CN109085593A - 一种基于Kmeans聚类算法的气象雷达信标检测方法 - Google Patents
一种基于Kmeans聚类算法的气象雷达信标检测方法 Download PDFInfo
- Publication number
- CN109085593A CN109085593A CN201810898404.5A CN201810898404A CN109085593A CN 109085593 A CN109085593 A CN 109085593A CN 201810898404 A CN201810898404 A CN 201810898404A CN 109085593 A CN109085593 A CN 109085593A
- Authority
- CN
- China
- Prior art keywords
- beacon
- original
- cluster
- weather radar
- detection method
- 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
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
- 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
- G01S13/95—Radar or analogous systems specially adapted for specific applications for meteorological use
- G01S13/953—Radar or analogous systems specially adapted for specific applications for meteorological use mounted on aircraft
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
- Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Physics & Mathematics (AREA)
- Aviation & Aerospace Engineering (AREA)
- Electromagnetism (AREA)
- Computer Networks & Wireless Communication (AREA)
- General Physics & Mathematics (AREA)
- Radar Systems Or Details Thereof (AREA)
Abstract
本发明涉及一种基于Kmeans聚类算法的气象雷达信标检测方法，所述气象雷达信标检测方法包括：S1：通过气象雷达天线扫描获得多个原始信标的信标参数信息；S2：根据原始信标的第一信标参数信息，对同一信标编码的多个原始信标进行聚类获得聚类信标；S3：根据原始信标的第二信标参数信息，对聚类信标中的原始信标的第一信标参数信息进行加权平均，获得聚类信标的质心。本发明的基于Kmeans聚类算法的雷达信标检测方法通过采集雷达一个扇面内所有的信标信号，对采集的所有信号在一定方位及距离范围内，根据信号功率对信标目标进行聚类，使检测出的信标结果更加准确，在不改变硬件结构、不新增经费的基础上有效的解决了该问题。
Description
技术领域
本发明属于机载气象雷达探测技术领域，尤其涉及一种基于Kmeans聚类算法的气象雷达信标检测方法。
背景技术
信标探测功能作为机载气象雷达常用的辅助功能，主要通过机载气象雷达与地面信标机之间的询问和应答实现，通常能使载机气象雷达在数十公里以外确定地面信标机的相对位置，从而实现物资投放、载机定点飞行以及在海上和其他恶劣环境下的救援等工作。
参见图1所示的信标探测示意图及图2所示的信标探测流程，机载气象雷达对信标探测的工作原理为：雷达发射射频询问脉冲信号，由地面信标机接收后，地面信标机发射应答脉冲信号，雷达接收到应答脉冲信号后进行脉冲信号处理，经放大、A/D(模拟/数字)采样、测距、译码等处理后，解算出地面信标机的方位及距离，并将其输出到电子飞行仪表系统(Electronic Flight InstrumentSystem，EFIS)。
然而现有的信标探测技术主要有以下缺点：
通常实现满足机载雷达较大的信标探测距离，地面信标机需要拥有较好的应答灵敏度和较强的发射功率，而雷达发射波束的旁瓣易产生部分干扰(图参见3所示的雷达波束图，在雷达波束图中，中间部分为雷达主瓣增益，其余为旁瓣增益，而旁瓣增益中具有较强信号强度的增益则会被误认为是有用信号，如图3中P处增益)。如果到地面达信标机天线的功率密度Pr大于地面信标机的应答灵敏度，地面信标机就可以判别询问信号有效，并发送应答脉冲信标信号，流程参见图4所示。由于旁瓣增益较低，因此仅在较近的探测距离上，气象雷达探测时在一定的探测方位角度上能检测到多个信标目标(其中包含虚假目标)，使得信标检测结果不准确，信标准确度不满足要求。
