[发明专利]一种多基地雷达有源假目标鉴别方法及系统

权利要求书

1.一种多基地雷达有源假目标鉴别方法，其特征在于，所述方法包括如下步骤：

获取目标的接收信号矢量，其中所述目标由多基地雷达检测得到；多基地雷达系统由M个发射站和N个接收站组成，对探测区域进行协同探测，检测到K个目标，设各目标的接收信号矢量为x_k，矢量维数为MN×1；

根据所述接收信号矢量，计算每两个目标之间的相关系数，通过下式计算：

式(1)中，r(x_i,x_j)表示第i个目标和第j个目标之间的相关系数；x_i表示目标i的接收信号矢量，且i＝1,2,…,K；x_j表示目标j的接收信号矢量，且j＝1,2,…,K；K表示检测到的目标的总数；E(x_i,x_j)表示x_i×x_j的均值；

根据所述相关系数，将目标进行聚类分析，包括：

步骤1：将K个目标的接收信号矢量各单独分为一类，得到K个目标类{C₁,C₂,...,C_K}，每个目标类内仅包含一个目标；

步骤2：计算每两个目标类之间的距离，通过下式计算：

式(2)中，采用最长距离计算两个类之间的距离；k和l表示类的序号；D_kl表示两类C_k和C_l之间的距离；J(x_i,x_j)表示第i个目标和第j个目标之间的距离，通过下式计算：

J(x_i,x_j)＝1-r(x_i,x_j)                (3)

式(3)中，J(x_i,x_j)表示第i个目标和第j个目标之间的距离；r(x_i,x_j)表示第i个目标和第j个目标之间的相关系数；x_i表示目标i的接收信号矢量，且i＝1,2,…,K；x_j表示目标j的接收信号矢量，且j＝1,2,…,K；

计算每两个目标类之间的距离D_kl时还能够使用最短距离法、中间距离法、重心法、类平均法、可变类平均法、可变法和离差平方和法；

步骤3：设类D_kl间距最小的两个目标类为C_p和C_q，将C_p和C_q中的目标进行合并，得到一个新的类C_p∪C_q；

步骤4：利用合并后的新的类C_p∪C_q替代原来的两个目标类C_p和C_q，则类的个数减少一个；

步骤5：重复实施步骤1～步骤4，进行类的合并，直至类的个数达到设定数目G，得到聚类分析的结果：将K个目标分为G个目标类，每个目标类为C_g,g＝1,2,...,G；

步骤6：对每一个可能的目标个数G＝1,2,...,K，重复步骤1～步骤5，得到聚类分析的结果C_g,g＝1,2,...,G；

步骤7：计算最优聚类个数，通过下式计算：

式(4)中，L表示最优聚类个数，HS(g)表示每个目标个数下的HS指标，由下式计算得到的：

HS(G)＝|hom(G)-seq(G)|                (5)

式(5)中，hom(G)表示聚类结果中类内目标之间具有的类聚的结构的程度，通过下式计算：

式(5)中，seq(G)表示聚类结果中类与类之间被较好分开的程度，通过下式计算：

式(6)和(7)中，n_g为目标类C_g中的目标个数，且g＝1,2,...,G；n_s为目标类C_s中的目标个数，且s＝1,2,...,G；r(x_i,x_j)表示第i个目标和第j个目标之间的相关系数；x_i表示目标i的接收信号矢量，且i＝1,2,…,K；x_j表示目标j的接收信号矢量，且j＝1,2,…,K；

步骤8：将最优聚类个数L对应的聚类结果作为目标聚类的最终聚类结果：将K个目标分为L个类，每个目标类为C_l,l＝1,2,...,L；

采用门限检测对聚类分析的结果进行鉴别，得到聚类的类别，根据聚类的类别得到聚类中各目标是否为有源假目标。