[发明专利]一种基于Hough变换和优化K均值聚类的反舰导弹编队识别目标选择系统

权利要求书

1.一种基于Hough变换和优化K均值聚类的反舰导弹编队识别目标选择系统，其特征在于：包括运动态势监测模块、队形轮廓识别模块、目指态势建立模块、打击目标获取模块、目标打击模块；

所述运动态势监测模块监测目标编队中所有成员的坐标，从而获得目标编队的运动态势；

所述队形轮廓识别模块对目标编队的运动态势进行Hough变换，识别目标编队的队形轮廓；

所述目指态势建立模块根据目标编队的队形轮廓，建立目指态势模型，并对目标编队中所有成员进行排序编号；

所述打击目标获取模块选定目标编队中的打击目标P，并确定打击目标的相对编号B-P；B为目标编队中基准舰的编号；

所述目标打击模块向打击目标发射导弹；所述导弹带有末制导雷达；

在导弹自控飞行结束后，导弹末制导雷达开启；所述末制导雷达获取目标编队当前的运动态势，进行Hough变换，从而识别出目标编队的当前队形轮廓；

所述末制导雷达对目标编队每个回波信号进行排序编号，并比对目指态势建立模块中的目标编队编号和当前排序编号，确定打击目标P；

所述导弹捕捉、跟踪所述打击目标P并完成打击；

利用优化K均值聚类方法对Hough曲线的交点进行聚类的步骤包括：

1)从数据样本集合X按随机选取k个样本作为初始聚类中心，并计算数据样本集合X中各样本到各初始聚类中心的目标函数矩阵D，即：

式中，d_ij表示目标函数矩阵D的第i+(j-1)×n个元素；为W_j聚类中心；j＝1,…,c；k＝1,2,…,n；表示数据样本集合X的第i个样本；

2)计算列向量及对应的聚类号列向量即：

式中，列向量中的元素包括各样本到各聚类中心最小距离的平方和；minD(i,:)表示第i个样本到各聚类中心最小距离的平方和；

3)基于列向量和聚类号列向量对数据样本集合X进行初始分类，并计算各类样本数量；

4)多样本更新聚类，步骤包括：

4.1)根据聚类号列向量和聚类样本数量有变化的聚类号更新变化的聚类中心和变化样本数量；然后由变化的聚类中心计算变化的目标函数矩阵D；

4.2)处理变为空集的聚类；

4.3)计算目标函数值E，判断目标函数E是否减小，若未减小，则进入步骤5)，若减小，则暂存聚类号列向量和目标函数值；

4.4)由式(5)计算各样本到各聚类中心最小的距离平方和组成的列向量及对应的聚类号列向量

4.5)根据新聚类号列向量与旧聚类号列向量的差异确定聚类号发生变化的样本，并将该样本对应的样本号写入列向量中；

列向量如下所示：

判断聚类号发生变化的样本到新聚类中心距离平方和d_i是否小于该样本到旧聚类中心距离平方和d′，若否，则从列向量中删除该样本对应的样本号；

列向量更新如下：

式中，[]表示没有元素，降低列向量行数；

4.6)用列向量中的新聚类号取代样本的原聚类号，并获得聚类中样本数量发生变化的聚类号向量返回步骤4)，直至变为[]，多样本更新迭代收敛，转入单样本更新聚类阶段；

聚类号向量如下所示：

式中，c表示聚类总数量，i∈[·]表示i属于数组[·]的元素；

5)单样本更新聚类，步骤包括：

5.1)计算具有单样本聚类的样本集合的目标函数矩阵Del，即：

式中，为W_j聚类中心，m_j为j号聚类的样本数量；sgn_ij为符号函数；

5.2)利用公式(5)计算目标函数矩阵Del中每个样本到各聚类中心最小的距离平方和，并将最小距离平方和写入列向量中，将最小距离平方和对应的聚类号写入聚类号列向量中

5.3)判断聚类号列向量与聚类号列向量是否存在差异，若否，则判断单样本更新迭代收敛，若是，则进入步骤5.4)；

5.4)更新列向量即：

式中，表示上一次迭代的聚类号发生变化的样本号列向量；min(·)表示取向量中最小的元素，mod(n)表示取模运算；在利用公式(10)更新列向量时均为单元素向量；

计算移动次数，并把新的列向量赋值给上一次迭代的列向量从而得到当前次迭代、上一次迭代的移动聚类号单元素列向量即：

5.5)更新目标函数值E、聚类号列向量聚类的样本数量m_j、聚类中心聚类号向量并返回步骤5.1)；

目标函数值E、聚类号列向量分别如下所示：

聚类的样本数量m_j和聚类中心分别如下所示：

聚类中样本数量变化的聚类号向量如下所示：

6)判断各类样本是否为空集，并计算每个样本到各聚类中心的目标函数矩阵D＝(d_ij)_n×k，从而得到目标函数矩阵中的列向量即：

式中，id_i表示样本所属的聚类号；D(i+(id_i-1)·n)表示目标函数矩阵D中第i+(id_i-1)·n个元素；

根据列向量计算得到累加列向量和目标函数累加列向量如下所示：

完成一次聚类迭代，重复步骤1)～6)，直至遍历所有比较rep次聚类迭代的目标函数值，得到聚类数k的最优聚类；

7)按照公式(3)计算聚类数k的差异度代价函数，重复步骤1)～6)，直至遍历所有聚类数k＝1,2,…,n；比较聚类数k＝1,2,…,n迭代差异度代价函数，得到最优聚类数、聚类中心及对应的分类；

8)利用公式(18)将样本在最优聚类数下聚类完成后的交点，反映射得到原量测空间中对应的直线；

反映射得到的直线的斜率a和截距b分别如下所示：

式中，ρ₀、ρ_π/2和ρ_π表示θ＝0、π/2和π/2对应的角度ρ。