[发明专利]一种基于硬件的复合抗干扰数据关联方法

摘要

一种基于硬件的复合制导抗干扰数据关联方法，该方法有七大步骤：步骤一：数据准备；步骤二：初值计算；步骤三：新型距离的计算；步骤四：模糊隶属度矩阵的计算；步骤五：指数权值因子的运算；步骤六：聚类中心的计算；步骤七：迭代收敛判断。本发明是在多模复合制导的数据关联阶段，克服多传感器系统状态估计后的剩余杂波点迹以及外界目标施放的大噪声干扰，得到量测数据与量测目标的正确关联匹配，提高航迹预测精度。它在信息融合技术领域里具有较好的应用前景。

主权项

1.一种基于硬件的复合制导抗干扰数据关联方法，其特征在于：该方法具体步骤如下：步骤一：数据准备从外界环境读取传感器获得的实时信息，包括目标距离、速度、加速度、俯仰角、方向角以及各角加速度，这些信息被抽象成为对目标观测的点集，也称样本集；步骤二：初值计算根据模糊聚类算法对于聚类中心的公式:vi=Σj=1nuijmxjΣj=1nuijm]]>计算样本集的初始聚类中心；式中符号说明如下：x_j为数据集X={x₁,x₂,...,x_n}中的样本点，v={v₁,v₂,...v_c}为c个聚类中心，u_ij表示第j个样本点属于第i类的隶属度；并按照模糊隶属度矩阵的约束条件:u_ij∈[0,1]，Σi=1cuij=1]]>随机给出初始隶属度矩阵，之后计算新型距离参数，设定迭代阈值；式中u_ij表示第j个样本点属于第i类的隶属度；步骤三：新型距离的计算将样本点与聚类中心的欧氏距离进行非线性映射，将欧氏距离转化为平坦的新型距离，从而平滑外界噪声、虚警目标和噪声对数据关联结果的影响；公式如下：d(xp,xq)=1-exp(-β||xp-xq||2)]]>β=nΣj=1n||xj-x‾||2]]>式中符号说明如下：x_p与x_q为样本集X={x₁,x₂,...,x_n}中不同的样本点，d(x_p,x_q)表示两个样本点之间的新型距离，β为新型距离辅助参数，n为样本集的样本总数量，表示样本集X={x₁,x₂,...,x_n}的均值；步骤四：模糊隶属度矩阵的计算模糊隶属度为每个样本点分配了隶属于某一类的程度，反映了不同量测结果更可能来自于哪一个量测目标，因此利用新型距离矩阵：uij=[1-exp(-β||xj-vi||2)]-1m-1Σi=1c[1-exp(-β||xj-vi||2)]-1m-1]]>更新样本点对不同聚类的隶属度矩阵，也即更新了数据关联结果；式中符号说明如下：u_ij表示第j个样本点属于第i类的隶属度，x_j为数据集X={x₁,x₂，...,x_n}中的样本点，v_i表示第i个聚类中心，m为模糊因子；步骤五：指数权值因子的运算指数形式的权值因子变化灵敏，借此赋予每个样本点不同的指数权值；给远距离的离群噪声点逐渐变小的权值，可以有效抑制噪声点对聚类中心计算过程中的影；随着迭代的进行，权值将不断自动调整，最终趋于稳定；指数权值因子的迭代公式如下：etj=Πj=1n{[Σi=1cuijm[1-exp(-β||xj-vi||2)]]1n}Σi=1cuijm[1-exp(-β||xj-vi||2)]]]>式中符号说明如下：表示赋予样本点x_j的指数权值因子，u_ij表示第j个样本点属于第i类的隶属度，v_i表示第i个聚类中心，n为样本集的样本总数量，β为新型距离辅助参数，m为模糊因子；步骤六：聚类中心的计算结合模糊隶属度矩阵，指数权值因子以及新型距离，计算样本点集的聚类中心，也即复合制导量测目标的中心：vi=Σj=1netjuijmexp(-β||xj-vi||2)xjΣj=1netjuijmexp(-β||xj-vi||2)]]>式中符号说明如下：v_i表示第i个聚类中心，表示赋予样本点x_j的指数权值因子，u_ij表示第j个样本点属于第i类的隶属度，v_i表示第i个聚类中心，n为样本集的样本总数量，β为新型距离辅助参数，m为模糊因子；此步为后续航迹融合提供目标状态信息，经过新型距离的平滑和指数权值因子的加权，即便有大噪声目标点的干扰，聚类中心依然能够真实反映量测目标的真实矢量；步骤七：迭代收敛判断计算成本函数L：L=Σi=1cΣj=1nuijmdij2]]>式中符号说明如下：u_ij表示第j个样本点属于第i类的隶属度，表示样本点x_i与x_j之间的新型距离的平方；并对前后两次成本函数做差：L(k)-L(k-1)如果差值小于预先设定的阈值，则算法完成运算，输出模糊隶属度矩阵和聚类中心；如果差值不小于预先设定的阈值，则返回步骤三。