CN105510896A - 一种集中式多雷达数据处理的加权最近邻域数据关联方法 - Google Patents

一种集中式多雷达数据处理的加权最近邻域数据关联方法 Download PDF

Info

Publication number
CN105510896A
CN105510896A CN201510882138.3A CN201510882138A CN105510896A CN 105510896 A CN105510896 A CN 105510896A CN 201510882138 A CN201510882138 A CN 201510882138A CN 105510896 A CN105510896 A CN 105510896A
Authority
CN
China
Prior art keywords
score
value
track
point
updating
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
Application number
CN201510882138.3A
Other languages
English (en)
Other versions
CN105510896B (zh
Inventor
唐伟
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Chengdu Nengtong Technology Co Ltd
Original Assignee
CHENGDU LANGTOP TECHNOLOGY Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by CHENGDU LANGTOP TECHNOLOGY Co Ltd filed Critical CHENGDU LANGTOP TECHNOLOGY Co Ltd
Priority to CN201510882138.3A priority Critical patent/CN105510896B/zh
Publication of CN105510896A publication Critical patent/CN105510896A/zh
Application granted granted Critical
Publication of CN105510896B publication Critical patent/CN105510896B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S7/00—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
    • G01S7/02—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00
    • G01S7/41—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00 using analysis of echo signal for target characterisation; Target signature; Target cross-section
    • G01S7/415—Identification of targets based on measurements of movement associated with the target

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Radar Systems Or Details Thereof (AREA)

Abstract

本发明公开了一种集中式多雷达数据处理的加权最近邻域数据关联方法，通过波门、航向角或角速度、属性相似度、加速度、应答次数、垂直距离、航迹状态七个部分进行计分关联，并将7个部分的计分通过加权计分算法进行点迹和航迹相关度的计算，得到最终的计分更新值；在进行计分关联时，当经过点迹和航迹相关度的计算后，计分关联结果的最终的计分更新值越小时，则配对关系越强；计分关联结果的最终的计分更新值大于0x9FFFF时，则不满足配对要求；在硬件资源有限，且对实时性要求较高时，提供一种较为高效准确的数据关联处理方式；并且在原有的最近邻域关联处理方式上，同时引入了相关的其他参考因子，逐渐的寻找到点迹与航迹的最优配对组。

