Vessel fusion tracking with a dual-frequency high-frequency surface wave radar and calibrated by an automatic identification system

High-frequency surface wave radar（HFSWR） and automatic identification system（AIS） are the two most important sensors used for vessel tracking.The HFSWR can be applied to tracking all vessels in a detection area,while the AIS is usually used to verify the information of cooperative vessels.Because of interference from sea clutter,employing single-frequency HFSWR for vessel tracking may obscure vessels located in the blind zones of Bragg peaks.Analyzing changes in the detection frequencies constitutes an effective method for addressing this deficiency.A solution consisting of vessel fusion tracking is proposed using dual-frequency HFSWR data calibrated by the AIS.Since different systematic biases exist between HFSWR frequency measurements and AIS measurements,AIS information is used to estimate and correct the HFSWR systematic biases at each frequency.First,AIS point measurements for cooperative vessels are associated with the HFSWR measurements using a JVC assignment algorithm.From the association results of the cooperative vessels,the systematic biases in the dualfrequency HFSWR data are estimated and corrected.Then,based on the corrected dual-frequency HFSWR data,the vessels are tracked using a dual-frequency fusion joint probabilistic data association（JPDA）-unscented Kalman filter（UKF） algorithm.Experimental results using real-life detection data show that the proposed method is efficient at tracking vessels in real time and can improve the tracking capability and accuracy compared with tracking processes involving single-frequency data.

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%。

基于卷积神经网络的高频地波雷达有效波高反演

高频地波雷达海面回波多普勒谱中蕴含着非常丰富的海浪信息,针对经验模型通常存在对回波谱信息利用不充分的问题,本文提出了一种利用卷积神经网络反演波高的方法。首先基于雷达后向散射截面方程和有效波高反演的参数化经验模型,并结合实测数据分析,本文选取了二阶与一阶谱能量比值、二阶谱能量和、二阶与一阶谱峰值比、Bragg频率处无向波高谱值、二阶谱能量、二阶谱峰值、左右一阶谱峰值及其比值、■布拉格频率处峰值、一阶谱能量共11种与有效波高相关的回波谱特征参数;为进一步说明一阶和二阶信息对有效波高的作用,将11种特征参数分成4个组合,分别搭建了多层深度卷积神经网络并进行高频地波雷达有效波高反演;然后将高、低两种海况下多层深度卷积神经网络模型与经验模型反演结果进行对比分析。研究结果表明,利用11种特征参数构建的模型波高反演精度更高,在高、低海况测试集中雷达反演有效波高与浮标波高序列相关系数R分别为0.92和0.78,均方根误差(Root Mean Square Error,RMSE)分别为0.32 m和0.21 m,平均绝对误差(Mean Absolute Error,MAE)分别为0.25 m和0.16 m,平均相对误差(Mean Relative Error,MRE)分别为0.12和0.27。综合利用这11种特征参数,能够提高雷达在复杂海况下对有效波高的反演精度。

基于IAVOA-GRU网络的高频地波雷达电离层杂波预测

电离层杂波的精确预测对提升高频地波雷达的探测性能具有重要作用。提出了一种基于改进非洲秃鹫优化算法优化门控循环单元(Improved African Vultures Optimization Algorithm Optimization Gated Recurrent Unit,IAVOA-GRU)网络的电离层杂波预测方法。首先,依据电离层杂波的混沌特性,通过相空间重构方法对接收到的电离层杂波进行相空间重建,构建GRU网络的输入、输出样本集;然后,利用IAVOA对GRU网络的隐层节点数、迭代次数及初始学习速率3个超参数值执行优选;最后,重新训练优化后的GRU网络,并进行预测。实测结果表明,相较其他6种对比预测模型,所提出的IAVOA-GRU网络模型具有较高的预测精度和可靠性,为有效改善高频地波雷达的探测性能提供了一种思路和方法。

