получаемой  из сенсорной сети. Этот процесс имеет особое значение для  центров обработки информации и данных (ЦОИД), в которых осуществляется контроль и управление, так как возникает вопрос сопоставления информации и формирования истинных траекторий объектов в области пересечения зон обнаружения сети. При использовании традиционных подходов  к  решению  данной  проблемы  возникают  вопросы,  связанные  с  обеспечением  эффективного  предоставления  пользователем  выходной  достоверной  траекторной  информации  в  реальном  времени.  В  данной статье предложен новый подход к решению этого вопроса на основе теории интеллектуального анализа данных (data mining) с помощью методов кластеризации данных.

Цель работы. Разработка обобщенной схемы траекторной обработки (ТО) в ЦОИД и синтез алгоритма ТО с использованием методов кластеризации данных.

Материалы и методы.  Теория кластеризации данных, теория системотехники,  теория обработки радиолокационной  информации  (РЛИ), методы математического моделирования и практического исследования.

Результаты.  На основе анализа сущности процесса обработки  РЛИ  в ЦОИД и его сходства с процессом кластеризации  данных  синтезирован  алгоритм  траекторной  обработки  объектов,  проверенный  моделированием  и  экспериментально.  Помимо  алгоритма  синтезирована  структурная  схема  ТО  для  ЦОИД, полученной из сенсорной сети.

Заключение.  Предложены обобщенная  структурная  схема  и  алгоритм  ТО  для  ЦОИД.  Они  могут  эффективно применяться для различных системных моделей ТО, таких, как  централизованная, иерархическая и децентрализованная.  Синтезированный  алгоритм  может  обеспечивать  предоставление  выходных данных об  истинных отождествленных траекториях по многим показателям системы обработки информации (СОИ).

1. Bar-Shalom Y., Fortmann T. E. Tracking and data association. Boston: Academic Press, 2010. 322 p.

2. Ворошилина Е. П., Тисленко В. И. Анализ методов автоматического сопровождения целей по дальности // Изв. Томского политехн. ун-та. 2006. Т. 309,№ 8. C. 67-72.

3. Ahmad A. Multiple. Targets Classification and Fuzzy Logic Decision Fusion in Wireless Sensor Networks // World Academy of Science, Engineering and Technology Intern. J. of Electrical and Coputer Engineering. 2014. Vol. 8, № 1. P. 121-128.

4. Multitarget Tracking / Ba-Ngu Vo, M. Mallick, Y. Bar-Shalom, S. Coraluppi, R. Osborne, R. Mahler, BaTuong // Vo Preprint: Wiley Encyclopedia of Electrical and Electronics Engineering, Wiley, Sept. 2015. P. 1-23.

5. Baoliang Sun, Chunlan Jiang, Ming Li. Fuzzy Neural Network-Based Interacting Multiple Model for MultiNode Target Tracking Algorithm // Sensors. 2016. Vol. 16,iss. 11. P. 1-14. doi: 10.3390/s16111823

6. Кузьмин С. З. Цифровая радиолокация. Введение в теорию. Киев: КВІЦ, 2000. 428 с.

7. Агеев С. А. Применение интеллектуальных методов представления информации для управления рисками информационной безопасности в защищенных мультисервисных сетях специального назначения // Тр. СПИИРАН. 2015. Вып. 4 (41). C. 149-162.

8. Леоченков А. В. Нечеткое моделирование в среде MatLab и fuzzyTECH. СПб.: БХВ-Петербург, 2005. 736 с.

9. Штовба С. Проектирование нечетких систем средствами MatLab. М.: Горячая линия-Телеком, 2007. 288 c.

10. An effisient tracking algorithm based on spatial kerne and FCM classifier / M. Yosefi, M. Erza, N. Aliakbari, S. Khoshguian // Australian J. of basic and applied sciences. 2011. Vol. 5, iss. 3. P. 592-600.

11. Демидова Л. А., Титов С. Б. Подход к проблеме нечеткой кластеризации в условиях неопределенности выбора целевой функции // Вестн. РГРТУ. 2009. № 3 (29). С. 54-60.

12. Shaoming He, Hyo-Sang Shin, Tsourdos A. MultiSensor Multi-Target Tracking Using Domain Knowledge and Clustering // IEEE Sensors J. 2018. Aug. P. 1-11. doi: 10.1109/JSEN.2018.2863105

13. An Improved Fuzzy C-means Cluster Algorithm for Radar Data Association / Yang Yu, B. Zhang, B. Rao, L. Chen //Intern. J. of Advancements in Computing Technology. 2019.Vol. 4, iss. 20 . doi: 10.4156/IJACT.VOL4.ISSUE20.22

14. An Algorithm based on Hierarchical Clustering for Multi-target Tracking of Multi-sensor Data Fusion / Wang Hao, Liu Tangxing, Qing Bu, Bo Yang // Proc. of the 35 th Chinese Control Conf., Chengdu, China, Jul. 2016. doi: 10.1109/ChiCC.2016.7554147

15. Хижняк А. В. , Белоус А. А., Белый А. С. Иденти-фикация траекторной информации на основе автоматической классификации в задаче объединения трассов ой информации // Докл. БГУИР. 2012. № 4 (66). С. 56-61.