CN102981160A - 一种确定空中目标航迹的方法及装置 - Google Patents

Abstract

本发明涉及空中目标航迹的辨识技术，公开了一种确定空中目标航迹的方法及装置，该方法为：设定空中目标运动模型；然后，基于空中目标运动模型获得动态的空中目标在不同时刻的探测点；然后，再依次针对每一个探测点进行相关性测试，其中，针对任意一个探测点，若该探测点的相关性测试目标函数取最小值时，该探测点与各条指定航迹的距离中最小加权值对应的距离为该探测点与目标航迹的距离，则判定该任意一个探测点为新的目标点；最后，将判断的新的目标点与目标航迹进行连接以确定空中目标的航迹，这样，降低了时延，并提高了确定的目标航迹的准确性。

Description

一种确定空中目标航迹的方法及装置

技术领域

本发明涉及空中目标航迹的辨识技术，特别涉及一种确定空中目标航迹的方法及装置。

背景技术

在现代高科技战争中，为了给跟踪系统、指挥系统等提供可靠的目标信息，要求探测系统对空中目标的航迹能尽可能准确的进行确定，只有准确的发现目标、跟踪目标和锁定目标，才能有效地实施攻击，因此，对确定空中目标航迹的探索和研究，对确定空中目标航迹技术具有深远的意义。

确定航迹的主要作用为，在多目标的情况下，对雷达的测量信号进行辨识与归一，进而，可以为指挥控制系统提供有效的决策依据，或者，为火力分配提供目标的航迹，还可以为火力单元的跟踪系统提供引导信息。

现有技术中，确定航迹的方法主要有两种：

一种是批处理方法，具体为：雷达扫描一周后，把测量到的目标的数据进行统一处理。该方法的优点是：精度高，并且可以做到全局优化；该方法的缺点是：延迟时间长，也就是说，雷达发现一批目标到最后输出该批目标之间的时间间隔为雷达扫描一周所需的时间T，则延迟时间为T，延迟时间较长，因此，难以满足C⁴I系统战技指标的要求。

另一种是数据流方法，具体为：雷达发现一批目标就确定一次。该方法的优点是：延迟时间较小；该方法的缺点是：精度低。

发明内容

本发明实施例提供一种确定空中目标航迹的方法及装置，用以解决不能同时满足延迟时间小与辨识精度高的问题。

一种确定空中目标航迹的方法，包括：

设定空中目标运动模型；

至少获取预设的雷达测量噪声参数，并至少根据所述雷达测量噪声参数，基于所述空中目标运动模型获得动态的空中目标在不同时刻的探测点；

依次针对每一个探测点进行相关性测试，其中，针对任意一个探测点，若该探测点的相关性测试目标函数取最小值时，该探测点与各条指定航迹的距离中最小加权值对应的距离为该探测点与目标航迹的距离，则判定所述任意一个探测点为新的目标点，其中，所述目标航迹为之前已选定的各目标点连成的航迹；

将判断的所述新的目标点与目标航迹进行连接以确定所述空中目标的航迹。

一种确定空中目标航迹的装置，包括：

确定单元，用于设定空中目标运动模型；

获取单元，用于至少获取预设的雷达测量噪声参数，并至少根据所述雷达测量噪声参数，基于所述空中目标运动模型获得动态的空中目标在不同时刻的探测点；

判定单元，用于依次针对每一个探测点进行相关性测试，其中，针对任意一个探测点，若该探测点的相关性测试目标函数取最小值时，该探测点与各条指定航迹的距离中最小加权值对应的距离为该探测点与目标航迹的距离，则判定所述任意一个探测点为新的目标点，其中，所述目标航迹为之前已选定的各目标点连成的航迹；

连接单元，用于将判断的所述新的目标点与目标航迹进行连接以确定所述空中目标的航迹。

本发明实施例中，先设定空中目标运动模型；然后，至少获取预设的雷达测量噪声参数，并至少根据雷达测量噪声参数，在空中目标运动模型的基础上获得动态的空中目标在不同时刻的探测点；然后，再依次针对每一个探测点进行相关性测试，其中，对任意一个探测点进行相关性测试时，若该探测点的相关性测试目标函数取最小值时，该探测点与各条指定航迹的距离中最小加权值对应的距离为该探测点与目标航迹的距离，则判定该任意一个探测点为新的目标点，其中，目标航迹为之前已选定的各目标点连成的航迹；最后，将判断的新的目标点与目标航迹进行连接以确定空中目标的航迹，这样，降低了雷达发现一批目标到最后输出该批目标之间的时间间隔，也就是说，降低了时延，并提高了确定的目标航迹的准确性。