基于频谱细化和二阶同步压缩变换的船载地波雷达目标检测方法

受船载平台运动、海杂波、多目标聚集以及环境干扰等的影响,海上船只目标的雷达回波极易被遮蔽和淹没,导致船载地波雷达的目标监视监测能力大幅减弱。为提高船载地波雷达对船只目标的检测与发现性能,提出了一种基于频谱细化和二阶同步压缩变换的目标检测方法。该方法首先对船载地波雷达的回波信号进行频率细化处理,提高频率分辨率;然后,通过二阶同步压缩变换的时频分析方法来提取目标的时频分布特征;最终,根据得到的时频分布特征来实现目标检测。实验结果表明:与短时傅里叶变换、小波变换等传统的时频分析方法相比,本文提出的方法不仅具有更好的时频聚集性,而且能有效检测海杂波附近的运动目标以及回波多普勒频率相近的多船只聚集目标。

Effective Sea Clutter Spectrum Extraction Method for HFSWR in Adverse Conditions

An effective approach in solving the sea clutter spectrum extraction problem is studied in the paper.Different from the conventional signal to noise ratio（SNR）method based on Doppler frequency or range domain information,a method is developed to characterize the differences between the sea echo and those interferences are by signal to interference plus noise ratio（SINR）which jointly utilizing the range,Doppler frequency and azimuth domain information.Furthermore,these differences can be adaptable to adverse conditions by forming the necessary boundaries and constraints in searching of the maximum SINR,which greatly promotes the extraction of sea clutter spectrum.The real high frequency surface wave radar（HFSWR）data demonstrate that the proposed method is less influenced by those interferences and can effectively extract the sea clutter spectrum even under the adverse conditions.Furthermore,it has been shown as an effective method for ship detection and sea state remote sensing of HFSWR.

First order sea clutter cross section for bistatic shipborne HFSWR

This paper studies the development on the first order sea clutter cross section for bistatic high frequency surface wave radar (HFSWR). Based on the received first order electric field expression, a closed-form of cross sections is derived to account for the case of receiving antenna array being mounted on the shipborne platform. The uniform linear motion and sway motion components are assumed to be responsible for the observed differences in comparison with the bistatic fixed antenna case. Correspondingly, simulations are conducted to study the sea clutter spectral characteristics for these two cases versus different system parameters and sea state conditions. It is shown numerically that the forward motion component will spread the Bragg lines severely and the influence triggered by the sway motion can be explained as the Bessel function modulation of the ordinary sea clutter spectra. The obtained results have important implications in the application of shipborne HFSWR technology to ocean remote sensing and target detection.

基于改进盖尔-沙普利算法的自动识别系统与双频地波雷达断裂航迹关联

高频地波雷达(HFSWR)可以实现大范围海上船只目标的连续探测,但是海杂波等干扰因素的影响容易造成跟踪航迹的断裂。目前关于地波雷达航迹关联的研究中,通常忽略了航迹断裂的情况,将航迹关联视为二分图匹配问题,这会导致可能将单一目标的断裂航迹判断为多个目标,从而引起目标的误关联。针对上述情况,该文结合模糊综合评判和迭代搜索算法,首次将盖尔-沙普利(GS)算法引入航迹关联领域,并且对其进行改进以满足航迹断裂时的多对多航迹关联情况,提出了改进的盖尔-沙普利(IGS)算法。在该算法中,通过计算航迹之间的模糊综合评判值来得到航迹之间的倾向度序列,再由迭代搜索对航迹进行聚类以获得航迹集群,最后将航迹集群及倾向度序列输入盖尔-沙普利算法来进行数轮博弈以给出关联结果。利用双频率高频地波雷达和船只自动识别系统(AIS)的仿真数据与实测数据进行实验测试,实验结果表明:所提出的算法解决了在航迹断裂情况下的多传感器航迹关联问题,且在密集区域的航迹关联效果优于传统算法。

