[发明专利]基于分级聚类的雷达/ESM航迹抗差关联方法

权利要求书

1.基于分级聚类的雷达/ESM航迹抗差关联算法，其特征在于，包括以下步骤：

步骤1，将雷达和ESM对目标的状态估计结果转换到以ESM为原点的修正极坐标系下，分别表示为和i,j＝1,2,…,N，N为目标数量；

步骤2，构造距离向量U_ij；

步骤3，并使用分级聚类方法得到相对方位角偏差估计结果

步骤4，利用相对方位角偏差估计结果对统计量进行修正可得修正后的统计量为

其中和分别为雷达和ESM对目标的状态估计转换到以ESM为原点的修正极坐标系下的状态估计结果，P_rj和P_ej分别为对应的状态估计协方差矩阵，i,j＝1,2,…,N；

步骤5，使用基于全局最优关联判决的方法，得到初步的航迹关联结果后，再利用关联门限通过假设检验，得到最终的雷达/ESM航迹抗差关联结果。

2.如权利要求1所述的航迹抗差关联算法，其特征在于，步骤2中距离向量的构造方法为对应的协方差矩阵为P_Uij＝P_ri+P_ej，i,j＝1,2,…,N。

3.如权利要求1所述的航迹抗差关联方法，其特征在于，步骤3中使用分级聚类方法估计相对方位角偏差的具体方法为：将每一个距离向量构造为分级聚类的初始类，并利用马氏距离的平方定义不同元素之间的距离：

V_ijpq＝U_ij-U_pq(i,j,p,q＝1,2,…,N,(i,j)≠(p,q))，

同时，分级聚类中的类间距离由最小准则确定，聚类算法的终止门限为α＝0.9，相对方位角偏估计方法的具体实施步骤为：

步骤3.1，将每个距离向量U_ij构造为一个初始类，即初始化迭代次数参数r＝0；

步骤3.2，基于最小准则计算类间距离其中得到类间距离矩阵

步骤3.3，合并距离最小的两类为一新的类，并取消被合并的类，得到N²-r-1个类；

步骤3.4，重新计算新类与各类之间的距离，其他类之间的距离不变，得到新的类间距离矩阵

步骤3.5，若总类数为1或最小的类间距离大于门限λ，则聚类算法结束，跳到步骤3.6继续运行，否则r＝r+1，跳到步骤3.3继续运行；

步骤3.6，选取类内元素最多的类C_res作为同源航迹的聚类结果，则相对方位角偏差的估计结果为

其中，N_c为类C_res中元素的个数，上标(1)表示该向量中的第1个元素。