[发明专利]基于K-means聚类的空中目标分群方法

说明书

本发明公开了一种基于K‑means聚类的空中目标分群方法，其实现步骤为：(1)读入空中目标信息；(2)生成空中目标数据集；(3)生成空中目标群总数；(4)根据所得的空中目标群的群中心及其总数，采用K‑means聚类进行空中目标分群；(5)输出分群结果。本发明克服了使用K‑means聚类方法进行空中目标分群时需要预先给定分群个数的问题；能够实现对实际情况空中目标有效、准确的分群，可用于态势估计、指挥控制系统。

技术领域

本发明属于目标处理技术领域，更进一步涉及目标识别技术领域中的一种基于K-means聚类的空中目标分群方法。本发明可用于态势评估中对实时传感器获取的空中目标信息进行识别，以实现对空中目标的分群。

背景技术

空中目标分群亦称为空中目标聚类，是空中目标群形成的过程。空中目标分群的基本思想是根据一级融合输入的空中目标信息进行自底向上的逐层分解，根据一定的知识，对空中目标的信息进行抽象和划分。目前基于聚类的目标分群方法，由于易受初始聚类中心的影响，且对参数设置较为依赖，会造成目标分群的准确性不稳定。

董冰在其发表的论文“基于聚类分析的空中战机目标分群应用研究”(西安电子科技大学，硕士学位论文，2015.11)中提出了一种基于聚类的空中战机目标分群方法。该方法采用预先人为设置Z轴阈值来分层目标信息的方法得到聚类搜索范围上界，使K均值算法不必事先设定要生成的聚类数目，再执行K均值算法对空中战机目标进行聚类，最终得到目标分群结果。但是该方法仍然存在的不足之处是：目标分群的效果优劣取决于预先处理目标信息时分层所取的Z轴阈值，对于同一目标群产生聚类数目不稳定，从而造成分群结果不准确的问题。

中国电子科技集团公司第五十四研究所在其申请的专利文献“基于改进空间距离划分的目标分群方法”(专利申请号201610578854.7，公开号106251004A)中公开了一种改进空间距离划分的目标分群方法。该方法对目标间距服从正态分布的目标分群，先计算所有目标间的距离，生成目标间距序列，通过逆卡方分布函数得到目标间距离阈值区间，选择该区间内最大的独立阈值作为最终分群阈值，根据分群阈值对目标进行划分得到最终目标分群。但是，该方法仍然存在的不足之处是：由于量测服从其他概率统计特性的目标无法使用逆卡方分布函数得到阈值区间，没有分群阈值对目标进行划分，从而造成该目标分群方法不具有普适性。

发明内容

本发明的目的在于针对上述已有技术的不足，提出一种基于的K-means聚类的空中目标分群方法。

实现本发明目的的基本思路是：将最大最小距离算法与K-means聚类算法结合，对所有目标使用最大最小距离算法选取初始聚类中心，产生希望生成的目标群的数目，最后使用K-means聚类进行空中目标分群。

为实现上述目的，本发明具体实现步骤包括如下：

步骤1，读入传感器观测到的每个目标的空中目标识别数据，该数据中包含该目标分别在X轴、Y轴和Z轴的位置分量、目标属性和目标类型；

步骤2，生成空中目标数据集：

将所有空中目标识别数据中属性相同的空中目标组成空中目标数据集T；

步骤3，获取阈值：

第一步，按照下式，计算空中目标数据集T中每个空中目标的初始参考值：

其中，M_i表示空中目标数据集T中第i个空中目标的初始参考值，|·|表示求绝对值操作，x_i，y_i，z_i分别表示第i个空中目标在X轴、Y轴、Z轴上的坐标值，∑表示求和操作，n表示空中目标数据集T中空中目标的总数；