CN109917373A - 运动补偿搜索的动平台雷达的动态规划检测前跟踪方法 - Google Patents
运动补偿搜索的动平台雷达的动态规划检测前跟踪方法 Download PDFInfo
- Publication number
- CN109917373A CN109917373A CN201910269819.0A CN201910269819A CN109917373A CN 109917373 A CN109917373 A CN 109917373A CN 201910269819 A CN201910269819 A CN 201910269819A CN 109917373 A CN109917373 A CN 109917373A
- Authority
- CN
- China
- Prior art keywords
- frame
- coordinate system
- state
- value function
- measurement
- 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
- 238000000034 method Methods 0.000 claims abstract description 63
- 238000005259 measurement Methods 0.000 claims abstract description 47
- 238000001514 detection method Methods 0.000 claims abstract description 29
- 230000008569 process Effects 0.000 claims abstract description 12
- 238000013507 mapping Methods 0.000 claims description 15
- 238000009825 accumulation Methods 0.000 claims description 14
- 230000007704 transition Effects 0.000 claims description 8
- 238000012545 processing Methods 0.000 claims description 6
- 238000012546 transfer Methods 0.000 claims description 5
- 238000006073 displacement reaction Methods 0.000 claims description 4
- 230000004927 fusion Effects 0.000 claims description 3
- 238000004422 calculation algorithm Methods 0.000 abstract description 27
- 238000004364 calculation method Methods 0.000 abstract description 8
- 230000001186 cumulative effect Effects 0.000 abstract 1
- 238000010586 diagram Methods 0.000 description 5
- 238000006243 chemical reaction Methods 0.000 description 3
- 230000006872 improvement Effects 0.000 description 3
- 238000012544 monitoring process Methods 0.000 description 3
- 238000000342 Monte Carlo simulation Methods 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000010187 selection method Methods 0.000 description 2
- 230000004075 alteration Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 238000005192 partition Methods 0.000 description 1
- 238000013139 quantization Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 230000004083 survival effect Effects 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
Landscapes
- Radar Systems Or Details Thereof (AREA)