附图说明

图1为本发明实施例中雷达的结构示意图；

图2为本发明实施例中雷达确定空中目标航迹的流程图。

具体实施方式

为了降低雷达发现一批目标到最后输出该批目标之间的时间间隔，提高确定目标航迹的准确性，本发明实施例中，先设定空中目标运动模型，然后，至少获取预设的雷达测量噪声参数，并至少根据雷达测量噪声参数，在空中目标运动模型的基础上获得动态的空中目标在不同时刻的探测点，然后，再依次针对每一个探测点进行相关性测试，其中，对任意一个探测点进行相关性测试时，若该探测点的相关性测试目标函数取最小值时，该探测点与各条指定航迹的距离中最小加权值对应的距离为该探测点与目标航迹的距离，则判定该任意一个探测点为新的目标点，其中，目标航迹为之前已选定的各目标点连成的航迹；最后，将判断的新的目标点与目标航迹进行连接以确定空中目标的航迹，这样，降低了雷达发现一批目标到最后输出该批目标之间的时间间隔，也就是说，降低了时延，并提高了确定的目标航迹的准确性。

参阅图1所示，本发明实施例中，雷达包括确定单元10、获取单元11、判定单元12和连接单元13，其中，

确定单元10，用于设定空中目标运动模型；

获取单元11，用于至少获取预设的雷达测量噪声参数，并至少根据雷达测量噪声参数，基于空中目标运动模型获得动态的空中目标在不同时刻的探测点；

判定单元12，用于依次针对每一个探测点进行相关性测试，其中，针对任意一个探测点，若该探测点的相关性测试目标函数取最小值时，该探测点与各条指定航迹的距离中最小加权值对应的距离为该探测点与目标航迹的距离，则判定该任意一个探测点为新的目标点，其中，目标航迹为之前已选定的各目标点连成的航迹；

连接单元13，用于将判断的新的目标点与目标航迹进行连接以确定空中目标的航迹。

基于上述技术方案，参阅图2所示，本发明实施例中，雷达确定空中目标航迹的详细流程如下：

步骤200：设定空中目标运动模型。

本发明实施例中，在确定空中目标航迹的初级阶段，要先设定空中目标运动模型，在设定空中目标运动模型时，认为目标巡航时的运动是匀速直线运动与大气扰动等随机因素引起的随机运动，并且，在建立目标运动模型时，不考虑目标的高度变化，则空中目标的运动可以用直角坐标系下的四维离散状态方程来表示，具体如公式一所示：

X_i(k+1)＝Φ·X_i(k)+U_i(k)    （公式一）

其中，X_i(k)如公式二所示，Φ如公式三所示：

$X_i^T\left(k\right)=[X_{i1}\left(k\right),X_{i2}\left(k\right),X_{i3}\left(k\right),X_{i4}\left(k\right)]$ （公式二）

$\mathrm{\Φ}=\left[\begin{array}{cccc}1& T& 0& 0\\ 0& 1& 0& 0\\ 0& 0& 1& T\\ 0& 0& 0& 1\end{array}\right]$ （公式三）

其中，i表示雷达测量到的第i批目标；X_i1，X_i2分别表示X方向的位置和速度；X_i3，X_i4分别表示Y方向的位置和速度；T为雷达测量时的扫描周期；U_i(k)为由于大气扰动的因素造成的随机误差项，本发明实施例中，假定它是均值为零、方差为Q_i(k)的高斯白噪声。

步骤210：至少获取预设的雷达测量噪声参数，并至少根据雷达测量噪声参数，基于空中目标运动模型获得动态空中目标在不同时刻的探测点。

公式一为理想情况下空中目标的运动状态，在实际应用中，雷达在探测空中目标的巡航状态时，雷达测量噪声等会对探测到的空中目标的巡航状态产生影响，较佳的，为了表达雷达实际探测到的空中目标的巡航状态，本发明实施例中，雷达探测到的空中目标的运动状态如公式四所示：

