CN108919269B - 基于无人机监视雷达的多模型暂时航迹起始判定方法 - Google Patents

基于无人机监视雷达的多模型暂时航迹起始判定方法 Download PDF

Info

Publication number
CN108919269B
CN108919269B CN201810700497.6A CN201810700497A CN108919269B CN 108919269 B CN108919269 B CN 108919269B CN 201810700497 A CN201810700497 A CN 201810700497A CN 108919269 B CN108919269 B CN 108919269B
Authority
CN
China
Prior art keywords
track
temporary
temporary track
point
frame
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
Application number
CN201810700497.6A
Other languages
English (en)
Other versions
CN108919269A (zh
Inventor
陈娟
刘浩
马磊
任翔
余飞侠
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.)
Anhui Sun Create Electronic Co Ltd
Original Assignee
Anhui Sun Create Electronic 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 Anhui Sun Create Electronic Co Ltd filed Critical Anhui Sun Create Electronic Co Ltd
Priority to CN201810700497.6A priority Critical patent/CN108919269B/zh
Publication of CN108919269A publication Critical patent/CN108919269A/zh
Application granted granted Critical
Publication of CN108919269B publication Critical patent/CN108919269B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

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
    • G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
    • G01S13/88—Radar or analogous systems specially adapted for specific applications
    • G01S13/91—Radar or analogous systems specially adapted for specific applications for traffic control

Abstract

本发明公开了基于无人机监视雷达的多模型暂时航迹起始判定方法，包括：暂时航迹起始模型1：适用于属于非杂波区的暂时航迹；暂时航迹起始模型2：适用于属于杂波区的暂时航迹；暂时航迹起始模型3：适用于属于非杂波区中不满足航迹起始模型1的暂时航迹，且还适用于属于杂波区中的类似清洁区的暂时航迹。本发明解决了无人机暂时航迹起始判定困难的问题，提高了无人机的监视效率。

