張冬寧，艾 偉

(中國(guó)電子科技集團(tuán)公司第五十四研究所，河北 石家莊 050081)

態(tài)勢(shì)估計(jì)中的目標(biāo)分群算法設(shè)計(jì)與實(shí)現(xiàn)

張冬寧，艾 偉

(中國(guó)電子科技集團(tuán)公司第五十四研究所，河北 石家莊 050081)

針對(duì)態(tài)勢(shì)估計(jì)中的目標(biāo)分群?jiǎn)栴}，分析了目標(biāo)的位置、運(yùn)動(dòng)狀態(tài)和屬性對(duì)分群結(jié)果的影響，建立了目標(biāo)相似度計(jì)算模型，并提出了分群策略，包括群的形成、分裂和合并等。采用面向?qū)ο筌浖O(shè)計(jì)思想建立了分群對(duì)象模型，分析了對(duì)象間關(guān)系。給出了分群算法的主體流程，并對(duì)其中的關(guān)鍵步驟進(jìn)行了詳細(xì)的說(shuō)明。開(kāi)發(fā)了目標(biāo)分群算法模塊，實(shí)現(xiàn)了對(duì)數(shù)據(jù)的預(yù)處理、目標(biāo)群的更新維護(hù)、群屬性的計(jì)算等功能，通過(guò)仿真試驗(yàn)，調(diào)整目標(biāo)分群影響因子及加權(quán)因子，得到了較好的分群效果，驗(yàn)證了文中方法的可行性和正確性。

目標(biāo)分群；群分裂；群合并；目標(biāo)相似度

0 引言

目標(biāo)分群是態(tài)勢(shì)估計(jì)中的首要任務(wù)，能夠?yàn)檫M(jìn)一步識(shí)別敵方行為意圖、判斷敵方威脅情況，以及分析敵方作戰(zhàn)協(xié)同關(guān)系提供有力依據(jù)。目標(biāo)分群是在完成戰(zhàn)場(chǎng)空間內(nèi)的目標(biāo)航跡融合和屬性識(shí)別的基礎(chǔ)上，綜合考慮目標(biāo)位置、屬性和運(yùn)動(dòng)狀態(tài)等信息，自動(dòng)實(shí)現(xiàn)目標(biāo)的分組聚類(lèi)，將類(lèi)型相近、運(yùn)動(dòng)狀態(tài)相近和執(zhí)行相同作戰(zhàn)任務(wù)或?qū)ξ曳骄哂邢嗤{的目標(biāo)進(jìn)行合并，簡(jiǎn)化戰(zhàn)場(chǎng)情況，給指揮員提供更為簡(jiǎn)單的戰(zhàn)場(chǎng)視圖，輔助指揮員進(jìn)行指揮決策[1]。

很多專(zhuān)家對(duì)態(tài)勢(shì)估計(jì)中的目標(biāo)分群?jiǎn)栴}進(jìn)行了深入研究，如基于知識(shí)和最鄰近法的研究[2]、基于模糊理論的研究[3]、基于證據(jù)理論的研究[4]和基于相似性測(cè)度模型的研究[5]等。本文在對(duì)其分析的基礎(chǔ)上，建立了一種基于多屬性的目標(biāo)相似度計(jì)算模型，并給出了群形成、分裂、合并算法，以及群的圖形化顯示方法。通過(guò)軟件實(shí)現(xiàn)和仿真試驗(yàn)，驗(yàn)證了該算法可快速有效地實(shí)現(xiàn)目標(biāo)分群。

1 問(wèn)題分析

式中，ID為目標(biāo)編號(hào)；Attr為目標(biāo)的敵我屬性(包括敵、我、友、中立、不明和其他)；Type為目標(biāo)類(lèi)別(包括空、地和水)；Model為目標(biāo)型號(hào)；Lon為目標(biāo)在某時(shí)刻的經(jīng)度；Lat為緯度；Height為高度；Vx為目標(biāo)在經(jīng)度方向上的速度分量；Vy為目標(biāo)在緯度方向上的速度分量；Vz為目標(biāo)在高度方向上的速度分量。對(duì)于?Em∈E,En∈E，都有IDEm≠I(mǎi)DEn。