Z_i(k)＝H·X_i(k)+V_i(k)    （公式四）

其中，Z_i(k)为雷达在k时刻探测到的第i批目标的坐标；H为雷达的传递函数；V_i(k)为雷达的测量噪声，在本发明实施例中，也假设为高斯白噪声，V_i(k)具体如公式五所示：

$\left\{\begin{array}{c}E\left[V_i\left(k\right)\right]=0\\ E[V_i\left(k\right)\·V_i^T\left(l\right)]=R_i\left(k\right){\mathrm{\δ}}_{\mathrm{kl}}\\ E[V_i\left(k\right)\·V_j^T\left(l\right)]=0,i\≠j\end{array}\right.$ （公式五）

其中，E表示求均值；δ_kl为方差系数，具体如公式六所示：

${\mathrm{\δ}}_{\mathrm{kl}}=\left\{\begin{array}{cc}0& k\≠l;\\ 1& k=l;\end{array}\right.$ （公式六）

R_i(k)为V_i(k)的方差，它与雷达测距误差和测角误差的方差

有关，它们的关系如下所示：

$\left\{\begin{array}{c}x=R\cos \mathrm{\θ}\\ y=R\sin \mathrm{\θ}\end{array}\right.$ （公式七）

其中，x、y为目标的坐标，R为雷达测得的目标距离，θ为雷达测得的目标角度。

对公式七求导数，变换可得公式八：

$\left\{\begin{array}{c}\mathrm{\ΔX}=\frac{\∂x}{\∂R}\mathrm{\ΔR}+\frac{\∂x}{\∂\mathrm{\θ}}\mathrm{\Δ\θ}\\ =\cos \mathrm{\θ}\·\mathrm{\ΔR}-R\·\sin \mathrm{\θ}\·\mathrm{\Δ\θ}\\ \mathrm{\ΔY}=\frac{\∂y}{\∂R}\mathrm{\ΔR}+\frac{\∂y}{\∂\mathrm{\θ}}\mathrm{\Δ\θ}\\ =\sin \mathrm{\θ}\·\mathrm{\ΔR}-R\·\cos \mathrm{\θ}\·\mathrm{\Δ\θ}\end{array}\right.$ （公式八）

进而可得公式九：

$R_i\left(k\right)=E\left[\begin{array}{c}\mathrm{\ΔX}\\ \mathrm{\ΔY}\end{array}\right][\mathrm{\ΔX},\mathrm{\ΔY}]=\left[\begin{array}{cc}{\mathrm{\σ}}_x^2& {\mathrm{\σ}}_{\mathrm{xy}}\\ {\mathrm{\σ}}_{\mathrm{yx}}& {\mathrm{\σ}}_y^2\end{array}\right]$ （公式九）

将公式八代入公式九可得公式十：

$R_i\left(k\right)=\left[\begin{array}{cc}A00& A01\\ A10& A11\end{array}\right]$ （公式十）

其中：

$A00={\mathrm{\σ}}_R^2{\cos }^2\mathrm{\θ}+R^2{\mathrm{\σ}}_{\mathrm{\θ}}^2{\sin }^2\mathrm{\θ}$

$A01=({\mathrm{\σ}}_R^2-R^2{\mathrm{\σ}}_{\mathrm{\θ}}^2)\sin \mathrm{\θ}\cos \mathrm{\θ}$ （公式十一）

$A10=({\mathrm{\σ}}_R^2-R^2{\mathrm{\σ}}_{\mathrm{\θ}}^2)\sin \mathrm{\θ}\cos \mathrm{\θ}$

$A11={\mathrm{\σ}}_R^2{\sin }^2\mathrm{\θ}+R^2{\mathrm{\σ}}_{\mathrm{\θ}}^2{\cos }^2\mathrm{\θ}$

其中，A00为探测目标x值的方差，A11为探测目标y值的方差，A01、A10为探测目标x、y值的协方差，

为雷达测得的目标距离R的方差，

为雷达测得的目标角度θ方差。

本发明实施例中，以上推导基于不同时刻的测量，假定测量噪声是不相关的。

本发明实施例中，为了提高雷达探测到的空中目标的位置的精确性，较佳的，对雷达探测到的空中目标的坐标进行滤波处理。

本发明实施例中，由于运动模型公式一中的随机扰动项U_i(k)是一个统计特性未知量，获取该统计特性未知量比较困难，因此，可以采用近似滤波模型，即卡尔曼滤波模型对公式一与公式四进行滤波处理，得出公式十二：

