基于K-means聚类的空中目标分群方法技术

本发明专利技术公开了一种基于K‑means聚类的空中目标分群方法，其实现步骤为：(1)读入空中目标信息；(2)生成空中目标数据集；(3)生成空中目标群总数；(4)根据所得的空中目标群的群中心及其总数，采用K‑means聚类进行空中目标分群；(5)输出分群结果。本发明专利技术克服了使用K‑means聚类方法进行空中目标分群时需要预先给定分群个数的问题；能够实现对实际情况空中目标有效、准确的分群，可用于态势估计、指挥控制系统。

Air target clustering method based on K-means clustering

【技术实现步骤摘要】
基于K-means聚类的空中目标分群方法
本专利技术属于目标处理
，更进一步涉及目标识别
中的一种基于K-means聚类的空中目标分群方法。本专利技术可用于态势评估中对实时传感器获取的空中目标信息进行识别，以实现对空中目标的分群。
技术介绍
空中目标分群亦称为空中目标聚类，是空中目标群形成的过程。空中目标分群的基本思想是根据一级融合输入的空中目标信息进行自底向上的逐层分解，根据一定的知识，对空中目标的信息进行抽象和划分。目前基于聚类的目标分群方法，由于易受初始聚类中心的影响，且对参数设置较为依赖，会造成目标分群的准确性不稳定。董冰在其发表的论文“基于聚类分析的空中战机目标分群应用研究”(西安电子科技大学，硕士学位论文，2015.11)中提出了一种基于聚类的空中战机目标分群方法。该方法采用预先人为设置Z轴阈值来分层目标信息的方法得到聚类搜索范围上界，使K均值算法不必事先设定要生成的聚类数目，再执行K均值算法对空中战机目标进行聚类，最终得到目标分群结果。但是该方法仍然存在的不足之处是：目标分群的效果优劣取决于预先处理目标信息时分层所取的Z轴阈值，对于同一目标群产生聚类数目不稳定，从而造成分群结果不准确的问题。中国电子科技集团公司第五十四研究所在其申请的专利文献“基于改进空间距离划分的目标分群方法”(专利申请号201610578854.7，公开号106251004A)中公开了一种改进空间距离划分的目标分群方法。该方法对目标间距服从正态分布的目标分群，先计算所有目标间的距离，生成目标间距序列，通过逆卡方分布函数得到目标间距离阈值区间，选择该区间内最大的独立阈值作为最终分群阈值，根据分群阈值对目标进行划分得到最终目标分群。但是，该方法仍然存在的不足之处是：由于量测服从其他概率统计特性的目标无法使用逆卡方分布函数得到阈值区间，没有分群阈值对目标进行划分，从而造成该目标分群方法不具有普适性。
技术实现思路
本专利技术的目的在于针对上述已有技术的不足，提出一种基于的K-means聚类的空中目标分群方法。实现本专利技术目的的基本思路是：将最大最小距离算法与K-means聚类算法结合，对所有目标使用最大最小距离算法选取初始聚类中心，产生希望生成的目标群的数目，最后使用K-means聚类进行空中目标分群。为实现上述目的，本专利技术具体实现步骤包括如下：步骤1，读入传感器观测到的每个目标的空中目标识别数据，该数据中包含该目标分别在X轴、Y轴和Z轴的位置分量、目标属性和目标类型；步骤2，生成空中目标数据集：将所有空中目标识别数据中属性相同的空中目标组成空中目标数据集T；步骤3，获取阈值：第一步，按照下式，计算空中目标数据集T中每个空中目标的初始参考值：其中，Mi表示空中目标数据集T中第i个空中目标的初始参考值，|·|表示求绝对值操作，xi，yi，zi分别表示第i个空中目标在X轴、Y轴、Z轴上的坐标值，∑表示求和操作，n表示空中目标数据集T中空中目标的总数；第二步，选空中目标数据集T中所有空中目标的初始参考值中的最小值将计算该最小值对应的空中目标C1与目标数据集T中每个空中目标的欧式距离，并从中找出最大欧式距离所对应的空中目标C2；第三步，用空中目标C1与C2的欧式距离与距离参数的乘积作为阈值；步骤4，计算空中目标群总数：第一步，设置一个用于存放空中目标的集合C，将C1和C2放入集合C中；第二步，在空中目标数据集T中除去C1和C2之外，计算其余每个空中目标分别与空中目标C1的欧氏距离和与空中目标C2的欧氏距离，从中选取最小值，将所有最小值组成最小间距集合；第三步，从最小间距集合中选取最大值；第四步，判断所选最大值是否大于阈值，若是，则执行第五步，否则，执行第六步；第五步，将最大值对应的空中目标加入集合C，从最小间距集合中舍弃所选取最大值后执行第三步，第六步，将集合C中元素的个数作为空中目标群总数，执行步骤5；步骤5，空中目标分群：第一步，将集合C中的元素作为空中目标群中心目标；第二步，计算空中目标数据集T中每个空中目标分别与每个空中目标群中心目标的欧式距离，从中选取最小值，将空中目标划分到该最小值对应的群中心目标所在空中目标群中；第三步，在每一个空中目标群中，用当前空中目标群中所有空中目标分别在立体坐标系X轴、Y轴、Z轴上坐标的平均值，更新空中目标群中心目标在X轴、Y轴、Z轴上的坐标值；第四步，判断误差平方和目标函数是否达到最小值，若是，则执行步骤6，否则，执行第二步；步骤6，将当前所得空中目标群作为分群结果。本专利技术与现有技术相比具有以下优点：第一，由于本专利技术在空中目标分群中，选择与平均值差值最小的空中目标作为第一个空中目标群中心后采用最大最小距离法生成空中目标分群总数，克服了现有技术中在选择初始搜索中心时随机选取可能会导致迭代次数增加、运算量增大的问题，使得本专利技术具有目标的每次分群结果一致性稳定的优点。第二，由于本专利技术在空中目标分群中，采用了基于K-means聚类分析的方法处理实时传感器获取的空中目标信息，使本方法具有更好的普适性。附图说明图1是本专利技术的流程图；图2用本专利技术对空中目标进行分群的目标空间分布图；图3是用本专利技术、经典K-means算法、K-means++算法对直线型队列空中目标分群的仿真实验结果图；图4是用本专利技术、经典K-means算法、K-means++算法对“V”字型队列空中目标分群的仿真实验结果图；图5是用本专利技术、经典K-means算法、K-means++算法对包围型队列空中目标分群的仿真实验结果图。具体实施方式下面结合附图对本专利技术的具体实施方式作进一步详细的描述。结合附图1对本专利技术的具体步骤描述如下：步骤1，读入传感器当前时刻观测到的含有空中目标位置量测数据和空中目标识别数据的空中目标信息，其中空中目标量测数据指目标在X轴、Y轴和Z轴上的位置分量，空中目标识别数据包括目标属性和目标类型。步骤2，生成空中目标数据集。将空中目标识别数据中所有属性相同的空中目标组成空中目标数据集T＝{t1,t2,…,tn}，其中，tn表示空中目标数据集T中第n个空中目标。步骤3，生成空中目标群的总数。第一步，计算空中目标数据集T中所有目标分别在立体坐标系的X轴、Y轴、Z轴上的平均值：得到平均值坐标将每个坐标分量与对应平均值坐标分量相减，选择差值的绝对值最小的空中目标C1，第二步，选择与空中目标C1欧氏距离最大的空中目标C2，第三步，计算空中目标C1和空中目标群C2的欧式距离将该距离值与距离参数θ的乘积作为阈值：θD12，其中距离参数为经验值，本专利技术取值为0.5。第四步，按照下式，计算空中目标数据集T中除去C1和C2之外，其余每个空中目标ti分别与空中目标C1的欧氏距离和空中目标C2的欧氏距离：<本文档来自技高网...