2 算法設(shè)計(jì)

2.1 目標(biāo)相似度計(jì)算

目標(biāo)分群以相似性為基礎(chǔ)[8]，首先需要計(jì)算目標(biāo)之間的相似度。目標(biāo)的屬性對(duì)目標(biāo)相似度的影響不同，本文稱(chēng)其為影響因子，并且各屬性取值對(duì)于分群結(jié)果的影響也是不完全一致的。例如敵我屬性為敵的和敵我屬性為我的目標(biāo)，肯定不能分為一群，而敵我屬性為我的和敵我屬性為友的，可能是一群。另一個(gè)例子，當(dāng)目標(biāo)轉(zhuǎn)彎時(shí)，一個(gè)群內(nèi)的目標(biāo)不會(huì)同時(shí)轉(zhuǎn)彎，總會(huì)有先后次序的，這就會(huì)造成在同一時(shí)刻，一個(gè)群內(nèi)的目標(biāo)在3個(gè)方向上的速度分量會(huì)有較大差別。因此，需要對(duì)影響因子再設(shè)定加權(quán)因子，來(lái)平衡群內(nèi)目標(biāo)的差異。

目標(biāo)相似度計(jì)算方法如下：

① 根據(jù)參與相似度計(jì)算的目標(biāo)屬性，包括敵我屬性、目標(biāo)類(lèi)別、目標(biāo)型號(hào)、經(jīng)度、緯度、高度、速度在經(jīng)度方向的分量、速度在緯度方向的分量以及速度在高度方向的分量，建立目標(biāo)相似度矩陣為：

相似度矩陣S的每個(gè)元素依次為敵我屬性影響因子、目標(biāo)類(lèi)別影響因子、目標(biāo)型號(hào)影響因子、經(jīng)度影響因子、緯度影響因子、高度影響因子、速度在經(jīng)度方向上的分量影響因子、速度在緯度方向的分量影響因子以及速度在高度方向的分量影響因子，代表目標(biāo)各屬性的取值對(duì)目標(biāo)相似度計(jì)算的貢獻(xiàn)大小。且所有影響因子的和為100，即sattr+stype+smodel+slon+slat+sheight+svx+svy+svz=100。

② 對(duì)敵我屬性(敵、我、友、中立和不明)的各取值建立加權(quán)矩陣為：

含義為2個(gè)目標(biāo)的敵我屬性均為敵、或我、或友、或中立、或不明時(shí)，加權(quán)因子為1；一個(gè)為我，另一個(gè)為友時(shí)，加權(quán)因子為0.8；一個(gè)為不明，另一個(gè)為敵、或友、或中立時(shí)，加權(quán)因子為0.5；其他情況的加權(quán)因子均為0。

③ 對(duì)目標(biāo)類(lèi)別(空、地和水)的各取值建立加權(quán)矩陣為：

含義為2個(gè)目標(biāo)的目標(biāo)類(lèi)別均為空、或地、或水時(shí)，加權(quán)因子為1；其他情況的加權(quán)因子均為0。

⑥ 對(duì)2個(gè)目標(biāo)的緯度差、高度差(m)、各方向的速度差(km/h)設(shè)置加權(quán)因子的方法同⑤。

⑦ 對(duì)目標(biāo)數(shù)據(jù)進(jìn)行預(yù)處理，統(tǒng)一量綱。

2.2 算法流程

本文所用目標(biāo)分群算法的基本思想是對(duì)航跡融合后的每一個(gè)目標(biāo)航跡數(shù)據(jù)，先獲取其所屬群，判斷該群是否分裂，再判斷與其它群或離散目標(biāo)是否合并。具體算法流程，如圖1所示。

圖1 目標(biāo)分群算法流程

在判斷群是否分裂時(shí)，先將群內(nèi)目標(biāo)看作未分群的離散目標(biāo)集合，再對(duì)這些目標(biāo)進(jìn)行遍歷計(jì)算，算法步驟如下：

步驟1：找到第一個(gè)(下一個(gè))離散目標(biāo)；

步驟2：從該離散目標(biāo)向后尋找到能與該離散目標(biāo)合并的離散目標(biāo)，并記做一個(gè)群；

步驟3：在該群內(nèi)部遍歷，找到群內(nèi)的下一個(gè)目標(biāo)；從該目標(biāo)向后尋找到能與該目標(biāo)合并的離散目標(biāo)，記錄到該群內(nèi)。

步驟1～步驟3循環(huán)，直到遍歷完離散目標(biāo)集合，若新群內(nèi)目標(biāo)與原群不一樣，則判定為群分裂。

在判斷群是否合并時(shí)，只要Gj和Gk滿(mǎn)足條件?Em∈Gj,?En∈Gk,s.t.SCOREEmEn>Grouplimit，則2個(gè)群可合并。

2.3 算法比較

國(guó)內(nèi)外關(guān)于目標(biāo)分群的算法主要是利用目標(biāo)或群之間的空間距離作為聚類(lèi)依據(jù)，在復(fù)雜戰(zhàn)場(chǎng)環(huán)境中，只考慮空間距離是不夠的，還必須綜合考慮目標(biāo)群體的多屬性。本算法在計(jì)算目標(biāo)相似度時(shí)，通過(guò)設(shè)定目標(biāo)各屬性的影響因子，明確了參與計(jì)算的各種屬性對(duì)目標(biāo)相似度的貢獻(xiàn)；對(duì)各屬性建立加權(quán)矩陣，通過(guò)設(shè)定屬性各種取值的加權(quán)因子，明確了屬性的各種取值對(duì)屬性相似度的貢獻(xiàn)；再通過(guò)影響因子和加權(quán)因子綜合計(jì)算得出目標(biāo)的相似度得分。計(jì)算中利用了較多的目標(biāo)屬性，并且能夠根據(jù)實(shí)際使用環(huán)境靈活調(diào)整影響因子和加權(quán)因子，從而提高相似度計(jì)算的準(zhǔn)確性，既能確保相似目標(biāo)不被錯(cuò)判，又能平衡目標(biāo)之間的差異，具有較好的實(shí)用性。

3 軟件實(shí)現(xiàn)

3.1 建立對(duì)象模型

目標(biāo)分群?jiǎn)栴}涉及到的主要業(yè)務(wù)對(duì)象包括：目標(biāo)元素CElement、目標(biāo)元素集合CElementSet、目標(biāo)群CGroup、目標(biāo)群集合CGroupSet、輸入的數(shù)據(jù)報(bào)DataPack和分群計(jì)算的控制CGroupingCtrl，目標(biāo)分群對(duì)象之間的關(guān)系如圖2所示。

圖2 目標(biāo)分群對(duì)象模型

3.2 數(shù)據(jù)預(yù)處理

對(duì)于輸入的數(shù)據(jù)報(bào)，首先進(jìn)行預(yù)處理，主要包括以下幾方面：

① 野值剔除。將接收的數(shù)據(jù)報(bào)DataPack進(jìn)行解包，判斷目標(biāo)的各運(yùn)動(dòng)狀態(tài)值及各屬性值是否在值域范圍內(nèi)，并在本次作戰(zhàn)范圍內(nèi)，若不在，則剔除。

② 數(shù)據(jù)校準(zhǔn)。根據(jù)接口規(guī)定，若輸入數(shù)據(jù)為航向和航速，則校準(zhǔn)為3個(gè)方向的速度分量。

③ 單位轉(zhuǎn)換。將空中目標(biāo)、海上目標(biāo)及陸地目標(biāo)的速度單位統(tǒng)一轉(zhuǎn)換為km/h。

④ 目標(biāo)對(duì)象更新。根據(jù)輸入的數(shù)據(jù)，新建或更新目標(biāo)對(duì)象各屬性值。

3.3 群的動(dòng)態(tài)維護(hù)

創(chuàng)建3個(gè)目標(biāo)元素集合CElementSet的對(duì)象，分別為空中目標(biāo)集合airElementSet、水面目標(biāo)集合seaElementSet和陸地目標(biāo)集合landElementSet。對(duì)于每一個(gè)目標(biāo)元素CElement，根據(jù)目標(biāo)類(lèi)型存放到相應(yīng)的目標(biāo)集合中。