$\left\{\begin{array}{c}X(k+1)=\mathrm{\Φ}\·X\left(k\right)\\ Z\left(k\right)=H\·X\left(k\right)+V\left(k\right)\end{array}\right.$ （公式十二）

公式十二中目标运动的两个方向并非解耦，采用解耦的二维滤波效果与非解耦四维最优滤波的效果基本一致，但前者的计算复杂度较后者低。为了达到实时性，本发明实施例中，采用二维滤波对公式十二强行解耦，为此取

$R_i\left(k\right)=\left[\begin{array}{cc}A00& 0\\ 0& A11\end{array}\right]$ （公式十三）

由于做了解耦假设，可把两个坐标方向的滤波分开计算，滤波模型简化为：

$\left\{\begin{array}{c}{X}_a(k+1)=\mathrm{\Φ}\·X_a\left(k\right)\\ Z_a(k+1)=H\·X_a\left(k\right)+V_a\left(k\right)\end{array}\right.$ （公式十四）

其中， $\mathrm{\Φ}=\left[\begin{array}{cc}1& T\\ 0& 1\end{array}\right],$ H＝[1,0]。

公式十二是认为空中目标航迹为直线，也就是说，未考虑空中目标的曲线运动，也就是空中目标的机动情况，为了使雷达探测到的空中目标的位置更准确，本发明实施例中，对公式十四进行进一步优化，具体为，通过自适应滤波模型对公式十四进行优化，得到公式十五：

（公式十五）

其中，P（x）为状态变量方差，P(k｜k-1)表示预估的k时刻状态方差；Φ为状态转移矩阵；

是k时刻状态的预估值；F、K、G是为便于运算而定义的临时变量；S_a(k)为适应系数。

$P\left(k\right)=\left(\begin{array}{cc}{\mathrm{\σ}}^2\left(k\right)& 0\\ 0& {\mathrm{\σ}}^2\left(k\right)\end{array}\right)$ （公式十六）

其中，σ(k)为X_a(k)的方差，取σ(k)的初始值σ(0)＝100时，P(k)的初值

$P\left(0\right)=\left(\begin{array}{cc}10000& 0\\ 0& 10000\end{array}\right).$ 公式十五的残差为公式十七：

（公式十七）

其中，

为k时刻的状态真值。

本发明实施例中，

可以作为判断空中目标机动与否的统计量，当空中目标不发生机动（机动为空中目标发生拐弯等情况）时，认为

是无偏差的，进而根据公式十七得到公式十八：

$\left\{\begin{array}{c}\mathrm{E\η}\left(k\right)=0\\ V_{\mathrm{ar}}\left[\mathrm{\η}\left(k\right)\right]={\mathrm{E\η}}^2\left(k\right)=\mathrm{HP}\left(k\right|k-1)H^T+R_a\left(k\right)\end{array}\right.$ （公式十八）

其中，V_ar表示求协方差。

从而，η(k)~N(0,V_ar[η(K)])    （公式十九）

也就是说， $\stackrel{\‾}{\mathrm{\η}}\left(k\right)=\frac{\mathrm{\η}\left(k\right)}{\sqrt{\mathrm{HP}\left(k\right|k-1)H^T+R_a\left(k\right)}}~N\left(\mathrm{0,1}\right)$ （公式二十）

也就是说，当空中目标发生机动时，

不再服从N(0,1)分布，我们可以用U检验方法来检测η(k)是否服从N(0,1)分布，进而判断空中目标是否发生机动情况。

本发明实施例中，当空中目标发生机动（机动为空中目标不发生拐弯等情况）时，自适应的准则就是要求适应系数S_a(k)使：

$\frac{\mathrm{\η}\left(k\right)}{{(S_a\left(k\right)\·\mathrm{HP}\left(k\right|k-1)H^T+R_a\left(k\right))}^{\frac{1}{2}}}\≤u_a$ （公式二十一）

其中，u_a为常量

为保证采用自适应滤波对公式十四优化后，公式十四更加接近于空中目标的实际运动情况，较佳的，对公式二十一取等号，即：

$S_a\left(k\right)=\frac{{\mathrm{\η}}^2\left(k\right)-u_a^2\·R_a\left(k\right)}{u_a^2\mathrm{HP}\left(k\right|k-1)H^T}$ （公式二十二）

步骤220：依次针对每一个探测点进行相关性测试，其中，针对任意一个探测点，若该探测点的相关性测试目标函数取最小值时，该探测点与各条指定航迹的距离中最小加权值对应的距离为该探测点与目标航迹的距离，则判定该任意一个探测点为新的目标点，其中，目标航迹为之前已选定的各目标点连成的航迹。

在实际应用中，空中目标在运行时，都是从航迹头开始，因此，雷达在确认空中目标的航迹时，先建立航迹头，本发明实施例中，建立航迹头的具体过程为：

以P₁(x₁,y₁)为圆心，分别以T*V_min和T*V_max作为半径做圆Q1与Q2，并将Q1与Q2围成的环形域作为P₁(x₁,y₁)的初始相关域，其中，P₁(x₁,y₁)是第一个探测点，V_min、V_max分别为空中目标的最小速度和最大速度。若P₁(x₁,y₁)是真实的目标，且下一时刻雷达没有漏测，则其测量是必然落在这个初始相关域内，这两点的连线即构成一条航迹头，并且设定航迹头就为目标航迹。

本发明实施例中，每当方位角为0时，雷达向融合中心传递信息作为时间起点，每隔Δt调用一次探测程序，若Δt内无新的探测点，则不作任何处理；否则，要对每一个新的探测点进行相关性测试，其中，针对任意一个新的探测点进行相关性测试的具体操作如下（设新的探测点为a_i）：

从目标航迹、非目标航迹中确定与新探测点a_i粗相关的集合B_i。

本发明实施例中，目标航迹为目标点组成的航迹，非目标点航迹为非目标点组成的航迹，例如，目标为飞机时，探测到的点的位置为飞机的位置时，则该探测点为目标点；探测到的点的位置为鸟类的位置时，则该探测点为非目标点。

本发明实施例中，探测点可以是目标航迹上的点，也可以是非目标航迹上的点，还可以是自由点。

本发明实施例中，确定与新探测点a_i粗相关的集合B_i的具体过程为：以每一个航迹上当前航迹的最后一个探测点为中心，分别以T*V_min和T*V_max建立圆C1与C2，其中，T为雷达的扫描周期，当a_i落在C1与C2中时，认为a_i与该探测点所在的航迹具有相关性。

1）若B_i＝φ，则确认a_i不是目标航迹上的点，也不是非目标航迹上的点，是自由点；

2）若B_i中只含一个航迹，也就是说，a_i与一个航迹粗相关，则认为a_i在该航迹上，进一步的，若该航迹为目标航迹，则认为a_i为目标航迹上的点；否则，认为是非目标航迹上的点或者自由点；

3）若B_i中含有多个航迹，也就是说，a_i与多个航迹粗相关，且多个航迹中至少一个为目标航迹时，若令a_i与B_1i中的每一个航迹进行精相关处理，来进一步确定a_i是否是目标航迹上的点；否则，认为a_i是非目标航迹上的点或者自由点，其中，为点a_i的方位角；β_max为已有点中的最大方位角；δ₁为预设门限值。

当B_i中包含多个航迹，且多个航迹中至少一个航迹为目标航迹时，则认为a_i在与目标航迹相关的同时也与非目标航迹粗相关，因此，本发明实施例中，通过令a_i与B_i中所有航迹进行精相关处理，来进一步确定a_i是否是目标航迹上的点。

本发明实施例中，在令a_i与B_i中所有航迹进行精相关处理时，先确立相关性测试目标函数，当相关性测试目标函数为最小值时，a_i与B_i中所有航迹的距离中最小加权值对应的距离为a_i与哪一类航迹的距离，则判定a_i为该航迹上的点，也就是说，若相关性测试目标函数为最小值，a_i与B_i中所有航迹的距离中最小加权值对应的距离为a_i与目标航迹的距离，则判定a_i为相关性测试目标航迹上的点；若相关性测试目标函数为最小值，a_i与B_i中所有航迹的距离中最小加权值对应的距离为a_i与非目标航迹的距离，则判定a_i为非目标航迹上的点，其中，目标航迹为之前已选定的各目标点连成的航迹，具体如公式二十三：

