基于改進空間距離劃分的目標分群方法技術

本發明專利技術公開了基于改進空間距離劃分的目標分群方法，涉及態勢估計技術領域。本方法實現步驟是：1.讀入目標位置量測數據和目標識別數據；2.通過紅藍方及類別屬性劃分，約減分群目標數規模，降低計算量；3.通過改進空間距離劃分，引入劃分獨立性和逆χ2分布概率區間約束，消除計算冗余并提取出候選閾值，在此基礎上動態地優選合理閾值，可以有效濾除噪聲干擾，提高分群準確率；4.輸出分群結果。本發明專利技術主要解決現有目標分群方法中存在的類數未知和閾值選取欠缺有效方法的問題；能夠實現對實際情況下多編隊群目標有效、準確且實時的動態分群，可用于態勢估計、指揮控制系統。

Target clustering method based on improved spatial distance partition

The invention discloses a target clustering method based on an improved spatial distance partition. This method comprises the following steps: 1 in the target position measurement data and target recognition data; 2 by red and blue and category attributes, reduction target grouping number scale, reduce the amount of computation; 3 by improving the space division, division into independent and inverse distribution 2 probability interval constraint, eliminate redundant calculation and extraction the candidate threshold, on the basis of dynamic optimum threshold, can effectively filter out the noise, enhance the clustering accuracy of clustering results; 4 output. The invention mainly solves the existing target in clustering method the class number is unknown and the lack of effective methods of threshold selection problem; to achieve dynamic clustering on the formation of group target practical multiple - effective, accurate and real-time, and can be used for state estimation, command and control system.

