[发明专利]一种多维特征的战场实体目标分群方法及系统

说明书

本发明涉及一种基于多维特征的战场实体目标分群方法及系统。该方法包括：获取设定时刻的全部目标轨迹数据点；计算任意两个数据点的多维度欧氏距离；根据所述多维度欧氏距离，对各所述目标航迹数据点进行DBSCAN密度聚类，得到划分后的战场实体目标空间群；根据目标的功能特征，将所述划分后的战场实体目标空间群进行划分，得到功能群；根据目标的防御属性，将所述功能群划分为不同级别的防御群；根据目标的攻击属性，将所述功能群划分为攻击群和非攻击群；根据所述防御群的级别、所述攻击群和所述非攻击群，确定敌方群、我方群和中立方群。本发明能够综合实现战场实体目标的实时分群处理。

技术领域

本发明涉及战场实体目标分群领域，特别是涉及一种多维特征的战场实体目标分群方法及系统。

背景技术

目标分群问题也称为群形成过程，是态势估计中的一个重点和难点问题，属于信息融合中的高层融合范畴。现有的目标分群方法大多是直接利用聚类算法进行战场实体目标的分群处理，极少考虑进行战场态势分析所需的目标速度、航向、属性和类型等多维特征；且现有方法在进行分群处理时，往往会忽略聚类结果中的噪声点，而这些“噪声点”目标，也极有可能是影响战场态势的关键性因素。

发明内容

本发明的目的是提供一种多维特征的战场实体目标分群方法及系统，综合实现战场实体目标的实时分群处理。

为实现上述目的，本发明提供了如下方案：

一种基于多维特征的战场实体目标分群方法，包括：

获取设定时刻的全部目标轨迹数据点；

计算任意两个数据点的多维度欧氏距离；

根据所述多维度欧氏距离，对各所述目标航迹数据点进行DBSCAN密度聚类，得到划分后的战场实体目标空间群；

根据目标的功能特征，将所述划分后的战场实体目标空间群进行划分，得到功能群；

根据目标的防御属性，将所述功能群划分为不同级别的防御群；

根据目标的攻击属性，将所述功能群划分为攻击群和非攻击群；

根据所述防御群的级别、所述攻击群和所述非攻击群，确定敌方群、我方群和中立方群。

可选地，所述计算任意两个数据点的多维度欧氏距离，具体包括：

获取当前战场环境下目标航迹的多维属性特征，分配属性权重；

根据所述属性权重采用公式：计算任意两个数据点的多维度欧氏距离，作为目标航迹间的多维度相似性度量；

其中，mfdist(P_A,P_B)为两点间的多维度欧式距离，dist(P_A,P_B)为P_A、P_B两点间位置特征的欧式距离，与为P_A、P_B两点的速度大小，分别为P_A、P_B两点的航向大小；w_d、w_v、w_θ分别为位置、速度和航向特征的权重因子，各属性权重的取值取决于多因素距离的应用场景，且满足条件w_d+w_v+w_θ＝1；分别为P_A、P_B两点的敌我属性值，用于判断P_A、P_B两点的敌我属性是否相同，若相同，则有否则，

可选地，所述根据所述多维度欧氏距离，对各所述目标航迹数据点进行DBSCAN密度聚类，得到划分后的战场实体目标空间群，具体包括：

根据不同的应用场景选取参数，所述参数包括ε邻域和最小近邻点数量MinPts；