$L\left(k\right)=\underset{i=1}{\overset{N_m}{\mathrm{\Σ}}}\underset{j=1}{\overset{N_m}{\mathrm{\Σ}}}{A}_j\left(k\right)X_{\mathrm{ij}}\left(k\right)S_{\mathrm{ij}}\left(k\right)$ （公式二十三）

其中：A_j(k)为a_i与第j条航迹的距离的权重值；

S_ij(k)为a_i与航迹j的距离，具体计算如公式二十四：

（公式二十四）

X_ij(k)为a_i与航迹的相关关系，1表示相关，0表示不相关。

$\underset{i=1}{\overset{N_m}{\mathrm{\Σ}}}{X}_{\mathrm{ij}}=1,$ $\underset{j=1}{\overset{N_m}{\mathrm{\Σ}}}{X}_{\mathrm{ij}}=1$

本发明实施例中，雷达每调用一次探测程序，即每进行一次探测后，若有新的探测点，则进行上述操作，否则，不作任何处理。

本发明实施例中，为了提高雷达的工作效率，以上过程中的精处理操作可以在未探测到新点至下一次探测到新点的时间段内进行执行。

步骤230：将判定的新的目标点与目标航迹进行连接以确定空中目标的航迹。

综上所述，本发明实施例中，先设定空中目标运动模型；然后，至少获取预设的雷达测量噪声参数，并至少根据雷达测量噪声参数，在空中目标运动模型的基础上获得动态的空中目标在不同时刻的探测点；然后，再依次针对每一个探测点进行相关性测试，其中，对任意一个探测点进行相关性测试时，若该探测点的相关性测试目标函数取最小值时，该探测点与各条指定航迹的距离中最小加权值对应的距离为该探测点与目标航迹的距离，则判定该任意一个探测点为新的目标点，其中，目标航迹为之前已选定的各目标点连成的航迹；最后，将判断的新的目标点与目标航迹进行连接以确定空中目标的航迹，这样，降低了雷达发现一批目标到最后输出该批目标之间的时间间隔，也就是说，降低了时延，并提高了确定的目标航迹的准确性。

本领域内的技术人员应明白，本发明的实施例可提供为方法、系统、或计算机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质（包括但不限于磁盘存储器、CD-ROM、光学存储器等）上实施的计算机程序产品的形式。

本发明是参照根据本发明实施例的方法、设备（系统）、和计算机程序产品的流程图和／或方框图来描述的。应理解可由计算机程序指令实现流程图和／或方框图中的每一流程和／或方框、以及流程图和／或方框图中的流程和／或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和／或方框图一个方框或多个方框中指定的功能的装置。

这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和／或方框图一个方框或多个方框中指定的功能。

这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和／或方框图一个方框或多个方框中指定的功能的步骤。

尽管已描述了本发明的优选实施例，但本领域内的技术人员一旦得知了基本创造性概念，则可对这些实施例做出另外的变更和修改。所以，所附权利要求意欲解释为包括优选实施例以及落入本发明范围的所有变更和修改。

显然，本领域的技术人员可以对本发明实施例进行各种改动和变型而不脱离本发明实施例的精神和范围。这样，倘若本发明实施例的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包含这些改动和变型在内。

Claims (10)

1.一种确定空中目标航迹的方法，其特征在于，包括：

设定空中目标运动模型；

至少获取预设的雷达测量噪声参数，并至少根据所述雷达测量噪声参数，基于所述空中目标运动模型获得动态的空中目标在不同时刻的探测点；

依次针对每一个探测点进行相关性测试，其中，针对任意一个探测点，若该探测点的相关性测试目标函数取最小值时，该探测点与各条指定航迹的距离中最小加权值对应的距离为该探测点与目标航迹的距离，则判定所述任意一个探测点为新的目标点，其中，所述目标航迹为之前已选定的各目标点连成的航迹；

