[发明专利]一种基于峰值聚类的目标检测点迹凝聚方法

权利要求书

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q_i；

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q_i建立索引，并利用索引将其存储在二维矩阵M_K×L中；

S3、根据二维矩阵M_K×L和索引找到CFAR检测点迹数据q_i中的所有的峰值点数据p_t；

S4、将除峰值数据p_t之外的点迹数据q_i按幅度从大到小排序，进而得到数据集合O_J；

S5、计算数据集合O_J中的每个点迹数据o_j与每个峰值点数据p_t的欧氏距离，并得到若干欧氏距离构成的距离矩阵D_JT；

S6、根据距离矩阵D_JT和峰值点数据p_t，对数据集合O_J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；

所述步骤S2中，对CFAR检测点迹数据q_i建立索引的公式为：

m_{new_i}＝m_i-m_min+2

n_{new_i}＝n_i-n_min+2

式中，m_i和n_i分别为第i个CFAR检测点迹q_i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；m_min和n_min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；m_{new_i}和n_{new_i}分别为q_i在二维矩阵M_K×L中多普勒维和距离维的索引值；

所述二维矩阵M_K×L第k行第l列的值M_k,l为：

式中，为索引为(m_{new_i},n_{new_i})的CFAR检测点迹的幅度维数值；表示逻辑与操作；

所述步骤S3具体为：

S31、在二维矩阵M_K×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M_K×L中的T个核心CFAR检测点迹，形成峰值点数据集P_T；

其中，峰值点数据集P_T中的峰值点数据p_t即为核心CFAR检测点迹，p_t∈P_T,1≤t≤T；

所述步骤S31中，重要性的计算公式为：

式中，表示多普勒维索引为m_{new_i}，距离维索引为n_{new_i}的CFAR检测点迹的重要性；表示多普勒维索引为m_{new_i}，距离维索引为n_{new_i}的CFAR检测点迹的幅度维数值；

函数δ(·)的表达式为：