CN102621542A - 基于多模粒子滤波和数据关联的机动微弱目标检测前跟踪方法 - Google Patents
基于多模粒子滤波和数据关联的机动微弱目标检测前跟踪方法 Download PDFInfo
- Publication number
- CN102621542A CN102621542A CN2012101062542A CN201210106254A CN102621542A CN 102621542 A CN102621542 A CN 102621542A CN 2012101062542 A CN2012101062542 A CN 2012101062542A CN 201210106254 A CN201210106254 A CN 201210106254A CN 102621542 A CN102621542 A CN 102621542A
- Authority
- CN
- China
- Prior art keywords
- target
- omega
- variable
- multimode
- particle
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Images
Landscapes
- Radar Systems Or Details Thereof (AREA)
Abstract
本发明公开了一种基于多模粒子滤波和数据关联的机动微弱目标检测前跟踪方法,属于雷达数据处理领域。本发明提出的方法立足于解决低信噪比情况下的机动微弱目标检测与跟踪问题,在实现对机动微弱目标检测同时提供目标航迹信息,并有效消除目标信噪比低、机动大造成的目标漏检问题。本发明的方法主要包括以下步骤:(1)利用多模粒子滤波得到各时刻的目标状态和状态协方差估计;(2)将多模粒子滤波的结果重新定义为量测值,利用“状态估计-航迹”数据关联给出目标航迹信息。本发明克服了基于多模粒子滤波的机动微弱目标检测前跟踪方法的局限性,通过有效降低漏检概率,进而保证目标航迹的连续性,同时本发明具有结构简单、易于硬件实现等优点,因此具有较强的工程应用价值和推广前景。
Description
技术领域
本发明涉及一种雷达数据处理方法,特别涉及一种雷达对机动微弱目标的检测与跟踪方法。
背景技术
微弱目标的检测与跟踪是现代雷达面临的难点问题之一。各种隐身飞机、掠海导弹以及巡航导弹等微弱目标的大量出现和使用,严重的影响着雷达目标检测跟踪性能的发挥。同时,为了提高生存和突防能力,微弱目标会随时进行一定的机动,其运动状态也会因不同的作战任务而变,进一步增大了雷达对其进行检测与跟踪的困难。因此,实现雷达对机动微弱目标的有效检测与跟踪,对提高雷达作战效能和生存能力具有重要意义。目前,基于粒子滤波的微弱目标检测前跟踪方法由于具有处理方法简单、易于硬件实现、可适应于非线性非高斯系统等优点,在微弱目标检测与跟踪领域受到广泛重视,而基于粒子滤波的检测前跟踪方法通过借鉴交互式多模型的思想,形成了一种基于多模粒子滤波的机动微弱目标检测前跟踪方法。该方法主要通过以下步骤实现:
(1)将雷达接收机输出的目标回波信号进行A/D变换,送雷达数据处理计算机执行以下步骤;
(2)对目标运动模式进行预测;
(3)利用目标运动模式和相应的目标状态转移方程对粒子集进行预测;
(4)利用新量测对各粒子权重进行更新;
(5)对权重更新后的粒子集进行重采样,并得到目标状态估计。
基于多模粒子滤波的机动微弱目标检测前跟踪方法具有以下两个缺陷:(1)不能提供目标的航迹信息;(2)当目标信噪比较低或机动较大时容易出现目标漏检。
发明内容
本发明的目的是提出一种基于多模粒子滤波和数据关联的机动微弱目标检测前跟踪方法,解决基于多模粒子滤波的机动微弱目标检测前跟踪方法容易出现漏检和无法提供目标航迹信息的问题。
本发明提出的基于多模粒子滤波和数据关联的机动微弱目标检测前跟踪方法的技术方案包括以下步骤:
步骤1:变量初始化
K是总仿真时间;
T是雷达扫描周期;
N是滤波器采用的粒子数;
SNR是目标信噪比;
Imin和Imax是目标可能的最小和最大强度;
vmin和vmax是目标可能的最小和最大速度;
γ是目标存在判决门限;
η0是目标初始存在概率;
L×H表示雷达监测区域的大小;
∏e是目标存在状态概率转移矩阵;
∏m是目标运动模式概率转移矩阵;
Qk是过程噪声协方差;
(1)令i=1;
(2)目标位置初始化
rand(1)表示按照均匀分布产生一个[0,1]区间上的随机数;
(3)目标速度初始化
(4)目标强度初始化
(7)粒子权重初始化
(8)令i=i+1,若i≤N,转(2);
步骤3:令k=k+1,获得k时刻的雷达量测
将雷达接收到的信号进行A/D变换,得到k时刻的雷达量 送雷达数据处理计算机;