发明内容
本发明的目的是为了解决现有地面信标机拥有较好的应答灵敏度和较强的发射功率情况下，机载气象雷达发射波术旁瓣易产生干扰，雷达在信标近距离探测时会探测到同一距离、不同方位的多个目标的问题，为此本发明提供了一种基于Kmeans聚类算法的雷达信标检测方法，可在一定方位及距离范围内，对探测的多个信标目标进行聚类，并根据信号参数进行平均，从而提高信标检测的正确性，使得载机辅助定位更加准确。
为达到上述目的，本发明采用的技术方案是：一种基于Kmeans聚类算法的气象雷达信标检测方法，其特征在于，所述气象雷达信标检测方法包括：
S1：通过气象雷达天线扫描获得多个原始信标的信标参数信息；
S2：根据原始信标的第一信标参数信息，对同一信标编码的多个原始信标进行聚类获得聚类信标；
S3：根据原始信标的第二信标参数信息，对聚类信标中的原始信标的第一信标参数信息进行加权平均，获得聚类信标的质心。
进一步的，所述信标参数信息包括信标距离、信标方位角及信标功率。
进一步的，所述第一信标参数信息为距离及信标方位角。
进一步的，所述第二信标参数信息为信标功率。
进一步的，所述获得聚类信标的过程为：
S21：在同一信标编码下，第一个原始信标设为第一类聚类信标，计算第二个原始信标与第一类聚类信标中的每个原始信标之间的距离L，若所述距离L中的最小值小于设定的聚类门限，则第二个原始信标与第一个原始信标聚为同一类，反之则第二个原始信标设为第二类聚类信标；
S22：计算第三个原始信标与现有类别的聚类信标中每个原始信标的距离L，若所述距离L中的最小值小于聚类门限，则第三个原始信标与其最近的原始信标聚为同一类，反之则将第三原始信标聚为新的一类；
S23：重复步骤S22，直至所有原始信标的聚类完成。
进一步的，所述质心包括聚类信标的信标方位角XCm、信标距离YCm、功率PCm，其加权平均计算公式为：
其中k＝1,2,…,Km，Km为第m个类别中的信标目标个数。
进一步的，所述第一聚类门限小于第二聚类门限。
本发明的基于Kmeans聚类算法的雷达信标检测方法通过采集雷达一个扇面内所有的信标信号，对采集的所有信号在一定方位及距离范围内，根据信号功率对信标目标进行聚类，使检测出的信标结果更加准确，在不改变硬件结构、不新增经费的基础上有效的解决了该问题。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本发明的实施例，并与说明书一起用于解释本发明的原理。
图1为机载气象雷达信标探测示意图；
图2为机载气象雷达信标探测流程图；
图3为气象雷达波束图；
图4为气象雷达波束旁瓣照射产生应答信标示意图；
图5为聚类后雷达信标示意图。
具体实施方式
为使本发明实施的目的、技术方案和优点更加清楚，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更加详细的描述。
本发明的本发明中，首先接收一个扇面的信标探测信息，一个扇面中一般会具有多个原始信标，经过对原始信标的信号处理及解算后可得到原始信标的参数信息，上述参数信息包括信标距离、信标方位角及信标概率。并将上述的信标参数信息根据信标所具有的不同编码进行存储。之后根据信标参数中的预设的信标距离及信标方位角，对同一信标编码下的多个原始信标进行聚类处理得到聚类信标。最后，根据信标参数中的信标功率，对聚类后的原始信标的信标距离及信标方位角进行计算加权平均，得出每一类目标的质心位置。
对于本发明中的原始信标聚类过程如下：
(1)首先，在同一编码下，置第一个原始信标N1为第一类聚类信标M1，计算第一个原始信标N2与第一个原始信标N1的距离L，若第一个原始信标N1与第一个原始信标N2的距离L满足设置的第一聚类门限(小于设定的距离)，说明第一个原始信标N1与第一个原始信标N2距离较近，那么将第一个原始信标N1与第二原始信标置于相同的聚类信标中，若第一个原始信标N1与第一个原始信标N2的距离L不满足设置的聚类门限(超出设定的距离)，说明第一个原始信标N1与第一个原始信标N2距离较远，那么将第一个原始信标N1与第二原始信标置于不相同的聚类信标中，即将第二原始信标置为第二类聚类信标M2；
(2)之后，计算第三个原始信标N3与现有类别的聚类信标中每个原始信标N1～N2的距离L，若为步骤1中仅有一个聚类信标的情况时，若距离L的最小值满足第二聚类门限，则将三个原始信标归为聚为一类，若距离L的最小值不满足情况时，则将第三个信标置为第二类聚类信标；若为步骤1中具有两个聚类信标的情况时，若距离L的最小值满足第二聚类门限，则将三个原始信标N3与其最接近(距离最小)的原始信标归为聚为一类，反之第三个原始信标为第三类聚类信标N3；
