[发明专利]一种基于DTW-DBSCAN算法的空中目标分群方法

权利要求书

1.一种基于DTW-DBSCAN算法的空中目标分群方法，其特征在于，所述方法包括：

接收空中目标数据，所述空中目标数据为当前时间段内和与其相邻的上一时间段内的空中目标数据的一级信息进行融合得到的；

判断所述空中目标数据的数量，根据所述空中目标数据的数量对所述空中目标数据进行预处理，得到最新的空中目标数据；

对最新的空中目标数据进行无量纲化处理；

计算经无量纲化处理的不同属性的最新的空中目标数据之间的DTW距离，形成DTW距离矩阵；

利用KNN算法和数学期望法，基于所述DTW距离矩阵分别生成DTW距离矩阵的平均最近邻距离集合和平均最近邻距离集合的邻域密度阈值，包括：

对所述DTW距离矩阵D_n×n的每一行元素进行升序排列，其中，D_n×n＝{Dist(i,j)|1≤i≤n,1≤j≤n}，Dist(i,j)为不同属性的最新的空中目标数据之间的DTW距离之和，第K列的所有元素构成第K列的最近邻距离向量D_k，对所述最近邻距离向量D_k中的元素求平均得到所述最近邻距离向量D_k的K-平均最近邻距离进而得到DTW距离矩阵的平均最近邻距离集合

依次计算所述平均最近邻距离集合D_Eps中的每个元素所对应的邻域对象数量，计算所有元素所对应的邻域对象数量的数据期望值，所述数据期望值为所述平均最近邻距离集合D_Eps的邻域密度阈值；

依次将所述平均最近邻距离集合中的元素和所述平均最近邻距离集合的邻域密度阈值输入到DBSCAN算法进行聚类分群，并输出空中目标分群结果。

2.根据权利要求1所述的空中目标分群方法，其特征在于，所述判断所述空中目标数据的数量，根据所述空中目标数据的数量对所述空中目标数据进行预处理，包括：

当所述空中目标数据的数量大于预先设定的目标分群数目时，需要对所述空中目标数据进行二次抽样，将经二次抽样得到的空中目标数据作为最新的空中目标数据；

或，当所述空中目标数据的数量小于预先设定的目标分群数目时，将所述空中目标数据和与其相邻的下一时间段内的空中目标数据进行拼接，将拼接后的空中目标数据作为最新的空中目标数据；

或，当所述空中目标数据的数量符合预先设定的目标分群数目时，将所述空中目标数据作为最新的空中目标数据。

3.根据权利要求1所述的空中目标分群方法，其特征在于，所述对最新的空中目标数据进行无量纲化处理，包括：采用归一化方法对最新的空中目标数据进行无量纲化处理，去除量纲对所述最新的空中目标数据分群结果的影响。

4.根据权利要求1所述的空中目标分群方法，其特征在于，所述依次将所述平均最近邻距离集合中的元素和所述平均最近邻距离集合的邻域密度阈值输入到DBSCAN算法进行聚类分群，包括：

依次将所述平均最近邻距离集合中的元素和所述平均最近邻距离集合的邻域密度阈值输入到DBSCAN算法，得到不同K值下的簇数N_K，当所述簇数N_K连续X次相同时，得到DBSCAN算法的聚类分群结果；其中，所述簇数N_K所对应的最大K值所对应的K-平均最近邻距离作为DTW距离矩阵D_n×n的最优平均最近邻距离，X为根据空中目标数据设定的空中目标分群阈值，X和N_K均为正整数。

5.根据权利要求1所述的空中目标分群方法，其特征在于，所述空中目标分群结果为根据空中目标数据定时的分解为多个互不相交的空间目标群。