當(dāng)計(jì)算出群后，創(chuàng)建目標(biāo)群CGroup的對(duì)象，并將該群對(duì)象加入到目標(biāo)群集合CGroupSet中。將群內(nèi)目標(biāo)對(duì)象指針加入到該群的鏈表中，并設(shè)定每一個(gè)目標(biāo)對(duì)象的群指針為該群。

群更新時(shí)，將更新群的標(biāo)識(shí)回調(diào)給主程序，主程序可以根據(jù)接收的群標(biāo)識(shí)獲得如下信息：

① 調(diào)用CGroup::getCircumPolygon()函數(shù)，獲得群的外接凸多邊形定位點(diǎn)；

② 調(diào)用CGroup::getGroupCenter()函數(shù)，獲得群重心點(diǎn)；

③ 調(diào)用CGroup::getGroupDirection()函數(shù)，獲得群方向；

④ 調(diào)用CGroup::getElementInGroup()函數(shù)，獲得群內(nèi)目標(biāo)。

3.4 群外接凸多邊形計(jì)算

步驟1：找出點(diǎn)集P中y軸最小的點(diǎn)p0，該點(diǎn)必為凸包的頂點(diǎn)；

步驟5：初始化堆棧Hs，令Hs(0)=pn-1，Hs(1)=p0；初始化堆棧指針Hsp使其指向p0，數(shù)組P′的下標(biāo)記為k，令k=0；

步驟6：若k≥n，算法結(jié)束；

步驟7：判斷Hs(i)、Hs(j)和Hs(l)三點(diǎn)構(gòu)成的路徑是左旋還是右旋，若為左旋，令Hsp=Hsp+1，Hs(Hsp)=P′(k)，k=k+1，然后跳轉(zhuǎn)到步驟6；若為右旋，則令Hsp=Hsp-1，然后跳轉(zhuǎn)到步驟6。

3.5 群圖形顯示

針對(duì)上述目標(biāo)分群算法進(jìn)行了軟件實(shí)現(xiàn)。使用二維仿真數(shù)據(jù)來(lái)模擬敵方空中編隊(duì)的聯(lián)合作戰(zhàn)場(chǎng)景。當(dāng)所關(guān)注的區(qū)域里出現(xiàn)較多目標(biāo)時(shí)，用戶(hù)難以確定要關(guān)注的目標(biāo)，在顯示時(shí)也顯得比較復(fù)雜凌亂，仿真目標(biāo)圖形顯示如圖3所示，以圓形符號(hào)表示空中單個(gè)目標(biāo)。

圖3 仿真目標(biāo)圖形顯示

經(jīng)過(guò)對(duì)目標(biāo)進(jìn)行分群處理后，出現(xiàn)了5個(gè)目標(biāo)群，作戰(zhàn)環(huán)境中的重要情況可以由目標(biāo)群的運(yùn)動(dòng)情況來(lái)判斷得出。目標(biāo)群的圖形顯示方式有2種[12]：一種為在群中心上顯示一個(gè)帶方向的群符號(hào)，并用數(shù)字顯示架次數(shù)，這種方式更利于簡(jiǎn)化整體態(tài)勢(shì)展現(xiàn)，如圖4所示；另一種為顯示群的外接凸多邊形，這種方式有利于展現(xiàn)目標(biāo)隊(duì)形，如圖5所示。

圖4 群中心簡(jiǎn)化圖形顯示

圖5 群外接多邊形圖形顯示

4 結(jié)束語(yǔ)

目標(biāo)分群過(guò)程中，不同的影響因子和加權(quán)因子對(duì)分群結(jié)果的影響較大，因此需要大量數(shù)據(jù)，并且是各種類(lèi)型數(shù)據(jù)的仿真訓(xùn)練來(lái)確定較為合理的影響因子和加權(quán)因子。通過(guò)仿真試驗(yàn)，本文的方法能夠較為準(zhǔn)確地對(duì)目標(biāo)進(jìn)行分群。但由于仿真腳本只包含二維數(shù)據(jù)，沒(méi)有在高度上進(jìn)行充分訓(xùn)練，并且仿真場(chǎng)景中目標(biāo)的飛行路線較有規(guī)律，沒(méi)有包含更復(fù)雜的行動(dòng)路線。這些將在下一步工作中繼續(xù)研究。

[1] 張 芬，賈 則，生佳根，等.態(tài)勢(shì)估計(jì)中目標(biāo)分群方法的研究[J].電光與控制，2008，15(4)：21-23，69.