(1)令i=1;
对应于目标匀速直线运动(CV模型)
对应于目标坐标转动(CT模型),其中
分别对应于顺时针坐标转动和逆时针坐标转动,αm>0是一个典型的机动加速度;
其中,vk为过程噪声,其噪声协方差为Qk;
(7)令i=i+1,若i≤N,转(2);
步骤5:利用当前时刻的量测对粒子权重进行更新
(1)令i=1;
(2)确定似然区域的范围
(3)粒子权重更新
其中
其中,σ2为量测噪声协方差,Δx和Δy表示传感器分辨率,∑表示传感器模糊斑点数;
(4)令i=i+1,若i≤N,转(2);
(5)权重归一化
步骤6:重采样
对权重更新后的粒子集进行重采样
步骤7:目标状态和状态协方差估计
(1)计算目标存在概率
(2)若进行目标状态估计
和状态协方差估计
步骤8:“状态估计-航迹”数据关联
(3)若当前时刻不存在目标航迹,将新量测作为航迹头,利用m/n逻辑法进行航迹起始;否则,利用新量测对目标航迹τk-1或τ′k-1进行更新,得到更新的航迹τk,转步骤9;
(4)如果当前时刻存在目标航迹τk-1或τ′k-1,若已经连续3个时刻不存在目标状态估计,输出航迹τk-3并删除航迹τ′k-1;否则,对τk-1或τ′k-1进行一步预测,得到预测τ′k;
步骤9:重复步骤3~步骤8,直至雷达关机。
和背景技术相比,本发明的有益效果说明:
(1)本发明提出的基于多模粒子滤波和数据关联的机动微弱目标检测前跟踪方法,可以在对目标状态估计的同时给出目标航迹,解决了背景技术中基于多模粒子滤波的机动微弱目标检测前跟踪方法不能保持目标航迹信息的问题;(2)本发明提出的方法通过对“状态估计-航迹”数据关联,可以有效消除目标信噪比低、机动大造成的某些时刻的目标漏检问题,进而保证目标航迹的连续性。
附图说明
附图1是本发明的基于多模粒子滤波和数据关联的机动微弱目标检测前跟踪方法的整体流程图,附图中各符号的含义与发明内容部分相应符号的含义相同;
附图2是本发明实施例中基于多模粒子滤波的机动微弱目标检测前跟踪方法估计的目标存在概率;
附图3是本发明实施例中目标真实航迹与基于多模粒子滤波的机动微弱目标检测前跟踪方法估计的目标状态,附图中X位置和Y位置分别表示目标的x坐标和y坐标;
附图4是本发明实施例中目标真实航迹与基于多模粒子滤波和数据关联的机动微弱目标检测前跟踪方法估计的目标航迹,附图中X位置和Y位置分别表示目标的x坐标和y坐标;
具体实施方式
下面结合附图对本发明的基于多模粒子滤波和数据关联的机动微弱目标检测前跟踪方法进行详细描述。
不失一般性,设置一个二维仿真场景。假设目标初始存在概率η0=0.05,目标初始强度为I=20,其可能的最小强度和最大强度分别为Imin=10和Imax=30,目标初始位置和初始速度分别为(20,20)和(0.45,0.25),可能的最小速度和最大速度分别为vmin=-1和vmax=1,目标状态转移概率Pb=Pd=0.05,目标存在判决门限γ=0.6,目标从第7s开始出现,首先沿x轴方向作10s匀速直线运动,接着作5s逆时针转弯运动,此后进入10s的匀速直线运动,最后作5s的顺时针机动转弯,直到37s消失,过程噪声强度分别为q1=0.001和q2=0.01;雷达扫描周期T=1,分辨率Δx=Δy=1,分辨单元的格式m=n=60,量测噪声标准差σ=2.90,传感器模糊斑点数∑=0.7;滤波器采用的粒子数为N=40000,总仿真时间为K=45个扫描周期,目标似然区域选择参数s=2。本发明具体步骤如附图1所示。
(1)根据以上仿真条件进行变量初始化:
步骤1:变量初始化
K=45;
T=1;
N=4000;
SNR=7dB;
Imin=10,Imax=30;
vmin=-2,vmax=2;
γ=0.6;
η0=0.05;
L=60,H=60;
(2)按发明内容部分步骤2所述的方法进行粒子集初始化,得到初始粒子集;
(3)按发明内容部分步骤3所述的方法获取当前时刻的量测;
(4)按发明内容部分步骤4所述的方法对粒子集进行一步预测,得到预测的粒子集;
(5)按发明内容部分步骤5所述的方法对预测的粒子集的权重进行更新;
(6)按发明内容部分步骤6所述的方法对权重更新后的粒子集进行重采样,得到当前时刻的粒子集;
(7)按发明内容部分步骤7所述的方法得到目标的状态和状态协方差估计;
(8)按发明内容部分步骤8所述的方法进行目标“状态估计-航迹”数据关联;
(9)循环执行发明内容部分步骤3~步骤8,直至雷达关机。
由附图2可以看出,在k=13时刻,目标存在概率低于0.3,而本实施例中目标存在判决门限为γ=0.6,基于多模粒子滤波的机动微弱目标检测前跟踪方法将出现目标漏检问题;由附图3可以看出,虽然基于多模粒子滤波的检测前跟踪方法给出了各时刻的目标状态估计,但不能给出目标航迹信息;由附图4可以看出,通过多模粒子滤波和数据关联,本发明的方法可以估计k=13时刻漏检的目标状态,因此可以有效消除漏检问题,同时本发明方法给出了目标航迹信息。
