[发明专利]基于模糊ART划分的目标分群方法

权利要求书

1.基于模糊ART划分的目标分群方法，其特征在于，包括以下步骤：

(1)读入当前时刻传感器观测得到的目标位置量测数据和目标识别属性数据，对所有目标分别进行标号；所述的目标识别属性数据由红蓝方识别数据和类型识别数据组成；

(2)根据目标识别属性数据对所有目标标号进行划分，得到红方各类型目标标号集和蓝方各类型目标标号集；同时，初始化群目标及其权重向量；

(3)分别对红方各类型目标标号集和蓝方各类型目标标号集进行模糊ART划分；蓝方各类型目标标号集进行模糊ART划分的方式与红方各类型目标标号集进行模糊ART划分的方式相同；具体包括以下步骤：

(3a)对红/蓝方各类型目标标号集内的当前目标位置量测数据进行归一化和补充编码，得到当前输入向量；

(3b)根据当前输入向量和当前所有群目标的权重向量进行类选择，得到选中类标；

(3c)计算当前输入向量和选中类标所对应的权重向量的匹配度；

(3d)根据匹配度与警戒阈值的大小关系，将当前目标标号加入到选中类标所对应的群目标中并进行类学习，或者将当前输入向量作为新增群目标的权重向量并将当前目标标号加入到新增群目标中；

(3e)检查红/蓝方各类型目标标号集的所有目标是否均已进行目标分群，如果没有，将下一目标位置量测数据更新为当前目标位置量测数据，跳转到步骤(3a)；否则，执行步骤(4)；

所述步骤(3a)，具体包括以下步骤：

(3a1)对当前目标位置量测数据进行归一化，得到归一化位置量测：

其中，表示k时刻的第t个目标的位置量测向量；x和y分别表示目标位置的横坐标和纵坐标；L表示归一化位置量测；x′和y′分别表示归一化后目标位置的横坐标和纵坐标x和分别表示目标探测区域横轴的上下限，y和分别表示目标探测区域纵轴的上下限；

(3a2)对归一化位置量测进行补充编码，得到当前输入向量：

I＝(x′,y′,x′_c,y′_c)；

其中，I为当前输入向量；x′_c和y′_c分别表示归一化后目标位置横坐标和纵坐标的补充编码，x′_c＝1-x′，y′_c＝1-y′；

(4)输出全部群目标，检查下一时刻的传感器观测数据是否到达，若是，将下一时刻更新为当前时刻，跳转到步骤(1)；否则，结束本流程。

2.根据权利要求1所述的基于模糊ART划分的目标分群方法，其特征在于，步骤(2)所述的红方各类型目标标号集和蓝方各类型目标标号集，具体为：

其中，P_ij为红/蓝方各类型目标标号集，i为红/蓝方标号，j为类别标号，取值为1,2,…,C，C表示类型总数；t为目标标号，取值为1,2,…,N_k，N_k表示k时刻的目标总数，k表示时刻；表示k时刻的第t个目标的红蓝方识别数据；表示k时刻的第t个目标的类型识别数据。

3.根据权利要求1所述的基于模糊ART划分的目标分群方法，其特征在于，所述步骤(3b)具体包括以下步骤：

(3b1)计算当前输入向量和权重向量的类选择函数：

其中，T_h(I)为类选择函数；w_h为权重向量；h为群目标标号，取值为h＝1,2,…,Ω，Ω表示当前群目标数；α为选择参数，α＞0；|·|为L1范数；∧为模糊交运算；

(3b2)对于当前输入向量，遍历当前所有群目标，求取最大类选择函数，得到选中类标：

其中，H为选中类标；表示使得类选择函数T_h(I)取最大值的群目标标号h的取值。

4.根据权利要求3所述的基于模糊ART划分的目标分群方法，其特征在于，所述步骤(3c)中匹配度的计算公式为：

其中，M_H(I)为匹配度。