CN107561530B - 一种基于协同被动探测多维信息的目标识别方法 - Google Patents
一种基于协同被动探测多维信息的目标识别方法 Download PDFInfo
- Publication number
- CN107561530B CN107561530B CN201710621887.XA CN201710621887A CN107561530B CN 107561530 B CN107561530 B CN 107561530B CN 201710621887 A CN201710621887 A CN 201710621887A CN 107561530 B CN107561530 B CN 107561530B
- Authority
- CN
- China
- Prior art keywords
- radar
- platform
- station
- stations
- cooperative
- 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.)
- Active
Links
Images
Landscapes
- Radar Systems Or Details Thereof (AREA)
Abstract
本发明涉及一种基于协同被动探测多维信息的目标识别方法。本发明针对多站雷达协同探测系统,主要解决单站雷达被动探测时因频率资源受限不能同时识别多部工作在不同频段的雷达,导致不能识别装备有固定雷达组合的目标平台的问题。其实现步骤是:1.本站与其他协同站交互信息,明确探测频段、探测范围;2.本站定时接收当前他站传输来的目标EDW及所属雷达型号信息;3.本站进行平台关联计算,确定重点识别平台,计算并更新各重点识别平台的最小判定雷达集,引导他站侦察;4.某时刻当获取的EDW及其雷达型号能够完全覆盖某平台的最小判定雷达集时,本站进行方位一致性判定,输出平台判定结果;本发明有利于提高被动探测平台识别准确率。
Description
技术领域
本发明属于雷达协同数据处理及被动数据处理技术领域。
背景技术
雷达被动探测,是指通过信号分选根据辐射源信号测量参数形成的脉冲描述字(Pulse Descriptor Word,PDW)生成辐射源描述字(Emitter Descriptor Word,EDW);在此基础上,将生成的EDW与雷达数据库中的参数进行比对,可以进一步判定该辐射源的雷达型号。
一个平台通常可能装备多型雷达,且具备固定的雷达组合方式,这使得在被动探测中通过识别固定的雷达组合成为了识别目标平台的一种有效方式;上述这些雷达组合中的雷达通常工作在不同的频段,因此,单一雷达在进行被动探测时,在同一时刻受自身频段资源限制,可能只能探测到雷达组合中的某一个雷达,并不能同时识别出某一型平台的雷达组合。
协同探测是近期乃至未来雷达发展的重点。基于此,通过利用工作在协同被动探测模式的多个雷达,在同一时刻对相同区域进行被动探测,各雷达分别对各自截获的可能属于不同频段的PDW数据进行信号分选,将单部雷达生成的目标EDW及其所属雷达型号信息称为一维信息,如此通过多部雷达多维信息的组合,达到平台识别的目的。由于识别的目标从单一雷达型号转变为装备多型雷达组合的平台,无疑增加了数据融合和处理的难度,并且实际环境中,受制于复杂的电磁环境,单一平台生成的EDW数量较多,导致上述多部雷达多维信息的组合极为复杂,因此如何实现高效的基于协同被动探测多维信息的平台识别是一个急需解决的问题。
发明内容
本发明的目的在于提供一种基于协同被动探测多维信息的目标识别方法,通过利用工作在协同被动探测模式的多部雷达,综合多部雷达生成的目标EDW及所属雷达型号信息进行目标平台判定;同时,通过动态计算和更新各个待识别平台的最小判定雷达集,降低了识别平台过程中多维信息数据融合和处理的难度,有利于提高平台识别效率。
为实现上述技术目的,本发明采用技术方案步骤如下:
步骤1,本站与其他协同站进行必要的信息交互,明确每个站点的被动探测频段、探测范围,各站点探测频段应不互相完全重合且其合集应覆盖所关注的辐射源的频段范围;
步骤2,本站与其他协同站开始被动探测,本站定时接收当前所有其他协同站传输来的目标EDW数据及所属雷达型号信息;
步骤3,本站根据当前时刻所有EDW及所属雷达型号,以及加载的平台雷达组合信息,进行平台关联计算,将符合关联条件的平台作为重点识别平台,计算并更新各个重点识别平台的最小判定雷达集,并引导其他协同站重点侦察各重点识别平台内还未能识别的属于最小判定雷达集的雷达辐射源;
步骤4,若在时刻T,本站获取的所有的EDW及其雷达型号已经能够完全覆盖某平台的当前最小判定雷达集,则对该平台的所有辐射源进行方位一致性判定,并最终判定所侦察的目标平台型号。
本发明的有益效果为:通过利用工作在协同探测模式的多部雷达,综合多部雷达生成的目标EDW及所属雷达型号信息以及已有的平台雷达组合信息,进行目标平台判定,以达到平台识别的目的;同时,通过平台最小判定雷达集的的动态计算和更新,降低了多维数据融合和处理的难度,有利于提高平台识别效率。
附图说明
图1为本发明的一种基于协同被动探测多维信息的目标识别方法的流程图。
具体实施方式
下面结合附图对本发明作进一步说明:
图1为本发明的流程图。本方案包括以下步骤:
步骤1,本站与其他协同站点进行必要的信息交互,明确每个站点的被动探测频段、探测范围参数;具体在站点工作频段设置上,设各个站点的工作频段范围为Pi(Hi,Ti),其中Hi是站点Pi的频段最小值,Ti是站点Pi的频段最大值,则对于任意两个站点,工作频段范围分别表示为Pi和Pj,满足且且各个站点的工作频段总范围应覆盖所关注的辐射源的频段范围;