Claims (1)
1.基于多模粒子滤波和数据关联的机动微弱目标检测前跟踪方法,其特征包括以下步骤:步骤1:变量初始化
K是总仿真时间;
T是雷达扫描周期;
N是滤波器采用的粒子数;
SNR是目标信噪比;
Imim和Imax是目标可能的最小和最大强度;
vmin和vmax是目标可能的最小和最大速度;
γ是目标存在判决门限;
是目标初始运动模式
η0是目标初始存在概率;
L×H表示雷达监测区域的大小;
∏e是目标存在状态概率转移矩阵;
∏m是目标运动模式概率转移矩阵;
Qk是过程噪声协方差;
(1)令i=1;
(2)目标位置初始化
rand(1)表示按照均匀分布产生一个[0,1]区间上的随机数;
(3)目标速度初始化
(4)目标强度初始化
(7)粒子权重初始化
(8)令i=i+1,若i≤N,转(2);
步骤3:令k=k+1,获得k时刻的雷达量测
将雷达接收到的信号进行A/D变换,得到k时刻的雷达量测 送雷达数据处理计算机;
(1)令i=1;
对应于目标匀速直线运动(CV模型)
分别对应于顺时针坐标转动和逆时针坐标转动,αm>0是一个典型的机动加速度;
其中,vk为过程噪声,其噪声协方差为Qk;
(7)令i=i+1,若i≤N,转(2);
步骤5:利用当前时刻的量测对粒子权重进行更新
(1)令i=1;
(2)确定似然区域的范围
(3)粒子权重更新
其中
其中,σ2为量测噪声协方差,Δx和Δy表示传感器分辨率,∑表示传感器模糊斑点数;
(4)令i=i+1,若i≤N,转(2);
(5)权重归一化
步骤6:重采样
步骤7:目标状态和状态协方差估计
(1)计算目标存在概率
和状态协方差估计
步骤8:“状态估计-航迹”数据关联
(3)若当前时刻不存在目标航迹,将新量测作为航迹头,利用m/n逻辑法进行航迹起始;否则,利用新量测对目标航迹τk-1或τ′k-1进行更新,得到更新的航迹τk,转步骤9;
(4)如果当前时刻存在目标航迹τk-1或τ′k-1,若已经连续3个时刻不存在目标状态估计,输出航迹τk-3并删除航迹τ′k-1;否则,对τk-1或τ′k-1进行一步预测,得到预测τ′k;
步骤9:重复步骤3~步骤8,直至雷达关机。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201210106254.2A CN102621542B (zh) | 2012-04-02 | 2012-04-02 | 基于多模粒子滤波和数据关联的机动微弱目标检测前跟踪方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201210106254.2A CN102621542B (zh) | 2012-04-02 | 2012-04-02 | 基于多模粒子滤波和数据关联的机动微弱目标检测前跟踪方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN102621542A true CN102621542A (zh) | 2012-08-01 |
CN102621542B CN102621542B (zh) | 2014-10-22 |
Family
ID=46561570
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201210106254.2A Active CN102621542B (zh) | 2012-04-02 | 2012-04-02 | 基于多模粒子滤波和数据关联的机动微弱目标检测前跟踪方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN102621542B (zh) |
Cited By (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103198485A (zh) * | 2013-04-10 | 2013-07-10 | 北京航空航天大学 | 一种基于方向权重的红外弱小目标检测前跟踪方法 |
CN104181524A (zh) * | 2014-08-27 | 2014-12-03 | 电子科技大学 | 一种自适应粒子数的多目标粒子滤波检测前跟踪方法 |
CN104501812A (zh) * | 2014-12-05 | 2015-04-08 | 江南大学 | 基于自适应新生目标强度的滤波算法 |
CN104518756A (zh) * | 2014-12-16 | 2015-04-15 | 中国人民解放军海军航空工程学院 | 基于概率假设密度phd的修正粒子滤波器 |
