[發明專利]一種基于得分機制的雷達目標點跡過濾方法

在審

• 申請號: 202210326428.X
• 申請日: 2022-03-30
• 公開（公告）號: CN114740466A
• 公開（公告）日: 2022-07-12
• 發明（設計）人: 胡彬;岳壯壯;顧銘岑;仲凡凡;顧煜洋;仲新;張振華;李躍華
• 申請（專利權）人: 南通大學
• 主分類號: G01S13/66
• 分類號: G01S13/66;G01S7/41;G06F17/10
• 代理公司: 南通一恒專利商標代理事務所(普通合伙) 32553
• 代理人: 梁金娟

本發明提供一種基于得分機制的雷達目標點跡過濾方法，包括獲取雷達一個周期的點跡數據，將點跡的距離、速度進行極坐標、直角坐標互化，根據每個周期接收點跡的時間、速度、方位對其進行打分，并設置權重計算每個點跡的總得分，設置立方體波門過濾點跡。本發明利用多維量測信息設置約束條件，實現對多維量測信息的充分利用，解決雷達目標跟蹤過程中出現的大量虛假目標和造成很多虛假航跡的問題，提高點跡過濾的質量，從而更好的實現目標跟蹤。

技術領域

本發明涉及雷達目標跟蹤領域，具體涉及一種基于得分機制的雷達目標點跡過濾方法。

背景技術

在雷達目標跟蹤過程中，由于外界環境的復雜性，來自地物、樹木、云雨等非目標的反射回波嚴重影響雷達的性能。盡管這些雜波和干擾經過了雷達系統的處理，但是系統中依然會檢測出真實目標之外的點跡，而且受到雷達體制的影響，目標點跡往往會出現分裂等問題，由于真假點跡混合在一起，雷達難以發現有效的目標信息。

目前雷達目標點跡過濾的主要方法有：動目標顯示(MTI)、動目標檢測(MovingTarget Detection，MTD)以及點跡凝聚。圍繞點跡凝聚工作，人們提出了諸多算法，包括線性回歸、聚類、決策樹、支持向量機、貝葉斯分類、神經網絡等。傳統方法是將點跡過濾看作一個二分類問題，使得過濾后的點跡質量不高，造成航跡起批效率低，形成虛假航跡，并導致目標丟失，對目標跟蹤的性能和準確性造成嚴重的影響。

發明內容

本發明要解決的技術問題是提供一種基于得分機制的雷達目標點跡過濾方法，利用多維量測信息設置約束條件，實現對多維量測信息的充分利用，解決了雷達目標跟蹤過程中出現的大量虛假目標，造成很多虛假航跡的問題，提高點跡過濾的質量，從而更好的實現目標跟蹤。

為解決上述技術問題，本發明的實施例提供一種基于得分機制的雷達目標點跡過濾方法，包括如下步驟：

S1、獲取雷達一個周期的點跡數據；

S2、將步驟S1中獲取點跡的距離和速度進行極坐標到直角坐標的轉化(ρ,θ)→(x,y,z)，把點跡數據中所有的點跡映射到雷達東北天空間坐標系中；

S3、根據每個周期接收點跡的時間、速度、方位，對每個點跡進行打分，并設置權重計算每個點跡的總得分；

S4、設置兩個大小不等的立方體波門過濾點跡，根據步驟S3計算的點跡總得分情況，選取得分最高的點跡作為航跡點。

其中，步驟S2中，點跡的距離和速度進行極坐標到直角坐標轉化的公式為：

x＝R*cos(β)*sin(α)；V_x＝Vel*cos(β′)sin(α′)；

y＝R*cos(β)*cos(α)；V_y＝Vel*cos(β′)cos(α′)；

z＝R*sin(β)；V_z＝Vel*sin(β′)；

其中，R為該點極坐標系下的極徑，Vel表示該點的徑向速度，β表示該點的俯仰角，α表示該點的方位角，β′表示該點速度方向上的俯仰角，α′表示該點速度方向上的俯仰角，從而得到每個點跡在立體坐標系下的各種信息。

其中，所述步驟S3包括如下步驟：

S3.1、根據時間打分：將每個周期點跡的時間與每條臨時航跡最后一個點的時間進行時間變化的約束篩選；

S3.2、根據速度打分：將每個周期點跡的速度與每條臨時航跡最后一個點的速度進行速度變化的約束篩選；

S3.3、根據方位打分：將每個周期點跡的方位與每條臨時航跡最后一個點的方位進行方位變化的約束篩選；

S3.4、計算每個點跡的總得分。