阅读说明：本技术 一种基于希尔排序的距离差分多扩展目标点迹凝聚方法 (Distance difference multi-extension target point trace aggregation method based on Hill sorting ) 是由 王长杰 王伟 龙腾 刘泉华 于 2019-08-01 设计创作，主要内容包括：本发明公开了一种基于希尔排序的距离差分多扩展目标点迹凝聚方法,涉及目标检测跟踪技术领域,是一种性能稳定、计算效率高的目标点迹凝聚方法。包括如下步骤：获取目标的量测点迹集合。选取参考点,计算点迹集合中每个点迹的曼哈顿距离。对所有点迹的曼哈顿距离采用希尔排序法进行升序排列,获得升序序列。对升序序列进行差分运算,获得差分序列。对差分序列进行点迹划分检测,获得不同目标点迹集合。(the invention discloses a distance difference multi-extension target point trace condensation method based on Hill sorting, relates to the technical field of target detection and tracking, and is a target point trace condensation method with stable performance and high calculation efficiency. The method comprises the following steps: and acquiring a measuring trace set of the target. And selecting a reference point, and calculating the Manhattan distance of each point trace in the point trace set. And performing ascending arrangement on the Manhattan distances of all the point traces by adopting a Hill sorting method to obtain an ascending sequence. And carrying out differential operation on the ascending sequence to obtain a differential sequence. And carrying out trace point division detection on the difference sequence to obtain different target trace point sets.)

一种基于希尔排序的距离差分多扩展目标点迹凝聚方法

技术领域

本发明涉及目标检测跟踪技术领域，具体涉及一种基于希尔排序的距离差 分多扩展目标点迹凝聚方法。

背景技术

在传统的低分辨雷达中，目标回波的能量大部分集中在一个距离分辨单元 内，经过目标检测后仅形成一个检测点，提取该点的信息即可用于后续的目标 跟踪。伴随着宽带相控阵雷达精确制导、多目标精密测量、跟踪与识别的功能 及性能需求，雷达分辨率不断提高，对于民航飞机、车辆等大型目标，其本身 尺寸跨越多个距离单元以及多个方位单元并且存在多个散射点。

对于上述多扩展目标的参数估计一般通过点迹凝聚处理实现，其需解决的 首要问题就是量测点迹划分，即同一目标的量测点迹划分为同一子集，不同的 目标的量测点迹能够准确区分。目前已有的点迹凝聚算法包括K均值算法以及 连通域判断方法等，其中K均值算法具有性能不稳定、受外界影响较多的缺点， 连通域判断方法具有计算量比较大缺点。

因此，研究一种稳定的、计算效率高的目标点迹凝聚算法对于实现多目标 精确测量与跟踪具有重要意义。

发明内容

有鉴于此，本发明提供了一种基于希尔排序的距离差分多扩展目标点迹凝 聚方法，是一种性能稳定、计算效率高的目标点迹凝聚方法。

为达到上述目的，本发明的技术方案为：一种基于希尔排序的距离差分多 扩展目标点迹凝聚方法，包括如下步骤：

获取目标的量测点迹集合。

选取参考点，计算点迹集合中每个点迹相对参考点的曼哈顿距离。

对所有点迹的曼哈顿距离采用希尔排序法进行升序排列，获得升序序列。

对升序序列进行差分运算，获得差分序列。

对差分序列进行点迹划分检测，获得不同目标点迹集合。

进一步地，选取参考点，计算点迹集合中每个点迹相对参考点的曼哈顿距 离，具体为：选取原点作为参考点，计算每个点迹的1-范数距离，即为曼哈顿 距离。

进一步地，对升序序列进行差分运算，获得差分序列，具体为：

升序序列为D_sort＝{d₁,d₂,…,d_n}，其中n为点迹集合中的点迹个数，d₁～d_n为按 照升序排列的点迹的曼哈顿距离。

对升序序列D_sort进行差分运算，即D_sort中元素后一个元素减前一个元素，得 到差分序列ΔD＝{Δd₁,Δd₂,…,Δd_n-1}；Δd_i为d_i+1与d_i的差值，i为差分序列中序号，i 取值为1～n-1。

