CN104778260A - 一种动态雷达环境知识库建模方法 - Google Patents

Abstract

本发明提供一种动态雷达环境知识库建模方法。本发明分为两个阶段：第一阶段，利用历史知识构建一个静态的雷达环境知识库，对每个辅助知识项赋初值时是在笛卡尔坐标系下；第二阶段，利用即时信息和实时数对雷达环境知识库进行动态更新。本发明在雷达知识辅助系统的背景下系统地构建雷达环境知识库，达到系统、实用性强的目的。

Description

一种动态雷达环境知识库建模方法

技术领域

本发明属于雷达知识辅助技术。

背景技术

现代雷达系统面临着越来越复杂的环境以及越来越小的目标RCS，传统的雷达探测技术已很难解决这些挑战。知识辅助KB(Knowledge-based)信号处理一直是改善传统雷达探测性能的关键技术之一，而雷达知识库为知识辅助信号处理提供各种先验信息，是KB雷达系统的关键组成部分。因此，研究雷达知识库对提高雷达在复杂环境下探测微弱目标能力具有理论价值和实际意义。

国内外对知识辅助的研究已有很多，但绝大部分情况下研究者都假设辅助知识对于雷达系统是预知的，并不关心怎么获取。关于雷达知识库的构建，在21世纪头几年里，美国国防部先进研究项目局就致力于知识辅助STAP技术的研究，并针对机载雷达提出一个先验杂波数据库应该包含数字地形、高程数据、SAR图像、高光谱图像等，并且在平台移动时，数据平面应该随着改变。项目关于先验知识库工作的重心在于如何利用前置处理器提高实时性，而有关先验知识的提取和存储介绍的很简单。在2006年，Gerard T.Capraro等人提出了利用谓词逻辑(predicate logic)、语义网(semantic nets)和框架(frames)对雷达知识库进行知识表示。文章重点在于如何用计算机语言描述以雷达为中心的知识，而缺乏以知识辅助为目的的雷达环境信息介绍。

关于雷达知识库的更新，由于环境的非稳定性和雷达知识库部分知识的不准确性(比如某些经验的、统计的知识)，雷达知识库需要动态更新。S.Haykin(2006)和J.R.Guerci(2010)在各自提出的认知雷达概念中都强调了雷达应该不断地与环境进行交互并更新环境信息，但是并没有提出具体地雷达知识库建模方法。

发明内容

本发明所要解决的技术问题是，如何利用数字高程数据、地图等历史知识和传感器的实时数据建立动态的雷达环境知识库模型。

本发明为解决上述技术问题所采样的技术方案是，一种动态雷达环境知识库建模方法，包括以下步骤：

S1、静态雷达环境知识库建模阶段：

S11、初始化雷达参数；

S12、建立以雷达为中心的笛卡尔坐标系；

S13、判断雷达距离分辨率是否低于数字高程数据分辨率，如是，以数字高程分辨率确立笛卡尔坐标系下单元格大小，如否，以雷达距离分辨率确立笛卡尔坐标系下单元格大小；

S14、确定雷达环境知识库中的辅助知识项，利用已知的知识或计算提取的信息对每个辅助知识项赋初值；每个单元格对应一个辅助知识项向量，一个辅助知识项向量中包括雷达环境知识库中的全部辅助知识项；

S15、根据雷达距离分辨率和角度分辨率，将笛卡尔坐标系下的单元格以及对应的辅助知识项向量转化到极坐标系下；

S2、动态更新阶段：

S21、从雷达及辅助传感器接收探测数据；所述辅助传感器为除雷达外的其它传感器；

S22、根据获取的探测数据类型确定雷达环境知识库中需要更新的辅助知识项；

S23、利用当前接收的探测数据得到当前时刻下各单元格中需要更新的辅助知识项的即时值；

S24、各单元格对当前时刻的辅助知识项的即时值进行数据平滑处理更新对对应的辅助知识项：

${\hat{p}}_n(i,j)=(1-w){\hat{p}}_{n-1}(i,j)+{\mathrm{wp}}_n(i,j)$

其中，(i,j)为极坐标系下的单元格的位置，p_n(i,j)表示当前时刻n下单元格(i,j)需要更新的辅助知识项的即时值，表示当前时刻n更新后最终结果，表示上一时刻n-1更新后最终结果，权值w∈[0,1]。

本发明分为两个阶段。第一阶段，利用历史知识(比如数字高程数据、地图、经验分布模型等)构建一个静态的雷达环境知识库；第二阶段，利用即时信息(其他传感器数据)和实时数据(雷达回波)对雷达环境知识库进行动态更新。

对每个辅助知识项赋初值时是在笛卡尔坐标系下而不是雷达系统中常用的极坐标系，这样做的好处是，1)极坐标系在雷达远端时，一个单元格往往包含多个笛卡尔坐标下单元格，分辨率低，保留笛卡尔坐标系能够提高信息完整性；2)当雷达角度分辨率参数改变时，静态雷达环境知识库可以从已有的笛卡尔坐标系直接转化而不用完全重新开始。