Description

基于无人机监视雷达的多模型暂时航迹起始判定方法
技术领域
本发明涉及三坐标有源相控阵雷达低空监视领域，尤其是基于无人机监视雷达的多模型暂时航迹起始判定方法。
背景技术
近几年，随着无人机技术的迅速发展，无人机已从原来的军用市场大范围扩展到民用市场，黑飞导致的安全事故屡见不鲜，使我国低空领域管制承受着巨大威胁。在边防、人防、公安等国家安全防御部门的迫切需求下，无人机监视雷达逐渐兴起。
由于民用无人机通常采用非金属机身且机身体积小，导致RCS反射截面积小，雷达检测回波弱，特别是飞行速度慢、飞行高度低、飞行灵活的特点，让无人机的检测和跟踪成为业内公认的难题。其中，由于无人机在不同的环境下、不同飞行状态下的航迹起始条件不同，导致无人机暂时航迹起始判定非常困难。
发明内容
为了克服上述现有技术中的缺陷，本发明提供基于无人机监视雷达的多模型暂时航迹起始判定方法，解决了无人机暂时航迹起始判定困难的问题，提高了无人机的监视效率。
为实现上述目的，本发明采用以下技术方案，包括：
基于无人机监视雷达的多模型暂时航迹起始判定方法，其特征在于，包括如下具体步骤：
S31，计算形成暂时航迹的每一帧点迹与暂时航迹的综合隶属度，统计综合隶属度属于高隶属度的帧数HighSubCnt，属于甚高隶属度的帧数 VeryHighSubCnt；
S32，计算形成暂时航迹的每一帧点迹与暂时航迹的航向一致性，统计航向一致性属于航向一致的帧数HighCourseUniformCnt，属于航向高度一致的帧数VeryHighCourseUniformCnt；
S33，统计形成暂时航迹的每一帧点迹属于杂波区帧数CluterCnt；
S34，根据杂波区帧数CluterCnt判断暂时航迹是否属于杂波区，若否，则对暂时航迹进行暂时航迹起始模型模型1的起始判定，执行步骤S35；若是，则对暂时航迹进行暂时航迹起始模型2的起始判定，执行步骤S36；
S35，判断暂时航迹是否满足暂时航迹起始模型1的起始条件，若是，则该暂时航迹满足暂时航迹的起始条件；若否，则对该暂时航迹进行暂时航迹起始模型3的起始判定，执行步骤S38；
S36，判断暂时航迹是否满足暂时航迹起始模型2的起始条件，若是，则该暂时航迹满足暂时航迹的起始条件；若否，则执行步骤S37；
S37，判断该暂时航迹是否属于类似清洁区，若是，则对该暂时航迹进行暂时航迹起始模型3的起始判定,执行步骤S38；若否，则该暂时航迹不满足暂时航迹的起始条件；所述类似清洁区：暂时航迹属于杂波区帧数CluterCnt与暂时航迹形成帧数FrameCnt的比值小于杂波区帧数门限值CleanFrameThresold；
S38，判断暂时航迹是否满足暂时航迹起始模型3的起始条件，若是，则该暂时航迹满足暂时航迹的起始条件；若否，则该暂时航迹不满足暂时航迹的起始条件；
其中，暂时航迹起始模型1的航迹起始条件：
Figure BDA0001714572520000021
HighSubThresold为高隶属度帧数门限；
HighCourseUniformThresold为航向一致帧数门限；
暂时航迹起始模型2的航迹起始条件：
Figure BDA0001714572520000022
VeryHighSubThresold为甚高隶属度帧数门限；
VeryHighCourseUniformThresold为航向高度一致帧数门限；
暂时航迹起始模型3的航迹起始条件：
Figure BDA0001714572520000031
FrameCnt为单边多假设的暂时航迹的形成帧数；
CleanFrameThresold为杂波区帧数门限；
InitFrameCnt为单边多假设的暂时航迹起始帧数；
InitFrameThresold为起始门限；
LostCnt为丢点帧数；
FrameCnt为单边多假设的暂时航迹形成帧数；
Sub为综合隶属度；
SubThresold为相关门限。
步骤S31中，若所述综合隶属度为大于或等于0.8且小于0.85时，则属于高隶属度；若所述综合隶属度为大于或等于0.85且小于1时，则属于甚高隶属度。
步骤S32中，若所述航向一致性为大于0.5度且小于或等于1.5度时，则属于航向一致；若所述航向一致性为小于或等于0.5度且大于0度时，则属于航向高度一致。
本发明的优点在于：
(1)本发明的暂时航迹起始模型为根据目标的飞行状态和杂波环境进行扩展，保证了无人机在不同环境、不同飞行状态下都能快速起始。
(2)本发明的3个暂时航迹起始模型分别适用于暂时航迹属于杂波区、非杂波区、杂波区中的类似清洁区，保证了目标起始效率，同时能有效控制虚警。
附图说明
图1为本发明的航迹起始算法的算法流程图。
图2为本发明的单边多假设相关判定的方法流程图。
图3为本发明的多模型暂时航迹起始判定的方法流程图。
图4为本发明的暂时航迹滤波判定的方法流程图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
由图1所示，一种基于无人机监视雷达的航迹起始算法，包括以下步骤：
S1，雷达进行第一帧的扫描，系统接收的第一帧点迹数据，点迹数据包括：点迹的三维坐标信息、时间信息、属性值、幅度值，并对第一帧点迹数据中的所有点迹均建立暂时航迹。