Description

一种集中式多雷达数据处理的加权最近邻域数据关联方法
技术领域
本发明涉及雷达数据处理技术领域，具体的说，是一种集中式多雷达数据处理的加权最近邻域数据关联方法。
背景技术
岸基空管集中式多雷达数据处理系统中，航迹的跟踪是整个系统的关键部分，而数据关联则是是多传感器多目标跟踪系统中核心且最重要的内容，可以说数据关联的正确与否，效率高低直接关系到雷达数据处理的效果与效率。
数据关联要解决在于较低的漏警率的情况下，抑制虚警率的产生。尤其是在多雷达数据处理的情况，由来自一次雷达的位置信息、回波长度、回波幅度、多普勒速度等信息，来自二次雷达的位置、Mode3/A、ModeC、ModeS等信息数据，来自ADS数据的位置、ModeS、Mode3/A等信息数据。在机动跟踪中，系统处理对目标除了要进行机动检测外，还要适当对波门的大小进行控制，进行适当的缩放。在过顶空的目标跟踪中，需要对目标进行必要的外推，尤其是二次雷达此时会出现目标的反射，此时就需要对数据关联算法提出较高的要求。在多机编队飞行，多机交叉机动，尤其是对加油机和受油机的跟踪，位置相互靠近，且Mode3/A信号不稳定的情况下，对数据关联的精准性，正确性提出了较高的要求。
数据关联过程是指确定传感器接收到的量测信息和目标源对应关系的过程。量测-航迹关联，是将有效回波(跟踪门逻辑的输出)与已知目标的预报航迹相比较并最终确定正确的量测-航迹对应关系的过程。常用的量测-航迹数据关联经典算法有最近邻域算法(NearestNeighbor，NN)、概率数据关联(Probabilitydataassociation，PDA)、交互多模型概率数据关联(IMMPDA)、联合概率数据关联(JointProbabilisticdataassociation，JPDA)、多传感器联合概率数据关联(MSJPDA)、多假设法(MultipleHypothesisTracking，MHT)等。NN算法是由Singer和Sea在1973年基于他们和前人的研究工作的基础上提出了一种利用先验统计特性估计相关性能的跟踪方法。
最近邻域数据关联的工作原理是先设置跟踪门，由跟踪门初步筛选所得到的回波成为候选回波，以限制参与相关判别的目标数目。其主要适用于跟踪空域中存在单目标或目标数较少的情况，或者说是只适用于对稀疏目标环境的目标跟踪。其优点是：运算量小，易于实现。主要缺点是：在目标密度较大时，容易跟错目标。
发明内容
本发明的目的在于设计出一种集中式多雷达数据处理的加权最近邻域数据关联方法，在硬件资源有限，且对实时性要求较高时，提供一种较为高效准确的数据关联处理方式；并且在原有的最近邻域关联处理方式上，同时引入了相关的其他参考因子，逐渐的寻找到点迹与航迹的最优配对组。
本发明通过下述技术方案实现：一种集中式多雷达数据处理的加权最近邻域数据关联方法，该加权最近邻域数据关联方法通过波门、航向角或角速度、属性相似度、加速度、应答次数、垂直距离、航迹状态七个部分进行计分关联，而后将7个部分的计分通过加权计分算法进行点迹和航迹相关度的计算，得到最终的计分更新值；在进行计分关联时，当经过点迹和航迹相关度的计算后，计分关联结果的最终的计分更新值越小时，则配对关系越强；当经过点迹和航迹相关度的计算后，计分关联结果的最终的计分更新值大于0x9FFFF时，则不满足配对要求。
进一步的为更好的实现本发明，特别采用下述设置方式：所述通过波门、航向角或角速度、属性相似度、加速度、应答次数、垂直距离、航迹状态七个部分进行计分关联具体包括以下步骤：
1)依据不同的距离对计分进行初始化：将波门按权值由小到大分为14个，并分别对每个波门进行初始化，且进行初始化时从小权值开始，包括：
1-1)中心区域外初始化，采用直接投影差相比较、笛卡尔距离与归一化距离三者相结合的方式分别进行波门初始化得每个波门的初始化值；
1-2)中心区域内初始化，采用笛卡尔距离进行波门初始化得每个波门的初始化值；
1-3)将航迹预测值、点迹的笛卡尔距离与波门对比，若航迹预测值与点迹的笛卡尔距离在某一个波门预设的范围内，则对应的波门的初始化值为计分的初始值；
2)经步骤1)后，依据不同的航向关系对计分进行更新：设定压缩系数，并通过点迹和航迹之间的属性关系对压缩系数缩放来控制航相差的允许偏差门限，再计算计分的增减值，从而得到计分的更新值；
3)经步骤2)后，依据属性相似度对计分进行更新：根据属性相似度的值，并与不同门限作比较，对计分进行相应的增减，从而得到计分的更新值；
4)经步骤3)后，依据加速度的大小关系对计分进行更新：依据航迹的历史位置点和点迹计算的不同的加速度，然后再对计分进行相应的增减，从而得到计分的更新值；
5)经步骤4)后，依据目标应答的不同情况对计分进行更新：根据ModeS与Mode3/A相关的应答次数和应答模式，得到相应的计分的增加量，从而得到计分的更新值；
6)经步骤5)后，依据航迹和点迹的高度差处于不同的区间内对计分进行更新：若点迹和航迹的高度均有效，则进行高度差的判断，根据不同的差值得出计分的增加量，从而得到计分的更新值；
7)经步骤6)后，根据航迹状态对计分进行更新：根据航迹的不同状态，得到不同的航迹状态限制关联计分的增加量，进而得到计分的更新值，并得到最终的计分更新值。
进一步的为更好的实现本发明，特别采用下述设置方式：所述中心区域外初始化包括以下具体步骤：
1-1-1)将前七个波门均进行归一化距离，再比较归一化距离和门的关系，从而得到前七个波门在中心区域外的初始化值；
1-1-2)对于波门8和9首先对残差的协方差Sk进行Cholesky分解，得到对角线上代表距离ρ的门限值S1和代表方位角θ的门限值S2，并通过距离与方位角的预测值和量测值比较公式完成波门8和波门9初始化，得到波门8和波门9在中心区域外的初始化值；
1-1-3)对于波门10，计算测量值与当前预测值的航向，以及上一时刻的航向，计算测量值与当前预测值的角度偏差dAngle，根据判断条件|θest-θk|＜3°和dAngle＜φ，完成波门10初始化，得到波门10在中心区域外的初始化值；
1-1-4)对于波门11～13，采用笛卡尔距离，计算距离与门限的关系，完成波门11～13初始化，得到波门11～13在中心区域外的初始化值；
1-1-5)对于波门14，中心区域外初始化时，波门14的初始化值直接计记为0xF0000；
所述中心区域内初始化具体为，采用实际距离，计算预测位置与测量位置的笛卡尔实际距离dL，根据笛卡尔实际距离dL与各波门门限的关系，完成各波门在中心区域内初始化，得到各波门在中心区域内的初始化值。
进一步的为更好的实现本发明，特别采用下述设置方式：所述步骤2)包括以下具体步骤：
2-1)依据点迹和航迹的属性信息，对压缩系数进行首次缩放，若前端采用转弯模型，则从转弯角度上对点迹和航迹关联做筛选；
2-2)计算点迹和航迹的属性相似度SimScore，并对压缩系数再次进行缩放；
2-3)根据航迹的历史轨迹信息，计算点迹与航迹之间的航向差；
2-4)计算基于航向差的计分增减，当满足时，则不罚分；否则计分在计分的初始值的基础上加上0x08000*θrate，完成计分更新。
所述步骤2-3)根据航迹的历史轨迹信息，计算点迹与航迹之间的航向差，包括以下步骤：
2-3-1)当航迹在中心区域外时，将测量的点迹转换在笛卡尔坐标系下的位置计为倒数第二点迹Pk-1(Xk-1,Yk-1)、上一时刻的点迹Pk(Xk,Yk)和本次测量的点迹Pm(Xm,Ym)，并通过计算和的夹角
2-3-2)当航迹在中心区域内时，倒推到航迹的倒数第7个点迹和倒数第8个点迹的位置，若倒数第8个点迹不存在，则从倒数第7个点迹开始向当前点迹倒推直到取到相邻的两个测量的有效点迹；并在笛卡尔坐标系下，取相邻的两个测量的有效点迹的中心点迹计为Ppre(Xpre,Ypre)、所述上一时刻的点迹计为Pk(Xk,Yk)和本次测量的点迹计为Pm(Xm,Ym)，并通过计算和的夹角且航迹在中心区域内属性压缩系数在处理后的基础上缩小一半为Cr＝0.5Cr。
进一步的为更好的实现本发明，特别采用下述设置方式：所述根据属性相似度的值，并与不同门限作比较，对计分进行相应的增减，从而得到计分的更新值，具体为：
3-1)设置属性相似度初始值为0，最大值为12，最小值为-12；其中，值越大，代表这两者间的属性相似度越大；
3-2)判断航迹或点迹是否包含任何属性信息，是则返回相似度值0，否则转向步骤3-3)；
3-3)判断航迹或点迹的ModeS代码是否有效：若ModeS代码均存在且相同，则返回相似度值12；若ModeS代码均存在且相同，则返回相似度值-12；若两者ModeS代码均不存在或者只有一个存在则进入步骤3-4)；