步骤2,本站与其他协同站开始被动探测,本站定时接收当前所有其他协同站传输来的目标EDW数据及其所属雷达型号信息,各站点采用相同的流程判定EDW所属雷达型号,具体判定方法为:
对于每个目标EDW数据,与雷达数据库中存储的雷达信号特征数据依次进行如下特征比对,若所有条件都满足,则认为该EDW属于该型雷达,从而判定雷达型号:
(1)载频特征比对:该EDW的载频值必须满足该型雷达信号的载频设定范围。
(2)重复周期特征比对:该EDW的重复周期的类型与该型雷达信号的重复周期类型相同,且PRI的取值满足该型雷达信号的PRI的设定范围。具体为:
a)若EDW重复周期类型为重频固定信号,则其PRI的取值满足该型雷达信号的PRI的设定范围;
b)若EDW重复周期类型为重频参差信号,则该EDW的参差数必须与该型雷达信号的重复周期参差数相同,且各个子周期PRI的取值满足该型雷达信号的参差子周期PRI的设定范围;
c)若EDW重复周期类型为重频抖动信号,则其PRI的抖动范围满足该型雷达信号的PRI的设定的抖动范围。
(3)脉宽特征比对:该型EDW的脉宽值必须满足该型雷达信号的脉宽设定范围。
步骤3,本站根据当前时刻所有EDW及所属雷达型号,以及加载的平台雷达组合信息,进行平台关联计算,将符合关联条件的平台作为重点识别平台,计算并更新各个重点识别平台的最小判定雷达集,并引导其他协同站重点侦察各重点识别平台内还未能识别的属于最小判定雷达集的雷达辐射源:
(3.2)本站基于当前时刻所有识别出雷达型号的EDW,进行平台关联计算:对于平台Si,在所有识别出雷达型号的EDW中搜索Si包含的雷达型号,将搜索到的雷达数目标识为NR,且这些搜索到的雷达分布在数量为NF(0≤NF≤4)的不同频段中,满足条件NR≥TR,NF≥TF,其中TR和TF分别是雷达数和频段数的预设阈值,则认为平台Si满足关联条件,将该平台作为重点识别平台,加入到重点识别平台集合U中;
平台Sim的最小判定雷达集的求解方法为:对于平台Sim和集合U内除Sim外的任意一个平台So,找出集合Q使得Q中的任意一个元素Ei满足条件Ei∈Sim且针对找出的一系列集合Qi,i=1,2......,k,从每个集合中选取至少一个元素加入到集合U使得集合U的元素个数最少且不存在重复元素,则集合U即为平台Sim的最小判定雷达集
(3.4)本站引导其他协同站对U内各个重点识别平台的最小判定雷达集中还未能识别的雷达辐射源进行侦察,将待识别的雷达辐射源型号通过协同通道传输给各个协同站。
Claims (2)
1.一种基于协同被动探测多维信息的目标识别方法,其特征在于,包括以下步骤:
步骤1,本站与其他协同站进行必要的信息交互,明确每个站点的被动探测频段、探测范围,各站点探测频段应不互相完全重合且其合集应覆盖所关注的辐射源的频段范围;
步骤2,本站与其他协同站开始被动探测,本站定时接收当前所有其他协同站传输来的目标EDW数据及所属雷达型号信息;
步骤3,本站根据当前时刻所有EDW及所属雷达型号,以及加载的平台雷达组合信息,进行平台关联计算,将符合关联条件的平台作为重点识别平台,计算并更新各个重点识别平台的最小判定雷达集,并引导其他协同站重点侦察各重点识别平台内还未能识别的属于最小判定雷达集的雷达辐射源;
步骤4,若在时刻T,本站获取的所有的EDW及其雷达型号已经能够完全覆盖某平台的当前最小判定雷达集,则对该平台的所有辐射源进行方位一致性判定,并最终判定所侦察的目标平台型号。
2.根据权利要求1所述的一种基于协同被动探测多维信息的目标识别方法,其特征在于所述步骤3为:
(3.2)本站基于当前时刻所有识别出雷达型号的EDW,进行平台关联计算:对于平台Si,在所有识别出雷达型号的EDW中搜索Si包含的雷达型号,若搜索到的雷达数以及所属不同频段数都满足预设阈值,则认为平台Si满足关联条件,将该平台作为重点识别平台,加入到重点识别平台集合U中;
(3.3)本站根据集合U内各个重点识别平台Sim的雷达组合信息,计算各平台Sim的最小判定雷达集最小判定雷达集定义为平台Sim所独有的且元素个数最少的雷达组合,即如果识别出雷达辐射源R1,......,Rm,就可以判定该平台为Sim;若计算出的最小判定雷达集与已有的不同,则更新平台Sim的最小判定雷达集;
(3.4)本站引导其他协同站对U内各个重点识别平台的最小判定雷达集中还未能识别的雷达辐射源进行侦察,将待识别的雷达辐射源型号通过协同通道传输给各个协同站。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710621887.XA CN107561530B (zh) | 2017-07-27 | 2017-07-27 | 一种基于协同被动探测多维信息的目标识别方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710621887.XA CN107561530B (zh) | 2017-07-27 | 2017-07-27 | 一种基于协同被动探测多维信息的目标识别方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107561530A CN107561530A (zh) | 2018-01-09 |
CN107561530B true CN107561530B (zh) | 2020-11-10 |
Family
ID=60973915