本发明的有益效果是，在雷达知识辅助系统的背景下系统地构建雷达环境知识库，达到系统、实用性强的目的。

附图说明

图1为本发明静态雷达环境知识库结构示意图；

图2为雷达环境知识库动态更新流程图；

图3为雷达探测区域实际场景图。

具体实施方式

本发明针对知识辅助雷达系统中辅助环境知识库的建模问题，利用数字高程数据、地貌数据、经验分布模型等历史知识构建一个参数化结构化的静态雷达环境知识库，然后利用实时数据和即时信息对雷达环境知识库进行动态更新。以下称一个辅助知识项为一个辅助知识属性。动态雷达环境知识库建模方法的步骤如下：

S1、静态雷达环境知识库建模阶段；

S11、初始化雷达参数：雷达坐标、雷达最大作用距离R_max、雷达距离分辨率r、雷达角度分辨率θ等；

S12、建立以雷达为中心的笛卡尔坐标系，纵坐标轴方向为正北方；

S13、以雷达距离分辨率(如果雷达距离分辨率很低于数字高程数据分辨率，就以数字高程分辨率为准)确立每个单元格(x_i,y_j)大小；

S14、梳理雷达环境知识库辅助知识属性，比如数字高程值、地貌覆盖类型、经验幅度分布模型、杂波强弱分区等。每个单元格对应一个属性向量(a₁,a₂,a₃,…)，如图1所示；

S15、对每个属性的属性值进行计算并赋值；

S16、根据具体雷达距离分辨率和角度分辨率，将笛卡尔坐标系下的属性和属性值转化到极坐标系，对应的单元格和属性向量表示为(ρ_i,θ_j)和(b₁,b₂,b₃,…)；

S2、建立静态雷达环境知识库后进入动态更新阶段，如图2所示；

S21、从雷达及其他传感器提取单元格(i,j)的数据；

S22、通过S21获取的数据类型判断知识库中哪些属性可能需要更新；

S23、根据要更新的知识属性调用相应的动态更新算法，并得到属性值p_n(i,j)；

S24、根据S23计算的结果采用平滑的方式更新最终的属性值，对雷达环境知识库相应的单元格属性信息进行更新，更新方式为：

${\hat{p}}_n(i,j)=(1-w){\hat{p}}_{n-1}(i,j)+{\mathrm{wp}}_n(i,j)$

其中，对于单元(i,j)，p_n(·)表示步骤S23计算的结果，表示第n次更新后最终结果，w∈[0,1]是权值。权值越大说明新的属性值越依赖于S23的计算结果而不是历史数据。

上述步骤中的辅助知识属性初值的获取为现有成熟技术。本领域技术人员对不同特性的知识属性进行处理时，可根据其特性适应性在不脱离本发明实质要求下进行一些符合该知识属性的处理选择：

步骤S15中，雷达环境知识库包含很多属性，有些属性值可以直接得到，比如数字高程值和地貌覆盖类型；有些属性值需要在计算判断的基础上得到，比如经验幅度分布模型，在没有其他先验条件下城市区域可以根据经验判断为对数正态分布，对于擦地角较大的农田区域可以判断为瑞利分布。

步骤S16中，将笛卡尔坐标系下知识转换到极坐标系，对于不同的属性，转换方式可不同，比如数字高程值，如果一个极坐标单元包含几个笛卡尔坐标单元，可采用取平均值的方式；如果是地貌覆盖类型，需要判断包含哪种地貌类型较多，而且不同的地貌对杂波的影响程度不一，可加上不同的权重值。

步骤S22中，根据提取的不同数据类型，可预判断哪些属性需要更新，比如雷达回波，那么杂波幅度分布模型、杂波强弱分区等属性就可能需要更新。

实施例

通过对真实雷达场景进行分析处理来验证本发明。探测区域主要位于成都市郫县附近，如图3所示。后期的验证在MATLAB-R2014a上完成。具体实施步骤如下：

S1、静态雷达环境知识库建模阶段；

S11、初始化雷达参数：雷达坐标[N30°45′19.31",E103°55′9.88"]、雷达最大作用距离R_max＝6Km、雷达距离分辨率r＝6m、雷达角度分辨率θ＝1°等；

S12、建立以雷达为中心的笛卡尔坐标系，纵坐标轴方向为正北方；

S13、以雷达距离分辨率r＝6m确立每个单元格(x_i,y_j)边长为6m；

S14、梳理雷达环境知识库辅助知识属性，比如数字高程值、地貌覆盖类型、经验幅度分布模型、杂波强弱分布等。每个单元格对应一个属性向量(a₁,a₂,a₃,…)；

S15、对每个属性的属性值进行计算并赋值，例如：

φ(23,45)＝(a₁,a₂,a₃……)

＝(数字高程值,地貌覆盖类型,杂波幅度分布类型,杂波强弱分区，……)

＝(345,1,(3,3,1),0.5，……)

上式表明对于单元格(23，45)，它的数字高程值为345m，地貌覆盖类型是城市，单元格位置的杂波幅度分布类型是威布尔分布，形状参数和尺度参数分别是3和1，杂波强弱分区位于中等杂波区域(这里我们假设杂波强弱分区的取值位于[0,1]，小于0.4定义为低杂波区，高于0.7定为高杂波区，其他的定为中等杂波区)。