基于正则化方法的高频地波雷达海浪方向谱反演

提出了一种从高频地波雷达海面回波谱中提取海浪方向谱的新方法:基于高频电波海洋探测基本原理将线性化后的非线性积分方程离散为矩阵方程组,通过引入正则化数学模型将不适定方程转化为正规方程,然后采用奇异值分解法求解.对于正则化方法中正则化参数,采用L曲线法来确定.为了验证本文算法的有效性,分别在单部雷达和双部雷达探测下进行了不同噪声水平下的数值模拟,结果表明了该正则化反演方法的有效性.文中还给出了实测数据分析初步结果.该算法的工程性应用还需进一步研究.对于实际的地波雷达海浪反演具有良好的应用前景.

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。

基于模糊双门限的高频地波雷达与AIS目标航迹关联方法

提出了一种基于模糊双门限的地波雷达与船只身份自动识别系统(automatic identification system,AIS)目标航迹关联方法,该方法主要是利用模糊隶属度来描述两条航迹间的关联程度,并通过双门限检测来确定关联的航迹对。具体讨论分析了算法中展度、权重、调整因子等参数的选取原则,最后利用2011年10月31和2013年9月6日获取的两批实测地波雷达与AIS数据将本文方法与最近邻航迹关联算法做了对比,结果表明,此方法的关联率高于最近邻航迹关联算法,并且在航迹较为复杂情况下,提出的航迹关联算法具有更好的稳定性。

高频地波雷达稀疏频率波形优化设计

高频地波雷达(High Frequency Surface Wave Radar,HFSWR)面临多种无线通讯系统的同频窄带干扰,发射具有频域稀疏的优化波形能够有效抑制干扰,改善HFSWR的检测性能。针对最优干扰抑制稀疏频率波形旁瓣较高及传统波形优化设计算法收敛速度较慢的问题,该文提出一种基于旁瓣约束的稀疏频率波形快速优化设计方法。首先建立了联合优化功率谱密度(Power Spectrum Density,PSD)和积分旁瓣电平(Integrated Sidelobe Level,ISL)的波形设计目标函数。随后提出了一种循环相位共轭梯度最优波形快速求解算法,该算法收敛速度快,运算量低。优化波形能够有效抑制同频窄带干扰,且旁瓣较低,有较强的战场环境适应能力。仿真结果表明了该方法的优越性。

高频地波雷达风速直接反演的经验模型

利用风浪经验模型从高频地波雷达(HFSWR)的回波谱数据中反演风速需要有效波高等先验信息,因此风速的反演受有效波高反演精度的影响。该文基于风浪经验模型,利用风速和高频地波雷达海面回波二阶谱与一阶谱能量之比的关系,发展了无需波高信息的风速直接反演的经验模型。将风速反演经验模型应用到高频地波雷达风速的反演中,对两部不同频率的雷达在不同海域获得的数据进行了比较分析,结果表明,该文中采用的经验模型能够有效地对风速进行反演,其中三参数模型的结果略好于双参数模型。

基于时频分析的高频地波雷达目标检测算法

为提高海事监测中高频地波雷达(High Frequency Surface Wave Radar,HFSWR)对运动目标的检测准确率,提出了一种基于频谱细化和小波尺度谱重排时频分析的运动目标检测算法.对HFSWR的接收信号进行频率细化处理以提高后续时频分析的频率分辨率;然后,进行基于Morlet小波的时频分析以提取目标的时频分布特征,为提高时频分布的集中性和抑制交叉项干扰,对小波尺度谱进行重排;根据得到的时频分布特征实现可疑目标区的精确检测.实验结果表明:该算法能有效检测多普勒频率相差很小的运动目标以及海杂波附近的运动目标,可用于对常规目标检测算法无法判定的可疑目标区域进行精细、准确的目标检测与分析.