S2，雷达进行第二帧的扫描，系统接收的此帧点迹数据，将此帧点迹数据中的每个点迹与已建立的每条暂时航迹均进行单边多假设相关判定，判断将此帧点迹中的点迹是否与已建立的暂时航迹相关，若存在某一点迹与已建立的某一暂时航迹相关，则将该相关点迹关联到该已建立的暂时航迹上形成单边多假设的暂时航迹；若某一点迹与已建立的每条暂时航迹均不相关，则用该点迹建立暂时航迹。
S3，对单边多假设的暂时航迹进行多模型暂时航迹起始判定，判断单边多假设的暂时航迹是否满足航迹起始条件，将单边多假设的暂时航迹级联3个暂时航迹起始模型，判断单边多假设的暂时航迹是否满足其中一个暂时航迹起始模型的起始条件，若满足，则该单边多假设的暂时航迹为满足航迹起始条件的暂时航迹；若均不满足，则该单边多假设的暂时航迹不满足航迹起始条件，将该单边多假设的暂时航迹作为已建立的暂时航迹等待与第三帧点迹数据进行单边多假设相关判定，依次类推，不满足航迹起始条件的单边多假设的暂时航迹等待与下一帧点迹数据进行单边多假设相关判定，且若该单边多假设的暂时航迹在连续三帧内均没有相关点迹，则删除该单边多假设的暂时航迹。
S4，对满足航迹起始条件的暂时航迹进行航迹滤波判定，剔除杂波对暂时航迹起始的干扰，航迹滤波分为两级滤波，第一级滤波为杂波晃动点滤除，第二级滤波为禁止起始区域中的暂时航迹滤除，判断满足航迹起始条件的暂时航迹是否通过航迹滤波的两级滤波，若通过两级滤波，则该满足航迹起始条件的暂时航迹则形成稳定航迹；若不通过两级滤波，则删除该满足航迹起始条件的暂时航迹。
其中，步骤S1、S2中建立暂时航迹的点迹为航迹头。
步骤S2中，由图2所示，单边多假设暂时航迹相关判定的方法，包括以下步骤：
S21，计算已建立的暂时航迹与点迹特征因子的隶属度SubAttribute，如公式1所示，其中plotAttributei为点迹特征因子i的点迹属性值，TTAttributei为暂时航迹属性值，normalizedAttributei为归一化值，通常取该特征因子的最大波动范围， Factori为点迹特征因子i对点迹特征隶属度的贡献，最大值取1，点迹特征因子的隶属度为计算出n个点迹特征因子的综合隶属度。
Figure BDA0001714572520000051
S22，计算已建立的暂时航迹与点迹运动状态因子的隶属度SubDynamic，如公式2所示，其中plotDynamici为点迹运动状态因子i的运动状态值，TTDynamici为暂时航迹运动状态值，normalizedDynamici为归一化值，通常取该运动状态因子的最大波动范围，Factori为点迹运动状态因子i对点迹运动状态隶属度的贡献，最大值取1，点迹运动状态的隶属度为计算出m个点迹运动状态的综合隶属度。
Figure BDA0001714572520000052
S23，根据已建立的暂时航迹与点迹特征因子的隶属度SubAttribute，且根据已建立的暂时航迹与点迹运动状态因子的隶属度SubDynamic，计算综合隶属度Sub，如公式3所示，其中k为点迹特征因子隶属度比，最大值取1，衡量了点迹特征因子与点迹运动状态因子对点迹隶属度贡献的比例。
Sub＝SubAttribute×k+SubDynamic×(1-k)； 公式3
S24，判断综合隶属度Sub是否大于用户设定的门限，本实施例中，将此门限设定为0.6，若是，则暂时航迹与点迹相关，执行步骤S25；若否，则执行步骤S26。
S25，对已建立暂时航迹的所有相关点迹进行最优相关点迹遴选，已建立的暂时航迹最终仅保留一个相关点迹形成单边多假设暂时航迹；所有相关点迹遴选：对比已建立的暂时航迹与每个点迹的综合隶属度，综合隶属度最高的点迹为暂时航迹的最优相关点迹，保留此最优相关点迹。
S26，将最终仅保留的一个相关点迹关联到已建立的暂时航迹上形成单边多假设的暂时航迹。
其中，已建立的暂时航迹在每一帧点迹数据中至多仅与一个点迹相关，形成单边多假设的暂时航迹。
步骤S3中，如图3所示，多模型暂时航迹起始判定的方法，包括以下步骤：
S31，计算形成单边多假设的暂时航迹的点迹与单边多假设的暂时航迹的综合隶属度，统计综合隶属度属于高隶属度的帧数HighSubCnt，属于甚高隶属度的帧数VeryHighSubCnt；
所述综合隶属度为步骤S23中计算得出的综合隶属度Sub，本实施例中，综合隶属度为大于或等于0.8且小于0.85，则属于高隶属度；综合隶属度为大于或等于0.85且小于1，则属于甚高隶属度。
S32，计算形成单边多假设的暂时航迹的点迹与单边多假设的暂时航迹的航向一致性，统计航向一致性属于航向一致的帧数HighCourseUniformCnt，属于航向高度一致的帧数VeryHighCourseUniformCnt；
所述航向一致性为形成单边多假设的暂时航迹的点迹与此单边多假设的暂时航迹的航向差，本实施例中，航向一致性为小于或等于1.5度且大于0.5度，则属于航向一致；航向一致性为小于或等于0.5度且大于0度，则属于航向高度一致。
S33，统计形成单边多假设的暂时航迹的点迹属于杂波区帧数CluterCnt，对暂时航迹进行杂波区判定，若属于非杂波区，即杂波区帧数CluterCnt为0，则执行步骤S34；若属于杂波区，即杂波区帧数CluterCnt大于0，则执行步骤 S35。