Abstract
本发明公开一种运动补偿搜索的动平台雷达的动态规划检测前跟踪方法,应用于雷达目标检测领域,为解决运动平台下由量测网格失配引起的离散化状态空间确定困难的问题;本发明首先采用一种时变式量测网格化方法离散化整个状态空间,接着利用坐标系变化的方法计算状态单元格在绝对大地坐标系下的位置,然后根据搜索速度回推上一帧的可能位置,最后根据运动补偿计算出搜索的有效状态空间范围,以完成动平台下的动态规划检测前跟踪算法中的值函数积累过程;在计算量低、跟踪精度高的情况下本发明的方案使得动态规划检测前跟踪算法可以适用于动平台雷达,并大大提高了雷达对微弱目标的检测跟踪性能。
Description
技术领域
本发明属于雷达目标检测领域,特别涉及一种动平台雷达对微弱目标的多帧检测前跟踪技术。
背景技术
机载动平台雷达相较于地基雷达,因其平台高度及机动性的优势,在现代化军事战争中有许多优点。一方面,雷达的抬高减少了地球曲率和地形遮挡的影响,使得雷达的监视区域更广;另一方面,将雷达置于可以灵活运动的飞机上,可以提高雷达在作战中的存活率。如今,预警机已成为军队信息化的重要标志,是现代战争整个作战体系的神经中枢,有着广阔的发展前景。
当前雷达对目标的探测技术面临着严峻的挑战。如反射截面小的隐身目标,径向距离较大的远区目标,以及实际场景中被城市等复杂背景掩盖的目标等,这些微弱目标的信噪比很低,难以检测。在现役雷达中,主要采用先检测后跟踪的目标探测技术。该类算法需要先对单帧信号做门限检测处理,因此在低信噪比、信杂比的情况下,算法的检测跟踪性能将严重下降。作为一种多帧检测前跟踪算法的实现方法,动态规划的检测前跟踪算法(DP-TBD)能有效的检测和跟踪弱目标。DP-TBD算法是对穷尽搜索的等效实现,通过遍历所有可能的目标航迹来搜索目标状态序列,故依赖于一个有限大小的离散化的状态空间。而状态空间的选取对算法的计算量以及跟踪精度有着直接的影响。在理论已经较为成熟的基地DP-TBD算法中,利用其平台固定、每个扫描周期的监视区域相同的特性,容易按照监视区域来确定状态空间的大小,依据量测离散化标准来离散化状态空间后也可以得到量测和状态单元格之间理想的“一一映射”关系。而对于机载平台,其平台存在位移、旋转,故在每个扫描周期内的量测所在坐标系均不相同,给状态空间大小的限定以及离散化标准的选取带来了困难。对于机载雷达跟踪算法的研究,在文献“Design of decoupled trackingfilter with platform motion compensation for airborne surveillance radar,in2016 IEEE Aerospace Conference.”中,作者针对机载雷达的运动补偿算法往往会将俯仰维度上更大的误差耦合进其余维数据中的问题,设计了一种去耦合的跟踪器,以增强算法跟踪精度。然而该文献使用的传统算法并不能很好的检测出微弱目标。在文献“一种机载雷达GMTI模式动态规划检测前跟踪方法,电子世界,2019(02):32-33.”中,作者利用已有的杂波强度等信息,对杂波区域分区处理,提高了机载雷达在强杂波环境下的检测概率和跟踪精度。但该文献并未考虑载机移动给状态空间确定带来的影响。
现有技术虽然可以使得DP-TBD在机载平台上运用,但其算法计算量和跟踪精度有待提高。一方面,因其用同一标准对整个状态空间进行离散化,而不同时刻的量测空域有着不同的离散化标准,故点迹的位置因二次离散化不再精确,且可能引起不同量测单元格被映射在统一状态单元格中,从而造成量测信息利用不充分的问题;另一方面,算法选取的状态空间虽然在覆盖所有量测空域的同时尽可能缩小了空域大小,但依然覆盖了一些没有量测数据的空域,在该空域的值函数更新操作可以视为多余的计算。
发明内容
为解决上述技术问题,本发明提出了一种运动补偿搜索的动平台雷达的动态规划检测前跟踪方法,其计算量更小、跟踪精度更高的、可以实现状态和量测之间的“一一映射”。
本发明采用的技术方案为:运动补偿搜索的动平台雷达的动态规划检测前跟踪方法,采用量测网格时变式离散化方法对状态空间进行离散化处理,得到状态和量测的“一一映射”关系;基于得到的状态和量测的“一一映射”关系,采用运动补偿搜索,对动态规划值函数进行积累,得到最终的航迹结果;包括以下步骤:
1、采用量测网格时变式离散化方法对状态空间进行离散化处理,得到状态和量测的“一一映射”关系;具体为:以当前帧载机在绝对大地坐标系下的位置为原点,零方位角方向和量测空域一致,以雷达分辨率为离散化精度,对状态空间进行离散化处理。
2、采用运动补偿搜索,对动态规划值函数进行积累;包括以下步骤:
A1、初始化变量i=k,其中,k表示当前滑窗中的第一帧,i表示当前滑窗中帧的序号;对当前滑窗中第一帧值函数进行初始化;
A2、若i=k,初始化积累值函数;如果i>k,则对当前帧的值函数进行更新;所述更新的表达式为:
其中,τ(xi)表示通过目标运动模型约束得到的目标状态在上一帧中的有效转移状态范围;Zi(xi)表示状态向量xi所在位置对应的映射量测结果;Ψ(xi)用来存储最大值函数的转移过程,用于检测后回溯航迹。
A3、利用第k+1帧的阵面夹角,将该帧天线坐标系下的球坐标形式量测数据转换至机身直角坐标系下;
A4、利用第k+1帧的载机姿态角将机身坐标系数据转换至绝对大地坐标下;在绝对大地坐标系下,利用搜索速度组合预测该状态单元格在第k帧的位置;
A5、根据第k+1帧的载机位置与第k帧的载机位置,补偿载机的位移;
A6、根据第k帧的姿态转角,补偿载机的旋转;将步骤A4中预测的状态单元格在第k帧的位置转换至机身直角坐标系下;
A7、利用第k帧的阵面夹角将坐标系转换至天线坐标系下,计算出步骤A4中预测的状态单元格在第k帧的位置在第k帧所在的量测单元格,即得到搜索的状态单元格;
A8、以步骤A7得到的状态单元格为中心确定有效状态转移范围;
A9、从有效状态转移范围中遍历出最大的值函数,和第k+1帧的状态单元格内量测值相加,得到第k+1帧单元格的值函数积累;
A10、令i=i+1,如果i≤k+K-1,则返回步骤A2,直至完成当前滑窗中所有帧的值函数积累;其中K表示滑窗长度。
3、得到最终的航迹结果,其处理过程为:
B1、对当前滑窗中最后一帧的值函数进行门限检测;
B2、若不为空,则对航迹进行回溯,得到该滑窗对应的短航迹;否则表示未跟踪出航迹。还包括:将各滑窗的短航迹转换至绝对大地坐标系。
B3、对转换至绝对大地坐标系的各滑窗的短航迹进行航迹融合操作,得到长航迹跟踪结果。
本发明的有益效果:本发明的方法,通过采用时变式量测网格化的离散化方法,可以实现状态和量测之间的“一一映射”关系,保证了所有量测信息不丢失,且避免了因二次离散化带来的点迹位置改变以保留每个点迹的精确位置;通过在搜索过程中补偿载机平台的运动,使得平台移动的问题得到解决,同时基于该搜索方法,本发明提出了单帧量测覆盖的状态空间选取方法,使得迭代运算中的值函数更新平面最小化,以减少计算量。综上所述,本发明提供的方法相较于现有的方法,确保了所有的量测信息得到利用并保留了量测点迹的原始位置,同时大大减少了计算负担,使得DP-TBD算法可以更好的适用于机载动平台雷达,增强了机载预警雷达对复杂背景下微弱目标的检测和跟踪性能。
附图说明
图1为本发明的方案流程图;
图2为本发明实施例提供的运动补偿搜索示意图;
图3为本发明实施例提供的运动补偿搜索过程中的坐标系转换示意图;
图4为本发明实施例提供的第一次滑窗中的值函数积累过程;
图5为本发明实施例提供的最终跟踪结果和真实航迹对比示意图;
图6为本发明实施例提供的每次滑窗内的跟踪均方根误差与现有方法对比示意图;
图7为本发明实施例提供的本发明方法和现有方法的发现概率对比图。
具体实施方式
为了方便描述本发明的内容,首先对以下术语进行解释:
绝对大地坐标系:原点、坐标轴是绝对不变的,不随着载机的运动而改变;该坐标系下的坐标表示点迹在大地上的绝对位置。
机身坐标系:原点位于载机质心,x轴为机身所在轴线,机头方向为x轴正方向;z轴垂直于机身所在平面向上;y轴由右手螺旋法则确定。该坐标系随着载机的运动、旋转,原点位置、坐标轴朝向变化。该坐标系下的坐标表示点迹关于载机的相对位置。
天线坐标系:原点位于载机质心,x轴为量测空域0方位角方向;z轴垂直于机身所在平面向上;y轴由右手螺旋法则确定。该坐标系和机身坐标系的差别在于存在一个阵面夹角,即量测空域0方位角方向与机身坐标系的x轴正方向的夹角。该坐标系下的坐标表示点迹关于天线的相对位置,雷达的回波点迹位置即在该坐标系下。
离散化标准:在本发明中,离散化均以极坐标形式进行。进行离散化时涉及到的离散化开始的原点、离散化时零方位角的方向、离散化时零方位角的方向以及离散化单元格精度均属于离散化标准。
一一映射:每个离散化的量测单元格都有且只有一个在离散化的状态空间单元格中的映射结果。
运动补偿搜索:在原始DP-TBD算法的值函数积累阶段中,将对载机的运动补偿过程加入搜索上一帧的有效状态转移步骤中,实现在动平台下的值函数积累。
本发明主要采用仿真实验的方法进行验证,所有步骤、结论都在Matlab2016验证正确。如图1所示为本发明的方案流程图,包括以下步骤:
步骤1:初始化系统参数:
初始化观测总帧数M=30,动态规划检测前跟踪算法的滑窗长度为K=6,利用500次蒙特卡洛仿真实验在虚警率为pfa=10-3情况下计算出检测门限VT=32.5768,初始化变量k=1。
步骤2:读取从第k帧开始的连续K帧量测数据;
第k帧雷达回波数据为 表示第k帧回波数据在量测单元格(m,n,l)中的幅度值,Nr=200,分别为距离、方位、俯仰的量化单元格的个数,对应分辨率分别为Δr=80m、Δθ=0.5°、
第k帧载机的位于绝对大地坐标系下的位置 分别为载机的x轴坐标、y轴坐标、z轴坐标。
步骤3:采用量测网格时变式离散化方法对状态空间进行离散化处理:
虽然目标状态建立在笛卡尔形式的状态空间下,但是对其进行离散化时以量测空域的极坐标形式离散化。
