CN110231602A - 一种基于二维分区处理的大批量海面目标点迹提取算法 - Google Patents

一种基于二维分区处理的大批量海面目标点迹提取算法 Download PDF

Info

Publication number
CN110231602A
CN110231602A CN201910570007.XA CN201910570007A CN110231602A CN 110231602 A CN110231602 A CN 110231602A CN 201910570007 A CN201910570007 A CN 201910570007A CN 110231602 A CN110231602 A CN 110231602A
Authority
CN
China
Prior art keywords
point mark
mark
target
dimentional
ment
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
CN201910570007.XA
Other languages
English (en)
Other versions
CN110231602B (zh
Inventor
季亚新
吴风喜
吕杰
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.)
Leihua Electronic Technology Research Institute Aviation Industry Corp of China
Original Assignee
Leihua Electronic Technology Research Institute Aviation Industry Corp of China
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 Leihua Electronic Technology Research Institute Aviation Industry Corp of China filed Critical Leihua Electronic Technology Research Institute Aviation Industry Corp of China
Priority to CN201910570007.XA priority Critical patent/CN110231602B/zh
Publication of CN110231602A publication Critical patent/CN110231602A/zh
Application granted granted Critical
Publication of CN110231602B publication Critical patent/CN110231602B/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
    • 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)
  • 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

本申请属于机载搜索雷达领域，特别涉及一种基于二维分区处理的大批量海面目标点迹提取算法，包括如下步骤：将360°地理系方位范围内的点迹存储区按照方位和距离划分为多个扇区；选择相邻4个扇区内缓存的点迹进行相关处理；将未相关上的输入目标作为新的点迹；对相关上的点迹进行滤波处理，得到的方位滤波值、距离滤波值将对应点迹搬移到对应的扇区中；对未相关上的点迹进行删除处理或滤波处理，得到的方位滤波值、距离滤波值将对应点迹搬移到对应的扇区中；提取滤波处理后的点迹。本申请的基于二维分区处理的大批量海面目标点迹提取算法，能够在不增加资源的条件下提高点迹处理效率，防止目标因处理时间不够出现遗漏检测。