[2] 李偉生，王寶樹(shù).態(tài)勢(shì)估計(jì)的目標(biāo)編群?jiǎn)栴}研究[J].計(jì)算機(jī)科學(xué)，2003，30(8)：136-138.

[3] 李偉生，王寶樹(shù).態(tài)勢(shì)估計(jì)中基于模糊集理論的目標(biāo)編群方法[J].系統(tǒng)工程與電子技術(shù)，2005，27(3)：1 235-1 237.

[4] 王 錚，劉高峰.基于證據(jù)理論態(tài)勢(shì)估計(jì)中的目標(biāo)分組方法[J].艦船電子工程，2006，26(2)：46-48.

[5] 劉潔莉，韓元杰，董彥佼.態(tài)勢(shì)評(píng)估中的目標(biāo)編群?jiǎn)栴}研究[J].光電與控制，2010，17(1)：26-29.

[6] 龍真真，張 策，王維平.基于層次聚類(lèi)態(tài)勢(shì)估計(jì)中的目標(biāo)分群算法[J].彈箭與制導(dǎo)學(xué)報(bào)，2009，29(3)：209-211.

[7] 黃 雷，郭 雷.一種面向態(tài)勢(shì)估計(jì)中分群?jiǎn)栴}的聚類(lèi)方法[J].計(jì)算機(jī)應(yīng)用，2006，26(5)：1 109-1 110.

[8] 張松良，王付明，魯 柯，等.城市戰(zhàn)場(chǎng)目標(biāo)分群的組合聚類(lèi)方法[J].指揮控制與仿真，2009，31(5)：37-41.

[9] GRAHAM R L.An Efficient Algorithm for Determining the Convex Hull of A Finite Planar Set[J].Information Processing Letters，1972，1(4)：132-133.

[10]JARVIS R A.On the Identification of The Convex Hull of a Finite Set of Points in The Plane[J].Information Processing Letters,1973,2(1)：18-21.

[11]毛 鵬.快速凸包計(jì)算實(shí)現(xiàn)及其應(yīng)用[D].西安：電子科技大學(xué)，2013.

[12]段同樂(lè)，張冬寧.二叉樹(shù)多分類(lèi)SVM在目標(biāo)分群中的應(yīng)用[J].無(wú)線電工程，2015，45(6)：88-91.

張冬寧 女，(1981—)，高級(jí)工程師。主要研究方向：智能信息處理。

艾 偉 男，(1977—)，高級(jí)工程師。主要研究方向：信息融合、態(tài)勢(shì)仿真。

Design and Realization of Target Grouping in Situation Assessment

ZHANG Dong-ning,AI Wei

(The54thResearchInstituteofCECT,ShijiazhuangHebei050081,China)

Situation assessment is one component of data fusion.And target grouping is one of the main tasks of situation assessment.The factors of target,such as position and attribute,which influence the result of grouping,are analyzed.The grouping strategy is also presented for initialization,split,and combination.We used object-oriented technology to build grouping object model.The algorithms are brought forward for calculating target grouping.Particularly,the key steps in algorithms are described.We developed grouping dynamic link library program.The program can provide pretreatment of data,group updating,and group attribute calculation.The algorithm parameters and weighting factors are adjusted by simulation experimentation.Simulation results validate the feasibility and correctness of the grouping algorithms.

target grouping;group split;group combination;situation assessment;data fusion

10.3969/j.issn.1003-3106.2016.11.11

張冬寧,艾 偉.態(tài)勢(shì)估計(jì)中的目標(biāo)分群算法設(shè)計(jì)與實(shí)現(xiàn)[J].無(wú)線電工程,2016,46(11):42-46.

2016-08-13

國(guó)家部委基金資助項(xiàng)目。

TP391.4

A

1003-3106(2016)11-0042-05