[发明专利]一种基于时间序列的电子目标协同分析融合方法及设备

说明书

本申请公开了一种基于时间序列的电子目标协同分析融合方法及设备，包括：获取电子目标的电磁数据，对所述电磁数据的电磁特征进行标准化转换，以获得标准化电磁数据；对所述标准化电磁数据进行聚类，以获得聚类结果；基于聚类结果进行量化，以将量化结果作为所述电子目标的离散化状态数据；将所述电子目标的离散化状态数据划分为多个子项；基于划分的多个子项，计算各子项之间的相关系数，以获得所述电子目标的协同集合；比较不同电子目标的协同集合，以确定电子目标之间的协同关系。本申请的方法能够将多特征电磁数据转化为单特征离散化电磁状态，更好地量化数据特征，并且大幅降低了协同计算的时间复杂度。

技术领域

本申请涉及电磁技术领域，尤其涉及一种基于时间序列的电子目标协同分析融合方法及设备。

背景技术

电子目标定义为能够发射电磁信号的信号源设备，电磁探测系统以固定时间间隔对电子目标的电磁数据进行采集，所采集的数据符合时间序列的范畴。协同分析是对电子目标间存在的协同工作规律进行分析判断，协同分析有助于对电子目标进行情报挖掘与知识管理。电子目标时间序列协同分析是时间序列分析的一个应用场景，通过采用算法对电子目标的电磁数据进行分析，对电子目标间是否具有协同规律进行判别。

目前常用的判断协同关系的算法有Apriori算法(以下简称AP算法)通过产生频繁项集挖掘关联规则，频繁项集由支持度量化，即数据集中包含该占比所占的比例。FP-Growth算法(以下简称FP算法)改进了AP算法，通过挖掘频繁项集以支持行数为标准进行排序，构造FP树，将频繁项的挖掘变为FP树的挖掘。

FP算法的步骤如下：

步骤1：输入数据和最小支持度，筛选数据，生成频繁项集，基于支持度对其进行降序排列，对于每个频繁项，构造它的条件投影数据和投影FP树。

步骤2：创建根节点，基于频繁项迭代构建FP树。

步骤3：从FP树的叶节点寻找前缀路径，当构造的FP树为空时，其前缀即为频繁模式；若不为空，利用所有的前缀路径迭代构造FP树。

步骤4：当只包含一条路径时，通过枚举所有可能组合并与此树的前缀连接即可得到频繁模式。

FP算法通过挖掘频繁项集以支持行数为标准进行排序，构造FP树，作为数据间是否具有协同规律的判定依据，虽然该算法解决了计算复杂度的问题，但是该算法依旧存在无法处理连续数据、无法兼容不同类型电子目标数据和电子目标间歇性工作特征的问题。

发明内容

本申请实施例提供一种基于时间序列的电子目标协同分析融合方法及设备，以电子目标数据作为对象，在数据存储过程中进行Z-Score标准化转换，采用均值聚类量化电子目标的电磁数据，使多特征电磁数据转化为单特征离散化电磁状态，更好地量化数据特征，并且大幅降低了协同计算的时间复杂度。

本申请实施例提供一种基于时间序列的电子目标协同分析融合方法，包括：

获取电子目标的电磁数据，对所述电磁数据的电磁特征进行标准化转换，以获得标准化电磁数据；

对所述标准化电磁数据进行聚类，以获得聚类结果；

基于聚类结果进行量化，以将量化结果作为所述电子目标的离散化状态数据；

将所述电子目标的离散化状态数据划分为多个子项；

基于划分的多个子项，计算各子项之间的相关系数，以获得所述电子目标的协同集合；

比较不同电子目标的协同集合，以确定电子目标之间的协同关系。

可选的，对所述电磁数据的电磁特征进行标准化转换包括：

计算所述电磁数据的电磁特征的均值和标准差；

基于所计算的均值和标准差进行标准化转换。