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710621887.XA Active CN107561530B (zh) | 2017-07-27 | 2017-07-27 | 一种基于协同被动探测多维信息的目标识别方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107561530B (zh) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109635237B (zh) * | 2018-11-23 | 2023-04-21 | 山东航天电子技术研究所 | 一种基于动态剪裁配置知识的目标平台快速识别方法 |
CN111273266A (zh) * | 2020-01-20 | 2020-06-12 | 盐城黎曼信息科技有限公司 | 多站雷达定位系统 |
CN111443732A (zh) * | 2020-04-22 | 2020-07-24 | 中国人民解放军63816部队 | 一种航天测控设备自引导方法 |
CN113484837B (zh) * | 2021-06-29 | 2023-07-28 | 中国人民解放军63892部队 | 一种面向电磁大数据的未知雷达辐射源智能识别方法 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR101326096B1 (ko) * | 2012-05-18 | 2013-11-07 | 국방과학연구소 | 펄스 내 변조 분석을 위한 pdw 데이터 전처리 및 검출 방법 |
CN106093925B (zh) * | 2016-05-27 | 2021-07-13 | 中国电子科技集团公司信息科学研究院 | 一种多雷达联合检测方法 |
CN106093899A (zh) * | 2016-08-25 | 2016-11-09 | 赵国林 | 一种雷达工作模式识别方法 |
-
2017
- 2017-07-27 CN CN201710621887.XA patent/CN107561530B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN107561530A (zh) | 2018-01-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107561530B (zh) | 一种基于协同被动探测多维信息的目标识别方法 | |
CN109508000A (zh) | 异构多传感器多目标跟踪方法 | |
US10070264B2 (en) | Automated WLAN radio map construction method and system | |
CN106851571B (zh) | 一种基于决策树的快速KNN室内WiFi定位方法 | |
CN102111872B (zh) | 基于指纹定位技术的定位方法及装置 | |
CN111867049B (zh) | 定位方法、装置及存储介质 | |
US20200110173A1 (en) | Obstacle detection method and device | |
CN102695272B (zh) | 一种匹配定位的方法和移动终端 | |
EP3396400A1 (en) | A system and method for clustering wi-fi fingerprints for indoor-outdoor detection | |
CN109874104B (zh) | 用户位置定位方法、装置、设备及介质 | |
CN104540221A (zh) | 基于半监督sde算法的wlan室内定位方法 | |
Wang et al. | Collaborative penalized Gaussian mixture PHD tracker for close target tracking | |
CN102722554A (zh) | 位置敏感哈希随机性减弱方法 | |
CN105717529B (zh) | 一种基于无线电信号路测功率值的信源定位方法 | |
US12028133B2 (en) | Swapped section detection and azimuth prediction | |
CN108574927B (zh) | 一种移动终端定位方法及装置 | |
CN103076595B (zh) | 一种多元离散雷达辐射源信号的异常类型识别方法 | |
Huai et al. | Multi-Feature based Outdoor Fingerprint Localization with Accuracy Enhancement for Cellular Network | |
CN116709240A (zh) | 基于鲸鱼优化算法的层次化传感器部署方法 | |
CN110661648B (zh) | 基于自学习推理矩阵确定无线网络问题根因的方法和装置 | |
CN110472705B (zh) | 参数调整方法、装置及计算设备 | |
CN105208581B (zh) | Lte网络中基于干扰概率进行干扰分析的方法及系统 | |
Abimouloud et al. | CFAR detection performance in Weibull clutter for statistical mimo radar using fuzzy fusion rules | |
CN109782273B (zh) | 一种基于长时聚类关联的辐射源编批方法 | |
CN118301658B (zh) | 共站址检测方法、装置、设备、存储介质及程序产品 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |