一种基于峰值聚类的目标检测点迹凝聚方法.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN113269242A(43)申请公布日2021.08.17(21)申请号202110538477.5(22)申请日2021.05.18(71)申请人电子科技大学地址611731四川省成都市高新区(西区)西源大道2006号(72)发明人曹建蜀陈江宁陈岁新于昕凝(74)专利代理机构北京正华智诚专利代理事务所(普通合伙)11870代理人李林合(51)Int.Cl.G06K9/62(2006.01)G01S7/292(2006.01)G01S7/35(2006.01)G01S13/58(2006.01)G01S13/72(2006.01)权利要求书3页说明书8页附图4页(54)发明名称一种基于峰值聚类的目标检测点迹凝聚方法(57)摘要本发明公开了一种基于峰值聚类的目标检测点迹凝聚方法，涉及信号与信息处理技术领域，该算法考虑了CFAR检测点迹结果中同一类别的数据点向峰值点聚集的特点，同时该算法还考虑了CFAR检测点迹结果中不同类别的数据点有明显的差距的特点。该算法基于自动寻找峰值数据点的峰值聚类的点迹凝聚算法，通过采样CFAR检测结果的点迹数据，对采集的所有数据根据距离‑多普勒二维信息计算欧式距离，利用幅度信息寻找每一类别的峰值数据点进而进行聚类，能够克服彼此相邻、点迹数据幅度和密度分布差异较大的多个目标难以正确分类的难点，在不增加硬件结构，不增加经费的基础上以更快的速度完成点迹凝聚过程。CN113269242ACN113269242A权利要求书1/3页1.一种基于峰值聚类的目标检测点迹凝聚方法，其特征在于，包括以下步骤：S1、采集若干CFAR检测点迹数据qi；其中，所述CFAR检测点迹数据包括距离维数据、多普勒维数据、方位角数据、俯仰角数据和幅度维数据；S2、对所有CFAR检测点迹数据qi建立索引，并利用索引将其存储在二维矩阵MK×L中；S3、根据二维矩阵MK×L和索引找到CFAR检测点迹数据qi中的所有的峰值点数据pt；S4、将除峰值数据pt之外的点迹数据qi按幅度从大到小排序，进而得到数据集合OJ；S5、计算数据集合OJ中的每个点迹数据oj与每个峰值点数据pt的欧氏距离，并得到若干欧氏距离构成的距离矩阵DJT；S6、根据距离矩阵DJT和峰值点数据pt，对数据集合OJ中所有的CFAR检测点迹数据进行聚类，得到若干点迹类；S7、对每一个点迹类中的每个CFAR检测点迹数据进行凝聚处理，得到每类CFAR检测点迹数据在距离维、多普勒维、方位角维、俯仰角维和幅度维数据的质量中心凝聚点，实现点迹凝聚。2.根据权利要求1所述的基于峰值聚类的目标检测点迹凝聚方法，其特征在于，所述步骤S2中，对CFAR检测点迹数据qi建立索引的公式为：mnew_i＝mi‑mmin+2nnew_i＝ni‑nmin+2式中，mi和ni分别为第i个CFAR检测点迹qi的多普勒维数据值和距离维数据值，1≤i≤N，N为CFAR检测点迹的总数；mmin和nmin分别为所有CFAR检测点迹的多普勒维的最小值和距离维的最小值；mnew_i和nnew_i分别为qi在二维矩阵MK×L中多普勒维和距离维的索引值；所述二维矩阵MK×L第k行第l列的值Mk,l为：式中，为索引为(mnew_i,nnew_i)的CFAR检测点迹的幅度维数值；&表示逻辑与操作。3.根据权利要求2所述的基于峰值聚类的目标检测点迹凝聚方法，其特征在于，所述步骤S3具体为：S31、在二维矩阵MK×L中，计算每个CFAR检测点迹的重要性并将的CFAR检测点迹作为每个目标核心点迹，即核心CFAR检测点迹；S32、基于二维矩阵MK×L中的T个核心CFAR检测点迹，形成峰值点数据集PT；其中，峰值点数据集PT中的峰值点数据pt即为核心CFAR检测点迹，pt∈PT,1≤t≤T。4.根据权利要求3所述的基于峰值聚类的目标检测点迹凝聚方法，其特征在于，所述步骤S31中，重要性的计算公式为：2CN113269242A权利要求书2/3页式中，表示多普勒维索引为mnew_i，距离维索引为nnew_i的CFAR检测点迹的重要性；表示多普勒维索引为mnew_i，距离维索引为nnew_i的CFAR检测点迹的幅度维数值；函数δ(·)的表达式为：5.根据权利要求3所述的基于峰值聚类的目标检测点迹凝聚方法，其特征在于，所述步骤S5中，所述距离矩阵DJT为：式中，下标J为数据集合OJ中点迹数据的个数，下标T为峰值数据的个数，距离矩阵DJT中第j行数据DjT为数据集合OJ中第j个点迹数据oj分别与T个峰值数据的欧氏距离组成距离向量；所述距离向量DjT为：DjT＝[dj1,...djt...,djT]式中，djt为数据集合OJ中第j个点迹数据与峰值点数据集PT中第t个峰值检测点迹