而不同于背景技术中提及的现有方法——对整个空域用统一标准离散化,本发明在不同时刻对状态空间的离散化标准不同。例如,考虑第k帧的状态单元格时,以载机第k帧在绝对大地坐标系下的位置为原点,零方位角方向和第k帧量测空域一致,离散化精度与雷达分辨率一致,对整个无限大的空间离散化。而考虑第k+1帧的状态单元格时,又将以k+1帧的量测网格的离散化标准对状态空间进行离散化,具体为:以载机第k+1帧在绝对大地坐标系下的位置为原点,零方位角方向和第k+1帧量测空域一致,从而实现状态和量测的“一一映射”关系。
步骤4:采用运动补偿搜索,对动态规划值函数进行积累:
4.1.初始化变量i=k
4.2.如果i=k,初始化积累值函数;如果i>k,则进行值函数的更新操作,对第i帧中所有的状态单元格,
其中,τ(xi)表示通过目标运动模型约束得到的目标状态在上一帧中的有效转移状态范围;Zi(xi)表示状态向量xi所在位置对应的映射量测结果;Ψ(xi)用来存储最大值函数的转移过程,用于检测后回溯航迹。
值函数积累操作的关键在于最大值函数搜索,在本发明中采用运动补偿搜索实现,其示意图如图2所示。如图所示,在天线坐标系下利用各时刻量测数据,用运动补偿传递不同时刻下的点迹位置关系,值函数的积累过程在天线坐标系下完成。
根据本发明提出的单帧量测覆盖的状态空间选取方法,只对当前帧量测空域覆盖范围内的状态空间单元格进行值函数更新。
4.3.利用阵面夹角Θk+1,先将天线坐标系下的球坐标形式量测数据转换至机身坐标系下。再利用载机的姿态角数据(Yk+1,Pk+1,Rk+1),完成天线坐标系下的球坐标形式量测数据到绝对大地坐标系下的转换。其中,Yk、Pk、Rk分别为载机在k时刻的机身坐标系的x轴、y轴、z轴与绝对大地坐标系的x轴、y轴、z轴的夹角,分别为偏航角、俯仰角、横滚角。
4.4.在绝对大地坐标系下,利用搜索的速度组合(vx,vy,vz)预测该状态单元格在上一时刻的位置。利用当前时刻以及上一个时刻的载机位置,在搜索过程中补偿载机的位移;利用上一个时刻载机的姿态角(Yk,Pk,Rk),补偿载机的旋转。
其中,表示在第k帧的机身坐标系下的搜索位置;表示第k+1帧状态空间中第(m,n,l)个单元格在绝对大地坐标系下的坐标;表示第k帧载机在绝对大地坐标系下的坐标;R(Yk,Pk,Rk)表示第k帧从绝对大地坐标系变换至机身坐标系时的旋转矩阵,R(Yk,Pk,Rk)表达式如下:
利用R(Yk,Pk,Rk)将预测的状态单元格在第k帧的位置转换至机身直角坐标系下;
最终,利用第k帧的阵面夹角Θk将坐标系转移至天线坐标系下,计算出搜索的状态单元格
其中,atan2表示四象限的反正切函数,表示向上取整函数。
以搜索状态单元格为中心的有效状态转移范围内遍历出最大的值函数,和当前帧的状态单元格内量测值相加,即完成了对第k帧单元格(m,n,l)的值函数积累。
上述搜索过程中的坐标系转换如图3所示,将天线坐标系下的状态单元格位置信息先转移至绝对大地坐标系下,根据搜索速度预测上一帧的所在位置,再根据运动补偿计算出预测位置在上一帧的离散化状态单元格中的位置。
4.5.令i=i+1。如果i≤k+K-1,则返回步骤4.2。如果i=k+K,表示值函数积累完成,进入下一步。如图4所示,为该次具体实施中的第一次滑窗的值函数积累过程。由图4可以看出,因为采用单帧量测覆盖的状态空间选取方法,值函数平面大小始终和量测平面大小一致,为120×200个单元格的平面。保证了没有无意义的值函数更新计算,压缩了计算量。
步骤5:对积累后的最后一帧值函数进行门限检测:
式(4)表示,对积累后的值函数平面Ik+K-1中最大的值函数进行门限检测。
步骤6:对通过门限检测的值函数进行航迹回溯:
若不为空,则对航迹进行回溯,当i=k+K-2,k+K-3,...,k时,最终得到估计的状态序列,即为本次滑窗处理的跟踪结果,若为空,则表示在该次滑窗中未跟踪出航迹。
步骤7:将得到的航迹结果转换至绝对大地坐标系下输出:
待所有滑窗处理完成后,得到的航迹为各离散网格下的角标值,需要转换至绝对大地坐标系下,转换方法已在步骤4中给出。
令k=k+1。如果k≤M-K+1,则返回步骤2。如果k>M-K+1,则表示滑窗处理完毕。在绝对大地坐标系下得到各滑窗的短航迹后,进行航迹融合操作即得到长航迹跟踪结果;如图5所示为本发明方法得到的最终跟踪结果和真实航迹的对比图;可见本发明方法得到的跟踪结果与真实航迹基本重叠,因此采用本发明方法可以得到非常准确的跟踪结果。
如图6所示为每次滑窗内的跟踪均方根误差与现有方法对比图,由图中曲线可以看出,在该次具体实施方式中的25个滑窗中,在绝大多数的滑窗中本发明所提供的方法跟踪出航迹的均方根误差均小于现有方法,即跟踪精度更高。只有3次滑窗中,本发明所提供的方法跟踪出精度没有大幅提高,是因为离散化误差产生的固有现象。总体来看,本发明所提供的方法在跟踪精度上相较于现有方法有着明显优势。