Description

一种基于二维分区处理的大批量海面目标点迹提取算法
技术领域
本申请属于机载搜索雷达领域，特别涉及一种基于二维分区处理的大批量海面目标点迹提取算法。
背景技术
隐身技术的发展，使得海面目标的反射截面积(RCS)缩小了一到两个数量级，呈现低可观测特性。例如某新型濒海战斗舰的RCS与一条普通渔船相当，RCS为数平方米。它们的回波信号微弱，利用海杂波作为掩护，给海面搜索雷达目标探测监视带来极大的困难，而受风、洋流等多种因素的影响，海杂波的特性十分复杂。因此海杂波背景下的微弱目标检测是机载海面搜索雷达的一项关键技术。
点迹提取是雷达微弱目标检测技术的重要一个步骤，它以恒虚警检测(CFAR)后的检测值作为输入，滤除其中的虚假值，得到稳定的目标输出。因海面目标发射面积较小，CFAR的检测门限设置较低，门限降低也带来了大量的输入值，对雷达点迹处理能力提出了严苛的要求。
传统的海面目标点迹提取方法是将当前信号处理送来的目标与雷达缓冲区内的所有点迹或某个角度区域内的所有点迹进行匹配相关、滤波和删除判断处理。小目标探测时，每个毫秒级的雷达帧周期内会输入几百个目标，在一个天线扫描行期间，360°范围内的点迹缓冲区内存在几千个目标数据，在毫秒级的雷达帧周期内完成几百个输入值与一定角度方位的缓冲区内数千个数据的匹配相关处理难以办到，处理时间不够会导致某些目标遗漏检测，影响目标的检测概率和稳定性。
目前的点迹提取类技术只涉及点迹的关联提取，仿真条件下不涉及大容量点迹下的时间资源紧张问题，而雷达工程应用中资源有限，因此在不增加硬件资源的前提下需要一种更高效的海面搜索雷达点迹提取方法。
发明内容
为了解决上述技术问题至少之一，本申请提供了一种基于二维分区处理的大批量海面目标点迹提取算法。
本申请公开了一种基于二维分区处理的大批量海面目标点迹提取算法，包括如下步骤：
步骤一、将360°地理系方位范围内的点迹存储区按照方位和距离划分为多个扇区；
步骤二、根据输入目标的角度、距离信息选择相邻4个扇区内缓存的点迹进行相关处理；其中，未相关上的输入目标进行步骤三；相关上的点迹进行步骤四；未相关上的点迹进行步骤五；
步骤三、将未相关上的输入目标作为新的点迹，依据输入目标的方位值、距离值搬移到对应的扇区中；
步骤四、对相关上的点迹进行滤波处理，根据滤波处理后得到的方位滤波值、距离滤波值将对应点迹搬移到对应的扇区中；
步骤五、对未相关上的点迹进行删除处理或滤波处理，根据滤波处理后得到的方位滤波值、距离滤波值将对应点迹搬移到对应的扇区中；
步骤六、提取步骤四和步骤五中滤波处理后的点迹。
根据本申请的至少一个实施方式，在所述步骤二中，选择相邻4个扇区内缓存的点迹包括：
将点迹所在扇区根据方位和距离划分为4个象限，选择与点迹所在象限相邻的三个扇区以及点迹所在的扇区作为4个扇区。
根据本申请的至少一个实施方式，扇区的方位宽度为±90°附近的目标在相邻天线行内的角度最大变化量的2倍。
根据本申请的至少一个实施方式，距离宽度为±90°附近的目标在相邻天线行内的距离最大变化量的2倍。
根据本申请的至少一个实施方式，角度最大变化量为：
Az_max＝((Vp+VT)*Tr)/Rblind (1)；
式(1)中，Vp为载机速度，VT为海面目标最大速度，Tr为天线行扫描周期，Rblind为距离盲区。
根据本申请的至少一个实施方式，距离最大变化量为：
R_max＝(Vp+VT)*Tr (2)。
本申请至少存在以下有益技术效果：
本申请的基于二维分区处理的大批量海面目标点迹提取算法，能够在不增加资源的条件下提高点迹处理效率，防止目标因处理时间不够出现遗漏检测。
附图说明
图1是本申请基于二维分区处理的大批量海面目标点迹提取算流程图；
图2是本申请基于二维分区处理的大批量海面目标点迹提取算法一实施例中二维分区示意图；
图3是基于图2所示二维分区示意图中进行二维子区选择示意图；
图4是二维分区优化前后点迹处理时间图。
具体实施方式
为使本申请实施的目的、技术方案和优点更加清楚，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行更加详细的描述。在附图中，自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。所描述的实施例是本申请一部分实施例，而不是全部的实施例。下面通过参考附图描述的实施例是示例性的，旨在用于解释本申请，而不能理解为对本申请的限制。基于本申请中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。下面结合附图对本申请的实施例进行详细说明。
本申请主要通过算法设计从软件层面实现大批量点迹提取处理能力提升。
采用二维子区划分方式，将360°地理系方位范围内的点迹存储区按照方位和距离划分为若干个扇区，每个雷达帧仅对输入目标与当前天线方位、距离匹配的相邻4个扇区内缓存的点迹进行相关、滤波和搬移处理，并在天线扫描角度超出扇区一定范围后完成扇区内未相关点迹的删除、滤波和搬移等操作。
下面结合附图1-图4对本申请的基于二维分区处理的大批量海面目标点迹提取算法进一步详细说明。
本申请公开了一种基于二维分区处理的大批量海面目标点迹提取算法，包括如下步骤：
步骤一、将360°地理系方位范围内的点迹存储区按照方位(图中的径向方向)和距离(圆周方向)划分为多个扇区。
具体地，二维子区的划分是点迹提取算法的关键，方位、距离二维子区设计过大则参与相关运算的点迹数多，子区设计过小则会使相邻天线行目标出现跨区现象，与算法设计中点迹相关时仅提取目标周围邻近4个子区不符。
因此，子区的方位宽度应包含点迹目标在一个天线行周期内方位角的变化量，±90°附近的目标在相邻天线行内的角度变化量最大，角度变化最大为：
Az_max＝((Vp+VT)*Tr)/Rblind (1)；
式中，Vp为载机速度，VT为海面目标最大速度，Tr为天线行扫描周期，Rblind为距离盲区。
目标在相邻天线行的距离变化最大为：
R_max＝(Vp+VT)*Tr (2)；
其中，二维子区的方位、距离宽度一般可定为最大变化量的2倍(即距离宽度为±90°附近的目标在相邻天线行内的距离最大变化量的2倍)。
步骤二、根据输入目标的角度、距离信息选择相邻4个扇区内缓存的点迹进行相关处理；其中，未相关上的输入目标进行步骤三；相关上的点迹进行步骤四；未相关上的点迹进行步骤五。
具体地，选择相邻4个扇区内缓存的点迹包括：
将点迹所在扇区根据方位和距离划分为4个象限，选择与点迹所在象限相邻的三个扇区以及点迹所在的扇区作为4个扇区。