(3)重复上述步骤，直至所有的原始信标聚类完成。
聚类完成后，按照原始信标的功率对同一类的聚类信标进行方位角Xn及距离Yn的加权平均，即可得到聚类后的聚类信标方位角XCm、信标距离YCm和功率PCm，其中加权公式为：
其中k＝1,2,…,Km，Km为第m个类别中的信标目标个数。
通过上述加权平均及计算后的聚类信标参数，即为显示于EFIS中的信标信息。
如图5所示的某雷达扫描结果为例，在此实例中雷达共扫描得到20个原始信标信号(即N＝20)，原始信标信号信标参数如表1所示，20个原始信标均为同一信标编码，若不对齐聚类操作，显示仪器中无法判定信标的准确位置，对于例如空投物资的情况下无法准确进行抛投，因此在本发明中对其进行聚类，以提高信标的精确度。
在本发明中，将用于第二个原始信标和第一个原始信标聚类判定的初始聚类门限设定为大于判定第三原始信标及其之后的原始信标的聚类门限，这有助于在初始过程中将信标分开，提高信标的聚类效果及精准度。本实施例中，设定的初始聚类门限为10km及用于聚类用的常规聚类门限为5km，之后对原始信标进行聚类。
表1 原始信标信号(编号为图5中以左至右顺序)
| 目标编号 | 信标方位角X<sub>n</sub> | 信标距离Y<sub>n</sub> | 信标功率Po<sub>n</sub> |
| 1 | -19.5 | 21.66 | 1.28 |
| 2 | -19.1 | 21.72 | 1.52 |
| 3 | -18.8 | 21.73 | 1.73 |
| 4 | -18.4 | 21.73 | 1.56 |
| 5 | -18.2 | 21.71 | 1.36 |
| 6 | -17.6 | 21.70 | 1.38 |
| 7 | -17.2 | 21.68 | 1.26 |
| 8 | -5.7 | 18.70 | 2.37 |
| 9 | -5.3 | 18.71 | 2.63 |
| 10 | -4.8 | 18.74 | 2.82 |
| 11 | -4.4 | 18.74 | 2.76 |
| 12 | -3.9 | 18.73 | 2.45 |
| 13 | -3.5 | 18.71 | 2.27 |
| 14 | -3.1 | 18.71 | 2.16 |
| 15 | 6.5 | 20.59 | 1.59 |
| 16 | 6.8 | 20.61 | 1.78 |
| 17 | 7.3 | 20.62 | 2.04 |
| 18 | 7.5 | 20.60 | 1.82 |
| 19 | 7.9 | 20.60 | 1.61 |
| 20 | 8.2 | 20.58 | 1.48 |
通过本发明的方法后，将原始信标编号为1-7的置为第一类聚类信标M1，将原始信标编号为8-15的置为第二类聚类信标M2，将原始信标编号为16-20置为第三类聚类信标M3，原始信标编号及聚类完成后信标质心如下图5所示。
聚类完成后的三类聚类信标通过本发明的上述计算方法，得到了聚类信标的信标参数，参见表2。
表2 每一类别质心
| 类别号 | 聚类信标方位角XC<sub>m</sub> | 聚类信标距离YC<sub>m</sub> |
| M1 | -18.5393 | 21.7088 |
| M2 | -4.4286 | 18.7210 |
| M3 | 7.3484 | 20.6013 |
本发明的达信标检测方法克服了现有气象雷达在较近距离进行信标检测时，容易在一定范围的探测方位角上检测出多个信标目标，从而使信标检测结果不准确的问题。对于现有技术的信标检测问题，如果要提高信标探测的准确性，通常需要在信标探测系统上增加差路通道或天线阵列来进行探测，然而上述方法对现阶段气象雷达来说经济成本高且系统设计复杂。而本发明的方法只需要修改雷达软件，无需修改硬件及雷达系统，可以直接在现有气象雷达上使用，大大降低了经济成本以及系统设计的复杂性，同时又提高了信标目标检测的准确性。
本发明的基于Kmeans聚类算法的气象雷达信标检测方法，在系统增加差路通道等来降低旁瓣影响，以提高信标探测的准确性，但经济成本高且系统设计复杂。本发明在现阶段气象雷达只有和路通道，且现有气象雷达系统不变更的情况下，仅通过雷达软件升级即可提高信标检测的准确度。
本发明可应用于军用和民用机载气象雷达领域，提高机载气象雷达对信标目标探测的准确性，使得载机进行物资投放、定点飞行以及救援等工作更加具有准确性。
以上所述，仅为本发明的最优具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到的变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以所述权利要求的保护范围为准。
Claims (7)
1.一种基于Kmeans聚类算法的气象雷达信标检测方法，其特征在于，所述气象雷达信标检测方法包括：