S34，判断是否满足暂时航迹起始模型1的起始条件，若满足，则执行步骤 S38；若不满足，则执行步骤S37；所述起始条件：高隶属度的帧数HighSubCnt，航向一致的帧数HighCourseUniformCnt满足高隶属度帧数门限 HighSubThresold、航向一致帧数门限HighCourseUniformThresold，如关系表达式1所示。
Figure BDA0001714572520000071
S35，判断是否满足暂时航迹起始模型2的起始条件，若满足，则执行步骤 S38；若不满足，则执行步骤S36；所述起始条件：甚高隶属度的帧数 VeryHighSubCnt、航向高度一致的帧数VeryHighCourseUniformCnt满足甚高隶属度帧数门限VeryHighSubThresold、航向高度一致帧数门限 VeryHighCourseUniformThresold，如关系表达式2所示。
Figure BDA0001714572520000072
S36，判断是否属于类似清洁区，若是，则执行步骤S37；若否，则执行步骤上S39；所述类似清洁区：单边多假设的暂时航迹属于杂波区的帧数CluterCnt 与单边多假设的暂时航迹形成帧数FrameCnt比值小于杂波区帧数门限值 CleanFrameThresold。
S37，判断是否满足暂时航迹起始模型3的起始条件，若满足，则执行步骤 S38；若不满足，则执行步骤S39；所述起始条件：目标飞行轨迹不连续，即存在丢点帧数LostCnt，起始帧数InitFrameCnt在起始门限InitFrameThresold 的基础上动态增加丢点帧数，判断单边多假设的暂时航迹形成帧数FrameCnt是否满足大于起始帧数，且综合隶属度Sub是否满足大于隶属度门限值SubThresold，如关系表达式3所示。
Figure BDA0001714572520000081
S38，该单边多假设的暂时航迹即为满足航迹起始条件的暂时航迹。
S39，将该单边多假设的暂时航迹作为已建立的暂时航迹等待与下一帧点迹数据进行单边多假设相关判定。
其中，多模型暂时航迹起始判定对所有暂时航迹均适用，在本实施例中，对步骤S2中形成的单边多假设的暂时航迹进行多模型暂时航迹起始判定。
多模型暂时航迹起始判定的暂时航迹起始模型为根据目标的飞行状态和杂波环境进行扩展的，本实施例中，多模型暂时航迹起始判定包括3个暂时航迹起始模型，其中，暂时航迹起始模型1：适用于属于非杂波区的暂时航迹；暂时航迹起始模型2：适用于属于杂波区的暂时航迹；暂时航迹起始模型3：适用于属于非杂波区中不满足航迹起始模型1的暂时航迹，且还适用于属于杂波区中的类似清洁区的暂时航迹。
本实施例中，高隶属度帧数门限HighSubThresold为3帧；
甚高隶属度帧数门限VeryHighSubThresold为4帧；
航向一致帧数门限HighCourseUniformThresold为3帧；
航向高度一致帧数门限VeryHighCourseUniformThresold为4帧；
杂波区帧数门限CleanFrameThresold为3/8；
隶属度门限值SubThresold为0.8。
步骤S4中，如图3所示，暂时航迹滤波判定的方法，包括以下步骤：
S41,记录满足航迹起始条件的暂时航迹创建时的首点位置信息FirstX、 FirstY；记录满足航迹起始条件的暂时航迹每一帧的航程信息TotalRoute；记录满足航迹起始条件的暂时航迹的尾点位置信息EndX、EndY。
S42，计算满足航迹起始条件的暂时航迹首尾点的距离与航程之比。
S43，判断满足航迹起始条件的暂时航迹是否通过第一级滤波，判断满足航迹起始条件的暂时航迹首尾点的距离与航程之比是否小于杂波晃动门限 ShakeThresold，本实施例中，杂波晃动门限ShakeThresold为0.7，如公式4 所示，若是，则不通过，执行步骤S47；否则，通过第一级滤波，执行步骤S44。
Figure BDA0001714572520000091
S44，用户设置一个扇形区域为禁止起始区域，禁止起始区域为不允许建立暂时航迹的区域。
S45，判断暂时航迹是否通过第二级滤波，第二级滤波采用滑窗滤波的方法，滑动扇形的起始起始区域，遍历形成暂时航迹的所有点迹，判断满足航迹起始条件的暂时航迹中属于禁止起始区域中的连续点迹是否达到设定的数量，本实施例中，设定的数量为3个，若是，则不通过，执行步骤S47；否则，通过第二级滤波，执行步骤S46；
S46，形成稳定航迹。
S47，删除该满足航迹起始条件的暂时航迹。
其中，所述第一级滤波为滤除杂波晃动点，当暂时航迹的形成点迹为杂波晃动点时，则暂时航迹首尾点的距离为小于暂时航迹历经的航程；所述第二级滤波为滤除禁止起始区域中形成的暂时航迹。
以上仅为本发明创造的较佳实施例而已，并不用以限制本发明创造，凡在本发明创造的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明创造的保护范围之内。