将判定的所述新的目标点与目标航迹进行连接以确定所述空中目标的航迹。

2.如权利要求1所述的方法，其特征在于，针对任意一个探测点，在基于所述空中目标运动模型获得该探测点之后，对该探测点进行相关性测试之前，还包括：

根据滤波模型对获得的所述任意一个探测点进行优化。

3.如权利要求2所述的方法，其特征在于，根据滤波模型对获得的任意一个探测点进行优化，包括：

根据卡尔曼滤波模型对获得的所述任意一个探测点进行优化；或者，

根据自适应滤波模型对获得的所述任意一个探测点进行优化。

4.如权利要求1-3任一项所述的方法，其特征在于，针对任意一个探测点进行相关性测试的过程中，先将所述任意一个探测点与各条航迹进行粗相关性测试，若所述任意一个探测点与一条航迹具有相关性且所述航迹为目标航迹，则直接判定所述任意一个探测点为新的目标点；若所述任意一个探测点与至少两条航迹具有相关性且所述至少两条航迹中至少有一条为目标航迹，则进一步确定所述任意一个探测点的相关性测试目标函数取最小值时，该探测点与各条指定航迹的距离中最小加权值对应的距离是否为该探测点与目标航迹的距离，若是，则判定所述任意一个探测点是新的目标点；否则，判定所述任意一个探测点不是新的目标点。

5.如权利要求4所述的方法，其特征在于，所述先将所述任意一个探测点与各条航迹进行粗相关性测试，包括：

所述任意一个探测点与任意一条航迹进行粗相关性测试时，以每一个航迹上的当前的最后一个探测点为中心，分别以T*V_min和T*V_max建立圆C1与圆C2，当所述任意一个探测点落在圆C1与圆C2所组成的圆环中，则确定所述任意一个探测点与所述任意一条航迹具有相关性，其中，T为雷达的扫描周期，V_min为空中目标的最小运行速度，V_max为空中目标的最大运行速度。

6.一种确定空中目标航迹的装置，其特征在于，包括：

确定单元，用于设定空中目标运动模型；

获取单元，用于至少获取预设的雷达测量噪声参数，并至少根据所述雷达测量噪声参数，基于所述空中目标运动模型获得动态的空中目标在不同时刻的探测点；

判定单元，用于依次针对每一个探测点进行相关性测试，其中，针对任意一个探测点，若该探测点的相关性测试目标函数取最小值时，该探测点与各条指定航迹的距离中最小加权值对应的距离为该探测点与目标航迹的距离，则判定所述任意一个探测点为新的目标点，其中，所述目标航迹为之前已选定的各目标点连成的航迹；

连接单元，用于将判断的所述新的目标点与目标航迹进行连接以确定所述空中目标的航迹。

7.如权利要求6所述的装置，其特征在于，还包括：优化单元，用于根据滤波模型对获得的所述任意一个探测点进行优化。

8.如权利要求7所述的装置，其特征在于，所述优化单元具体用于：

根据卡尔曼滤波模型对获得的所述任意一个探测点进行优化；或者，

根据自适应滤波模型对获得的所述任意一个探测点进行优化。

9.如权利要求6-8任一项所述的装置，其特征在于，所述判定单元进一步用于：

针对任意一个探测点，所述任意一个探测点先与各条航迹进行粗相关性测试，若所述任意一个探测点与一条航迹具有相关性且所述航迹为目标航迹，则直接判定所述任意一个探测点为新的目标点；若所述任意一个探测点与至少两条航迹具有相关性且所述至少两条航迹中至少有一条为目标航迹，则进一步确定若该探测点的相关性测试目标函数取最小值时，该探测点与各条指定航迹的距离中最小加权值对应的距离是否为该探测点与目标航迹的距离，若是，则判定所述任意一个探测点是新的目标点；否则，判定所述任意一个探测点不是新的目标点。

10.如权利要求9所述的装置，其特征在于，所述判定单元具体用于：

所述任意一个探测点与任意一条航迹进行粗相关性测试时，以每一个航迹上的最近探测到的探测点为中心，分别以T*V_min和T*V_max建立圆C1与圆C2，当所述任意一个探测点落在圆C1与圆C2所组成的圆环中，则确定所述任意一个探测点与所述任意一条航迹具有相关性，其中，T为雷达的扫描周期，V_min为空中目标的最小运行速度，V_max为空中目标的最大运行速度。

Images