[發(fā)明專利]雷達(dá)/紅外異構(gòu)信息融合處理方法

在審

• 申請(qǐng)?zhí)枺?/td>: 202210541013.4
• 申請(qǐng)日: 2022-05-17
• 公開(kāi)（公告）號(hào): CN114994655A
• 公開(kāi)（公告）日: 2022-09-02
• 發(fā)明（設(shè)計(jì)）人: 楊笛;張修社;趙旺;韓春雷;劉準(zhǔn)釓;張揚(yáng);張佳琦;金仲乾
• 申請(qǐng)（專利權(quán)）人: 中國(guó)電子科技集團(tuán)公司第二十研究所
• 主分類號(hào): G01S13/58
• 分類號(hào): G01S13/58;G01V8/10;G06K9/62
• 代理公司: 西北工業(yè)大學(xué)專利中心 61204
• 代理人: 金鳳

本發(fā)明提供了一種雷達(dá)/紅外異構(gòu)信息融合處理方法，首先對(duì)雷達(dá)點(diǎn)跡和紅外點(diǎn)跡更新的假設(shè)航跡狀態(tài)進(jìn)行特征提取，形成機(jī)器學(xué)習(xí)訓(xùn)練樣本，樣本對(duì)真實(shí)航跡和虛假航跡進(jìn)行標(biāo)記，然后利用AdaBoost算法對(duì)訓(xùn)練樣本進(jìn)行離線學(xué)習(xí)，形成AdaBoost樣本分類器，最后利用已訓(xùn)練的AdaBoost樣本分類器在線對(duì)假設(shè)航跡進(jìn)行真假分類，明確雷達(dá)、紅外點(diǎn)跡是否為目標(biāo)點(diǎn)跡。本發(fā)明可對(duì)近區(qū)威脅目標(biāo)實(shí)現(xiàn)雷達(dá)、紅外異構(gòu)信息實(shí)時(shí)融合處理，形成目標(biāo)復(fù)合跟蹤航跡。通過(guò)雷達(dá)、紅外探測(cè)信息各自的精度優(yōu)勢(shì)，進(jìn)一步提高目標(biāo)航跡的跟蹤精度，并且可以有效識(shí)別雷達(dá)、紅外點(diǎn)跡的真?zhèn)危瑢?shí)現(xiàn)目標(biāo)航跡與目標(biāo)點(diǎn)跡的準(zhǔn)確關(guān)聯(lián)，使目標(biāo)跟蹤穩(wěn)定性得到顯著地改善。

技術(shù)領(lǐng)域

本發(fā)明涉及雷達(dá)、紅外協(xié)同探測(cè)系統(tǒng)領(lǐng)域，針對(duì)密集雜波場(chǎng)景下的雷達(dá)、紅外點(diǎn)跡級(jí)數(shù)據(jù)融合，提出了一種智能復(fù)合跟蹤處理方法。利用AdaBoost算法對(duì)航跡特征向量進(jìn)行機(jī)器學(xué)習(xí)，形成可識(shí)別航跡真假的分類器，從而找出真實(shí)的雷達(dá)、紅外目標(biāo)點(diǎn)跡，實(shí)現(xiàn)密集雜波場(chǎng)景下的雷達(dá)、紅外異構(gòu)信息融合處理。

背景技術(shù)

隨著現(xiàn)代戰(zhàn)場(chǎng)環(huán)境的日益復(fù)雜化，雷達(dá)傳感器通常會(huì)受到一些反輻射導(dǎo)彈或電子干擾的攻擊，難以對(duì)隱身目標(biāo)進(jìn)行探測(cè)，存在低空盲區(qū)。使雷達(dá)面臨“隱身飛機(jī)、反輻射導(dǎo)彈、電子對(duì)抗、超低空突防”等威脅。而紅外傳感器具有與雷達(dá)不同的工作機(jī)制，其通過(guò)目標(biāo)輻射的熱能進(jìn)行定位和探測(cè)，無(wú)需向空中輻射能量，具有雷達(dá)所沒(méi)有的強(qiáng)抗干擾能力。但是紅外的作用距離較近，不能提供距離信息，并受氣候影響較大。因此，為進(jìn)一步提高傳感器探測(cè)能力，體現(xiàn)體系對(duì)抗、集群作戰(zhàn)的優(yōu)勢(shì)，雷達(dá)、紅外異構(gòu)信息融合處理已成為業(yè)界的研究熱點(diǎn)。