Claims (1)

1.基于无人机监视雷达的多模型暂时航迹起始判定方法，其特征在于，包括如下具体步骤：
S31，计算形成暂时航迹的每一帧点迹与暂时航迹的综合隶属度Sub，统计综合隶属度Sub属于高隶属度的帧数HighSubCnt，属于甚高隶属度的帧数VeryHighSubCnt；
S32，计算形成暂时航迹的每一帧点迹与暂时航迹的航向一致性，统计航向一致性属于航向一致的帧数HighCourseUniformCnt，属于航向高度一致的帧数VeryHighCourseUniformCnt；
S33，统计形成暂时航迹的每一帧点迹属于杂波区帧数CluterCnt；
S34，根据杂波区帧数CluterCnt判断暂时航迹是否属于杂波区，若否，则对暂时航迹进行暂时航迹起始模型1的起始判定，执行步骤S35；若是，则对暂时航迹进行暂时航迹起始模型2的起始判定，执行步骤S36；
S35，判断暂时航迹是否满足暂时航迹起始模型1的起始条件，若是，则该暂时航迹满足暂时航迹的起始条件；若否，则对该暂时航迹进行暂时航迹起始模型3的起始判定，执行步骤S38；
S36，判断暂时航迹是否满足暂时航迹起始模型2的起始条件，若是，则该暂时航迹满足暂时航迹的起始条件；若否，则执行步骤S37；
S37，判断该暂时航迹是否属于类似清洁区，若是，则对该暂时航迹进行暂时航迹起始模型3的起始判定,执行步骤S38；若否，则该暂时航迹不满足暂时航迹的起始条件；所述类似清洁区为：暂时航迹属于杂波区帧数CluterCnt与暂时航迹形成帧数FrameCnt的比值小于杂波区帧数门限值CleanFrameThresold的区域；
S38，判断暂时航迹是否满足暂时航迹起始模型3的起始条件，若是，则该暂时航迹满足暂时航迹的起始条件；若否，则该暂时航迹不满足暂时航迹的起始条件；
其中，暂时航迹起始模型1的航迹起始条件：
Figure FDA0002990923460000011
HighSubThresold为高隶属度帧数门限；
HighCourseUniformThresold为航向一致帧数门限；
暂时航迹起始模型2的航迹起始条件：
Figure FDA0002990923460000021
VeryHighSubThresold为甚高隶属度帧数门限；
VeryHighCourseUniformThresold为航向高度一致帧数门限；
暂时航迹起始模型3的航迹起始条件：
Figure FDA0002990923460000022
FrameCnt为单边多假设的暂时航迹的形成帧数；
CleanFrameThresold为杂波区帧数门限；
InitFrameCnt为单边多假设的暂时航迹起始帧数；
InitFrameThresold为起始门限；
LostCnt为丢点帧数；
FrameCnt为单边多假设的暂时航迹形成帧数；
Sub为综合隶属度Sub；
SubThresold为相关门限；
在步骤S31之前，还包括暂时航迹的形成，步骤如下所示：
S1，雷达进行第一帧的扫描，系统接收的第一帧点迹数据，点迹数据包括：点迹的三维坐标信息、时间信息、属性值、幅度值，并对第一帧点迹数据中的所有点迹均建立暂时航迹；
S2，雷达进行第二帧的扫描，系统接收的此帧点迹数据，将此帧点迹数据中的每个点迹与已建立的每条暂时航迹均进行单边多假设相关判定，判断将此帧点迹中的点迹是否与已建立的暂时航迹相关，若存在某一点迹与已建立的某一暂时航迹相关，则将该相关点迹关联到该已建立的暂时航迹上形成单边多假设的暂时航迹；若某一点迹与已建立的每条暂时航迹均不相关，则用该点迹建立暂时航迹；
步骤S2中，单边多假设暂时航迹相关判定的方法，包括以下步骤：
S21，计算已建立的暂时航迹与点迹特征因子的隶属度SubAttribute，如公式1所示，其中plotAttributei为点迹特征因子i的点迹属性值，TTAttributei为暂时航迹属性值，normalizedAttributei为归一化值，取该点迹特征因子的最大波动范围，Factor1i为点迹特征因子i对点迹特征隶属度的贡献，点迹特征因子的隶属度为计算出n个点迹特征因子的综合隶属度Sub；