3-4)判断航迹或点迹的Mode3/A代码是否存在且有效，假若有且仅有一个Mode3/A代码为有效存在，则返回相似度的值为0；否则按位判断比较Mode3/A代码是否相同：如果某一位置信度都为1且代码相同则相似度加1；如果某一位相似度都为1且代码不相同则相似度减1；若某一位的置信度不全为1且代码相同则相似度加0.5；其他情况，置信度不变；
3-5)经过计算得到点迹和航迹的属性相似度SimScore，然后压缩系数处理为：Cr＝(1+SimScore/24)·Cr；
3-6)根据属性相似度SimScore的计算结果值，得到对应的更新计分，而后再判断预测条件是否成立，若成立则令步骤2)的计分值归零；若不成立则对步骤2)的计分值进行后续处理，得到计分新的更新值。
进一步的为更好的实现本发明，特别采用下述设置方式：所述依据加速度的大小关系对计分进行更新具体为：在笛卡尔坐标系下，提取出历史的连续五个点迹，首先分别计算X方向上和Y方向上的平均速度；其次使用Vxymes＝dL/dt计算量测速度；再次，通过计算当前时刻的加速度的绝对值；最后将步骤3)的计分更新值加上得到计分新的更新值，其中，[Axy/4.9]是取整函数。
进一步的为更好的实现本发明，特别采用下述设置方式：所述依据目标应答的不同情况对计分进行更新具体为：
情况1，当相应融合的二次雷达点迹的ModeS或者Mode3/A的应答次数大于或等于3次时，将计分从步骤4)的更新值的基础上加0x00000；
情况2，当航迹的ModeS或Mode3/A存在，且与相应融合的二次雷达点迹的模式相同，并且应答次数为两次时，将计分从步骤4)的更新值的基础上加0x1000；
情况3，当航迹的ModeS或Mode3/A存在，且与相应融合的二次雷达点迹的模式不相同，并且应答次数为两次时，将计分从步骤4)的更新值的基础上加0x2000；
情况4，当相应融合的二次雷达点迹的应答次数为一次时，将计分从步骤4)的更新值的基础上加0x3000；
当目标应答的情况满足4种情况任意一种时，则该情况的计分更新值即为所述依据目标应答的不同情况对计分进行更新后的计分更新值。
进一步的为更好的实现本发明，特别采用下述设置方式：所述依据航迹和点迹的高度差处于不同的区间内对计分进行更新具体为：将高度差分为不同的区间且每个区间对应不同的计分增减量，而后根据航迹目标和来自信号处理后雷达点迹的高度信息，如果点迹的ModeC或ModeS有效，即点迹的高度Hplot和航迹的高度Htrack同时有效时，通过dH＝|Hplot-Htrack|计算二者之间的高度差，并根据高度差落入的不同区间，将对应的该区间的计分增减量与步骤5)的计分更新值进行加权，完成计分更新。
进一步的为更好的实现本发明，特别采用下述设置方式：所述根据航迹状态对计分进行更新具体为：将航迹分为初始化、正常更新和外推三种状态，并依据三种不同的权重优先级，将航迹的三种状态对应为三种不同的计分增加量，根据航迹所处状态，在步骤6)计分更新值的基础上进行计分的更新，得到最终的计分更新值。
本发明与现有技术相比，具有以下优点及有益效果：
本发明在硬件资源有限，且对实时性要求较高时，提供一种较为高效准确的数据关联处理方式；并且在原有的最近邻域关联处理方式上，同时引入了相关的其他参考因子，逐渐的寻找到点迹与航迹的最优配对组。
本发明能够以较快的处理速度完成点航之间的配对关系，且在多目标跟踪和大机动目标跟踪中也有较好的表现。
本发明在NN算法的基础上，进行改进，采用了计分法适用于对多目标，尤其是带有属性目标的跟踪，主要是从波门、航向角或角速度、属性相似度、加速度、应答次数、垂直距离、航迹状态七个部分进行计分关联，并找到最优关联对。
本发明在实际应用过程中，在强干扰，机动目标跟踪，过顶空跟踪和群目标跟踪中具有较高的关联准确度，并且计算效率较高，能够满足岸基空管多雷达数据处理的需求。
附图说明
图1为采用本发明处理流程图。
图2为本发明在实际应用中的对飞情况一效果图。
图3为本发明在实际应用中的对飞情况二效果图。
图4为本发明在实际应用中的对飞情况三效果图。
图5为本发明在实际应用中的对飞情况四效果图。
图6为本发明在实际应用中的过顶空情况一效果图。
图7为本发明在实际应用中的过顶空情况二效果图。
图8为本发明在实际应用中的过顶空情况三效果图。
图9为本发明在实际应用中的过顶空情况四效果图。
图10为本发明在实际应用中的过顶空情况五效果图。
图11为本发明在实际应用中的多批目标跟飞跟踪监视效果图。
图12为本发明在实际应用中的机动和多批目标跟踪监视效果图。
具体实施方式
下面结合实施例对本发明作进一步地详细说明，但本发明的实施方式不限于此。
最邻近数据关联(NNDA)
最邻近数据关联使用Mahalanobis距离(均方差)作为判断是否是匹配门限的条件。假设在第k次扫描之前，已建立了N条航迹。第k次新观测为Zj(k)，j＝1,2,3,...,N。在第i条航迹关联门内，观测点迹j和航迹i的差矢量定义为观测值和预测值之间的差，即滤波残差：
e i , j ( k ) = Z j ( k ) - H X ^ i ( k | k - 1 ) - - - ( 1.1 )
设S(k)是ei,j(k)的协方差矩阵。则归一化距离的平方为：
d i , j 2 = e i , j ( k ) S i , j - 1 ( k ) e i , j T ( k ) - - - ( 1.2 )
假设ei,j(k)～N(0,σ2)，则可以使用下式作为门限判断条件。
若传感器测得的目标直角坐标系下的
d i , j 2 < &gamma; - - - ( 1.4 )
则称转换测量值Zj(k)为候选回波，式(1.4)称为椭圆(球)波门规则。其中：参数γ由χ2分布表获取。本地的测量Zj(k)为二维，则是具有两个自由度的χ2分布随机变量。参数的平方根称为门的“σ数”。即
d i , j 2 &le; &chi; d , 1 - &alpha; 2 - - - ( 1.3 )
对应的“σ数”为
式中，d＝dim(Zj)，在仅测量方位角和斜距时，此值为2，1-α是置信水平。则置信水平和门阈大小满足pG＝1-e-0.5α。
加权计分算法：指本发明所涉及到的7个部分的权重是不同的，即对最终配对效果的影响大小是不一样的，其权重依次降低，其中波门、航向角或角速度、属性相似度及加速度部分的权重量级为最高且为0x10000，其次，应答次数的权重量级次之为0x1000，再次，垂直距离的高度差量级为0x10，最后，航迹状态的量级为0x1。
实施例1：
一种集中式多雷达数据处理的加权最近邻域数据关联方法，该加权最近邻域数据关联方法通过波门、航向角或角速度、属性相似度、加速度、应答次数、垂直距离、航迹状态七个部分进行计分关联，而后将7个部分的计分通过加权计分算法进行点迹和航迹相关度的计算，得到最终的计分更新值；在进行计分关联时，将点迹和航迹的计分初始值预设定为Score＝0xF0000，当经过点迹和航迹相关度的计算后，计分关联结果的最终的计分更新值越小时，则配对关系越强；当经过点迹和航迹相关度的计算后，计分关联结果的最终的计分更新值大于0x9FFFF时，则不满足配对要求。
实施例2：
本实施例是在上述实施例的基础上进一步优化，进一步的为更好的实现本发明，如图1所示，特别采用下述设置方式：所述通过波门、航向角或角速度、属性相似度、加速度、应答次数、垂直距离、航迹状态七个部分进行计分关联具体包括以下步骤：
1)依据不同的距离对计分进行初始化，即波门限制关联计分步骤：将波门按权值由小到大分为14个，并分别对每个波门进行初始化，且进行初始化时从小权值开始，包括：
1-1)中心区域外初始化，采用直接投影差相比较、笛卡尔距离与归一化距离三者相结合的方式分别进行波门初始化得每个波门的初始化值；
1-2)中心区域内初始化，采用笛卡尔距离进行波门初始化得每个波门的初始化值；
1-3)将航迹预测值、点迹的笛卡尔距离与波门对比，若航迹预测值与点迹的笛卡尔距离在某一个波门预设的范围内，则对应的波门的初始化值为计分的初始值；
2)经步骤1)后，依据不同的航向关系对计分进行更新，即角度限制关联计分步骤：设定压缩系数，并通过点迹和航迹之间的属性关系对压缩系数缩放来控制航相差的允许偏差门限，再计算计分的增减值，从而得到更新后的计分值；
3)经步骤2)后，依据属性相似度对计分进行更新，即属性相似度关联计分步骤：根据属性相似度的值，并与不同门限作比较，对计分进行相应的增减，从而得到更新后的计分值；
4)经步骤3)后，依据加速度的大小关系对计分进行更新，即加速度限制关联计分步骤：依据航迹的历史位置点和点迹计算的不同的加速度，然后再对计分进行相应的增减，从而得到更新后的计分值；