【技术保护点】
1.一种基于K-means聚类的空中目标分群方法，其特征在于，采用最大最小距离算法计算目标分群的聚类初始中心和聚类个数；本专利技术的实现步骤具体如下：/n步骤1，读入传感器观测到的每个目标的空中目标识别数据，该数据中包含该目标分别在X轴、Y轴和Z轴的位置分量、目标属性和目标类型；/n步骤2，生成空中目标数据集：/n将所有空中目标识别数据中属性相同的空中目标组成空中目标数据集T；/n步骤3，获取阈值：/n第一步，按照下式，计算空中目标数据集T中每个空中目标的初始参考值：/n

【技术特征摘要】
1.一种基于K-means聚类的空中目标分群方法，其特征在于，采用最大最小距离算法计算目标分群的聚类初始中心和聚类个数；本发明的实现步骤具体如下：
步骤1，读入传感器观测到的每个目标的空中目标识别数据，该数据中包含该目标分别在X轴、Y轴和Z轴的位置分量、目标属性和目标类型；
步骤2，生成空中目标数据集：
将所有空中目标识别数据中属性相同的空中目标组成空中目标数据集T；
步骤3，获取阈值：
第一步，按照下式，计算空中目标数据集T中每个空中目标的初始参考值：



其中，Mi表示空中目标数据集T中第i个空中目标的初始参考值，|·|表示求绝对值操作，xi，yi，zi分别表示第i个空中目标在X轴、Y轴、Z轴上的坐标值，∑表示求和操作，n表示空中目标数据集T中空中目标的总数；
第二步，选空中目标数据集T中所有空中目标的初始参考值中的最小值将计算该最小值对应的空中目标C1与目标数据集T中每个空中目标的欧式距离，并从中找出最大欧式距离所对应的空中目标C2；
第三步，用空中目标C1与C2的欧式距离与距离参数的乘积作为阈值；
步骤4，计算空中目标群总数：
第一步，设置一个用于存放空中目标的集合C，将C1和C2放入集合C中；
第二步，在空中目标数据集T中除去C1和C2之外，计算其余每个空中目标分别与空中目标C1的欧氏距离和与空中目标C2的欧氏距离，从中选取最小值，将所有最小值组成最小间距集合；
第三步，从最小间距集合中选取最大值；
第四步，判断所选最大值是否大于阈值，若是，则执行第五步，否则，执行第六步；
第五步，将最大值对应的空中目标加入集合C，从最小间距集合中舍弃所选取最大值后执行第三步，
第六步，将集合C中元素的个数作为空中目标群总数，执行步骤5；
步骤5，空中目标分群：
第一步，将集合C中的元素作为空中目标群中心目标；

【专利技术属性】
技术研发人员：柴慧敏，宋雅楠，李欣粤，吕少楠，陈奋增，
申请(专利权)人：西安电子科技大学，
类型：发明
国别省市：陕西;61