[发明专利]一种基于代数图论的群目标分群方法

说明书

本发明提供一种基于代数图论的群目标分群方法，利用代数图论理论和量测间的关系信息构建监测空间内的连通图，通过搜索监测空间内的连通图完成对群目标的实时分群，放宽了传统方法要求同一个群内目标全部相似的限制条件，能够避免由于群内目标相似度不全为1而导致的分群错误；此外，本发明计算相似度和分群矩阵时并未改变数据维度，也就是说，本发明可以在不改变现有雷达数据处理结构的前提下用于群目标的分群处理。

技术领域

本发明属于信息处理领域，尤其涉及一种基于代数图论的群目标分群方法。

背景技术

分群检测是群目标跟踪特有的数据处理步骤，也是区别于普通多目标跟踪的重要标志之一。分群检测的基本思想是按照一定的准则将传感器某次扫描得到的所有有效量测分为若干子集。为了后续能够准确地起始群目标航迹，分群检测必须能准确反映不同群目标在量测空间内的分布特性，并且能实时反映群动态变化过程。早期分群方法有K均值、模糊C均值等，但这些方法均需要指定分类数，不适合无先验知识的实际应用场景，并且当群目标发生状态改变(如群分裂、合并等)时易造成分群结果混乱。现有分群技术通常使用相似度矩阵计算某一时刻的分群结果，但以上技术均有一项前提，就是同一个群内的任意两个目标之间的相似度均为1，但在实际应用中，当群目标体积较大时，同一个群内目标之间的相似度未必都为1，甚至可能出现同其他群内目标相似度更高的情况，导致分群结果出现差错。

发明内容

为解决上述问题，本发明提供一种基于代数图论的群目标分群方法，通过引入代数图论以及线性代数的初等列变换理论构建的分群矩阵完成分群任务，放宽了现有分群矩阵要求群内任意目标间相似度必须全部为1的限制。

一种基于代数图论的群目标分群方法，包括以下步骤：

S1：对雷达回波进行脉冲压缩与恒虚警检测，得到第t个时刻扫描空间内的一组目标量测集合Z_t＝{z_i}，其中，z_i是第i个目标的状态向量，且状态向量包括目标的位置、速度以及加速度，i＝1，2，…，k，k为第t个扫描时刻内目标的个数；

S2：分别获取集合Z_t＝{z_i}内各元素自身的相似度以及任意两个元素之间的相似度σ_ij：

其中，j＝1，2，…，k，||z_i-z_j||为集合Z_t＝{z_i}内第i个元素对应的目标和第j个元素对应的目标之间的距离，γ为预先设定的门限值，其中，若i＝j，σ_ij＝1；

S3：构建相似度矩阵A：

S4：根据相似度矩阵A构建初始分群矩阵B：

其中，A^k-1为相似度矩阵A的k-1次幂矩阵；

S5：对初始分群矩阵B进行初等行列变换，使得矩阵A^k-1内所有非零元素全部集中于初始分群矩阵B的对角线，得到最终的分群矩阵B^#：

其中，B₁～B_m均为内部不含零元素的分块方阵，m为初等行列变换后，得到的内部不含零元素的方阵的数量，o为零矩阵，T表示转置，n₁～n_m均为一维行向量，且每个一维行向量中包含的目标编号对应的目标作为一个子群，从而实现群目标的分群。

进一步地，所述相似度矩阵A的k-1次幂矩阵A^k-1记为：