Figure FDA0002990923460000031
S22，计算已建立的暂时航迹与点迹运动状态因子的隶属度SubDynamic，如公式2所示，其中plotDynamici为点迹运动状态因子i的运动状态值，TTDynamici为暂时航迹运动状态值，normalizedDynamici为归一化值，取该点迹运动状态因子的最大波动范围，Factor2i为点迹运动状态因子i对点迹运动状态隶属度的贡献，点迹运动状态的隶属度为计算出m个点迹运动状态的综合隶属度Sub；
Figure FDA0002990923460000032
S23，根据已建立的暂时航迹与点迹特征因子的隶属度SubAttribute，且根据已建立的暂时航迹与点迹运动状态因子的隶属度SubDynamic，计算综合隶属度Sub，如公式3所示，其中k为点迹特征因子隶属度比；
Sub＝SubAttribute×k+SubDynamic×(1-k)； 公式3
S24，判断综合隶属度Sub是否大于用户设定的门限，若是，则暂时航迹与点迹相关，执行步骤S25；若否，则执行步骤S26；
S25，对已建立暂时航迹的所有相关点迹进行最优相关点迹遴选，已建立的暂时航迹最终仅保留一个相关点迹形成单边多假设暂时航迹；
对已建立暂时航迹的所有相关点迹进行最优相关点迹遴选的具体方式为：对比已建立的暂时航迹与每个点迹的综合隶属度Sub，综合隶属度Sub最高的点迹为暂时航迹的最优相关点迹，保留此最优相关点迹；
S26，将最终仅保留的一个相关点迹关联到已建立的暂时航迹上形成单边多假设的暂时航迹；
步骤S31中，所述综合隶属度Sub为步骤S23中计算得出的综合隶属度Sub；
若形成暂时航迹的某一帧点迹与暂时航迹的综合隶属度Sub为大于或等于0.8且小于0.85，则形成暂时航迹的该帧点迹的综合隶属度Sub即为高隶属度；统计形成暂时航迹的点迹中综合隶属度Sub为高隶属度的帧数，得到综合隶属度Sub属于高隶属度的帧数HighSubCnt；
若形成暂时航迹的某一帧点迹与暂时航迹的综合隶属度Sub为大于或等于0.85且小于1，则形成暂时航迹的该帧点迹的综合隶属度Sub即为甚高隶属度；统计形成暂时航迹的点迹中综合隶属度Sub为甚高隶属度的帧数，得到综合隶属度Sub甚高隶属度的帧数VeryHighSubCnt；
步骤S32中，航向一致性是利用形成暂时航迹的每一帧点迹与该暂时航迹之间的航向差来判断；
若形成暂时航迹的某一帧点迹与该暂时航迹之间的航向差为小于或等于1.5度且大于0.5度，则形成暂时航迹的该帧点迹的航向一致性即为航向一致；统计形成暂时航迹的点迹中航向一致性为航向一致的帧数，得到航向一致性属于航向一致的帧数HighCourseUniformCnt；
若形成暂时航迹的某一帧点迹与该暂时航迹之间的航向差为小于或等于0.5度且大于0度，则形成暂时航迹的该帧点迹的航向一致性即为航向高度一致；统计形成暂时航迹的点迹中航向一致性为航向高度一致的帧数，得到航向一致性属于航向高度一致的帧数VeryHighCourseUniformCnt。
CN201810700497.6A 2018-06-29 2018-06-29 基于无人机监视雷达的多模型暂时航迹起始判定方法 Active CN108919269B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810700497.6A CN108919269B (zh) 2018-06-29 2018-06-29 基于无人机监视雷达的多模型暂时航迹起始判定方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810700497.6A CN108919269B (zh) 2018-06-29 2018-06-29 基于无人机监视雷达的多模型暂时航迹起始判定方法

