CN104036146A - 一种用于雷达目标点迹凝聚的点迹聚类方法 - Google Patents

Abstract

本发明公开了一种用于雷达目标点迹凝聚的点迹聚类方法，可应用于低分辨率脉冲搜索雷达的目标检测录取，属于雷达信号处理领域。本发明对雷达检测视频进行操作，充分考虑了雷达目标回波形态特征，以点迹为基本单位，遵循“若点迹属于已知目标，则下一相邻方位相同距离的点迹与之属于同一目标”这一基本原则，根据测试点周边点迹的分布来处理新目标、同一目标点迹断裂、特殊回波形状等一系列情况，判别测试点是否属于已知目标。本发明降低了传统点迹聚类时的算法复杂度，同时可以将粘连的两个目标回波辨别为两个点迹，提高了处理速度和精度。

Description

一种用于雷达目标点迹凝聚的点迹聚类方法

技术领域

本发明涉及雷达信号处理领域，特别是一种用于低分辨率脉冲搜索雷达点迹凝聚的点迹聚类方法。

背景技术

雷达原始视频信号分方位和距离两个维度。低分辨率脉冲搜索雷达扫掠过目标时，天线将接收到一串回波。典型的目标回波如图1所示，在方位上有一定展宽，在距离上有一定延伸。量化采样后的雷达原始视频信号进行检测，大于检测阈值保留的信号单元称为点迹，小于检测阈值清零的信号单元称为空点。检测后的雷达视频信号称为检测视频。理论上，检测视频去除了噪声和干扰，只保留了目标的点迹。但实际上可能依然存在无用的孤立点。进一步的，同一目标点迹经凝聚后发送给雷达终端用于跟踪、录取。

点迹凝聚分为聚类和凝聚两个阶段。聚类是指逐方位逐距离的读入雷达检测视频，判断测试点是点迹，还是空点或是孤立点；若测试点是点迹，则继续判断当前点迹属于哪个目标，标记聚类状态。所有雷达视频信号处理结束时，可根据聚类状态找到目标所包含的所有点迹，然后根据下面两个公式完成凝聚：

$\hat{r}=\frac{\underset{i}{\mathrm{\Σ}}\underset{j}{\mathrm{\Σ}}A(i,j)r_{\mathrm{ij}}}{\underset{i}{\mathrm{\Σ}}\underset{j}{\mathrm{\Σ}}A(i,j)}---\left(1\right)$

$\widehat{\mathrm{\θ}}=\frac{\underset{i}{\mathrm{\Σ}}\underset{j}{\mathrm{\Σ}}A(i,j){\mathrm{\θ}}_{\mathrm{ij}}}{\underset{i}{\mathrm{\Σ}}\underset{j}{\mathrm{\Σ}}A(i,j)}---\left(2\right)$

公式(1)和(2)中，A是回波幅值，θ与r分别是点迹的方位与距离，与是点迹凝聚后的方位与距离，i与j分别是点迹在方位与距离上的序号。

传统上，点迹聚类分为两步：第一步，统计同一方位上的连续点迹，归纳为线段；第二步，计算方位间相邻线段的相关性，根据设定的相关性阈值，判断两条线段是否属于同一目标，从而完成点迹聚类。

传统点迹聚类存在这样的问题：对于如图2所示的目标回波粘连，会将同一方位上多个目标的点迹统计为一条线段，如图3所示。从而在方位间相邻线段相关性计算时，将两个目标的点迹聚类为同一个目标的点迹。凝聚效果如图4所示，回波信号中央的加号即为凝聚结果，显然，两个相邻的目标回波只有一个加号，被凝聚为同一个目标。

传统点迹聚类的基本单位是线段。如果将基本单位改为点迹，则可以将传统点迹聚类方法归纳为两条特征：

特征1：距离上相邻的点迹属于同一目标；

特征2：方位上相邻的点迹属于同一目标；

发明内容

发明目的：本发明目的在于提供一种更有效的用于雷达目标回波点迹凝聚的点迹聚类方法，克服传统点迹聚类过程中无法区分目标粘连的缺陷。

为了解决上述技术问题，本发明公开了一种用于雷达目标回波点迹凝聚的点迹聚类方法基于雷达目标回波形态特征，以点迹为基本单位，遵循“若点迹属于已知目标，则下一相邻方位相同距离的点迹与之属于同一目标”这一基本原则，根据测试点周边点迹的分布来处理新目标、同一目标点迹断裂、特殊回波形状等一系列情况，完成同一目标的点迹聚类。具体步骤为：