5)经步骤4)后，依据目标应答的不同情况对计分进行更新，即应答次数模式检测限制关联计分步骤：根据ModeS与Mode3/A相关的应答次数和应答模式，得到相应的计分的增加量，从而得到更新后的计分值；
6)经步骤5)后，依据航迹和点迹的高度差处于不同的区间内对计分进行更新，即垂直距离限制关联计分步骤：若点迹和航迹的高度均有效，则进行高度差的判断，根据不同的差值得出计分的增加量，从而得到更新后的计分值；
7)经步骤6)后，根据航迹状态对计分进行更新，即航迹状态限制关联计分步骤：根据航迹的不同状态，得到不同的航迹状态限制关联计分的增加量，进而得到计分的更新值，并得到最终的计分值。
实施例3：
本实施例是在上述实施例的基础上进一步优化，进一步的为更好的实现本发明，如图1所示，特别采用下述设置方式：所述中心区域外初始化，即ρest＞Rcenter，包括以下具体步骤：
1-1-1)将前七个波门利用公式均进行归一化距离，再比较归一化距离和门的关系，从而得到前七个波门在中心区域外的初始化值；所述归一化距离和门的关系如表1所示
表1
波门 σ数 置信度 门限制 计分(Score)
1 0.5 0.3829 0.9654 Score＝0x00000
2 1 0.6827 2.2958 Score＝0x10000
3 2 0.9545 6.1801 Score＝0x20000
4 3 0.9973 11.8292 Score＝0x30000
5 4 0.99994 19.3339 Score＝0x40000
6 5 0.999999427 28.7437 Score＝0x50000
7 6 0.9999999980268 40.0872 Score＝0x60000
表中，计分(Score)为初始化值；
1-1-2)对于波门8和9首先对残差的协方差Sk进行Cholesky分解，得到对角线上代表距离ρ的门限值S1和代表方位角θ的门限值S2，并通过距离与方位角的预测值和量测值比较公式完成波门8和波门9初始化，得到波门8和波门9在中心区域外的初始化值；
波门8的初始化为：当波门8的预测值和量测值满足|ρest-ρk|＜4·s1且|θest-θk|＜4·s2，波门8的初始计分值(在中心区域外的初始化值)为：Score＝0x70000；其中，|ρest-ρk|＜4·s1和|θest-θk|＜4·s2为波门8的距离与方位角的预测值和量测值比较公式；
波门9的初始化为：当波门9的预测值和量测值满足，|ρest-ρk|＜5·s1且|θest-θk|＜5·s2，波门9的初始计分值(在中心区域外的初始化值)为：Score＝0x80000；其中，|ρest-ρk|＜5·s1和|θest-θk|＜5·s2为波门9的距离与方位角的预测值和量测值比较公式；
1-1-3)对于波门10，计算测量值与当前预测值的航向，以及上一时刻的航向，计算测量值与当前预测值的角度偏差dAngle，根据判断条件|θest-θk|＜3°和dAngle＜φ，完成波门10初始化，得到波门10在中心区域外的初始化值；其中，n是航空器过载数，此处可以取驾驶员生理承受的最大限度值4，g是重力加速度可取值9.81m2/s；即判断条件|θest-θk|＜3°和dAngle＜φ是否都满足，都满足则波门10初始化计分值(在中心区域外的初始化值)为：Score＝0x90000；
1-1-4)对于波门11～13，采用笛卡尔距离，计算距离与门限的关系，完成波门11～13初始化，得到波门11～13在中心区域外的初始化值，如表2所示；
表2
波门 距离(单位：m) 计分
11 0～4000 Score＝0xA0000
12 4000～5000 Score＝0xB0000
13 5000～6000 Score＝0xC0000
1-1-5)对于波门14，中心区域外初始化时，波门14的初始化值直接计记为0xF0000；
所述中心区域内初始化，即ρest≤Rcenter，具体为，采用实际距离，计算预测位置与测量位置的笛卡尔实际距离dL，根据笛卡尔实际距离dL与各波门门限的关系，完成各波门在中心区域内初始化，得到各波门在中心区域内的初始化值；在中心区域内各波门的初始化值如表3所示。
表3
波门 距离(单位：m) 计分
1 0～200 Score＝0x00000
2 200～500 Score＝0x20000
3 500～1000 Score＝0x40000
4 1000～2000 Score＝0x60000
5 2000～4000 Score＝0x80000
6 4000～8000 Score＝0xA0000
7 8000～16000 Score＝0xC0000
其他 16000～+∞ Score＝0xF0000
实施例4：
本实施例是在实施例2或3的基础上进一步优化，进一步的为更好的实现本发明，如图1所示，特别采用下述设置方式：所述步骤2)包括以下具体步骤：
2-1)依据点迹和航迹的属性信息，对压缩系数进行首次缩放，若前端采用转弯模型，则从转弯角度上对点迹和航迹关联做筛选；
所述从转弯角度上对点迹和航迹关联做筛选具体为，先设置一个属性压缩系数Cr＝1，所述属性压缩系数起控制角度的作用，即当属性压缩系数的值越小时，其所能关联的角度取值范围也就越小；其中，当航迹仅有位置信息，而没有属性信息时，Cr＝0.9Cr；当点迹仅有位置信息，而没有属性信息时，Cr＝0.8Cr；
2-2)计算点迹和航迹的属性相似度SimScore，并对压缩系数再次进行缩放；包括以下具体步骤：
2-2-1)设置属性相似度初始值为0，最大值为12，最小值为-12；其中，通过本地的相似度计算得到的相似度(SimScore)值越大，则表示这两者间的属性越相似；
2-2-2)判断航迹或点迹是否包含任何属性信息，是则返回相似度值0，否则转向步骤2-2-3)；
2-2-3)判断航迹或点迹的ModeS代码是否有效：若ModeS代码均存在且相同，则返回相似度值12；若ModeS代码均存在且相同，则返回相似度值-12；若两者ModeS代码均不存在或者只有一个存在则进入步骤2-2-4)；
2-2-4)判断航迹或点迹的Mode3/A代码是否存在且有效，假若有且仅有一个Mode3/A代码为有效存在，则返回相似度的值为0；否则按位判断比较Mode3/A代码是否相同：如果某一位置信度都为1且代码相同则相似度加1；如果某一位相似度都为1且代码不相同则相似度减1；若某一位的置信度不全为1且代码相同则相似度加0.5；其他情况，置信度不变；
2-2-5)经过计算得到点迹和航迹的属性相似度SimScore，然后压缩系数处理为：Cr＝(1+SimScore/24)·Cr；
2-3)根据航迹的历史轨迹信息，计算点迹与航迹之间的航向差；
2-4)计算基于航向差的计分增减，当满足时，则不罚分；否则计分在计分的初始值的基础上计为Score+＝(0x08000*θrate)，即计分在计分的初始值的基础上加0x08000*θrate，完成计分更新。
即所述计算基于航向差的计分增减包含下述情况：
情况一，在预测区域内，如果其中dθ是存在转弯情况下的角速度偏差，通常采用dθ＝|wk|k-1|·dt计算，wk|k-1是角速度的估计值，则不罚分，即此项Score+＝0。
情况二，在预测区域外，首先计算一个与相似度相关的分级因子再在计分的初始值的基础上Score+＝(0x08000*θrate)。
实施例5：
本实施例是在上述实施例的基础上进一步优化，所述步骤2-3)根据航迹的历史轨迹信息，计算点迹与航迹之间的航向差，包括以下步骤：
2-3-1)当航迹在中心区域外时，将测量的点迹转换在笛卡尔坐标系下的位置计为倒数第二点迹Pk-1(Xk-1,Yk-1)、上一时刻的点迹Pk(Xk,Yk)和本次测量的点迹Pm(Xm,Ym)，并通过计算和的夹角
2-3-2)当航迹在中心区域内时，倒推到航迹的倒数第7个点迹和倒数第8个点迹的位置，若倒数第8个点迹不存在，则从倒数第7个点迹开始向当前点迹倒推直到取到相邻的两个测量的有效点迹；并在笛卡尔坐标系下，取相邻的两个测量的有效点迹的中心点迹计为Ppre(Xpre,Ypre)、所述上一时刻的点迹计为Pk(Xk,Yk)和本次测量的点迹计为Pm(Xm,Ym)，并通过计算和的夹角且航迹在中心区域内属性压缩系数在处理后的基础上缩小一半为Cr＝0.5Cr，由于在中心区域内一次雷达的杂波点过多，二次雷达的反射点出现，会使得目标跟错点迹，而发生误警；因此航迹在中心区域内属性压缩系数在处理后的基础上缩小一半为Cr＝0.5Cr；
此处特别要注意，角速度的判定除了本身的直线外推还要考虑转弯的情况，但是在中心区域内，转弯角速度的参考计算量不应过大，甚至不应该考虑角速度的影响，则在中心区域内角速度应该限制在1°/s的范围内。