【技術實現步驟摘要】

本專利技術屬于態勢估計
，特別涉及一種基于改進空間距離劃分的目標分群方法，可用于態勢估計、指揮控制系統。
技術介紹
在實際態勢中，由于各種目標數量眾多，紅藍雙方各類型目標交錯參雜在一起，通過多種信息化觀測平臺所獲得的量測數據，如果未經精簡和凝練而同時顯示出來，提供給指揮員的態勢圖可能布滿密密麻麻的目標標志，造成信息炫目問題，導致指揮員無法有效把握態勢。目標分群是降低或改變提供給決策制定者的信息量的最有效方式之一。它可以將類型相近、運動狀態相近、執行相同任務或具有相同威脅的目標進行合并，簡化態勢情況，給指揮員提供簡單明了的態勢視圖。目前，典型的目標分群方法有：K均值、模糊C均值、ISODATA和最近鄰方法等。其中：K均值方法，簡單易實現，但需指定分類數，這與通常實際面臨分類數未知的情況不匹配，而且其分類結果較為依賴于初始分類中心選取，造成了分類結果穩定性不足的問題；模糊C均值方法，與K均值方法的缺陷類似，同樣需指定分類數，且分類結果較為依賴于初始分類中心選取；ISODATA方法，是在K均值算法的基礎上增加對聚類結果的合并和分裂操作實現動態分群，能夠處理類數未知的分群問題，但其以樣本與聚類中心的距離作為分群依據，適合于解決球狀簇樣本分群問題，而對于態勢估計中常見的線型編隊分群問題存在不足；最近鄰方法，通過設定閾值實現分群，簡單易實現，在工程中應用廣泛，但對于不同量測尺度或情況的分群問題，閾值需分別設定，缺乏有效的閾值選取方法。
技術實現思路
本專利技術的目的在于針對上述已有技術中的不足，通過引入劃分獨立性和逆χ2分布概率區間約束，對空間距離劃分進行改進，有效去除計算冗余，動態地優選合理閾值，提出了一種基于改進空間距離劃分的目標分群方法，有效提高分群效率、準確率和穩定性。實現本專利技術的技術關鍵是：在目標分群過程中，首先通過紅藍方及類別屬性劃分，約減分群目標數規模，提高分群效率，其次引入劃分獨立性，消除計算冗余，進而通過逆χ2分布概率區間約束，動態優選閾值，提高分群準確率，有效濾除噪聲干擾。其實現步驟包括如下：(1)讀入當前時刻傳感器觀測得到的目標位置量測數據和目標識別數據；所述的目標識別數據由紅藍方識別數據和類別屬性識別數據組成；(2)根據紅藍方識別數據對所有目標進行劃分，得到紅方目標標號集和藍方目標標號集；(3)根據類別屬性識別數據分別對紅方目標標號集和藍方目標標號集進行再劃分，一一對應得到紅方各類目標標號集和藍方各類目標標號集；(4)分別對紅方各類目標標號集和藍方各類目標標號集進行改進空間距離劃分；藍方各類目標標號集進行改進空間距離劃分的方式與紅方各類目標標號集進行改進空間距離劃分的方式相同；具體包括以下步驟：(4a)計算紅/藍方各類目標標號集內當前類的目標之間的距離，并將距離按升序排列得到距離序列；(4b)根據距離序列計算得到距離閾值序列；(4c)將概率區間經逆χ2分布函數映射得到距離閾值區間；其中，概率為所有目標之間的距離出現的概率；(4d)從屬于距離閾值區間內的距離閾值序列中，根據目標之間的直接鄰近關系推導出間接鄰近關系，在距離閾值序列中將間接鄰近關系對應的距離閾值剔除得到獨立距離閾值序列；(4e)從獨立距離閾值序列中選取最大的獨立閾值作為最終分群閾值；(4f)根據最終分群閾值進行目標空間分群得到一個或多個群目標；(4g)檢查紅/藍方各類目標標號集的所有類別是否均已進行目標空間分群，如果沒有，則將紅/藍方各類目標標號集內的下一類更新為當前類，跳轉到步驟(4a)；否則，執行步驟(5)；(5)輸出全部群目標，檢查下一時刻的傳感器觀測數據是否到達，若是，將下一時刻更新為當前時刻，跳轉到步驟(1)；否則，結束本流程。其中，所述的步驟(4d)，具體包括以下步驟：(4d1)將在距離閾值區間內的距離閾值序列作為新的距離閾值序列；(4d2)初始化目標記錄庫；(4d3)檢查新的距離閾值序列中當前距離閾值所對應的目標標號是否均已記錄在目標記錄庫中，若無，則繼續執行步驟(4d4)；否則，轉到步驟(4d6)；其中，當前距離閾值的初始序號為新的距離閾值序列中最小距離閾值的序號；(4d4)將當前距離閾值記錄為獨立距離閾值；(4d5)將當前距離閾值所對應的目標標號記錄在目標記錄庫中；(4d6)將當前距離閾值的序號加1作為下一距離閾值的序號，判斷下一距離閾值的序號是否小于等于新的距離閾值序列中最大距離閾值的序號，若是，將下一距離閾值更新為當前距離閾值，返回步驟(4d3)；否則，則執行步驟(4d7)；(4d7)將所有獨立距離閾值按升序排列，生成獨立距離閾值序列。本專利技術具有以下優點：1)本專利技術通過優先進行紅藍方及類別屬性劃分，有效約減參與分群目標數的規模，降低計算量，提高計算效率；2)本專利技術通過引入劃分獨立性和逆χ2分布概率區間約束，消除計算冗余并提取候選閾值，在此基礎上選取最大候選閾值，能夠有效濾除噪聲干擾，提高分群準確率。附圖說明圖1是本專利技術的整體流程圖；圖2是用本專利技術對靜態多編隊群目標進行分群的目標空間分布圖；圖3是本專利技術中距離閾值序列關系圖；圖4是本專利技術中不同距離閾值分群結果比較圖；圖5是用本專利技術及現有方法對靜態多目標進行分群的實驗結果圖；圖6是用本專利技術對多編隊群目標進行動態分群的全局目標分群實驗結果圖；圖7是用本專利技術對多編隊群目標進行動態分群的局部區域A目標分群實驗結果圖；圖8是用本專利技術對多編隊群目標進行動態分群的局部區域B目標分群實驗結果圖。具體實施方式下面結合附圖及實施例對本專利技術做進一步詳細的說明。參照圖1，本專利技術的基于改進空間距離劃分的目標分群方法，具體包括以下步驟：步驟1.數據讀入。1.1)令初始時刻k＝1，讀入k時刻的目標位置量測數據其中，表示k時刻的第t個目標的位置量測列向量，t為目標標號，取值為1,2,…,Nk，Nk表示k時刻的目標總數，k表示時刻；1.2)讀入k時刻的目標識別數據，所述的目標識別數據由紅藍方識別數據和類別屬性識別數據組成；其中，表示k時刻的第t個目標的紅藍方識別結果，表示k時刻的第t個目標的類別屬性識別結果。步驟2.紅藍方及類別屬性劃分。2.1)根據紅藍方識別數據對所有目標進行劃分，得到紅/藍方目標標號集Ei： E i = { t | e k ( t ) = i本文檔來自技高網...