步骤1：逐个方位、逐个距离的顺序读入R×W个雷达检测视频信号处理，R是雷达检测视频信号的方位总数，W是距离总数。定位当前正在处理的视频信号A(i,j)为测试点，i与j分别是视频信号在方位与距离上的序号；

步骤2：若测试点A(i,j)不是点迹，沿当前方位i逐点顺序查询视频信号A(i,j-1)、A(i,j-2)…A(i,j-L)，L是小于10的自然数；

若L点视频信号均不是点迹，则测试点是空点，转入步骤4；

若顺序查询L点视频信号时，有视频信号是点迹且已聚类给某目标，且A(i+1,j)也是点迹，则测试点与查询到的点迹应聚类给同一目标，不执行瀑布规程，转入步骤4；

若顺序查询L点视频信号时，有视频信号是点迹且已聚类给某目标，但A(i+1,j)不是点迹，则跳过测试点，转到步骤4；

步骤3：若测试点是点迹，则判断其是否完成聚类：

若测试点已完成聚类，转到步骤4；

若测试点未完成聚类，转到步骤3-1；

步骤3-1：查询视频信号A(i,j-1)的处理状态；

若A(i,j-1)已完成聚类，则测试点与A(i,j-1)应聚类给同一目标；进一步的，若

A(i,j-1)也是点迹，则执行瀑布规程，否则不执行瀑布规程；转到步骤4；

若A(i,j-1)未完成聚类，则转到步骤3-1-1：

步骤3-1-1：顺序查询视频信号A(i,j+1)、A(i,j+2)…A(i,j+M)点的处理状态，M是小于10的自然数：

若M点范围内有点迹已完成聚类，则测试点与该点迹应聚类给同一目标，执行瀑布规程，转到步骤4；

若M点范围内没有点迹完成聚类，且测试点符合鲁棒条件，则应聚类给

新目标并执行瀑布规程；否则，测试点属于孤立点，不做处理转入步骤4；

步骤4：判断是否已处理完R×W个雷达检测视频信号的处理：

若是，则算法结束；

若否，则继续读入新的视频信号作为测试点，返回步骤2。

前述步骤中，鲁棒条件是指当前测试点A(i,j)沿同一方位A(i,j+1)、A(i,j+1)…A(i,j+N)都是点迹。瀑布规程是指当前测试点A(i,j)与同一距离下一方位的点迹A(i+1,j)聚类为同一目标。

本方法在传统聚类方法基础上，以点迹为基本单位对检测视频进行操作，根据测试点周边空点和点迹的分布条件，判别其是否完成聚类。点迹聚类的基本原则是：若点迹已完成聚类，则其下方的点迹应聚类给同一目标。具体操作过程中，需对新点、同一目标点迹断裂、特殊回波形状等一系列情况进行更加细化的处理。其显著优点是：(1)充分利用了雷达目标回波形状特点(2)处理时基本单位更小，处理更为精细(3)可依据雷达分辨率自由设置L、M、N，从而使得算法鲁棒性更强。(4)相较于传统算法，可区分头部分裂，腹部粘连的雷达目标；(5)算法便于在硬件实现加速。(6)算法中的约束条件便于升级优化。