如图7所示为本发明方法和现有技术的发现概率对比图;由图中曲线可以明显看出将DP-TBD算法运用在机载雷达上带来的性能提高。本例在虚警率同为10-3的情况下,对传统的单帧检测方法和本发明提供的多帧检测方法以及在背景技术中提及的最小覆盖空域算法在不同信噪比下均进行了500次蒙特卡洛实验统计了算法的发现概率。在和传统方法的对比中,在达到0.5的发现概率的要求下,本发明所提供的算法只需要不到6dB的信噪比,而传统算法需要10dB;在达到0.9的发现概率的要求下,本发明所提供的算法只需要7dB的信噪比,而传统算法需要11dB。可见,本发明提出的方法在检测概率上有4dB左右的性能增益。在和最小覆盖空域算法的对比中,虽然在发现概率上性能相近,但本发明所提算法有稍许优势。在信噪比为6dB时,本发明所提方法的发现概率高出0.03,在信噪比为8dB时,本发明所提供方法的发现概率高出0.02。综上所述,本发明提供的方法可以有效的提高机载预警雷达检测跟踪性能,对于复杂背景的低信噪比情况,性能提升尤为明显。
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。对于本领域的技术人员来说,本发明可以有各种更改和变化。凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的权利要求范围之内。
Claims (8)
1.运动补偿搜索的动平台雷达的动态规划检测前跟踪方法,其特征在于,采用量测网格时变式离散化方法对状态空间进行离散化处理,得到状态和量测的“一一映射”关系;基于得到的状态和量测的“一一映射”关系,采用运动补偿搜索,对动态规划值函数进行积累,得到最终的航迹结果。
2.根据权利要求1所述的运动补偿搜索的动平台雷达的动态规划检测前跟踪方法,其特征在于,采用量测网格时变式离散化方法对状态空间进行离散化处理,得到状态和量测的“一一映射”关系;具体为:以当前帧载机在绝对大地坐标系下的位置为原点,零方位角方向和量测空域一致,以雷达分辨率为离散化精度,对状态空间进行离散化处理。
3.根据权利要求2所述的运动补偿搜索的动平台雷达的动态规划检测前跟踪方法,其特征在于,采用量测网格时变式离散化方法对状态空间进行离散化处理之前,还包括:读取从第k帧开始的连续M帧数据,所述M表示总的观测帧数。
4.根据权利要求3所述的运动补偿搜索的动平台雷达的动态规划检测前跟踪方法,其特征在于,采用运动补偿搜索,对动态规划值函数进行积累;包括以下步骤:
A1、初始化变量i=k,其中,k表示当前滑窗中的第一帧,i表示当前滑窗中帧的序号;对当前滑窗中第一帧值函数进行初始化;
A2、若i=k,初始化积累值函数;如果i>k,则对当前帧的值函数进行更新;
A3、利用第k+1帧的阵面夹角,将该帧天线坐标系下的球坐标形式量测数据转换至机身直角坐标系下;
A4、利用第k+1帧的载机姿态角将机身坐标系数据转换至绝对大地坐标下;在绝对大地坐标系下,利用搜索速度组合预测该状态单元格在第k帧的位置;
A5、根据第k+1帧的载机位置与第k帧的载机位置,补偿载机的位移;
A6、根据第k帧的姿态转角,补偿载机的旋转;将步骤A4中预测的状态单元格在第k帧的位置转换至机身直角坐标系下;
A7、利用第k帧的阵面夹角将坐标系转换至天线坐标系下,计算出步骤A4中预测的状态单元格在第k帧的位置在第k帧所在的量测单元格,即得到搜索的状态单元格;
A8、以步骤A7得到的状态单元格为中心确定有效状态转移范围;
A9、从有效状态转移范围中遍历出最大的值函数,和第k+1帧的状态单元格内量测值相加,得到第k+1帧单元格的值函数积累;
A10、令i=i+1,如果i≤k+K-1,则返回步骤A2,直至完成当前滑窗中所有帧的值函数积累;其中K表示滑窗长度。
5.根据权利要求4所述的运动补偿搜索的动平台雷达的动态规划检测前跟踪方法,其特征在于,步骤A2所述更新的表达式为:
其中,τ(xi)表示通过目标运动模型约束得到的目标状态在上一帧中的有效转移状态范围;Zi(xi)表示状态向量xi所在位置对应的映射量测结果;Ψ(xi)用来存储最大值函数的转移过程,用于检测后回溯航迹。
6.根据权利要求5所述的运动补偿搜索的动平台雷达的动态规划检测前跟踪方法,其特征在于,所述最终的航迹结果至少包括对各滑窗的短航迹进行回溯,具体为:
B1、对当前滑窗中最后一帧的值函数进行门限检测;
B2、若不为空,则对航迹进行回溯,得到该滑窗对应的短航迹;否则表示未跟踪出航迹。
7.根据权利要求6所述的运动补偿搜索的动平台雷达的动态规划检测前跟踪方法,其特征在于,还包括:将各滑窗的短航迹转换至绝对大地坐标系。
8.根据权利要求7所述的运动补偿搜索的动平台雷达的动态规划检测前跟踪方法,其特征在于,得到最终的航迹结果还包括:对转换至绝对大地坐标系的各滑窗的短航迹进行航迹融合操作,得到长航迹跟踪结果。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910269819.0A CN109917373B (zh) | 2019-04-04 | 2019-04-04 | 运动补偿搜索的动平台雷达的动态规划检测前跟踪方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910269819.0A CN109917373B (zh) | 2019-04-04 | 2019-04-04 | 运动补偿搜索的动平台雷达的动态规划检测前跟踪方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109917373A true CN109917373A (zh) | 2019-06-21 |