【技術保護點】
基于改進空間距離劃分的目標分群方法，其特征在于，包括以下步驟：(1)讀入當前時刻傳感器觀測得到的目標位置量測數據和目標識別數據；所述的目標識別數據由紅藍方識別數據和類別屬性識別數據組成；(2)根據紅藍方識別數據對所有目標進行劃分，得到紅方目標標號集和藍方目標標號集；(3)根據類別屬性識別數據分別對紅方目標標號集和藍方目標標號集進行再劃分，一一對應得到紅方各類目標標號集和藍方各類目標標號集；(4)分別對紅方各類目標標號集和藍方各類目標標號集進行改進空間距離劃分；藍方各類目標標號集進行改進空間距離劃分的方式與紅方各類目標標號集進行改進空間距離劃分的方式相同；具體包括以下步驟：(4a)計算紅/藍方各類目標標號集內當前類的目標之間的距離，并將距離按升序排列得到距離序列；(4b)根據距離序列計算得到距離閾值序列；(4c)將概率區間經逆χ2分布函數映射得到距離閾值區間；其中，概率為所有目標之間的距離出現的概率；(4d)從屬于距離閾值區間內的距離閾值序列中，根據目標之間的直接鄰近關系推導出間接鄰近關系，在距離閾值序列中將間接鄰近關系對應的距離閾值剔除得到獨立距離閾值序列；(4e)從獨立距離閾值序列中選取最大的獨立閾值作為最終分群閾值；(4f)根據最終分群閾值進行目標空間分群得到一個或多個群目標；(4g)檢查紅/藍方各類目標標號集的所有類別是否均已進行目標空間分群，如果沒有，則將紅/藍方各類目標標號集內的下一類更新為當前類，跳轉到步驟(4a)；否則，執行步驟(5)；(5)輸出全部群目標，檢查下一時刻的傳感器觀測數據是否到達，若是，將下一時刻更新為當前時刻，跳轉到步驟(1)；否則，結束本流程。...

【技術特征摘要】
1.基于改進空間距離劃分的目標分群方法，其特征在于，包括以下步驟：(1)讀入當前時刻傳感器觀測得到的目標位置量測數據和目標識別數據；所述的目標識別數據由紅藍方識別數據和類別屬性識別數據組成；(2)根據紅藍方識別數據對所有目標進行劃分，得到紅方目標標號集和藍方目標標號集；(3)根據類別屬性識別數據分別對紅方目標標號集和藍方目標標號集進行再劃分，一一對應得到紅方各類目標標號集和藍方各類目標標號集；(4)分別對紅方各類目標標號集和藍方各類目標標號集進行改進空間距離劃分；藍方各類目標標號集進行改進空間距離劃分的方式與紅方各類目標標號集進行改進空間距離劃分的方式相同；具體包括以下步驟：(4a)計算紅/藍方各類目標標號集內當前類的目標之間的距離，并將距離按升序排列得到距離序列；(4b)根據距離序列計算得到距離閾值序列；(4c)將概率區間經逆χ2分布函數映射得到距離閾值區間；其中，概率為所有目標之間的距離出現的概率；(4d)從屬于距離閾值區間內的距離閾值序列中，根據目標之間的直接...

【專利技術屬性】
技術研發人員：樊振華，師本慧，陳金勇，段同樂，梁健，
申請(專利權)人：中國電子科技集團公司第五十四研究所，
類型：發明
國別省市：河北;13