步骤三、将未相关上的输入目标作为新的点迹，依据输入目标的方位值、距离值搬移到对应的扇区中。
步骤四、对相关上的点迹进行滤波处理，根据滤波处理后得到的方位滤波值、距离滤波值将对应点迹搬移到对应的扇区中。
步骤五、对未相关上的点迹进行删除处理或滤波处理，根据滤波处理后得到的方位滤波值、距离滤波值将对应点迹搬移到对应的扇区中。
步骤六、提取步骤四和步骤五中滤波处理后的点迹。
具体地，上述步骤二-步骤五中的匹配相关处理：
将点迹缓冲区内的某个状态为未相关T_N的点迹递推到输入目标时标对应时刻，依据式(3)～(5)计算输入目标与该点迹的距离、方位误差和相关系数：
dR＝abs(RCfar(i)-RFSub(kp,kx)) (3)；
dAz＝abs(AzCfar(i)-AzFSub(kp,kx)) (4)；
Cor＝dR*Rw+dAz*Azw (5)；
式中，abs为取绝对值，RCfar(i)、AzCfar(i)分别表示CFAR输入的第i个目标数据的斜距、地理系方位角；RFSub(kp,kx)、AzFSub(kp,kx)为第kp个点迹子区中第kx个点迹数据的斜距滤波值、方位滤波值、方位变化率。
若dR、dAz均低于相关门限值，则进行输入目标与点迹两者之间的相似系数Cor，式中Rw和Azw分别为斜距误差加权系数和方位角误差加权系数。三个子区遍历完成后，根据相似系数最小的原则确定最相似点迹的二维子区号M与点迹位置编号N。
对匹配相关上的目标按照工程上广泛应用的计算量较小的α-β滤波方法进行滤波处理，得到点迹的方位和距离滤波值、方位和距离变化率滤波值，同时按式(6)～(9)以当前天线行号ANTLineNum更新点迹的测量天线行MLine和更新天线行ULine，点迹更新次数NumD累加，并将点迹状态StateD置为更新(T_U)，依据方位滤波值、距离滤波值搬移到对应的二维子区中；同时根据点迹更新次数是否超过更新次数门限将达到门限的相关更新点迹送入点迹输出存储区。
MLine(M,N)＝ANTLineNum (6)；
ULine(M,N)＝ANTLineNum (7)；
NumD(M,N)＝NumD(M,N)+1 (8)；
StateD(M,N)＝T_U (9)；
子区遍历结束后没有满足相关门限的输入目标，生成一个新的点迹，利用测量值进行赋值处理，新点迹的方位、距离变化率按照载机运动速度、目标位置来确定，处理后同样将新点迹状态StateD置为更新(T_U)，并依据方位滤波值、距离滤波值搬移到对应的二维子区中。
上述步骤二-步骤五中的，未相关点迹的删除、滤波和所有点迹的搬移处理：
判断当前天线地理系角度对应的方位区号是否发生变化，若发生变化，则以当前天线对应的方位子区编号P为参考，向天线转动的反方向倒退K个位置(确保现在输入目标不会选择方位编号P-K的对应的二维子区进行匹配相关)，对编号为P-K的所有距离上的二维子区进行删除和搬移处理；
点迹缓冲区内在本行未有相关匹配的点迹，通过计算当前天线行号ANTLineNum与该点迹上次有测量值时刻的天线行号MLine的差值判断其连续未更新次数是否达到限定值，对于达到限定值条件可删除的点迹，状态变更为T_D(删除)，否则进行点迹的递推滤波处理以避免CFAR目标再现时不能相关上合适的子区内点迹，滤波方法和步骤3相关点迹的滤波方法类似。
子区相关处理要求点迹目标存储在合适的子区中，因此递推滤波处理后的点迹还需根据其方位滤波值、距离滤波值搬移到对应的二维子区中。搬移结束后，对该方位编号对应的所有二维子区进行紧凑处理，方便后续其余子区内的目标搬移衔接到点迹缓冲区的后部，并将所有点迹状态置为T_N，等待下一天线行的匹配相关处理。
下面将以具体实例对于步骤扇区的划分作进一步说明：
如图2所示的示意图为方位划分为16个间隔，距离上划分为5个间隔，图中标注的801～805为二维分区号，8代表方位编号，01～05代表距离编号。
图3为匹配相关处理时根据输入目标位置如何选择4个二维子区的示意图，若输入目标点落入202子区，首先判断它位于202子区的哪个象限，若落入图中的右上象限，则选择标号为201、301、202、302的4个子区内的点迹数据与输入目标进行匹配相关处理，若目标点位于202子区的左上象限，则选择标号为101、201、102、202的4个子区进行匹配相关处理，同理目标位于左下选择的4个子区为102、202、103、203子区；目标位于右下选择的4个子区为202、302、203、303子区。
基于上述分区方法，假设雷达需求为一个扫描天线行的点迹存储量为15360个(包含潜在的点迹和正式的点迹)，单个雷大帧最大输入128个目标，进行一维方位分区后，若划分为60个方位子区，则每个方位子区内的数据为256个，每个输入目标需与3个子区内共768个数据进行相关处理，最大为98304次匹配相关。通过在距离和方位上进行二维子区划分后，假设同样为60个方位子区，距离上划分为10个距离段，每次相关每个目标相关的二维子区数目为4，按照二维子区存储量平均化的原则，从原来的3个方位子区变化为现在的4个二维子区，运算量下降了86.7％(1-4/(3*10))。利用二维子区分割的办法可在现有点迹处理硬件资源下完成雷达帧周期内输入数据与二维子区内数据的相关处理，否则需进行处理芯片升级或现有芯片扩容，芯片升级和扩容处理都需要进行硬件的重新研制、开发、制版、交制和调试，保守估计需几个月的时间，及花费一定的开发研制费用，后续产品的成本费用也会相应升高。
图4是二维分区优化前后点迹处理时间图；其中，图4的仿真条件：在PowerPC2020处理器上进行了时间测试，输入点迹个数为实际雷达CFAR输入数据，纵坐标表示处理耗时(ms)，横坐标表示处理帧数。图中最底部的线表示的是二维分区优化后情形下点迹处理时间，中间部分的折线为未对方位进行距离分区优化、未采用4象限位置选择子区的处理结果。通过比较可以看出，二维分区情况下处理时间小于帧周期(5ms量级左右)，而不进行距离分区情况下，处理时间大部分超过帧周期，会引起处理时序混乱和数据丢失。
综上所述，本申请的基于二维分区处理的大批量海面目标点迹提取算法，能够在不增加资源的条件下提高点迹处理效率，防止目标因处理时间不够出现遗漏检测。
以上所述，仅为本申请的具体实施方式，但本申请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申请揭露的技术范围内，可轻易想到的变化或替换，都应涵盖在本申请的保护范围之内。因此，本申请的保护范围应以所述权利要求的保护范围为准。

