[發明專利]一種目標跟蹤設備值班日志自動生成方法

在審

• 申請號: 202110757029.4
• 申請日: 2021-07-05
• 公開（公告）號: CN113589272A
• 公開（公告）日: 2021-11-02
• 發明（設計）人: 郭劍輝;劉帆;徐如峰
• 申請（專利權）人: 江蘇濟邦智能科技有限公司
• 主分類號: G01S13/72
• 分類號: G01S13/72;G01S13/90;G01S7/41;G06T7/246;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 深圳市蘭鋒盛世知識產權代理有限公司 44504
• 代理人: 羅炳鋒

本發明公開了一種目標跟蹤設備值班日志自動生成方法，屬于跟蹤設備智能化技術領域，該復雜裝備保障資源定性評估方法，包括以下步驟：S1、提取目標狀態，S2、時間滑窗生成狀態序列，S3、目標威脅度判斷。該系統基于Qt進行桌面軟件開發；使用Qt實現雷達數據存儲、數據回放分析、任務報告自動生成等重要功能，本算法根據距離、方位、仰角、時間等雷達目標偵測數據，采用滑動時間窗口提取具有時間相關性的特征點跡，消除特征屬性之間的差異化后，根據提取特征點跡數量，分值守人員要對雷達等跟蹤設備的跟蹤目標的數據進行匯總記錄，應當時刻對目標的起始、機動、降高、轉向、消失等時刻點進行記錄，并定時生成日志文件和報告。

技術領域

本發明涉及跟蹤設備智能化技術領域，具體為一種目標跟蹤設備值班日志自動生成方法。

背景技術

目標跟蹤與狀態識別判斷日志智能生成技術近些年發展十分火熱，在各個民用、軍用領域都有應用。傳統的人工判別、手工記錄方式，需要花費大量的人力資源，面對與日俱增的數據量與突發事件，人工方式也愈加細化和繁瑣，且容易帶來人為的疏忽與遺漏。因此，建立一個兼具目標狀態跟蹤、狀態識別判斷與值班日志智能生成功能的管理系統是解決上述問題的有效途徑。

其中，對目標的狀態或類型識別判斷，多年來較為成熟的技術有如下幾類：

(1)兼備回波起落和調制譜特性的目標狀態識別

該技術大多是依靠雷達時域一維目標回波波形，來獲取波形體系中的囊括的目標特征的數據，從而實現目標分類。以目標回波起落方法來說，欲辨別雷達目標，需要將分辨率較低的雷達偵測到的數據當作點跡目標，而且在偵測過程中，目標回波的相位與幅值根據目標對應雷達的特定姿態的調整而變化。依據目標回波的相位和幅值的變化情況去判別其活動形態，通過進一步提取特征數據，就可以判別目標的飛行狀態。以調制譜特性識別來說，是利用目標本身的旋轉部件對回波有調制作用的原理，例如噴氣發動機的旋轉葉片、飛機的旋翼、直升機的螺旋槳等飛行器的往復運動，形成對回波的周期調制。利用 K近鄰分類方法對目標進行判別。

(2)基于信息融合的方法實現目標狀態識別

信息融合中的證據理論在面臨目標類別復雜、目標之間特征相似的問題時，能夠高效地分析處理目標識別中不準確、不確定、不完整信息。例如有研究人員了結合信息融合中的DSmT和D-S多元信息融合規則與近鄰分析算法，提出了一種基于信息融合證據理論的目標識別算法。該算法能夠有效地處理目標狀態判別過程中的不確定信息，并充分地使用了待識別目標的多域復合特征。

(3)基于高分辨力雷達成像特性的目標狀態識別

利用高分辨力雷達或逆合成孔徑雷達、合成孔徑雷達令目標實行距離成像，進而形成二維雷達目標圖像，可得到目標的姿態和形態數據，之后通過圖像識別技術來對目標狀態進行識別。有研究人員提出了改進自適應進化粒子群(AEPSO)算法，來優化支持向量機(SVM) 參數，建立了狀態分類識別模型，通過加強粒子尋優的非線性變化過程提高了高分辨雷達對于目標狀態識別的精度，且魯棒性較強。也有研究人員使用最小二乘法結合SVM的雷達目標狀態自動判別方法，利用最小二乘法對復雜的高分辨率雷達距離像的特征進行分類。

(4)基于統計學方法中決策樹模型進行目標狀態識別

通過構造不同屬性分類的節點，不斷進行特征選擇后度量不同特征屬性之間的相關性，最終建立回歸模型進行目標識別。例如利用決策樹算法對雷達RCS目標進行分類識別的系統。或是基于決策樹多分類支持向量機的目標分類方法，結合決策樹算法將欲解決二值分類的支持向量機優化為多類分類器。

(5)基于深度學習技術的目標狀態識別