附图说明

下面结合附图和具体实施方式对本发明做更进一步的具体说明，本发明的上述和/或其他方面的优点将会变得更加清楚。

图1典型目标回波形态。

图2典型目标回波粘连。

图3传统点迹聚类缺陷。

图4是传统方法实施效果图。

图5是实施例用于雷达目标回波点迹凝聚的点迹聚类方法的流程图。

图6是实施例处理目标头部部分断裂的示意图。

图7是实施例处理目标粘连的示意图。

图8是实施例实施中“左侧临近”原则示意图。

图9是实施例处理右侧首先聚类时的目标形状示意图。

图10是实施例实施效果图。

具体实施方式

本发明公开了一种用于雷达目标点迹凝聚的点迹聚类方法，可应用于低分辨率脉冲搜索雷达的目标检测录取，属于雷达信号处理领域。本发明对雷达检测视频进行操作，充分考虑了雷达目标回波形态特征，以点迹为基本单位，遵循“若点迹属于已知目标，则下一相邻方位相同距离的点迹与之属于同一目标”这一基本原则，根据测试点周边点迹的分布来处理新目标、同一目标点迹断裂、特殊回波形状等一系列情况，判别测试点是否属于已知目标。本发明降低了传统点迹聚类时的算法复杂度，同时可以将粘连的两个目标回波辨别为两个点迹，提高了处理速度和精度。

本发明可基于目标回波的特性，将点迹视为基本单位，对聚类特征进行扩充，将聚类方法细化，实现目标点迹聚类，从而部分避免传统点迹聚类过程中存在的缺陷，并提高处理效率。

实施例

如图5所示，本实施例以R×W尺寸的检测视频为例进行处理。除了目标点迹和空点，还可能存在无用的孤立点。处理时，逐方位、逐距离的读入检测视频A(i,j)，定位其为测试点，具体实施步骤是：

对于读入的测试点A(i,j)，首先判断其是点迹还是空点。

若当前测试点A(i,j)是空点，则可能是因检测造成的断裂，如图6所示，空白框的是空点，反斜线框是点迹。如不处理，则同一目标可能处理为2个目标。对此情形处理：沿当前方位i逐点顺序查找A(i,j-1)、A(i,j-2)…A(i,j-L)是否存在点迹。若不存在点迹，则A(i,j)不是因检测造成的目标断裂，而是属于连续的空点，跳过当前测试点处理下一点。

若L点范围内查到点迹且完成聚类，A(i+1,j)也是点迹，则认为当前空点是图6所示情况，空点与所查到点迹聚类给同一目标，不执行瀑布规程；若L点范围内存在点迹完成聚类，但A(i+1,j)不是点迹，此时认为对应图7所示的目标粘连情况，跳过当前测试点，开始处理下一点。

若当前读入的测试点A(i,j)是点迹且完成聚类，那么该点必然由A(i-1,j)执行瀑布规程完成了目标属性传递，直接跳过处理下一点。

若当前读入的测试点A(i,j)是点迹但未完成聚类，此时该目标处于头部或内部，如图8所示，交叉线框是新目标的第一个点迹，后续点迹只能通过第一个点迹传递。对于目标断裂下方的点迹也存在类似问题。此时，遵循的原则是“左侧临近”，即判断A(i,j-1)是否为点迹：

(1)若A(i,j-1)是点迹且完成聚类，则测试点A(i,j)与A(i,j-1)聚类给同一目标，执行瀑布规程；

(2)若A(i,j-1)不是点迹但完成聚类，则测试点A(i,j)与A(i,j-1)聚类给同一目标，不执行瀑布规程。

(3)若A(i,j-1)未完成聚类，此时既可能是新目标，也可能属于图9所示情况：目标自右侧开始聚类，但左侧依然没有开始聚类。对此进行判断，沿当前方位i逐点顺序查找A(i,j+1)、A(i,j+2)…A(i,j+M)是否存在点迹：(3.a)若M点范围内有点迹完成聚类，则当前测试点A(i,j)与该点迹应聚类给同一目标，执行瀑布规程，转到步骤4。(3.b)若M点内没有点迹完成聚类，当前测试点符合鲁棒条件，则该点属于新目标，执行瀑布规程；当前测试点不符合鲁棒条件，则该点属于孤立点，不做任何操作，读入后1点处理。

前述步骤中，鲁棒条件是指当前测试点A(i,j)沿同一方位A(i,j+1)、A(i,j+1)…A(i,j+N)都是点迹。瀑布规程是指当前测试点A(i,j)与同一距离下一方位的点迹A(i+1,j)应聚类给同一目标。至此，对于检测视频中一个点的聚类处理结束，可以读入下一点处理。直至所有的R×W视频信号处理结束。