目前，雷達(dá)、紅外點(diǎn)跡級(jí)復(fù)合跟蹤通常只考慮跟蹤濾波方法，并未針對(duì)雷達(dá)、紅外數(shù)據(jù)的準(zhǔn)確關(guān)聯(lián)問(wèn)題進(jìn)行考慮。面對(duì)密集雜波場(chǎng)景時(shí)，大量虛假點(diǎn)跡的干擾，導(dǎo)致雷達(dá)、紅外點(diǎn)跡無(wú)法直接進(jìn)行復(fù)合跟蹤處理。

發(fā)明內(nèi)容

為了克服現(xiàn)有技術(shù)的不足，本發(fā)明提供一種雷達(dá)/紅外異構(gòu)信息融合處理方法。本發(fā)明提出一種基于AdaBoost的雷達(dá)點(diǎn)跡和紅外點(diǎn)跡級(jí)復(fù)合跟蹤處理方法。首先對(duì)雷達(dá)點(diǎn)跡和紅外點(diǎn)跡更新的假設(shè)航跡狀態(tài)進(jìn)行特征提取，形成機(jī)器學(xué)習(xí)訓(xùn)練樣本，樣本對(duì)真實(shí)航跡和虛假航跡進(jìn)行標(biāo)記。然后利用AdaBoost算法對(duì)訓(xùn)練樣本進(jìn)行離線學(xué)習(xí)，形成AdaBoost樣本分類器。最后利用已訓(xùn)練的AdaBoost樣本分類器在線對(duì)假設(shè)航跡進(jìn)行真假分類，明確雷達(dá)、紅外點(diǎn)跡是否為目標(biāo)點(diǎn)跡，從而解決雷達(dá)、紅外數(shù)據(jù)的準(zhǔn)確關(guān)聯(lián)問(wèn)題，降低虛假點(diǎn)跡的干擾，提高復(fù)合跟蹤航跡穩(wěn)定性。

本發(fā)明解決其技術(shù)問(wèn)題所采用的技術(shù)方案的步驟為：

步驟1：對(duì)接收到的雷達(dá)、紅外點(diǎn)跡進(jìn)行空間配準(zhǔn)，確保點(diǎn)跡配準(zhǔn)信息與復(fù)合跟蹤航跡在同一坐標(biāo)系內(nèi)；

步驟2：根據(jù)復(fù)合跟蹤航跡的位置信息，對(duì)雷達(dá)、紅外點(diǎn)跡進(jìn)行相應(yīng)的粗篩選，得到粗關(guān)聯(lián)點(diǎn)跡；

步驟3：復(fù)合跟蹤航跡與粗關(guān)聯(lián)點(diǎn)跡進(jìn)行濾波跟蹤，形成假設(shè)航跡狀態(tài)；

步驟4：提取假設(shè)航跡狀態(tài)特征向量；

對(duì)假設(shè)航跡的特征進(jìn)行提取，形成假設(shè)航跡特征向量，用于AdaBoost算法的離線訓(xùn)練與在線分類；

假設(shè)航跡特征向量由步驟3的更新?tīng)顟B(tài)與原始狀態(tài)之差獲得，包括航跡位置變化量、航跡速度變化量、航跡加速度變化量、航跡方向變化量以及馬氏距離；

步驟5：利用已訓(xùn)練的AdaBoost樣本分類器，對(duì)假設(shè)航跡的狀態(tài)特征向量進(jìn)行分類，確定假設(shè)航跡的真假屬性，從而鑒別關(guān)聯(lián)點(diǎn)跡的真?zhèn)危?/p>

根據(jù)AdaBoost樣本分類器參數(shù)，對(duì)在線的假設(shè)航跡特征向量進(jìn)行樣本分類，判斷假設(shè)航跡是否為真實(shí)航跡，若假設(shè)航跡為真實(shí)航跡，則關(guān)聯(lián)的雷達(dá)、紅外點(diǎn)跡為目標(biāo)點(diǎn)跡，否則為虛假點(diǎn)跡；

步驟6：利用已分類為真實(shí)的雷達(dá)、紅外點(diǎn)跡，對(duì)復(fù)合跟蹤航跡進(jìn)行濾波更新，實(shí)現(xiàn)雷達(dá)/紅外異構(gòu)信息融合處理。

所述空間配準(zhǔn)的步驟為：