S1：通过气象雷达天线扫描获得多个原始信标的信标参数信息；
S2：根据原始信标的第一信标参数信息，对同一信标编码的多个原始信标进行聚类获得聚类信标；
S3：根据原始信标的第二信标参数信息，对聚类信标中的原始信标的第一信标参数信息进行加权平均，获得聚类信标的质心。
2.根据权利要求1基于Kmeans聚类算法的气象雷达信标检测方法，其特征在于，所述信标参数信息包括信标距离、信标方位角及信标功率。
3.根据权利要求2基于Kmeans聚类算法的气象雷达信标检测方法，其特征在于，所述第一信标参数信息为距离及信标方位角。
4.根据权利要求2基于Kmeans聚类算法的气象雷达信标检测方法，其特征在于，所述第二信标参数信息为信标功率。
5.根据权利要求3或4所述的基于Kmeans聚类算法的气象雷达信标检测方法，其特征在于，所述获得聚类信标的过程为：
S21：在同一信标编码下，第一个原始信标设为第一类聚类信标，计算第二个原始信标与第一类聚类信标中的每个原始信标之间的距离L，若所述距离L中的最小值小于设定的第一聚类门限，则第二个原始信标与第一个原始信标聚为同一类，反之则第二个原始信标设为第二类聚类信标；
S22：计算第三个原始信标与现有类别的聚类信标中每个原始信标的距离L，若所述距离L中的最小值小于第二聚类门限，则第三个原始信标与其最近的原始信标聚为同一类，反之则将第三原始信标聚为新的一类；
S23：重复上述步骤，直至所有原始信标的聚类完成。
6.根据权利要求1所述的基于Kmeans聚类算法的气象雷达信标检测方法，其特征在于，所述质心包括聚类信标的信标方位角XCm、信标距离YCm、功率PCm，其加权平均计算公式为：
其中k＝1,2,…,Km，Km为第m个类别中的信标目标个数。
7.根据权利要求5所述的基于Kmeans聚类算法的气象雷达信标检测方法，其特征在于，所述第一聚类门限大于第二聚类门限。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810898404.5A CN109085593B (zh) | 2018-08-08 | 2018-08-08 | 一种基于Kmeans聚类算法的气象雷达信标检测方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810898404.5A CN109085593B (zh) | 2018-08-08 | 2018-08-08 | 一种基于Kmeans聚类算法的气象雷达信标检测方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN109085593A true CN109085593A (zh) | 2018-12-25 |
| CN109085593B CN109085593B (zh) | 2022-10-25 |
Family
ID=64834295
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201810898404.5A Active CN109085593B (zh) | 2018-08-08 | 2018-08-08 | 一种基于Kmeans聚类算法的气象雷达信标检测方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN109085593B (zh) |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103617618A (zh) * | 2013-12-03 | 2014-03-05 | 西安电子科技大学 | 基于特征提取与聚类集成的sar图像分割方法 |
| CN106342246B (zh) * | 2011-06-14 | 2014-03-26 | 中国航空工业集团公司雷华电子技术研究所 | 一种气象雷达地杂波抑制方法 |
| CN104851097A (zh) * | 2015-05-19 | 2015-08-19 | 西安电子科技大学 | 基于目标形状与阴影辅助的多通道sar-gmti方法 |
| CN107153174A (zh) * | 2017-05-18 | 2017-09-12 | 陕西长岭电子科技有限责任公司 | Gjb661‑89标准信标机信号的识别方法 |
| KR101846294B1 (ko) * | 2017-04-11 | 2018-05-18 | 대한민국 | 기상 레이더 기반 강우중심 추적방법 |
-
2018
- 2018-08-08 CN CN201810898404.5A patent/CN109085593B/zh active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106342246B (zh) * | 2011-06-14 | 2014-03-26 | 中国航空工业集团公司雷华电子技术研究所 | 一种气象雷达地杂波抑制方法 |