地波雷达与自动识别系统目标点迹最优关联算法

为了提高海洋探测精度和范围,针对高频地波雷达(HFSWR)和自动识别系统(AIS)目标点迹的融合利用问题,该文提出一种基于JVC(Jonker-Volgenant-Castanon)的点迹分状态全局最优关联算法。首先,通过判断高频地波雷达和AIS点迹的径向速度,将点迹分为准静态目标和动态目标。接着,选取径向速度和点迹间的球面距离为特征参数,对不同状态下目标点迹分别进行径向速度和位置间球面距离粗关联。最后,使用相对距离比的平均值进行关联效果的评价,通过选择合适的关联门限参数,使用JVC算法实现高频地波雷达和AIS的点迹最优关联。实验结果表明:该算法在关联相同点迹对数的情况下,关联精度高于最近邻(NN)算法和Munkres关联法,关联用时少于最近邻算法和Munkres关联法。通过近3年内3组不同时刻实测目标点迹的验证,该算法可以满足关联的实用性和实时性要求。

利用自动识别系统信息进行高频地波雷达天线阵校正

该文提出了一种利用自动识别系统(AIS)信息进行高频地波雷达天线阵校正的方法。该方法使用高信噪比的舰船目标回波信号和目标的AIS信息解算天线阵的相位误差和增益误差。该方法的校正精度高于使用非合作目标回波的盲校正算法,同时无需部署专用信标机,并可以实现随时校正。使用高频地波雷达实测数据以及相应的AIS数据对新方法的性能进行了检验,其结果证明了新方法的优势。

高频地波雷达电离层干扰抑制研究

高频地波雷达探测海洋状况和跟踪移动目标时,电离层干扰严重影响了雷达的工作性能。阐述了电离层干扰的来源,分析了电离层干扰的时间和空间特性,指出其在雷达相干积累时间之内在空间上具有稳定性,结合高频地波雷达OSMAR系统的阵列结构,采用分段自适应旁瓣对消的处理方法来抑制电离层干扰。对实测数据处理的结果表明该方法能够有效地抑制电离层干扰,改善海洋回波一阶峰的信噪比,从而提高了雷达对海洋的探测性能。

T/R-R高频地波雷达舰船探测范围分析

基于目标回波和海杂波、大气噪声相对强度,理论分析及仿真研究了T/R-R高频地波雷达系统对舰船目标探测范围。分别分析了单基地(T/R)、双基地(T-R)高频地波雷达方程;基于T/R、T-R雷达系统海杂波理论模型,仿真了高频地波雷达一、二阶海杂波谱;提出了计算加权平均信杂比方法,从信杂比的角度分别确定T/R、T-R高频地波雷达系统的探测范围,T/R-R高频地波雷达系统的探测范围为T/R和T-R系统探测范围的组合。

基于压缩感知的高频地波雷达二维DOA估计

针对高频地波雷达(high frequency surface wave radar,HFSWR)目标角度估计问题,提出了一种基于压缩感知(compressive sensing,CS)的距离多普勒(range-Doppler,RD)域单快拍二维波达方向(direction of arrival,DOA)估计方法。分析了在RD域进行DOA估计的理论可行性及单快拍处理的优势;基于子空间追踪思想提出了一种针对L型阵列的二维DOA估计降维后的角度配对和修正方法,在低信噪比和目标回波幅度接近的情况下仍能保证完成正确的匹配并消除无效的角度组合,从而实现精确的二维DOA估计和目标空域分辨。仿真结果和高频地波雷达实测数据的处理结果分别验证了其性能优势和有效性。

T/R-R高频地波雷达球面定位算法研究

T/R-R高频地波雷达可以对海面目标超视距探测,探测距离高达几百公里,因此由雷达量测量对目标定位应考虑地球曲率影响.本文分别给出了球面定位算法及其定位精度公式.应用加权最小二乘算法可实现目标精确定位.仿真分析了平面定位偏差、加权最小二乘球面定位GDOP.结果表明球面定位算法可消除定位偏差,加权最小二乘球面定位可提高目标定位精度.