[发明专利]一种用于多目标雷达辐射源跟踪的属性数据关联方法

权利要求书

1.一种用于多目标雷达辐射源跟踪的属性数据关联方法，设任意目标雷达辐射源的真实属性数据为M＝(m₁,m₂,...,m_a)^T，a为属性总数，任意被动传感器S_i对任意目标雷达辐射源的属性测量值为Z_i＝(z_i1,z_i2,...,z_ia)^T，i＝1,2,...,N，N为传感器数目，传感器S_i对第k个属性的测量标准差为σ_ik；其特征在于，数据关联方法包括：

S1、通过任意两个传感器S_i和S_j得到关于第j个目标雷达辐射源的测量数据z_ik和z_jk，定义：

其中

S2、根据ε_ijk得到测量数据向量间的邻近测度：

d_ij满足以下条件：

1)任意两个传感器测量数据向量之间的邻近测度有：d_ij＝d_ji；

2)如果一个传感器测量数据向量与自己本身的邻近测度为：d_ii＝d₀，那么当且仅当i＝j时，才存在d_ij＝d₀；

3)任意两个传感器测量数据向量之间的邻近测度不大于这两个传感器与另外任意一个传感器测量数据向量之间的邻近测度之和；

S3、任取一个邻近测度作为初始解x₀，计算当前目标函数J₀：

S4、基于模拟退火算法调整传感器测量数据向量的顺序，具体为，设定初始温度为T₀，终止温度为T_end，马尔可夫链长度为L，重复以下步骤L次：

S41、在当前目标函数J₀的基础上，根据得到的所有测量数据向量间的邻近测度给出新解x_n，并计算新的目标函数J_n；定义代价函数ΔJ＝J_n-J₀。

S42、定义P如下：

其中，k为玻尔兹曼常数，值为k＝1.3806488×10^-23，T为当前模拟退火算法温度，进行最小值优化，当ΔJ0时，接受新解x_n；当ΔJ≥0时，给出随机数r∈[0,1]，判断P(ΔJ)r是否成立，若是，则接受新解x_n，否则继续回到步骤S41；

S43、当温度小于终止温度T_end或者达到终止条件时，记录最优路径经过的点作为最优顺序，对传感器属性测量值进行重排序，并结束模拟退火算法；

S5、建立关于属性特征固定雷达参数的关联判别门限，具体步骤为：

S51、设定各个雷达辐射源对应的聚类中心为X_c，c＝1,2,...,m，则构造得到测量值z_i和属性特征为X_c的关联判别函数如下为：

b为聚类X_c中向量的个数；

S52、令假设对于同一雷达辐射源的测量数据，存在ε_ijk～N(0,1)，则T_ic～χ²(ab)，即服从自由度为ab的卡方分布；设定漏关联概率P_m＝α，则根据分布的上侧分位数设定关联门限τ为：

S6、利用BSAS算法对已经排序后的传感器数据进行属性数据关联聚类，具体步骤为：

S61、令m＝1，设定此时的聚类中心X_m＝{x₁}，其中x₁为S4步骤重排序后得到的属性测量集合的第一个值；

S62、选择一个不属于任何类的x_i，找到X_k:d(x_i,X_k)＝min_1≤j≤md(x_i,X_j)；如果d(x_i,X_k)≤τ，X_k＝X_k∪{x_i}，更新聚类中心；否则，令m＝m+1，改变聚类中心X_n＝{x_i}；

S63、重复上述S61和S62两个步骤，遍历完所有数据后，结束BSAS算法，完成属性数据关联聚类。