基于多帧聚类的紧凑型HFSWR虚假点迹识别方法

紧凑型高频地波雷达发射功率低,目标检测时信噪比低、虚警率高,会产生大量虚假点迹,影响后续目标跟踪性能。为了滤除虚假点迹,利用目标的运动特性,提出了一种多帧聚类与极限学习机分类两级级联的虚假点迹识别方法。首先,利用基于最优邻域尺寸的多帧聚类方法,将连续多帧中与待识别点迹属于同一潜在目标的点迹聚类成簇。然后,计算簇内待识别点迹与其相邻帧内点迹的距离-多普勒速度的差分值,以其为特征利用极限学习机辨识虚假点迹。实验结果表明,所提方法能够准确将属于同一目标的点迹聚类,虚假点迹识别率达到95%。

基于自更新置信分类网络的雷达点迹识别算法

多雷达协同组网进行目标探测识别时,受复杂战场环境影响,获取的数据富含大量杂波和不确定信息,传统雷达点迹识别算法在处理此类数据时具有一定局限。为了解决上述问题,提出一种基于自更新置信分类网络的雷达点迹识别算法(radar plots recognition algorithm based on self-updating confidence classification network,RPR-SCCN)。首先,构建置信分类网络,获取各轮迭代下雷达点迹隶属目标、杂波和不确定的初始置信度。然后,基于点迹的空间分布特性构造决策证据并进行修正融合,融合结果进行点迹类别更新,更新点迹则再次驱动置信分类网络训练学习。优化后的置信分类网络继续进行下一轮次的点迹置信更新、决策证据构建以及类别标签更新等,此过程一直循环迭代,直至前后两轮次的雷达点迹类别标签不再变化时停止。实测雷达点迹的实验验证结果显示,点云分形网络(point fractal network,PF-Net)、基于全连接神经网络的雷达点迹分类算法(radar plot classification based on fully connected neural network,RPC-FNN)、粒子群优化概率神经神经网络(particle swarm optimization probabilistic neural network,PSO-PNN)和基于卷积神经网络的雷达点迹分类算法(radar plot classification based on convolutional neural networks,RPC-CNN)典型雷达点迹智能识别算法的识别正确率为82%~90%,所提算法则可以达到93%,提升3%~10%。此外,所提算法对训练样本数目依赖较小,便于推广应用。

多雷达组网点迹自适应凝聚算法研究

本文针对组网条件下多部雷达对同一目标的探测信息无法有效凝聚问题,提出了一种多雷达站组网点迹自适应凝聚处理算法。其利用雷达组网一次点迹的冗余特性和经过转换的量测精度矩阵,自适应完成同一目标的不同雷达节点的一次点迹在融合中心的凝聚处理。仿真结果表明,该算法可有效提升融合点迹的定位精度和置信度,具有较高的工程应用价值。

基于贝叶斯理论的多雷达点迹自适应融合方法

雷达组网进行数据融合是复杂电磁环境下提高预警探测精度和容错能力的有效方法,研究人员需研究适应干扰、信噪比降低等复杂情形的数据融合方法。基于贝叶斯统计理论提出一种多雷达点迹融合方法,将贝叶斯多源数据融合方法与卡尔曼滤波结合,以卡尔曼滤波输出的航迹预测及其协方差作为贝叶斯理论的先验知识,以多雷达量测结果作为贝叶斯理论的观测值进行融合,并提出一种基于回波信噪比的点迹标准差实时估计方法,构建标准差自适应估计的点迹融合与滤波框架。仿真结果表明,多雷达点迹自适应融合方法,滤波精度优于单雷达滤波结果、优于航迹融合结果,能够适应目标距离、RCS起伏引起的标准差变化,具有较强的工程应用价值。

基于图像特征提取的雷达点迹识别方法

为解决虚假点迹对雷达探测和跟踪性能的影响,提出一种基于图像特征提取的雷达点迹识别方法.首先基于雷达原始视频数据提取出16个图像特征参数,其次利用主成分分析(PCA)方法对特征参数的应用价值进行研究和降维处理,最后结合BP神经网络算法进一步对目标和杂波进行真伪鉴别.实验结果表明,相对于支持向量机(SVM)算法和BP神经网络算法,本文方法的点迹识别准确率更高,虚假率和漏警率更低.

