[發(fā)明專利]車載雷達(dá)測(cè)量數(shù)據(jù)的聚類方法、存儲(chǔ)介質(zhì)和電子裝置

在審

• 申請(qǐng)?zhí)枺?/td>: 202010790882.1
• 申請(qǐng)日: 2020-08-07
• 公開（公告）號(hào): CN112015960A
• 公開（公告）日: 2020-12-01
• 發(fā)明（設(shè)計(jì)）人: 戴春楊;王東峰;曹林;李俊;華斌;王濤;楊慧民;趙宇;宋雨軒;劉怡曉;王兆峰;李萌;鐔曉林;楊華斌;謝曉鵬
• 申請(qǐng)（專利權(quán)）人: 北京川速微波科技有限公司
• 主分類號(hào): G06F16/906
• 分類號(hào): G06F16/906;G06K9/62
• 代理公司: 北京科家知識(shí)產(chǎn)權(quán)代理事務(wù)所(普通合伙) 11427
• 代理人: 宮建華

1.一種車載雷達(dá)測(cè)量數(shù)據(jù)的聚類方法，其特征在于，所述方法包括：

獲取車載雷達(dá)的測(cè)量數(shù)據(jù)，作為待聚類的數(shù)據(jù)集；

計(jì)算數(shù)據(jù)集中每個(gè)測(cè)量數(shù)據(jù)的密度；

按照密度的大小，確定數(shù)據(jù)集中屬于峰值點(diǎn)的測(cè)量數(shù)據(jù)；

根據(jù)峰值點(diǎn)，計(jì)算數(shù)據(jù)集的聚類信息，其中聚類信息中包括的聚類數(shù)量為車載雷達(dá)的測(cè)量數(shù)據(jù)中的目標(biāo)數(shù)量。

2.如權(quán)利要求1所述的方法，其特征在于，計(jì)算數(shù)據(jù)集中每個(gè)測(cè)量數(shù)據(jù)的密度，包括：

針對(duì)數(shù)據(jù)集中的每個(gè)測(cè)量數(shù)據(jù)：計(jì)算本測(cè)量數(shù)據(jù)與數(shù)據(jù)集中其它所有測(cè)量數(shù)據(jù)的歐式距離；計(jì)算與本測(cè)量數(shù)據(jù)的歐式距離小于預(yù)設(shè)的第一鄰域閾值的測(cè)量數(shù)據(jù)的個(gè)數(shù)，將該個(gè)數(shù)作為本測(cè)量數(shù)據(jù)在預(yù)設(shè)的第一鄰域范圍內(nèi)的密度。

3.如權(quán)利要求1所述的方法，其特征在于，按照密度的大小，確定數(shù)據(jù)集中屬于峰值點(diǎn)的測(cè)量數(shù)據(jù)，包括：

針對(duì)數(shù)據(jù)集中的每個(gè)測(cè)量數(shù)據(jù)：判斷在預(yù)設(shè)的第二鄰域范圍內(nèi)是否存在高于自己密度的測(cè)量數(shù)據(jù)；如果是，確定本測(cè)量數(shù)據(jù)屬于普通點(diǎn)，否則確定本測(cè)量數(shù)據(jù)屬于峰值點(diǎn)。

4.如權(quán)利要求3所述的方法，其特征在于，根據(jù)峰值點(diǎn)，計(jì)算數(shù)據(jù)集的聚類信息，包括：

基于歐式距離，識(shí)別屬于同一類的峰值點(diǎn)；

將屬于同一類的峰值點(diǎn)劃分為一個(gè)聚類，取一個(gè)聚類內(nèi)所有峰值點(diǎn)的平均值作為聚類中心；

將數(shù)據(jù)集中除所有的屬于同一類的峰值點(diǎn)之外的每個(gè)峰值點(diǎn)作為一個(gè)獨(dú)立的聚類，聚類中心為作為獨(dú)立的聚類的峰值點(diǎn)本身；

計(jì)算得到的全部聚類的數(shù)量；

將數(shù)據(jù)集中的普通點(diǎn)劃分給對(duì)應(yīng)的聚類。

5.如權(quán)利要求4所述的方法，其特征在于，基于歐式距離，識(shí)別屬于同一類的峰值點(diǎn)，包括：

提取確定得到的所有峰值點(diǎn)中滿足如下條件的峰值點(diǎn)：峰值點(diǎn)是聚類中心的概率大于預(yù)設(shè)的概率閾值；

在提取得到的峰值點(diǎn)中，基于歐式距離識(shí)別屬于同一類的峰值點(diǎn)。

6.如權(quán)利要求5所述的方法，其特征在于，在按照密度的大小確定數(shù)據(jù)集中屬于峰值點(diǎn)的測(cè)量數(shù)據(jù)之后，基于歐式距離識(shí)別屬于同一類的峰值點(diǎn)之前，還包括：

按照如下公式，計(jì)算各峰值點(diǎn)為聚類中心的概率：

其中，ξ(x_i)為數(shù)據(jù)集中當(dāng)前峰值點(diǎn)x_i為聚類中心的概率，ρ(x_i)為數(shù)據(jù)集中當(dāng)前峰值點(diǎn)x_i的密度值，ρ(x_j)為數(shù)據(jù)集中非當(dāng)前峰值點(diǎn)的測(cè)量數(shù)據(jù)x_j的密度值，d(x_i,x_j)為當(dāng)前峰值點(diǎn)x_i和非當(dāng)前峰值點(diǎn)的測(cè)量數(shù)據(jù)x_j的歐式距離，P[d(x_i,x_j)]為基于當(dāng)前峰值點(diǎn)x_i和非當(dāng)前峰值點(diǎn)的測(cè)量數(shù)據(jù)x_j的歐式距離的概率，歐式距離越大則概率越大。

7.如權(quán)利要求1-6中任一項(xiàng)所述的方法，其特征在于，在根據(jù)峰值點(diǎn)，計(jì)算數(shù)據(jù)集的聚類信息之后還包括：基于計(jì)算得到的聚類信息，采用基于目標(biāo)函數(shù)的模糊聚類算法，對(duì)數(shù)據(jù)集中的測(cè)量數(shù)據(jù)進(jìn)行分類。

8.如權(quán)利要求1-6中任一項(xiàng)所述的方法，其特征在于，在按照密度的大小，確定數(shù)據(jù)集中屬于峰值點(diǎn)的測(cè)量數(shù)據(jù)之前，還包括：

將數(shù)據(jù)集中在第一鄰域范圍內(nèi)的密度低于預(yù)設(shè)的噪聲閾值的測(cè)量數(shù)據(jù)濾除。

9.一種存儲(chǔ)介質(zhì)，其特征在于，所述存儲(chǔ)介質(zhì)中存儲(chǔ)有計(jì)算機(jī)程序，其中，所述計(jì)算機(jī)程序被設(shè)置為運(yùn)行時(shí)執(zhí)行所述權(quán)利要求1至8中任一項(xiàng)所述的方法。

10.一種電子裝置，包括存儲(chǔ)器和處理器，其特征在于，所述存儲(chǔ)器中存儲(chǔ)有計(jì)算機(jī)程序，所述處理器被設(shè)置為運(yùn)行所述計(jì)算機(jī)程序以執(zhí)行所述權(quán)利要求1至8中任一項(xiàng)所述的方法。