Publications (2)

Publication Number Publication Date
CN108919269A CN108919269A (zh) 2018-11-30
CN108919269B true CN108919269B (zh) 2021-06-15

Family

ID=64421208

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810700497.6A Active CN108919269B (zh) 2018-06-29 2018-06-29 基于无人机监视雷达的多模型暂时航迹起始判定方法

Country Status (1)

Country Link
CN (1) CN108919269B (zh)

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106959441A (zh) * 2017-02-28 2017-07-18 中国电子科技集团公司第二十八研究所 一种机场场面监视雷达多径虚假目标航迹抑制方法
CN107255803A (zh) * 2017-07-24 2017-10-17 中电科技（合肥）博微信息发展有限责任公司 一种船舶航迹逻辑起始算法
CN107878766A (zh) * 2016-09-29 2018-04-06 霍尼韦尔国际公司 用于利用增强符号体系生成水平位置指示器图形的飞行器显示系统和方法
CN107942293A (zh) * 2017-10-30 2018-04-20 中国民用航空总局第二研究所 机场场面监视雷达的点迹处理方法及系统

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10150487B2 (en) * 2015-10-27 2018-12-11 Zipholdings, Llc Marine-environment, emergency-egress system and method

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107878766A (zh) * 2016-09-29 2018-04-06 霍尼韦尔国际公司 用于利用增强符号体系生成水平位置指示器图形的飞行器显示系统和方法
CN106959441A (zh) * 2017-02-28 2017-07-18 中国电子科技集团公司第二十八研究所 一种机场场面监视雷达多径虚假目标航迹抑制方法
CN107255803A (zh) * 2017-07-24 2017-10-17 中电科技（合肥）博微信息发展有限责任公司 一种船舶航迹逻辑起始算法
CN107942293A (zh) * 2017-10-30 2018-04-20 中国民用航空总局第二研究所 机场场面监视雷达的点迹处理方法及系统

Also Published As

Publication number Publication date
CN108919269A (zh) 2018-11-30

Similar Documents

Publication Publication Date Title
Dabrowski et al. Maritime piracy situation modelling with dynamic Bayesian networks
CN105487061B (zh) 目标数据关联的多特征信息融合方法
CN101324956A (zh) 基于均值漂移的抗遮挡运动目标跟踪方法
CN105828287B (zh) 一种基于强化学习的无线传感器网络协同跟踪方法
CN106405537B (zh) 基于位置信息和多普勒信息的雷达航迹起始方法
CN108919268B (zh) 一种基于无人机监视雷达的航迹起始算法
CN110544269A (zh) 基于特征金字塔的孪生网络红外目标跟踪方法
CN109633599B (zh) 一种机载预警雷达多目标跟踪方法
KR101652261B1 (ko) 카메라를 이용한 오브젝트 검출 방법
CN109031229B (zh) 一种杂波环境下目标跟踪的概率假设密度方法
CN107436434B (zh) 基于双向多普勒估计的航迹起始方法
CN113671481B (zh) 一种基于毫米波雷达的3d多目标跟踪处理方法
CN105654516A (zh) 基于目标显著性的卫星图像对地面弱小运动目标检测方法
CN113096159B (zh) 目标检测、轨迹跟踪方法、模型及其电子设备
CN108694723A (zh) 一种复杂背景下目标稳定跟踪方法
CN108344992A (zh) 一种用于车载毫米波雷达的多目标跟踪方法
CN106249218A (zh) 一种基于多频点回波信息融合的目标跟踪方法
CN102129559A (zh) 基于Primal Sketch算法的SAR图像目标检测方法
CN111275740A (zh) 一种基于高分辨率孪生网络的卫星视频目标跟踪方法
CN107479044B (zh) 基于点迹密度实时统计自适应航迹起始方法
CN113256689A (zh) 高空抛物检测方法及装置
CN108919269B (zh) 基于无人机监视雷达的多模型暂时航迹起始判定方法
CN105469054A (zh) 正常行为的模型构建方法及异常行为的检测方法
CN110031807B (zh) 一种基于无模型强化学习的多阶段灵巧噪声干扰方法
Coraluppi et al. Recent advances in multi-INT track fusion

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