实施例6：
本实施例是在实施例2-5任一实施例的基础上进一步优化，进一步的为更好的实现本发明，如图1所示，特别采用下述设置方式：所述根据属性相似度的值，并与不同门限作比较，对计分进行相应的增减，从而得到计分的更新值，具体为：
3-1)设置属性相似度初始值为0，最大值为12，最小值为-12；其中值越大，代表这两者间的属性相似度越大；
3-2)判断航迹或点迹是否包含任何属性信息，是则返回相似度值0，否则转向步骤3-3)；
3-3)判断航迹或点迹的ModeS代码是否有效：若ModeS代码均存在且相同，则返回相似度值12；若ModeS代码均存在且相同，则返回相似度值-12；若两者ModeS代码均不存在或者只有一个存在则进入步骤3-4)；
3-4)判断航迹或点迹的Mode3/A代码是否存在且有效，假若有且仅有一个Mode3/A代码为有效存在，则返回相似度的值为0；否则按位判断比较Mode3/A代码是否相同：如果某一位置信度都为1且代码相同则相似度加1；如果某一位相似度都为1且代码不相同则相似度减1；若某一位的置信度不全为1且代码相同则相似度加0.5；其他情况，置信度不变；
3-5)经过计算得到点迹和航迹的属性相似度SimScore，然后压缩系数处理为：Cr＝(1+SimScore/24)·Cr；
3-6)根据属性相似度SimScore的计算结果值，得到对应的更新计分，而后再判断预测条件是否成立，若成立则令步骤2)的计分值归零，即Score＝0；若不成立则对步骤2)的计分值进行后续处理，得到计分新的更新值。
若不成立则根据属性相似度和计分的增减值，分为七个部分进行计算处理，具体的属性相似度SimScore的计算结果值、对应的更新计分等信息如表4所示；
表4
情况 属性相似度 更新计分 后续预设判断 后续计分处理
1 [+11,+12] Score+＝0x00000 Score<0xA0000 Score-＝0xA0000
2 [+8,+11) Score+＝0x04000 Score<0x60000 Score-＝0x60000
3 [+4,+8) Score+＝0x08000 Score<0x30000 Score-＝0x30000
4 [0,+4) Score+＝0x0C000 Score<0x10000 Score-＝0x10000
5 [-4,0) Score+＝0x10000 — —
6 [-8,-4) Score+＝0x20000 — —
7 [-12,-8) Score+＝0x30000 — —
根据表4，假若当属性相似度值处于情况1时，即根据属性相似度SimScore的计算结果值落入[+11,+12]时，首先得到一个更新计分Score+＝0x00000(计分的增加量)，然后将Score+＝0x00000与步骤2)的计分值进行相加，得到一个新的计分Score，而后通过后续预设判断，判断该新的计分Score是否小于0xA0000，若小于则将步骤2)的计分值归零，若不小于，则将步骤2)的计分值减去0xA0000，得到步骤3)的计分更新值。
实施例7：
本实施例是在实施例2-6的基础上进一步优化，进一步的为更好的实现本发明，如图1所示，特别采用下述设置方式：所述依据加速度的大小关系对计分进行更新具体为：当加速度处于直线上运动时，在笛卡尔坐标系下，提取出历史的连续五个点迹，首先分别计算X方向上和Y方向上的平均速度其次使用Vxymes＝dL/dt计算量测速度；再次，通过计算当前时刻的加速度的绝对值；最后通过将步骤3)的计分更新值进一步更新得到计分新的更新值，即最后将步骤3)的计分更新值加上得到计分新的更新值，其中，[Axy/4.9]是取整函数。
实施例8：
本实施例是在实施例2-7任一实施例的基础上进一步优化，进一步的为更好的实现本发明，如图1所示，特别采用下述设置方式：所述依据目标应答的不同情况对计分进行更新具体为：
情况1，当相应融合的二次雷达点迹的ModeS或者Mode3/A的应答次数大于或等于3次时，将计分从步骤4)的更新值的基础上加0x00000；
情况2，当航迹的ModeS或Mode3/A存在，且与相应融合的二次雷达点迹的模式相同，并且应答次数为两次时，将计分从步骤4)的更新值的基础上加0x1000；
情况3，当航迹的ModeS或Mode3/A存在，且与相应融合的二次雷达点迹的模式不相同，并且应答次数为两次时，将计分从步骤4)的更新值的基础上加0x2000；
情况4，当相应融合的二次雷达点迹的应答次数为一次时，将计分从步骤4)的更新值的基础上加0x3000；
当目标应答的情况满足4种情况任意一种时，则该情况的计分更新值即为所述依据目标应答的不同情况对计分进行更新后的计分更新值。
实施例9：
本实施例是在实施例2-8的基础上进一步优化，进一步的为更好的实现本发明，如图1所示，特别采用下述设置方式：所述依据航迹和点迹的高度差处于不同的区间内对计分进行更新具体为：将高度差分为不同的区间且每个区间对应不同的计分增减量，而后根据航迹目标和来自信号处理后雷达点迹的高度信息，如果点迹的ModeC或ModeS有效，即点迹的高度Hplot和航迹的高度Htrack同时有效时，通过dH＝|Hplot-Htrack|计算二者之间的高度差，并根据高度差落入的不同区间，将对应的该区间的计分增减量与步骤5)的计分更新值进行加权，完成计分更新。
依据不同高度差将不同高度差区间的计分增减量分为8种情况，如表5所示；
表5
情况 高度差(单位：m) 计分
1 0～150 Score+＝0x00
2 150～200 Score+＝0x10
3 200～250 Score+＝0x20
4 250～300 Score+＝0x30
5 300～350 Score+＝0x40
6 350～400 Score+＝0x50
7 400～+∞ Score+＝0x80
高度无效 — Score+＝0xF0
根据表5，假若通过dH＝|Hplot-Htrack|点迹的高度Hplot和航迹的高度Htrack之间的高度差处于情况1时，计分将在步骤5)的计分更新值的基础上加0x00；假若点迹的ModeC或ModeS无效，即点迹的高度Hplot和航迹的高度Htrack任一一个或都无效时，计分将在步骤5)的计分更新值的基础上加0xF0。
实施例10：
本实施例是在实施例2-9的基础上进一步优化，进一步的为更好的实现本发明，如图1所示，特别采用下述设置方式：所述根据航迹状态对计分进行更新具体为：将航迹分为初始化、正常更新和外推三种状态，并依据三种不同的权重优先级，将航迹的三种状态对应为三种不同的计分增加量，根据航迹所处状态，在步骤6)计分更新值的基础上进行计分的更新，得到最终的计分更新值。
所述三种不同的计分增加量如表6所示；
表6
情况 航迹状态 计分
1 外推 Score+＝0x0
2 正常更新 Score+＝0x2
3 初始化 Score+＝0x4
假若航迹状态处于外推，则最终的计分更新值为在步骤6)的计分更新值的基础上加上0x0，然后判断最终的计分更新值是否大于0x9FFFF，若大于则不满足配对要求若越靠近0xF0000，则配对关系越强。
为确定本方法的可行性及实用性，在对外保密的情况下曾做过大量的试验，试验结果表明，该方法在岸基空管多雷达数据处理中的配对正确率在99％以。
如图2-图5所示的航空器对飞情况的配对效果，是编号为225的航迹与编号为623的航迹在堆肥过程中使用本发明的情况，其中，编号为225的航迹的飞行高度约为5780米，Mode3/A的编号为3377而编号为623的航迹的飞行高度约为9470米，Mode3/A的编号为0101。
本发明亦适用于航空器过顶空情况，在顶空区域存在不少杂波，且采用本发明能够连续跟踪，即使在中心扇区中，雷达由于顶空盲区不能探测到，航迹依然连续不间断，具体的效果如图6-10所示，示出编号为221的航迹，飞行高度约为3600米，Mode3/A的编号为5341，在实际的过顶飞行过程中使用本发明，能够对航空器进行不间断的跟踪。
本发明亦适用于机动目标跟踪，且对多目标跟飞和对飞的航空器，也能够做到连续不间断的监视，其效果展示如图11、图12所示，其中，图11为使用本发明对双机连续跟踪的情况；图12示出使用本发明对机动目标的连续跟踪情况。
本发明在对外保密的情况下连续试验的4个月内，约3000个小时的检验中，在对雷达信号质量较好的目标跟踪过程中没有出现跟错目标的情况。且在测试中，本发明能够快速无误的跟踪目标，相对于PDA和JPDA大大的减少了计算量。
以上所述，仅是本发明的较佳实施例，并非对本发明做任何形式上的限制，凡是依据本发明的技术实质对以上实施例所作的任何简单修改、等同变化，均落入本发明的保护范围之内。