CN109917373B CN109917373B (zh) | 2020-09-18 |
Family
ID=66968633
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910269819.0A Active CN109917373B (zh) | 2019-04-04 | 2019-04-04 | 运动补偿搜索的动平台雷达的动态规划检测前跟踪方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109917373B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110488233A (zh) * | 2019-08-22 | 2019-11-22 | 中国海洋大学 | 一种基于雷达坐标系的船载x波段导航雷达运动补偿方法 |
CN110727515A (zh) * | 2019-10-12 | 2020-01-24 | 电子科技大学 | 一种雷达mf-tbd算法的多路fpga快速并行处理系统及处理方法 |
CN117218161A (zh) * | 2023-11-09 | 2023-12-12 | 聊城市敏锐信息科技有限公司 | 一种鱼缸内鱼类轨迹跟踪方法及系统 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101109814A (zh) * | 2007-08-28 | 2008-01-23 | 北京交通大学 | 缺乏高精度运动补偿系统下实现机载雷达重聚焦成像方法 |
WO2014149095A2 (en) * | 2013-03-20 | 2014-09-25 | Raytheon Company | Bistatic inverse synthetic aperture radar imaging |
CN106842165A (zh) * | 2017-03-16 | 2017-06-13 | 电子科技大学 | 一种基于不同距离角度分辨率雷达集中式异步融合方法 |
CN108983216A (zh) * | 2018-08-20 | 2018-12-11 | 电子科技大学 | 一种基于坐标校准的机载雷达微弱目标检测前跟踪方法 |
-
2019
- 2019-04-04 CN CN201910269819.0A patent/CN109917373B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101109814A (zh) * | 2007-08-28 | 2008-01-23 | 北京交通大学 | 缺乏高精度运动补偿系统下实现机载雷达重聚焦成像方法 |
WO2014149095A2 (en) * | 2013-03-20 | 2014-09-25 | Raytheon Company | Bistatic inverse synthetic aperture radar imaging |
CN106842165A (zh) * | 2017-03-16 | 2017-06-13 | 电子科技大学 | 一种基于不同距离角度分辨率雷达集中式异步融合方法 |
CN108983216A (zh) * | 2018-08-20 | 2018-12-11 | 电子科技大学 | 一种基于坐标校准的机载雷达微弱目标检测前跟踪方法 |
Non-Patent Citations (2)
Title |
---|
APARNA RATHI 等: ""Design of decoupled tracking filter with platform motion compensation for airborne surveillance radar"", 《AEROSPACE CONFERENCE,IEEE》 * |
宋见 等: ""一种弹载 SAR 运动补偿中偏差量的测量方法"", 《航空兵器》 * |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110488233A (zh) * | 2019-08-22 | 2019-11-22 | 中国海洋大学 | 一种基于雷达坐标系的船载x波段导航雷达运动补偿方法 |
CN110727515A (zh) * | 2019-10-12 | 2020-01-24 | 电子科技大学 | 一种雷达mf-tbd算法的多路fpga快速并行处理系统及处理方法 |