基于多维分配的多普勒盲区目标点迹航迹关联方法

机载预警雷达固有的多普勒盲区(Doppler blind zone,DBZ)会造成目标航迹的中断,而多目标杂波环境使航迹中断更为严重。在引入多普勒盲区信息的二维分配算法基础上,提出了一种基于多维分配算法的多目标点迹航迹关联方法。该方法充分利用目标航迹演变信息,对雷达的连续多帧量测数据进行滑窗处理,构建出多维分配的代价函数,最后求得最小代价条件下函数的解,该解即为目标点迹航迹的分配结果。仿真结果表明,在多目标杂波环境且存在多普勒盲区的条件下,该方法的航迹中断率较二维分配算法有了进一步的降低。

一种基于置信函数的分类器自优化雷达点迹识别算法

雷达组网协同探测中,受不同探测精度、观测维度及环境噪声影响,信息系统获取的传感数据包含一定不精确、不确定信息,导致无法对目标点迹准确分类识别。为此提出了一种基于置信函数的分类器自优化雷达点迹识别算法。首先,基于置信函数理论创建目标、杂波、不确定数据的证据识别框架,并设计可实时给定目标数据类别隶属度的深度神经网络模型分类器。然后,依托当前迭代轮次分类结果进行辅助决策证据构建,并根据点迹分布特性进行证据修正融合。最后,基于全局融合结果进行点迹类别标签更新,并重新驱动网络模型分类器进行在线学习与更新,如此迭代循环直至所有的雷达点迹数据类别标签不再发生改变。基于雷达实测数据集对算法性能进行验证分析,结果表明与传统算法相比新算法能够有效提升雷达点迹的分类正确率,而且随着样本数据的丰富算法收敛时间可急速减少,便于在后续工程中推广应用。

一种距离多普勒平面的二维点迹凝聚方法

本文提出了一种距离多普勒平面的二维点迹凝聚方法,该方法通过先对目标检测后点按一定顺序排列,接着在相同多普勒通道进行距离维归并,然后再进行多普勒维归并,接着将二维归并完的目标点根据目标判决条件剔除虚假点,最后将剩余的目标点按一定准则凝聚形成最终结果。通过二维归并凝聚可以避免目标分裂现象。

基于两坐标雷达的点迹处理系统

针对具有高分辨率的两坐标雷达,提出一种以滑窗检测结果为基础并以幅度最大值为中心凝聚点迹的点迹处理系统。该点迹系统将恒定虚警率(Constant False Alarm Rate,CFAR)检测原始点经过滑窗检测之后进行凝聚处理,实现对回波散点剔除、提取连续检测点、实现点迹凝聚功能,提高目标发现概率,提升检测可信度、速度分辨率、距离方位精度等。通过采集两坐标雷达外场鉴定试验实测数据,使用Matlab软件仿真,对比算法试验结果,并在服务器平台实现3 ms内对一个脉冲最大5 000点的实时处理。

基于雷达点迹处理的抗RGPO干扰的机动目标跟踪

针对距离波门拖引(Range Gate Pull Off,RGPO)干扰下机动目标跟踪性能恶化的问题,提出一种基于雷达点迹处理的机动目标跟踪算法。该算法首先使用RGPO干扰鉴别技术将跟踪波门内的雷达点迹数据分为正常点迹集与RGPO干扰点迹集,针对不同的点迹集采取了不同的状态更新策略,最后融合两类状态信息后输出目标位置。仿真结果表明,该算法的跟踪精度明显优于传统的交互多模型-概率数据关联(Interacting Multiple Model Probabilistic Data Association,IMM-PDA)算法及现有抗RGPO干扰机动目标跟踪算法。

雷达组网数据融合处理中的点迹融合技术

基于点迹的雷达组网系统,可以充分发挥多雷达信息的优势.提高目标航迹起始概率.改善系统跟踪性能。本文结合工程实践,详细分析了组网雷达数据融合处理中的点迹融合技术,以及点迹关联处理的一般步骤和常用关联滤波方法.最后对点迹融合性能做了定量的分析。

基于神经网络的雷达点迹真伪鉴别方法

杂波是雷达信号检测和处理的固有环境,利用神经网络研究雷达杂波与真实目标分类问题。首先依据工程经验,给出雷达点迹多维特征指标,搭建神经网络。根据本文应用场景,定义模型效果评估指标,优化经典损失函数,最后给出训练结果。

雷达目标点迹分裂与改进的点迹提取器设计

点迹提取器是雷达的重要组成部分,是保证雷达能够准确识别目标位置的关键所在。本文通过对某雷达目标点迹分裂现象分析,提出一种适合某雷达的目标点迹提取器设计,以有效抑制目标分裂对雷达目标跟踪造成的影响,提高雷达对目标的判别和跟踪能力。

THALES S模式二次雷达点迹输入和数据输出探讨

目的寻求THALESS模式二次雷达设备点迹输入和数据输出最佳参数配置方式。方法分析THALESS模式二次雷达点迹输入处理和数据输出方式。结果点迹输入主要任务是一次雷达和二次雷达点迹的获取和配对;航迹输出主要功能是定义覆盖屏蔽字段,用数据链信息更新航迹,发送航迹到MRC,发送航迹或跟踪点迹、假目标、融合点迹到本地维护显示。结论点迹输入处理分为录取和相关两个阶段;数据输出功能,从航迹子功能接收航迹、航迹窗口、点迹数据,然后根据参数的设置输出数据。

雷达点迹凝聚处理技术及其数据分析

动目标检测技术（ＭＴＤ）已广泛应用于雷达信号处理中。本文在分析大量的ＭＴＤ输出点迹的基础上，提出了点迹凝聚和精确参数估值的方法和准则。其技术可推广应用于新体制雷达和现役雷达的改造。

双频率高频地波雷达船只目标点迹关联与融合处理

单频率高频地波雷达海上目标探测会受到一阶海杂波和高频谐振区目标回波强度起伏的影响,引起目标漏检。利用实测船只探测实验数据,分析了双频地波雷达目标探测的特点,并重点分析了海杂波对目标探测的影响,指出双频雷达可以克服单一频率目标探测中漏检的缺陷,提高船只目标的检测率。通过分析双频地波雷达检测结果的不同分类及处理方式,给出了双频地波雷达目标点迹融合处理方法,讨论和分析了目标点迹关联中距离门、速度门和方位门等参数的选取原则及影响因素。最后利用实测同步的自动识别系统数据,评价了目标点迹融合的探测精度。

多平台雷达点迹数据融合技术

对构建实际多平台雷达点迹数据融合系统所涉及的关键技术进行全面阐述,重点介绍理论算法与工程实际需求相结合的综合设计问题,包括空间配准、数据关联的设计准则,复杂环境下点迹估计融合中的权值计算方法以及坐标系的选取等。同时,给出一种多平台雷达数据融合系统运行环境仿真的总体结构及主要处理模型。仿真及雷达数据的验证结果表明,所提出的设计准则和计算方法具有良好的跟踪融合效果,适合应用于先进的多平台雷达数据融合系统中。

基于JVC的紧凑型地波雷达海上目标点迹-航迹最优关联方法

紧凑型地波雷达由于接收天线阵列孔径减小导致对海上目标的定位精度低,在多目标跟踪算法中采用序贯式的点迹-航迹关联方式易发生误关联导致航迹断裂、误跟踪等问题。对此,该文将多目标点迹-航迹关联转化为最优分配问题,提出一种基于JVC算法的多目标点迹-航迹最优关联方法。对于关联波门重叠区域内存在公共候选点迹的多条航迹,首先以雷达获取的目标多普勒速度、距离与方位角作为目标特征参数,利用最小代价函数确定公共候选点迹与所有航迹之间的相似度,得到关联代价矩阵;然后以总关联代价最小化作为优化准则,采用JVC算法求解得到最优的点迹-航迹关联结果。利用仿真与实测目标数据开展了点迹-航迹关联实验,并与序贯最近邻关联方法的关联结果进行了对比。实验结果表明:采用该文所提方法跟踪得到的航迹时长明显优于序贯最近邻关联方法的结果,解决了序贯式关联因关联错误导致的航迹断裂、误跟踪等问题,提高了航迹跟踪的连续性。

航管一次雷达精细化点迹处理设计与实现

针对复杂多变的空间环境,提出了一种基于航管一次雷达体制下精细化点迹处理算法的设计方法。该点迹处理算法主要完成一次雷达的初始回波处理、点迹凝聚处理和点迹滤波处理。提取经过脉冲压缩、MTD滤波、恒虚警检测(CFAR)后的回波有效数据参数,形成一次点迹数据送给终端显示,同时剔除由干扰回波、固定回波、慢动回波和低质量等级回波等引起的其他回波数据参数。该算法中的一些关键技术在航管一次雷达中的应用效果证明了其在雷达系统工程中的有效性。

一种基于点迹重构的异步序贯航迹融合算法

针对异步航迹融合问题,提出了一种基于伪点迹异步序贯航迹融合算法,伪点迹由局部估计结果重构形成,从而无需对局部估计间的相关误差进行处理。同时,对重构的异步伪量测数据情况采用序贯处理方式,这种串行合并式数据处理过程,不但避免了对异步数据进行时间校正的麻烦,反而利用了异步数据增加了多传感器系统的总体数据率,提高了多传感器系统对目标的跟踪精度。并用仿真结果证明了该算法的有效性。