【技术实现步骤摘要】
一种基于Hough变换和优化K均值聚类的反舰导弹编队识别目标选择系统
[0001]本专利技术涉及编队识别领域,具体是一种基于Hough变换和优化K均值聚类的反舰导弹编队识别目标选择系统。
技术介绍
[0002]反舰导弹的目标选择通常有特征识别和编队识别两类技术。特征识别依赖指定目标区别于编队其它舰艇的单一特征、或者多特征加权的综合特征,但随着反舰导弹射程增长带来的自控时间的增长,末端编队态势的变化已不符合发射前确定的特征,从而超出反舰导弹特征识别的能力。编队识别是将导弹末制导雷达搜捕得到的编队态势,与存在弹上的编队态势(目标指示阶段实时探测或者情报数据库预先存储)进行比对,通过匹配两个态势的编队特征相似程度,并排序识别出编队预定目标进行精确打击的过程。
[0003]一类编队识别方法是根据队形相关参数在量测空间结合编队模板直接计算判断。例如,1)以阵群成员位置观测集合和先验队形模板的最大势匹配子集中心作为基准点描述观测和模板的队形,通过队形描述匹配识别观测阵群目标队形,该方法工程上可操作性较弱;2)根据队形模板与待识别编队各舰方位角的方位距离建立空间场景方向相似性判别函数进行队形判别。已知编队排序的要求过高,降低了方法适用性,且不同队形判断区分度不高、看齐角对判断影响过大;3)用队列线数量和队列角建立编队线型队形模板,给出基准目标、其它目标相对队列方位和相似性量度的数学模型,从而判断目标是否位于同一队列线,聚类获得队列线数量,从而识别队形,相似性量度要求方位角偏差必须小于探测误差,对目标位于同一队列线的判断不够 ...
【技术保护点】
【技术特征摘要】
1.一种基于Hough变换和优化K均值聚类的反舰导弹编队识别目标选择系统,其特征在于:包括运动态势监测模块、所述队形轮廓识别模块、目指态势建立模块、打击目标获取模块、目标打击模块。所述运动态势监测模块监测目标编队中所有成员的坐标,从而获得目标编队的运动态势;所述队形轮廓识别模块对目标编队的运动态势进行Hough变换,识别目标编队的队形轮廓;所述目指态势建立模块根据目标编队的队形轮廓,建立目指态势模型,并对目标编队中所有成员进行排序编号;所述打击目标获取模块选定目标编队中的打击目标P,并确定打击目标的相对编号B
‑
P;B为目标编队中基准舰的编号;所述目标打击模块向打击目标发射导弹;所述导弹带有末制导雷达;在导弹自控飞行结束后,导弹末制导雷达开启;所述末制导雷达获取目标编队当前的运动态势,进行Hough变换,从而识别出目标编队的当前队形轮廓;所述末制导雷达对目标编队每个回波信号进行排序编号,并比对目指态势建立模块中的目标编队编号和当前排序编号,确定打击目标P;所述导弹捕捉、跟踪所述打击目标P并完成打击。2.根据权利要求1所述的一种基于Hough变换和优化K均值聚类的反舰导弹编队识别目标选择系统,其特征在于,识别目标编队的队形轮廓的步骤包括:1)基于点和线的对偶性,利用Hough变换函数建立量测空间内的点与参数空间的曲线的对应关系;(X,Z)为坐标;对于量测空间中任意点Hough变换函数如下所示:ρ=X cosθ+Z sinθ式中,θ为量测空间原点到过该点的任意一条直线的垂线与X轴正向所成的夹角;|ρ|是垂线长度;2)记量测空间的目标编队成员坐标在参数空间存在对应的正弦曲线为l
i
;i=1,2,
…
,N,量测空间的编队目标集合在参数空间存在对应的正弦曲线簇选取量测空间的折线并计算得到参数空间对应的正弦曲线交点从而构成数据样本集合3)利用优化K均值聚类方法对Hough曲线的交点进行聚类,得到目标编队的队形轮廓。3.根据权利要求2所述的一种基于Hough变换和优化K均值聚类的反舰导弹编队识别目
标选择系统,其特征在于,优化K均值聚类方法的目标函数E如下所示:式中,k为聚类簇数;是类W
j
中样本的聚类中心;n