进一步地，对差分序列进行点迹划分检测，获得不同目标点迹集合，具体 为：

设定经验门限，在差分序列中，以大于或者等于经验门限的差分点为分割 点，将差分序列划分为2个或者以上的差分点集，每个差分点集中差分点对应 的点迹为属于同一目标的点迹。

有益效果：

本发明提供的一种基于希尔排序的距离差分多扩展目标点迹凝聚方法，针 对采集到的目标量测点迹集合，计算每个点迹的曼哈顿距离，并且采用希尔排 序算法获得曼哈顿距离的升序序列，然后进行差分并基于差分序列进行点迹划 分，曼哈顿距离的差分序列能够实现对同一目标点迹的凝聚，具备比较稳定的 性能，且因使用了希尔排序法大大提高了计算效率，因此本方法是一种性能稳 定、计算效率高的目标点迹凝聚方法。

附图说明

图1为本发明提供的基于希尔排序的距离差分多扩展目标点迹凝聚方法流 程图；

图2为本发明实施例中希尔排序过程示意图；

图3为本发明实施例中采集获得的目标量测点迹集合示意图；

图4为本发明实施例中曼哈顿距离序列及升序序列示意图；

图5为本发明实施例中距离差分序列示意图；

图6为本发明实施例中点迹划分结果示意图。

具体实施方式

下面结合附图并举实施例，对本发明进行详细描述。

本发明提供了一种基于希尔排序的距离差分多扩展目标点迹凝聚方法，如 图1所示包括如下步骤：

S1、获取目标的量测点迹集合。

S2、选取参考点，计算点迹集合中每个点迹相对参考点的曼哈顿距离。

具体地，本发明实施例中选取原点作为参考点，计算每个点迹相对参考点 的1-范数距离，即为曼哈顿距离。

例如假设目标的空间位置坐标为(x_i,y_i),i＝1,2,…N，参考点为(x₀,y₀)，则其曼哈 顿距离为：

S3、对所有点迹的曼哈顿距离采用希尔排序法进行升序排列，获得升序序 列。

具体地，本发明实施例中升序序列为D_sort＝{d₁,d₂,…,d_n}，其中n为点迹集合中的点迹个数，d₁～d_n为按照升序排列的点迹的曼哈顿距离。

对于希尔排序，又称缩小增量排序，是对***排序的一种改进。通过对间 距相等的子数组排序，从而避免***排序在元素较多、无序程度较大情况下的 效率较低。其具体的排序过程如图2所示：

(1)第一轮排序

·首先选择一个整数gap作为间隔，将待排序列分为若干子序列；

·对每个子序列进行***排序；

(2)后续操作

·缩小间隔gap，重复上述过程；

·直至最后gap＝1。

S4、对升序序列进行差分运算，获得差分序列。

具体地，本发明实施例中对升序序列D_sort进行差分运算，即D_sort中元素后一 个元素减前一个元素，得到差分序列ΔD＝{Δd₁,Δd₂,…,Δd_n-1}；Δd_i为d_i+1与d_i的差值， i为差分序列中序号，i取值为1～n-1。

S5、对差分序列进行点迹划分检测，获得不同目标点迹集合。

具体地，本发明实施例中设定经验门限，在差分序列中，以大于或者等于 经验门限的差分点为分割点，将差分序列划分为2个或者以上的差分点集，每 个差分点集中差分点对应的点迹为属于同一目标的点迹。

本发明给出如下实例对本发明的方法进行说明：

假设空间具有两目标点迹群，如下，其点迹分布参数如下表1所示。

表1仿真参数

	目标群一	目标群二
			群中心	(100,100)	(200,200)
分布方差	20	20

计算每个点迹相对于原点的曼哈顿距离，并采用希尔排序进行距离序列的 升序排列，其结果如下图4所示。

对距离升序序列进行差分处理，得到距离差分序列，如图5所示，在点迹 群边缘处发生距离的突变，进而导致差分结果的峰值。

通过步骤四的差分检测，利用该差分峰值进行目标点迹的划分处理，峰值 前的点迹为点迹群一，而峰值后的点迹为点迹群二，其点迹划分结果如图6所 示。

综上，以上仅为本发明的较佳实施例而已，并非用于限定本发明的保护范 围。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均 应包含在本发明的保护范围之内。