申请/专利权人：电子科技大学

申请日：2024-03-26

公开（公告）日：2024-06-28

公开（公告）号：CN118260573A

主分类号：G06F18/213

分类号：G06F18/213;G01S3/14;G06F18/24;G06F18/23213

优先权：

专利状态码：在审-公开

法律状态：2024.06.28#公开

摘要：本发明属于目标跟踪领域，涉及一种基于K‑means的目标状态提取方法。在多源滤波过程以及多源状态提取过程中，尤其是实际场景中多径与直达波通过频域特征难以区分的前提下，低测向精度以及运动特性的不明显导致其互相影响严重，轨迹之间关联易发生交叉，降低了滤波精度以及后续提取的正确率，因此问题转化为如何寻找到一种能有效约束高误差的观测值的方法。针对上述问题，本发明提出了一种基于K‑means的目标状态提取方法，以复杂电磁环境下多径与直达波DOA估计值紧密难以区分为例，验证了该方法在状态提取过程中有良好的性能、对环境的适应性和鲁棒性，在实现过程中有效约束了高误差数据。

主权项：1.一种基于K-means的目标状态提取方法，其特征在于，包括以下步骤：S1、对已提取目标状态进行特性提取：基于已有测向数据获取不同目标之间的状态提取并产生对应轨迹，对波动性进行提取，定义目标i在时刻1到时刻k的航迹表示为波动性指数用表示，目标i第k时刻的波动分界线用下述公式表示： 定义波动性指标为： T表示采样间隔，代表目标i第k时刻的轨迹数据；S2、利用K-means聚类提取形心：基于已提取目标的俯仰角信息，通过K-means聚类获取最大可能的两个俯仰角中心来区分两个目标，因此设置聚类个数为2，通过K-means迭代后得到输出的两组分好类的数据以及它们的形心ci；S3、划分分界线，修正状态提取距离，实现状态提取：当目标对象两者波动性没有明显差别时，定义分界线为： 在考虑波动性后，分界线的定义按照下式修正： 在获取当前时刻的信息后，进行信息与已有的多源演化历程之间的匹配，其中，表示第i个目标状态第k时刻的空间分布PDF，表示第k时刻估计出的目标个数，表示目标存在概率，因此用表示第k时刻所有估计目标的存在概率和分布状态；表示第i个目标时刻1到时刻k-1的所有空间分布PDF,nk-1表示截至到k-1时刻的航迹统计出的个数，则表示航迹i的存在概率，因此用表示第k-1时刻所有已有航迹的存在概率和分布状态，用表示将已有历程状态延长到当前时刻，预测第k时刻的空间分布PDF；通过计算中的状态i与中的历程j在k时刻的统计距离如下式所示： 其中，表示PDF之间的距离；利用分界线指标修正距离函数，对于目标i利用分界线l_d来修正，修正后距离函数为： 其中表示k时刻第i个量测的量测结果；定义函数Δ为，当测向数据与历程j考虑匹配关系时，有如下表达式： 通过采用修正后的距离去完成融合匹配过程时，会使高误差的状态提取结果代价提高，从而在匹配时考虑以预测值作为关联，避免了混淆的情况；获得与中各状态互相匹配的代价矩阵如下： 其中αi,0k＝Ti表示匹配的距离阈值，α0,jk＝Tj的含义同理，j＝1,...,nk-1；在此基础上定义分配矩阵Sk为： 其中各元素si,j是一个布尔数，当si,j＝1时表示中的第i个信号与中的第j个信号匹配，反之即表示它们不匹配；基于定义，将匹配问题转换为最优分配问题，其所满足的条件如下式所示： 该分配问题需要满足如下最优分配原则：矩阵的每一行和每一列最多只能分配一个元素，且被分配元素统计距离之和最小，从而实现状态的提取。

全文数据：

权利要求：

百度查询： 电子科技大学 一种基于K-means的目标状态提取方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD