8 / 2022-05-20 14:13:03

卡尔曼滤波+匈牙利算法+聚类再匹配的风沙颗粒轨迹追踪融合算法

跃移；沙尘；卡尔曼滤波；匈牙利算法；聚类

风沙跃移是风成地貌和沙尘颗粒释放最主要的动力，准确地理解与预报跃移及悬移过程具有重要的环境意义。实时的高速数字摄影记录揭示跃移是由不同轨迹的沙粒群构成的具有复杂时间和空间结构的‘沙云’。沙云时空结构的解析是发展基于跃移大数据的定量模拟跃移过程新方法的关键，但其取决于轨迹追踪算法的精度。传统的轨迹追踪算法为近邻法+互相关算法，其数学原理简单但不适合沙粒浓度较大的工况。鉴于此，本文提出了源于军事目标追踪的卡尔曼滤波（减小单个轨迹预测的误差）+匈牙利算法（保证卡尔曼滤波预测与实际位置匹配全局最优）+数学聚类（混杂轨迹再匹配）的融合轨迹追踪算法。结果表明，在不同沙粒浓度下融合算法提取轨迹数量在136~622条，其比近邻算法多30~116条，比匈牙利算法多24~133条，比卡尔曼算法+匈牙利算法多45~182条；融合算法提取轨迹的准确率在88.91%-97.79%之间，其比近邻算法高9.12%~56.69%，比匈牙利算法高11.19%~56.60%，比卡尔曼算法+匈牙利算法高2.19%~46.18%相比较。床面反光干扰和缺乏动态纠错功能是影响融合算法轨迹追踪的提取效率和精度的主要因素，其是未来算法设计的依据和参考。