j
为类W
j
中数据样本数目;优化K均值聚类方法的最优聚类数k
*
如下所示:式中,F(D,L)为差异度代价函数,是类W
j
所含的任一样本对象;k
max
为上限,表示向下取整。4.根据权利要求3所述的一种基于Hough变换和优化K均值聚类的反舰导弹编队识别目标选择系统,其特征在于,利用优化K均值聚类方法对Hough曲线的交点进行聚类的步骤包括:1)从数据样本集合X按随机选取k个样本作为初始聚类中心,并计算数据样本集合X中各样本到各初始聚类中心的目标函数矩阵D,即:式中,d
ij
表示目标函数矩阵D的第i+(j
‑
1)
×
n个元素;为W
j
聚类中心;j=1,
…
,c;k=1,2,
…
,n;表示数据样本集合X的第i个样本;2)计算列向量及对应的聚类号列向量即:式中,列向量中的元素包括各样本到各聚类中心最小距离的平方和;minD(i,:)表示第i个样本到各聚类中心最小距离的平方和;3)基于列向量和聚类号列向量对数据样本集合X进行初始分类,并计算各类样本数量;4)多样本更新聚类,步骤包括:4.1)根据聚类号列向量和聚类样本数量有变化的聚类号更新变化的聚类中心和变化样本数量;然后由变化的聚类中心计算变化的目标函数矩阵D;4.2)处理变为空集的聚类;4.3)计算目标函数值E,判断目标函数E是否减小,若未减小,则进入步骤5),若减小,则暂存聚类号列向量和目标函数值;4.4)由式(5)计算各样本到各聚类中心最小的距离平方和组成的列向量及对应的聚类号列向量4.5)根据新聚类号列向量与旧聚类号列向量的差异确定聚类号发生变化的样本,并将该样本对应的样本号写入列向量中;
列向量如下所示:判断聚类号发生变化的样本到新聚类中心距离平方和d
i
是否小于该样本到旧聚类中心距离平方和d
′
,若否,则从列向量中删除该样本对应的样本号;列向量更新如下:式中,[]表示没有元素,降低列向量行数;4.6)用列向量中的新聚类号取代样本的原聚类号,并获得聚类中样本数量发生变化的聚类号向量返回步骤4),直至变为[],多样本更新迭代收敛,转入单样本更新聚类阶段;聚类号向量如下所示:式中,c表示聚类总数量,i∈[
·
]表示i属于数组[
·
]的元素。5)单样本更新聚类,步骤包括:5.1)计算具有单样本聚类的样本集合的目标函数矩阵Del,即:式中,为W
j
聚类中心,m
j
为j号聚类的样本数量;sgn
ij
为符号函数;5.2)利用公式(5)计算目标函数矩阵Del中每个样本到各聚类中心最小的距离平方和,并将最小距离平方和写入列向量中,将最小距离平方和对应的聚类号写入聚类号列向量中5.3)判断聚类号列向量与聚类号列向量是否存在差异,若否,则判断单样本更新迭代收敛,若是,则进入步骤5.4);5.4)更新列向量即:式中,表示上一次迭代的聚类号发生变化的样本号列向量;min(
·
)表示取向量
中最小的元素,mod(n)表示取模运算;在利用公式(10)更新列向量时均为单元素向量;计算移动次数,并把新的列向量赋值给上一次迭代的列向量从而得到当前次迭代、上一次迭代的移动聚类号单元素列向量即:5.5)更新目标函数值E、聚类号列向量聚类的样本数量m
j
、聚类中心聚类号向量并返回步骤5.1);目标函数值E、聚类号列向量分别如下所示:聚类的样本数量m
j
和聚类中心分别如下所示:分别如下所示:聚类中样本数量变化的聚类号向量如下所示:6)判断各类样本是否为空集,并计算每个样本到各聚类中心的目标函数矩阵从而得到目标函数矩阵中的列向量即:式中,id
i
表示样本所属的聚类号;D(i+(id<...
【专利技术属性】
技术研发人员:黄隽,吴鹏飞,刘方,李晓宝,张浩然,刘玥,
申请(专利权)人:中国人民解放军海军工程大学,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。