CN110727515B (zh) * | 2019-10-12 | 2022-02-15 | 电子科技大学 | 一种雷达mf-tbd算法的多路fpga快速并行处理系统及处理方法 |
CN117218161A (zh) * | 2023-11-09 | 2023-12-12 | 聊城市敏锐信息科技有限公司 | 一种鱼缸内鱼类轨迹跟踪方法及系统 |
CN117218161B (zh) * | 2023-11-09 | 2024-01-16 | 聊城市敏锐信息科技有限公司 | 一种鱼缸内鱼类轨迹跟踪方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN109917373B (zh) | 2020-09-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109917373B (zh) | 运动补偿搜索的动平台雷达的动态规划检测前跟踪方法 | |
CN112613532B (zh) | 基于雷达与循环神经网络补全红外融合的动目标跟踪方法 | |
CN107121666A (zh) | 一种基于无人飞行器的临近空间运动目标定位方法 | |
CN107300697A (zh) | 基于无人机的运动目标ukf滤波方法 | |
CN109839633B (zh) | 基于最小覆盖空域的机载预警雷达的多帧检测前跟踪方法 | |
CN106643297B (zh) | 一种运动平台矢量脱靶量参数估计修正方法 | |
CN108983216A (zh) | 一种基于坐标校准的机载雷达微弱目标检测前跟踪方法 | |
CN114510076A (zh) | 基于无迹变换的目标协同探测与制导一体化方法及系统 | |
CN111912295A (zh) | 一种弹道落点预测系统 | |
Lei et al. | An adaptive method of attitude and position estimation during GPS outages | |
CN117932894A (zh) | 一种多模导引头信息融合目标状态估计方法 | |
CN111693051B (zh) | 一种基于光电传感器的多目标数据关联方法 | |
Han et al. | Method of trajectory prediction for unpowered gliding hypersonic vehicle in gliding phase | |
Kauffman et al. | Simulation study of UWB-OFDM SAR for navigation with INS integration | |
Dai et al. | Unmanned ground vehicle‐unmanned aerial vehicle relative navigation robust adaptive localization algorithm | |
CN113933802A (zh) | 基于旋转变换提高动目标空间方位角精度的方法 | |
Gong et al. | Unscented particle smoother and its application to transfer alignment of airborne distributed POS | |
Lu et al. | A new performance index for measuring the effect of single target tracking with Kalman particle filter | |
Wang et al. | Track‐before‐detect<? show [AQ ID= Q1]?> algorithm for airborne radar system | |
Bai et al. | Single Platform Passive Location Algorithm Using Position Information and Azimuth | |
Bian et al. | Integrated Navigation | |
Fang et al. | A New GNSS/INS Navigation Scheme Using Integrated Particle Filter and Extended Kalman Filter | |
CN115235475B (zh) | 一种基于mcc的ekf-slam后端导航路径优化方法 | |
RU2264598C1 (ru) | Способ определения координат летательного аппарата | |
Geng et al. | Algorithm for bearings-only passive localization based on UKF |
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 |