S16、根据具体雷达距离分辨率和角度分辨率，将笛卡尔坐标系下的属性和属性值转化到极坐标系，对应的单元格和属性向量表示为(ρ_i,θ_j)和(b₁,b₂,b₃,…)；

S2、建立静态雷达环境知识库后进入动态更新阶段，见图2：

S21、从雷达单元(23,45)获取一批雷达回波数据；

S22、通过S21获取的数据类型是雷达回波数据，那么杂波幅度分布模型和杂波强弱分区等可能需要改变；

S23、针对杂波强弱分区属性调用相应的动态更新算法判断，假如判断为高杂波区域，这里我们对计算出的杂波强度分区类型高、中、低分别赋值为0.8、0.5、0.2；

S24、根据S23计算的结果采用下式计算相应的属性值，对单元(23,45)杂波强弱分区属性进行第一次更新，其中，取w＝0.2：

$\begin{array}{c}{\hat{p}}_1\left(\mathrm{23,45}\right)=(1-0.2){\hat{p}}_0\left(\mathrm{23,45}\right)+0.2*p_1\left(\mathrm{23,45}\right)\\ =(1-0.2)*0.5+0.2*0.8\\ =0.56\end{array}$

S25、根据S24计算结果杂波强弱分区仍为中等杂波区，对雷达环境知识库中杂波强弱分区值进行更新。

通过本发明的具体实施可以看出，本发明通过利用静态雷达环境知识库构建和动态更新形成了一个动态的结构化参数化雷达环境知识库，达到系统、实用性强的效果。

本领域的普通技术人员将会意识到，这里所述的实施例是为了帮助读者理解本发明的原理，应被理解为本发明的保护范围并不局限于这样的特别陈述和实施例。本领域的普通技术人员可以根据本发明公开的这些技术启示做出各种不脱离本发明实质的其它各种具体变形和组合，这些变形和组合仍然在本发明的保护范围内。

Claims (5)

1.一种动态雷达环境知识库建模方法，其特征在于，包括以下步骤：

S1、静态雷达环境知识库建模阶段：

S11、初始化雷达参数；

S12、建立以雷达为中心的笛卡尔坐标系；

S13、判断雷达距离分辨率是否低于数字高程数据分辨率，如是，以数字高程分辨率确立笛卡尔坐标系下单元格大小，如否，以雷达距离分辨率确立笛卡尔坐标系下单元格大小；

S14、确定雷达环境知识库中的辅助知识项，对每个辅助知识项赋初值；每个单元格对应一个辅助知识项向量，一个辅助知识项向量中包括雷达环境知识库中的全部辅助知识项；

S15、根据雷达距离分辨率和角度分辨率，将笛卡尔坐标系下的单元格以及对应的辅助知识项向量转化到极坐标系下；

S2、动态更新阶段：

S21、从雷达及辅助传感器接收探测数据；所述辅助传感器为除雷达外的其它传感器；

S22、根据获取的探测数据类型确定雷达环境知识库中需要更新的辅助知识项；

S23、利用当前接收的探测数据得到当前时刻下各单元格中需要更新的辅助知识项的即时值；

S24、各单元格对当前时刻的辅助知识项的即时值进行数据平滑处理更新对对应的辅助知识项：

${\hat{p}}_n(i,j)=(1-w){\hat{p}}_{n-1}(i,j)+{\mathrm{wp}}_n(i,j)$

其中，(i,j)为极坐标系下的单元格的位置，p_n(i,j)表示当前时刻n下单元格(i,j)需要更新的辅助知识项的即时值，表示当前时刻n更新后最终结果，表示上一时刻n-1更新后最终结果，权值w∈[0,1]。

2.如权利要求1所述一种动态雷达环境知识库建模方法，其特征在于，雷达环境知识库中包括数字高程值、地貌覆盖类型、经验幅度分布模型、杂波强弱分区等辅助知识项。

3.如权利要求2所述一种动态雷达环境知识库建模方法，其特征在于，对经验幅度分布模型赋初值时，城市区域赋值为对数正态分布，农田区域赋值为瑞利分布。

4.如权利要求2所述一种动态雷达环境知识库建模方法，其特征在于，将笛卡尔坐标系下的单元格以及对应的辅助知识项向量转化到极坐标系下时，当一个极坐标单元包含2个以上笛卡尔坐标单元时，对于数字高程值，极坐标单元的辅助知识项的值为对极坐标单元所包含笛卡尔坐标单元所对应的辅助知识项取平均值。

5.如权利要求2所述一种动态雷达环境知识库建模方法，其特征在于，将笛卡尔坐标系下的单元格以及对应的辅助知识项向量转化到极坐标系下时，对于地貌覆盖类型，当一个极坐标单元包含2个以上笛卡尔坐标单元时，则根据不同的地貌对杂波的影响对地貌类型设置不同的权重值以及包含在极坐标单元中不同地貌类型的比例来确定极坐标单元的地貌类型。