基于改进K-means++聚类的多扩展目标跟踪算法

针对多扩展目标跟踪过程中量测集划分准确度低和计算量大的问题,提出一种基于改进K-means++聚类划分的高斯混合假设密度强度多扩展目标跟踪算法。首先,根据下一时刻目标可能变化的情况缩小K值的遍历范围;其次,利用目标预测状态选择初始聚类中心点,为正确划分量测集提供依据,从而提高聚类算法的精度;最后,将所提改进K-means++聚类划分方法应用到高斯混合概率假设滤波器中,联合估计多目标的个数和状态。仿真实验结果表明：与基于距离划分和基于K-means++的多扩展目标跟踪算法相比,该算法在平均跟踪时间上分别减小了59.16%和53.25%,同时其最优子模式指派度量（OSPA）远小于以上两种算法。综上,该算法能在大幅度降低计算复杂度的同时取得比现有量测集划分方法更为优异的跟踪性能。     

面向海上突发事件应急救援任务的协同规划

针对海上突发事件应急救援任务风险大、时间紧、冲突多及协同规划难等问题,急需一套海上应急救援协同机制予以支撑.首先,分析海上突发事件应急救援特点,探索应急联动协同机制;然后,面向海上应急救援任务的时空特点,构建基于时空因素的协同规划模型.进一步,针对指挥协同规划难题,构建基于观察–判断–决策–执行(OODA)作战环的应急救援单元协同联动模型,并着力于分析协同救援单元的一致性及救援时效性,旨在提升应急救援效能.最后,以海上危险化学品泄露救援任务为想定,利用上述模型方法进行规划建模与仿真验证.结果表明,所提出应急救援任务协同规划方法,能够有效的优化协调好海上突发事件的应急救援协同问题,提高了应急救援效能,为海上应急救援部门指挥决策提供了重要支持.