CN105301584A (zh) * | 2015-12-07 | 2016-02-03 | 中国人民解放军海军航空工程学院 | 同时解距离模糊的ipphdf机动多目标跟踪方法 |
CN107092808A (zh) * | 2014-09-18 | 2017-08-25 | 中国人民解放军海军航空工程学院 | 一种编队目标合并机动模式下的跟踪方法 |
CN107656265A (zh) * | 2017-09-19 | 2018-02-02 | 电子科技大学 | 针对多帧检测前跟踪短航迹的粒子滤波融合方法 |
CN107703496A (zh) * | 2017-10-12 | 2018-02-16 | 桂林电子科技大学 | 一种交互式多模伯努利滤波的机动弱目标检测前跟踪方法 |
CN110376556A (zh) * | 2019-06-11 | 2019-10-25 | 杭州电子科技大学 | 一种基于锦标赛选择的双层粒子滤波检测前跟踪方法 |
CN110568436A (zh) * | 2018-06-06 | 2019-12-13 | 中国民航科学技术研究院 | 一种基于随机有限模型集的飞行物多目标跟踪方法 |
CN110865343A (zh) * | 2019-11-13 | 2020-03-06 | 中国人民解放军海军航空大学 | 基于lmb的粒子滤波检测前跟踪方法及系统 |
CN111175738A (zh) * | 2020-01-08 | 2020-05-19 | 中国船舶重工集团公司第七二四研究所 | 一种基于多模型隶属控制的相控阵雷达目标快速建航方法 |
CN112649802A (zh) * | 2020-12-01 | 2021-04-13 | 中国人民解放军海军航空大学 | 高分辨传感器弱小多目标检测前跟踪方法 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2010070556A2 (en) * | 2008-12-16 | 2010-06-24 | Koninklijke Philips Electronics N.V. | Estimating a sound source location using particle filtering |
CN101770024A (zh) * | 2010-01-25 | 2010-07-07 | 上海交通大学 | 多目标跟踪方法 |
CN101975575A (zh) * | 2010-10-15 | 2011-02-16 | 西安电子科技大学 | 基于粒子滤波的被动传感器多目标跟踪方法 |
CN102043150A (zh) * | 2010-12-06 | 2011-05-04 | 电子科技大学 | 用于微弱目标检测的改进型粒子滤波检测前跟踪方法 |
CN102096925A (zh) * | 2010-11-26 | 2011-06-15 | 中国科学院上海技术物理研究所 | 一种机动目标的实时闭环预测跟踪方法 |
CN102313884A (zh) * | 2010-06-29 | 2012-01-11 | 电子科技大学 | 一种基于多帧相参积累的目标检测前跟踪方法 |
-
2012
- 2012-04-02 CN CN201210106254.2A patent/CN102621542B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2010070556A2 (en) * | 2008-12-16 | 2010-06-24 | Koninklijke Philips Electronics N.V. | Estimating a sound source location using particle filtering |
CN101770024A (zh) * | 2010-01-25 | 2010-07-07 | 上海交通大学 | 多目标跟踪方法 |
CN102313884A (zh) * | 2010-06-29 | 2012-01-11 | 电子科技大学 | 一种基于多帧相参积累的目标检测前跟踪方法 |
CN101975575A (zh) * | 2010-10-15 | 2011-02-16 | 西安电子科技大学 | 基于粒子滤波的被动传感器多目标跟踪方法 |
CN102096925A (zh) * | 2010-11-26 | 2011-06-15 | 中国科学院上海技术物理研究所 | 一种机动目标的实时闭环预测跟踪方法 |
CN102043150A (zh) * | 2010-12-06 | 2011-05-04 | 电子科技大学 | 用于微弱目标检测的改进型粒子滤波检测前跟踪方法 |
Non-Patent Citations (4)
Title |
---|
刘宗香等: "机动目标跟踪中数据互联新方法", 《电子与信息学报》 * |
孔敏等: "基于规格化Hough变换的天波超视距雷达检测前跟踪算法", 《电视技术》 * |
谭顺成等: "基于PHD滤波和数据关联的多目标跟踪", 《系统工程与电子技术》 * |
龚亚信等: "基于多模粒子滤波的机动弱目标检测前跟踪", 《电子与信息学报》 * |
Cited By (24)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103198485A (zh) * | 2013-04-10 | 2013-07-10 | 北京航空航天大学 | 一种基于方向权重的红外弱小目标检测前跟踪方法 |
CN103198485B (zh) * | 2013-04-10 | 2015-09-09 | 北京航空航天大学 | 一种基于方向权重的红外弱小目标检测前跟踪方法 |
CN104181524A (zh) * | 2014-08-27 | 2014-12-03 | 电子科技大学 | 一种自适应粒子数的多目标粒子滤波检测前跟踪方法 |
CN104181524B (zh) * | 2014-08-27 | 2016-08-17 | 电子科技大学 | 一种自适应粒子数的多目标粒子滤波检测前跟踪方法 |
CN107092808B (zh) * | 2014-09-18 | 2020-09-08 | 中国人民解放军海军航空工程学院 | 一种编队目标合并机动模式下的跟踪方法 |
CN107092808A (zh) * | 2014-09-18 | 2017-08-25 | 中国人民解放军海军航空工程学院 | 一种编队目标合并机动模式下的跟踪方法 |
CN104501812A (zh) * | 2014-12-05 | 2015-04-08 | 江南大学 | 基于自适应新生目标强度的滤波算法 |
CN104518756A (zh) * | 2014-12-16 | 2015-04-15 | 中国人民解放军海军航空工程学院 | 基于概率假设密度phd的修正粒子滤波器 |
CN104518756B (zh) * | 2014-12-16 | 2018-01-16 | 中国人民解放军海军航空工程学院 | 基于概率假设密度phd的修正粒子滤波器 |
CN105301584A (zh) * | 2015-12-07 | 2016-02-03 | 中国人民解放军海军航空工程学院 | 同时解距离模糊的ipphdf机动多目标跟踪方法 |
CN105301584B (zh) * | 2015-12-07 | 2017-12-05 | 中国人民解放军海军航空工程学院 | 同时解距离模糊的ipphdf机动多目标跟踪方法 |
CN107656265A (zh) * | 2017-09-19 | 2018-02-02 | 电子科技大学 | 针对多帧检测前跟踪短航迹的粒子滤波融合方法 |
CN107656265B (zh) * | 2017-09-19 | 2021-03-30 | 电子科技大学 | 针对多帧检测前跟踪短航迹的粒子滤波融合方法 |
CN107703496A (zh) * | 2017-10-12 | 2018-02-16 | 桂林电子科技大学 | 一种交互式多模伯努利滤波的机动弱目标检测前跟踪方法 |
CN107703496B (zh) * | 2017-10-12 | 2021-04-30 | 桂林电子科技大学 | 一种交互式多模伯努利滤波的机动弱目标检测前跟踪方法 |
CN110568436A (zh) * | 2018-06-06 | 2019-12-13 | 中国民航科学技术研究院 | 一种基于随机有限模型集的飞行物多目标跟踪方法 |
CN110568436B (zh) * | 2018-06-06 | 2021-12-03 | 中国民航科学技术研究院 | 一种基于随机有限模型集的飞行物多目标跟踪方法 |
CN110376556A (zh) * | 2019-06-11 | 2019-10-25 | 杭州电子科技大学 | 一种基于锦标赛选择的双层粒子滤波检测前跟踪方法 |
CN110376556B (zh) * | 2019-06-11 | 2021-05-11 | 杭州电子科技大学 | 一种基于锦标赛选择的双层粒子滤波检测前跟踪方法 |
CN110865343A (zh) * | 2019-11-13 | 2020-03-06 | 中国人民解放军海军航空大学 | 基于lmb的粒子滤波检测前跟踪方法及系统 |
CN110865343B (zh) * | 2019-11-13 | 2022-04-29 | 中国人民解放军海军航空大学 | 基于lmb的粒子滤波检测前跟踪方法及系统 |