Claims (10)

1.一种集中式多雷达数据处理的加权最近邻域数据关联方法，其特征在于：该加权最近邻域数据关联方法通过波门、航向角或角速度、属性相似度、加速度、应答次数、垂直距离、航迹状态七个部分进行计分关联，并将7个部分的计分通过加权计分算法进行点迹和航迹相关度的计算，得到最终的计分更新值；在进行计分关联时，当经过点迹和航迹相关度的计算后，计分关联结果的最终的计分更新值越小时，则配对关系越强；当经过点迹和航迹相关度的计算后，计分关联结果的最终的计分更新值大于0x9FFFF时，则不满足配对要求。
2.根据权利要求1所述的一种集中式多雷达数据处理的加权最近邻域数据关联方法，其特征在于：所述通过波门、航向角或角速度、属性相似度、加速度、应答次数、垂直距离、航迹状态七个部分进行计分关联具体包括以下步骤：
1)依据不同的距离对计分进行初始化：将波门按权值由小到大分为14个，并分别对每个波门进行初始化，且进行初始化时从小权值开始，包括：
1-1)中心区域外初始化，采用直接投影差相比较、笛卡尔距离与归一化距离三者相结合的方式分别进行波门初始化得每个波门的初始化值；
1-2)中心区域内初始化，采用笛卡尔距离进行波门初始化得每个波门的初始化值；
1-3)将航迹预测值、点迹的笛卡尔距离与波门对比，若航迹预测值与点迹的笛卡尔距离在某一个波门预设的范围内，则对应的波门的初始化值为计分的初始值；
2)经步骤1)后，依据不同的航向关系对计分进行更新：设定压缩系数，并通过点迹和航迹之间的属性关系对压缩系数缩放来控制航相差的允许偏差门限，再计算计分的增减值，从而得到计分的更新值；
3)经步骤2)后，依据属性相似度对计分进行更新：根据属性相似度的值，并与不同门限作比较，对计分进行相应的增减，从而得到计分的更新值；
4)经步骤3)后，依据加速度的大小关系对计分进行更新：依据航迹的历史位置点和点迹计算的不同的加速度，然后再对计分进行相应的增减，从而得到计分的更新值；
5)经步骤4)后，依据目标应答的不同情况对计分进行更新：根据ModeS与Mode3/A相关的应答次数和应答模式，得到相应的计分的增加量，从而得到计分的更新值；
6)经步骤5)后，依据航迹和点迹的高度差处于不同的区间内对计分进行更新：若点迹和航迹的高度均有效，则进行高度差的判断，根据不同的差值得出计分的增加量，从而得到计分的更新值；
7)经步骤6)后，根据航迹状态对计分进行更新：根据航迹的不同状态，得到不同的航迹状态限制关联计分的增加量，进而得到计分的更新值，并得到最终的计分更新值。
3.根据权利要求2所述的一种集中式多雷达数据处理的加权最近邻域数据关联方法，其特征在于：所述中心区域外初始化包括以下具体步骤：
1-1-1)将前七个波门均进行归一化距离，再比较归一化距离和门的关系，从而得到前七个波门在中心区域外的初始化值；
1-1-2)对于波门8和9首先对残差的协方差Sk进行Cholesky分解，得到对角线上代表距离ρ的门限值S1和代表方位角θ的门限值S2，并通过距离与方位角的预测值和量测值比较公式完成波门8和波门9初始化，得到波门8和波门9在中心区域外的初始化值；
1-1-3)对于波门10，计算测量值与当前预测值的航向，以及上一时刻的航向，计算测量值与当前预测值的角度偏差dAngle，根据判断条件|θest-θk|＜3°和dAngle＜φ，完成波门10初始化，得到波门10在中心区域外的初始化值；
1-1-4)对于波门11～13，采用笛卡尔距离，计算距离与门限的关系，完成波门11～13初始化，得到波门11～13在中心区域外的初始化值；
1-1-5)对于波门14，中心区域外初始化时，波门14的初始化值直接计记为0xF0000；
所述中心区域内初始化具体为，采用实际距离，计算预测位置与测量位置的笛卡尔实际距离dL，根据笛卡尔实际距离dL与各波门门限的关系，完成各波门在中心区域内初始化，得到各波门在中心区域内的初始化值。
4.根据权利要求2所述的一种集中式多雷达数据处理的加权最近邻域数据关联方法，其特征在于：所述步骤2)包括以下具体步骤：
2-1)依据点迹和航迹的属性信息，对压缩系数进行首次缩放，若前端采用转弯模型，则从转弯角度上对点迹和航迹关联做筛选；
2-2)计算点迹和航迹的属性相似度SimScore，并对压缩系数再次进行缩放；
2-3)根据航迹的历史轨迹信息，计算点迹与航迹之间的航向差；
2-4)计算基于航向差的计分增减，当满足时，则不罚分；否则计分在计分的初始值的基础上加上0x08000*θrate，完成计分更新。
5.根据权利要求4所述的一种集中式多雷达数据处理的加权最近邻域数据关联方法，其特征在于：所述步骤2-3)根据航迹的历史轨迹信息，计算点迹与航迹之间的航向差，包括以下步骤：
2-3-1)当航迹在中心区域外时，将测量的点迹转换在笛卡尔坐标系下的位置计为倒数第二点迹Pk-1(Xk-1,Yk-1)、上一时刻的点迹Pk(Xk,Yk)和本次测量的点迹Pm(Xm,Ym)，并通过计算和的夹角
2-3-2)当航迹在中心区域内时，倒推到航迹的倒数第7个点迹和倒数第8个点迹的位置，若倒数第8个点迹不存在，则从倒数第7个点迹开始向当前点迹倒推直到取到相邻的两个测量的有效点迹；并在笛卡尔坐标系下，取相邻的两个测量的有效点迹的中心点迹计为Ppre(Xpre,Ypre)、所述上一时刻的点迹计为Pk(Xk,Yk)和本次测量的点迹计为Pm(Xm,Ym)，并通过计算和的夹角且航迹在中心区域内属性压缩系数在处理后的基础上缩小一半为Cr＝0.5Cr。
6.根据权利要求2所述的一种集中式多雷达数据处理的加权最近邻域数据关联方法，其特征在于：所述根据属性相似度的值，并与不同门限作比较，对计分进行相应的增减，从而得到计分的更新值，具体为：
3-1)设置属性相似度初始值为0，最大值为12，最小值为-12；其中值越大，代表这两者间的属性相似度越大；
3-2)判断航迹或点迹是否包含任何属性信息，是则返回相似度值0，否则转向步骤3-3)；
3-3)判断航迹或点迹的ModeS代码是否有效：若ModeS代码均存在且相同，则返回相似度值12；若ModeS代码均存在且相同，则返回相似度值-12；若两者ModeS代码均不存在或者只有一个存在则进入步骤3-4)；
3-4)判断航迹或点迹的Mode3/A代码是否存在且有效，假若有且仅有一个Mode3/A代码为有效存在，则返回相似度的值为0；否则按位判断比较Mode3/A代码是否相同：如果某一位置信度都为1且代码相同则相似度加1；如果某一位相似度都为1且代码不相同则相似度减1；若某一位的置信度不全为1且代码相同则相似度加0.5；其他情况，置信度不变；
3-5)经过计算得到点迹和航迹的属性相似度SimScore，然后压缩系数处理为：Cr＝(1+SimScore/24)·Cr；
3-6)根据属性相似度SimScore的计算结果值，得到对应的更新计分，而后再判断预测条件是否成立，若成立则令步骤2)的计分值归零；若不成立则对步骤2)的计分值进行后续处理，得到计分新的更新值。
7.根据权利要求2所述的一种集中式多雷达数据处理的加权最近邻域数据关联方法，其特征在于：所述依据加速度的大小关系对计分进行更新具体为：在笛卡尔坐标系下，提取出历史的连续五个点迹，首先分别计算X方向上和Y方向上的平均速度其次使用Vxymes＝dL/dt计算量测速度；再次，通过计算当前时刻的加速度的绝对值；最后将步骤3)的计分更新值加上得到计分新的更新值，其中，[Axy/4.9]是取整函数。
8.根据权利要求2所述的一种集中式多雷达数据处理的加权最近邻域数据关联方法，其特征在于：所述依据目标应答的不同情况对计分进行更新具体为：
情况1，当相应融合的二次雷达点迹的ModeS或者Mode3/A的应答次数大于或等于3次时，将计分从步骤4)的更新值的基础上加0x00000；
情况2，当航迹的ModeS或Mode3/A存在，且与相应融合的二次雷达点迹的模式相同，并且应答次数为两次时，将计分从步骤4)的更新值的基础上加0x1000；
情况3，当航迹的ModeS或Mode3/A存在，且与相应融合的二次雷达点迹的模式不相同，并且应答次数为两次时，将计分从步骤4)的更新值的基础上加0x2000；
情况4，当相应融合的二次雷达点迹的应答次数为一次时，将计分从步骤4)的更新值的基础上加0x3000；
当目标应答的情况满足4种情况任意一种时，则该情况的计分更新值即为所述依据目标应答的不同情况对计分进行更新后的计分更新值。
9.根据权利要求2所述一种集中式多雷达数据处理的加权最近邻域数据关联方法，其特征在于：所述依据航迹和点迹的高度差处于不同的区间内对计分进行更新具体为：将高度差分为不同的区间且每个区间对应不同的计分增减量，而后根据航迹目标和来自信号处理后雷达点迹的高度信息，如果点迹的ModeC或ModeS有效，即点迹的高度Hplot和航迹的高度Htrack同时有效时，通过dH＝|Hplot-Htrack|计算二者之间的高度差，并根据高度差落入的不同区间，将对应的该区间的计分增减量与步骤5)的计分更新值进行加权，完成计分更新。
10.根据权利要求2所述一种集中式多雷达数据处理的加权最近邻域数据关联方法，其特征在于：所述根据航迹状态对计分进行更新具体为：将航迹分为初始化、正常更新和外推三种状态，并依据三种不同的权重优先级，将航迹的三种状态对应为三种不同的计分增加量，根据航迹所处状态，在步骤6)计分更新值的基础上进行计分的更新，得到最终的计分更新值。
CN201510882138.3A 2015-12-03 2015-12-03 一种集中式多雷达数据处理的加权最近邻域数据关联方法 Active CN105510896B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201510882138.3A CN105510896B (zh) 2015-12-03 2015-12-03 一种集中式多雷达数据处理的加权最近邻域数据关联方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201510882138.3A CN105510896B (zh) 2015-12-03 2015-12-03 一种集中式多雷达数据处理的加权最近邻域数据关联方法