| CN103617618A (zh) * | 2013-12-03 | 2014-03-05 | 西安电子科技大学 | 基于特征提取与聚类集成的sar图像分割方法 |
| CN104851097A (zh) * | 2015-05-19 | 2015-08-19 | 西安电子科技大学 | 基于目标形状与阴影辅助的多通道sar-gmti方法 |
| KR101846294B1 (ko) * | 2017-04-11 | 2018-05-18 | 대한민국 | 기상 레이더 기반 강우중심 추적방법 |
| CN107153174A (zh) * | 2017-05-18 | 2017-09-12 | 陕西长岭电子科技有限责任公司 | Gjb661‑89标准信标机信号的识别方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN109085593B (zh) | 2022-10-25 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| KR101108749B1 (ko) | 다수의 송신기들을 구비한 무선 시스템에서의 모바일 무선수신기 위치 찾기 시스템 및 방법 | |
| US10175348B2 (en) | Use of range-rate measurements in a fusion tracking system via projections | |
| CN105704652B (zh) | 一种wlan/蓝牙定位中的指纹库采集和优化方法 | |
| CN104635203B (zh) | 一种基于粒子滤波算法的无线电干扰源测向定位方法 | |
| US10001550B2 (en) | Method for automatic classification of radar objects | |
| CN107613559A (zh) | 一种基于5g信号的doa指纹库定位方法 | |
| EP2419755A1 (en) | Methods and apparatus for integration of distributed sensors and airport surveillance radar to mitigate blind spots | |
| CN109991519B (zh) | 基于神经网络和无线传感阵列的局部放电测向方法及系统 | |
| CN103561380A (zh) | 位置指纹定位方法及装置 | |
| CN110764059B (zh) | 一种收发垂直波束三坐标相控阵雷达方法 | |
| CN104931959A (zh) | 形成目标点迹的多目标点迹凝聚方法 | |
| CN117452321A (zh) | 基于干涉仪及单站无源交叉定位的机载测向及定位系统 | |
| CN108445461A (zh) | 一种多径条件下雷达目标检测方法 | |
| CN106575825B (zh) | 用于使用模态天线寻找信号方向的方法 | |
| US10151823B2 (en) | Method for passive approximate localization using frequency modulation and software defined radio | |
| CN108535704A (zh) | 一种基于自适应二维聚类的信号预分选方法 | |
| CN113484838A (zh) | 一种多基地雷达有源假目标鉴别方法及系统 | |
| CN108828543A (zh) | 一种基于多元矢量合成的多散射点雷达目标模拟方法 | |
| CN110488259B (zh) | 一种基于gdbscan的雷达目标分类方法及装置 | |
| CN109085593A (zh) | 一种基于Kmeans聚类算法的气象雷达信标检测方法 | |
| CN110515066A (zh) | 一种车载毫米波雷达及其目标高度测量方法 | |
| CN105425232A (zh) | 一种监控方法及电子设备 | |
| CN109541557A (zh) | 一种雷达天线保护通道生成方法 | |
| KR102096941B1 (ko) | Pcl 운용 환경을 기반으로 하는 저피탐 표적 식별 장치 및 그 방법 | |
| CN110221255B (zh) | 一种提取雷达信标信号的方法、装置及雷达系统 |
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 |