上述过程中，虽然L、M、N都是变量，但对于低分辨率雷达，其在距离上的信号点较少(一般小于10个)，而且目标回波呈“眉毛”状，两头较少，中间最大。因此，L、M、N值设置较小。进行点迹聚类时，虽然特征条件多，但可以采用滑窗的形式一次性读入所有有关点迹进行逻辑判断，一次性完成单个点迹的处理，便于硬件实现。进一步的，算法复杂度为ο(XY)，其中X为方位单元数，Y为距离单元数。原有的算法则是首先要进行线段统计，再进行线段相关计算，其复杂度至少为本实施例的2倍。

本实施例通过以点迹为基本单位，通过相邻方位同一距离上两个点迹的聚类，使得两个粘连目标能分别聚类，提高了原有算法的性能。效果图如图10所示。

本发明提供了一种用于雷达目标点迹凝聚的点迹聚类方法，具体实现该技术方案的方法和途径很多，以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。本实施例中未明确的各组成部分均可用现有技术加以实现。

Claims (3)

1.一种用于雷达目标点迹凝聚的点迹聚类方法，其特征在于，基于雷达目标回波的形态，判断雷达检测视频信号是否为点迹，以点迹为基本单位进行聚类，包括以下步骤：

步骤1：逐个方位、逐个距离的顺序读入R×W个雷达检测视频信号处理，R是雷达检测视频信号的方位总数，W是距离总数；定位当前正在处理的视频信号A(i,j)为测试点，i与j分别是视频信号在方位与距离上的序号；

步骤2：若测试点A(i,j)不是点迹，沿当前方位i逐点顺序查询L点视频信号A(i,j-1)、A(i,j-2)…A(i,j-L)，L是小于10的自然数；

若L点视频信号均不是点迹，则判定测试点是空点，转入步骤4；

若顺序查询L点视频信号时，有视频信号是点迹且已聚类给一个目标，且视频信号A(i+1,j)也是点迹，则判定测试点与查询到的点迹应聚类给同一目标，不执行瀑布规程，转入步骤4；

若顺序查询L点视频信号时，有视频信号是点迹且已聚类给某目标，但视频信号A(i+1,j)不是点迹，则跳过测试点，转到步骤4；

步骤3：若测试点A(i,j)是点迹，则判断其是否完成聚类：

若测试点A(i,j)已完成聚类，转到步骤4；

若测试点A(i,j)未完成聚类，转到步骤3-1；

步骤3-1：查询视频信号A(i,j-1)的处理状态；

若视频信号A(i,j-1)已完成聚类，则判定测试点A(i,j)与A(i,j-1)应聚类给同一目标；若A(i,j-1)也是点迹，则执行瀑布规程，否则不执行瀑布规程；转到步骤4；

若视频信号A(i,j-1)未完成聚类，则转到步骤3-1-1：

步骤3-1-1：顺序查询M点视频信号A(i,j+1)、A(i,j+2)…A(i,j+M)点的处理状态，M是小于10的自然数：

若M点范围内有点迹已完成聚类，则判定测试点A(i,j)与该点迹应聚类给同一目标，执行瀑布规程，转到步骤4；

若M点范围内没有点迹完成聚类，且测试点A(i,j)符合鲁棒条件，则判定测试点A(i,j)应聚类给新目标并执行瀑布规程；否则，如果测试点A(i,j)不符合鲁棒条件，判定测试点A(i,j)属于孤立点，转入步骤4；

步骤4：判断是否已处理完R×W个雷达检测视频信号的处理：

若是，则结束；

若否，则继续读入下一个的视频信号作为测试点，返回步骤2。

2.根据权利要求1所述的用于雷达目标点迹凝聚的点迹聚类方法，其特征在于，所述瀑布规程是指：将当前测试点A(i,j)与同一距离下一方位的视频信号A(i+1,j)应聚类给同一目标。

3.根据权利要求1所述的用于雷达目标点迹凝聚的点迹聚类方法，其特征在于，步骤3-3-2中的鲁棒条件是指：当前测试点A(i,j)沿同一方位的N点视频信号A(i,j+1)、A(i,j+1)…A(i,j+N)都是点迹，N是小于10的自然数。