Publications (2)

Publication Number Publication Date
CN105510896A true CN105510896A (zh) 2016-04-20
CN105510896B CN105510896B (zh) 2019-07-02

Family

ID=55719007

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201510882138.3A Active CN105510896B (zh) 2015-12-03 2015-12-03 一种集中式多雷达数据处理的加权最近邻域数据关联方法

Country Status (1)

Country Link
CN (1) CN105510896B (zh)

Cited By (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106443618A (zh) * 2016-09-08 2017-02-22 北京理工大学 一种基于标准差椭圆参数辅助的高分辨雷达航迹关联方法
CN106680806A (zh) * 2016-11-24 2017-05-17 清华大学 一种多雷达点迹融合方法
CN106767760A (zh) * 2016-12-30 2017-05-31 中国船舶重工集团公司第七0七研究所 基于多维度的多源船舶目标融合方法
CN106842183A (zh) * 2017-03-31 2017-06-13 北京无线电测量研究所 一种基于全局最邻近法的波位间点迹合并的方法及系统
CN108549060A (zh) * 2018-04-17 2018-09-18 北京环境特性研究所 一种目标关联方法及装置
CN109444899A (zh) * 2018-09-20 2019-03-08 杭州电子科技大学 一种基于纯角度信息的航迹关联方法
CN109451425A (zh) * 2018-12-06 2019-03-08 奇点新源国际技术开发(北京)有限公司 一种基于单一锚点的定位方法及装置
CN110673099A (zh) * 2019-09-29 2020-01-10 深圳市华讯方舟微电子科技有限公司 一种多雷达点迹关联方法及装置
CN111175736A (zh) * 2020-01-08 2020-05-19 中国船舶重工集团公司第七二四研究所 一种基于拟牛顿法的点迹关联分配方法
CN113933798A (zh) * 2021-07-22 2022-01-14 珠海中科慧智科技有限公司 一种基于相似性原理的全局传感器系统误差分区配准算法
CN114994633A (zh) * 2022-08-04 2022-09-02 四川九洲空管科技有限责任公司 一种用于二次雷达点航迹相关处理的方法

