[發(fā)明專利]雷達點跡凝聚方法、系統(tǒng)及存儲介質(zhì)

在審

• 申請?zhí)枺?/td>: 201810809657.0
• 申請日: 2018-07-23
• 公開（公告）號: CN109002616A
• 公開（公告）日: 2018-12-14
• 發(fā)明（設(shè)計）人: 侯小麗;莫紅飛;汪永軍;鈔紅光;葉忠言;凡甲甲;趙海林;閆馮軍
• 申請（專利權(quán)）人: 中電科技（合肥）博微信息發(fā)展有限責任公司
• 主分類號: G06F17/50
• 分類號: G06F17/50;G06K9/62
• 代理公司: 北京科家知識產(chǎn)權(quán)代理事務(wù)所(普通合伙) 11427
• 代理人: 陳娟

1.雷達點跡凝聚方法，其特征在于，所述方法包括：

步驟S10，對原始的點跡數(shù)據(jù)進行SVD處理；

步驟S20，對步驟S10得到的數(shù)據(jù)采用DBSCAN算法進行聚類，對所形成的每個類簇內(nèi)點跡認定為同一目標的分裂點跡；

步驟S30，對步驟S20得到的每個類簇進行統(tǒng)計，以得到每個類簇的距離和方位范圍；

步驟S40，對得到的距離和方位范圍進行區(qū)間劃分，統(tǒng)計離散系數(shù)獲得凝聚區(qū)間；

步驟S50，計算凝聚區(qū)間的平均距離和方位以完成點跡凝聚。

2.根據(jù)權(quán)利要求1所述的雷達點跡凝聚方法，其特征在于，所述對原始的點跡數(shù)據(jù)進行SVD處理的步驟包括：

步驟S11，輸入雷達點跡數(shù)據(jù)，根據(jù)雷達點跡數(shù)據(jù)構(gòu)造矩陣；

步驟S12，將根據(jù)點跡數(shù)據(jù)構(gòu)造的矩陣進行奇異值分解，形成包含重要特征的奇異值分解矩陣。

3.根據(jù)權(quán)利要求2所述的雷達點跡凝聚方法，其特征在于，所述步驟S11中根據(jù)雷達點跡數(shù)據(jù)構(gòu)造矩陣中的矩陣為：

其中，m表示存儲數(shù)據(jù)方位數(shù)，n表示每個方位上存儲的點跡個數(shù)，A_(i，j)表示方位為i，距離為j的點跡幅值。

4.根據(jù)權(quán)利要求1所述的雷達點跡凝聚方法，其特征在于，所述對步驟S10得到的數(shù)據(jù)采用DBSCAN算法進行聚類的步驟包括：

步驟S21，設(shè)置DBSCAN的參數(shù)：包括半徑Eps以及最小樣本點數(shù)MinPts；

步驟S22，檢測樣本數(shù)據(jù)中尚未檢查過的對象p，如果p未被處理，則檢查其鄰域，若包含的對象數(shù)不小于MinPts，建立新簇，將其鄰域中的所有點加入候選集N；若包含的對象數(shù)小于MinPts，則將其標記為噪聲；

步驟S23，對候選集N中所有尚未被處理的對象q，檢查其鄰域，若至少包含MinPts個對象，則將這些對象加入N；

步驟S24，重復步驟S23，繼續(xù)檢查N中未處理的對象，直到當前候選集N為空。

步驟S25，重復步驟S22～24，直到所有對象都歸入了某個簇或標記為噪聲。

5.根據(jù)權(quán)利要求1所述的雷達點跡凝聚方法，其特征在于，所述步驟S40中對得到的距離和方位范圍進行區(qū)間劃分的步驟包括：

步驟S41，對步驟S20中得到的類簇進行距離區(qū)間的靜態(tài)劃分：統(tǒng)計每個類簇的最大距離和最小距離，將最大距離與最小距離之間的區(qū)間平均劃分為三段；

步驟S42，對步驟S20中得到的類簇進行方位區(qū)間的動態(tài)劃分：統(tǒng)計每個類簇的最大方位、最小方位、最大幅值對應(yīng)方位以及最小幅值對應(yīng)方位，求解最大幅值與最小幅值對應(yīng)方位的平均方位，利用此方位將簇的方位區(qū)間一分為二。

6.根據(jù)權(quán)利要求1所述的雷達點跡凝聚方法，其特征在于，所述步驟S40中統(tǒng)計獲得凝聚區(qū)間的步驟包括：

步驟S401，統(tǒng)計每個類簇所有劃分區(qū)間的離散系數(shù)；

步驟S402，選擇離散系數(shù)小的區(qū)間作為凝聚區(qū)間。

7.根據(jù)權(quán)利要求6所述的雷達點跡凝聚方法，其特征在于，所述步驟S401中統(tǒng)計根據(jù)得到的距離和方位范圍進行區(qū)間劃分的各個區(qū)間點跡的離散系數(shù)的方法如下：

根據(jù)下述公式計算離散系數(shù)：

其中，i表示DBSCAN生成的第i個類，N_ik表示第i個類的第k個劃分區(qū)間內(nèi)的點跡個數(shù)，A_(ik，j)表示第i個類的第k個區(qū)間內(nèi)第j個點跡的幅值，μ_ik表示第i個類的第k個區(qū)間的平均值，σ_ik表示第i個類的第k個區(qū)間的方差，c_ik表示第i個類的第k個區(qū)間的離散系數(shù)。