[发明专利]一种基于K近邻的通信散点关联加速方法及系统

说明书

本发明涉及目标点迹跟踪技术领域，公开了一种基于K近邻的通信散点关联加速方法。该加速方法，使用属性分类和/或空间栅格分类对散点关联进行加速处理；包括以下步骤：S1，散点分类；S2，待关联目标过滤；S3，K近邻关联；S4，散点保存。本发明解决了现有技术存在的通信散点目标较多、散点密级、定位误差较大等散点关联难及耗时较多的问题。

技术领域

本发明涉及目标点迹跟踪技术领域，具体是一种基于K近邻的通信散点关联加速方法及系统。

背景技术

通信散点关联算法较多，比较经典的有多假设概率互联、K近邻关联、模糊双门限等，这些算法在目标较多(如目标上千个)时，算法耗时较多，处理延迟较大，因此，急需研究一种通信散点关联的快速方法。传统的点迹关联方式主要是让每个待关联的散点与所有目标进行关联计算，这样待关联计算的目标较多，处理效率低下，但实际上每个散点能够关联上的目标并不多，因此要降低散点关联时间，降低待关联计算的目标数量是有效的方法之一，急需研究一种减少待计算关联目标数量的散点关联加速方法。

发明内容

为克服现有技术的不足，本发明提供了一种基于K近邻的通信散点关联加速方法及系统，解决现有技术存在的通信散点目标较多、散点密级、定位误差较大等散点关联难及耗时较多的问题。

本发明解决上述问题所采用的技术方案是：

一种基于K近邻的通信散点关联加速方法，使用属性分类和/或空间栅格分类对散点关联进行加速处理。

作为一种优选的技术方案，包括以下步骤：

S1，散点分类：对输入的通信散点按照N个属性进行散点分类，生成对应属性的N个类别号；其中，N≥2且N为正整数；

S2，待关联目标过滤：利用散点的N个类别号对待关联目标过滤，过滤掉待关联目标中与散点差别较大的目标，减少待关联目标个数；其中，差别较大的判断标准预先设置；

S3，K近邻关联：利用K近邻关联算法对过滤后的待关联目标进行关联判断，关联成功后为散点分配关联目标编号，关联失败后为散点生成新的目标编号；

S4，散点保存：根据目标编号将散点保存到信号类型、频点和空间位置共N类待关联目标中。

作为一种优选的技术方案，步骤S1中，N＝3，对输入的通信散点分别按照信号类型、频点和空间位置进行散点分类，生成信号类型、频点和空间位置共3个类别号Xi、Pi、Sijk。

作为一种优选的技术方案，S1中，按照信号类型、频点和空间位置进行散点分类的分类原则分别为：

信号类型分类：相同信号类型归为同一类，不同信号类型为不同的类；

频点分类：根据散点频点p，对散点进行分类，得到散点频点类别Pi，频点分类公式为其中，pErr为固定值，pErr表示通信信号频点最大误差，表示向下取整数；

空间位置分类：根据散点空间位置(x,y,z)，对散点进行分类，得到栅格类别Sijk，空间位置分类公式为：其中，xErr、yErr、zErr均为固定值，xErr、yErr、zErr分别表示散点在空间位置的x轴、y轴、z轴上的定位误差，x、y、z分别表示散点在x轴、y轴、z轴上的坐标位置，表示散点在x轴、y轴、z轴上的栅格号。

作为一种优选的技术方案，步骤S2包括以下步骤：

S21，进行信号类型过滤、频点过滤、空间位置过滤，得到过滤后的信号类型过滤集合Xset、频点过滤集合Pset、空间位置过滤集合Sset；

S22，求Xset、Pset、Sset三个集合的交集，作为过滤后剩余的待关联目标。

作为一种优选的技术方案，步骤S21中，差别较大的判断标准分别为：