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101655561A (zh) * 2009-09-14 2010-02-24 南京莱斯信息技术股份有限公司 基于联合卡尔曼滤波的多点定位数据与雷达数据融合方法
CN102253375A (zh) * 2011-04-02 2011-11-23 海华电子企业(中国)有限公司 雷达多目标数据互联方法
CN103116688A (zh) * 2012-12-13 2013-05-22 中国航空无线电电子研究所 用于机载航电系统的多源异类传感器目标航迹关联方法
CN103345587A (zh) * 2013-07-16 2013-10-09 深圳大学 Ads-b监视数据与雷达航迹的直觉模糊关联方法、装置
US20140132608A1 (en) * 2010-12-31 2014-05-15 Heiko Mund Graph based topological map matching
CN103886196A (zh) * 2014-03-14 2014-06-25 中国电子科技集团公司第二十八研究所 一种抗大系统误差的航迹关联方法
CN104077601A (zh) * 2014-07-08 2014-10-01 中国航空无线电电子研究所 一种利用不同类型信息进行目标综合识别的方法

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101655561A (zh) * 2009-09-14 2010-02-24 南京莱斯信息技术股份有限公司 基于联合卡尔曼滤波的多点定位数据与雷达数据融合方法
US20140132608A1 (en) * 2010-12-31 2014-05-15 Heiko Mund Graph based topological map matching
CN102253375A (zh) * 2011-04-02 2011-11-23 海华电子企业(中国)有限公司 雷达多目标数据互联方法
CN103116688A (zh) * 2012-12-13 2013-05-22 中国航空无线电电子研究所 用于机载航电系统的多源异类传感器目标航迹关联方法
CN103345587A (zh) * 2013-07-16 2013-10-09 深圳大学 Ads-b监视数据与雷达航迹的直觉模糊关联方法、装置
CN103886196A (zh) * 2014-03-14 2014-06-25 中国电子科技集团公司第二十八研究所 一种抗大系统误差的航迹关联方法
CN104077601A (zh) * 2014-07-08 2014-10-01 中国航空无线电电子研究所 一种利用不同类型信息进行目标综合识别的方法

Cited By (15)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106443618A (zh) * 2016-09-08 2017-02-22 北京理工大学 一种基于标准差椭圆参数辅助的高分辨雷达航迹关联方法
CN106680806A (zh) * 2016-11-24 2017-05-17 清华大学 一种多雷达点迹融合方法
CN106767760A (zh) * 2016-12-30 2017-05-31 中国船舶重工集团公司第七0七研究所 基于多维度的多源船舶目标融合方法
CN106842183A (zh) * 2017-03-31 2017-06-13 北京无线电测量研究所 一种基于全局最邻近法的波位间点迹合并的方法及系统
CN106842183B (zh) * 2017-03-31 2019-06-14 北京无线电测量研究所 一种基于全局最近邻法的波位间点迹合并的方法及系统
CN108549060B (zh) * 2018-04-17 2020-10-13 北京环境特性研究所 一种目标关联方法及装置
CN108549060A (zh) * 2018-04-17 2018-09-18 北京环境特性研究所 一种目标关联方法及装置
CN109444899A (zh) * 2018-09-20 2019-03-08 杭州电子科技大学 一种基于纯角度信息的航迹关联方法
CN109451425A (zh) * 2018-12-06 2019-03-08 奇点新源国际技术开发(北京)有限公司 一种基于单一锚点的定位方法及装置
CN110673099A (zh) * 2019-09-29 2020-01-10 深圳市华讯方舟微电子科技有限公司 一种多雷达点迹关联方法及装置
CN110673099B (zh) * 2019-09-29 2021-12-21 深圳市华讯方舟智能信息技术有限公司 一种多雷达点迹关联方法及装置
CN111175736A (zh) * 2020-01-08 2020-05-19 中国船舶重工集团公司第七二四研究所 一种基于拟牛顿法的点迹关联分配方法
CN113933798A (zh) * 2021-07-22 2022-01-14 珠海中科慧智科技有限公司 一种基于相似性原理的全局传感器系统误差分区配准算法
CN114994633A (zh) * 2022-08-04 2022-09-02 四川九洲空管科技有限责任公司 一种用于二次雷达点航迹相关处理的方法
CN114994633B (zh) * 2022-08-04 2022-11-08 四川九洲空管科技有限责任公司 一种用于二次雷达点航迹相关处理的方法

Also Published As

Publication number Publication date
CN105510896B (zh) 2019-07-02

Similar Documents

Publication Publication Date Title
CN105510896B (zh) 一种集中式多雷达数据处理的加权最近邻域数据关联方法
CN106249232B (zh) 基于目标运动态势信息数据关联策略的目标跟踪方法
EP3422042B1 (en) Method to determine the orientation of a target vehicle
EP3572839A1 (en) Method of estimating a velocity magnitude of a moving target in a horizontal plane and radar detection system
Kellner et al. Instantaneous lateral velocity estimation of a vehicle using Doppler radar
WO2015155833A1 (ja) 衝突防止装置
CN107300698B (zh) 一种基于支持向量机的雷达目标航迹起始方法
CN105487061B (zh) 目标数据关联的多特征信息融合方法
Habtemariam et al. Multiple detection probabilistic data association filter for multistatic target tracking
CN106405537B (zh) 基于位置信息和多普勒信息的雷达航迹起始方法
KR101402206B1 (ko) 운동학 및 형상 정보를 활용한 다중 표적 추적 방법
Han et al. Persistent automatic tracking of multiple surface vessels by fusing radar and lidar
CN105445731B (zh) 一种基于高精度测速的雷达全自动跟踪方法
CN113064155A (zh) 一种空中雷达多目标跟踪下航迹关联的优化方法
CN104199022A (zh) 一种基于目标模态估计的临近空间高超声速目标跟踪方法
WO2022151627A1 (zh) 基于目标速度特征的航迹起始方法及系统
CN111929676B (zh) 一种基于密度聚类的x波段雷达目标检测与跟踪方法
CN110244294A (zh) 一种多传感器的量测数据的关联方法
JP2016151416A (ja) 目標類識別装置
CN105372653B (zh) 面向岸基空管雷达系统中一种高效转弯机动目标跟踪方法
Guo et al. Simultaneous tracking of a maneuvering ship and its wake using Gaussian processes
US12092733B2 (en) Radar anti-spoofing system for identifying ghost objects created by reciprocity-based sensor spoofing
CN102663773A (zh) 视频目标的双核式自适应融合跟踪方法
CN113702940B (zh) 基于多元特征信息分层融合空间集群目标分辨方法及应用
CN107238835A (zh) 一种编队目标点航抗叉关联方法

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant
CP03 Change of name, title or address
CP03 Change of name, title or address

Address after: 610000 No. 6, Wuke East Third Road, management committee of Wuhou e-commerce industrial functional zone, Wuhou District, Chengdu, Sichuan

Patentee after: Chengdu nengtong Technology Co., Ltd

Address before: 610000 room 402, building 13, No. 17, Wuxing Second Road, Wuhou District, Chengdu, Sichuan

Patentee before: Chengdu nengtong Technology Co., Ltd