CN111175738A (zh) * | 2020-01-08 | 2020-05-19 | 中国船舶重工集团公司第七二四研究所 | 一种基于多模型隶属控制的相控阵雷达目标快速建航方法 |
CN112649802A (zh) * | 2020-12-01 | 2021-04-13 | 中国人民解放军海军航空大学 | 高分辨传感器弱小多目标检测前跟踪方法 |
WO2022116375A1 (zh) * | 2020-12-01 | 2022-06-09 | 中国人民解放军海军航空大学 | 高分辨传感器弱小多目标检测前跟踪方法 |
Also Published As
Publication number | Publication date |
---|---|
CN102621542B (zh) | 2014-10-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102621542B (zh) | 基于多模粒子滤波和数据关联的机动微弱目标检测前跟踪方法 | |
CN100365430C (zh) | 道路曲率估计和车辆目标状态估计系统 | |
CN103885057B (zh) | 自适应变滑窗多目标跟踪方法 | |
CN105093215B (zh) | 基于多普勒信息的雷达对低空慢速小目标的跟踪方法 | |
CN104237879B (zh) | 一种雷达系统中的多目标跟踪方法 | |
CN104931949B (zh) | 雷达扫描模式下风轮机杂波背景下飞机目标检测方法 | |
CN105699964A (zh) | 一种基于汽车防撞雷达的道路多目标跟踪方法 | |
CN105301584B (zh) | 同时解距离模糊的ipphdf机动多目标跟踪方法 | |
CN105372659A (zh) | 道路交通监控多目标探测跟踪方法及跟踪系统 | |
CN104730528A (zh) | 一种水声多目标自主检测与方位跟踪方法 | |
CN105445731B (zh) | 一种基于高精度测速的雷达全自动跟踪方法 | |
CN102621543A (zh) | 基于粒子滤波和航迹管理的微弱目标检测前跟踪方法 | |
CN113096397A (zh) | 基于毫米波雷达与视频检测的交通拥堵分析方法 | |
CN105116387A (zh) | 基于位置和多普勒速度信息的pd雷达抗速度拖引方法 | |
CN105844217A (zh) | 一种基于量测驱动新生目标强度估计的phd多目标跟踪方法 | |
CN104459686A (zh) | 一种基于Hough变换与蚁群相似度的目标检测与跟踪方法 | |
CN102819013B (zh) | 基于粒子滤波的机载pd雷达解距离模糊方法 | |
CN111562570A (zh) | 基于毫米波雷达的面向自动驾驶的车辆感知方法 | |
CN104180801A (zh) | 基于ads-b系统航迹点的预测方法和系统 | |
CN105353352B (zh) | 改进搜索策略的mm‑pphdf机动多目标跟踪方法 | |
CN102928836B (zh) | 一种地面目标跟踪方法 | |
CN113238208B (zh) | 非规则轨迹水中运动目标前向声散射多普勒频移计算方法 | |
CN105549004B (zh) | 解距离测量模糊的impm‑pphdf方法 | |
CN102595309A (zh) | 一种基于无线传感器网络的穿墙跟踪方法 | |
CN102880909A (zh) | 高频地波雷达远端航迹起始方法和装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant | ||
TR01 | Transfer of patent right |
Effective date of registration: 20190606 Address after: 264001 scientific research office, two Road 188, Zhifu District, Yantai, Shandong Patentee after: Naval Aviation University of PLA Address before: 264001 scientific research department, two Road 188, Yantai, Shandong Patentee before: Naval Aeronautical Engineering Institute PLA |
|
TR01 | Transfer of patent right |