Claims (6)

1.一种基于二维分区处理的大批量海面目标点迹提取算法，其特征在于，包括如下步骤：
步骤一、将360°地理系方位范围内的点迹存储区按照方位和距离划分为多个扇区；
步骤二、根据输入目标的角度、距离信息选择相邻4个扇区内缓存的点迹进行相关处理；其中，未相关上的输入目标进行步骤三；相关上的点迹进行步骤四；未相关上的点迹进行步骤五；
步骤三、将未相关上的输入目标作为新的点迹，依据输入目标的方位值、距离值搬移到对应的扇区中；
步骤四、对相关上的点迹进行滤波处理，根据滤波处理后得到的方位滤波值、距离滤波值将对应点迹搬移到对应的扇区中；
步骤五、对未相关上的点迹进行删除处理或滤波处理，根据滤波处理后得到的方位滤波值、距离滤波值将对应点迹搬移到对应的扇区中；
步骤六、提取步骤四和步骤五中滤波处理后的点迹。
2.根据权利要求1所述的基于二维分区处理的大批量海面目标点迹提取算法，其特征在于，在所述步骤二中，选择相邻4个扇区内缓存的点迹包括：
将点迹所在扇区根据方位和距离划分为4个象限，选择与点迹所在象限相邻的三个扇区以及点迹所在的扇区作为4个扇区。
3.根据权利要求1所述的基于二维分区处理的大批量海面目标点迹提取算法，其特征在于，扇区的方位宽度为±90°附近的目标在相邻天线行内的角度最大变化量的2倍。
4.根据权利要求3所述的基于二维分区处理的大批量海面目标点迹提取算法，其特征在于，距离宽度为±90°附近的目标在相邻天线行内的距离最大变化量的2倍。
5.根据权利要求4所述的基于二维分区处理的大批量海面目标点迹提取算法，其特征在于，角度最大变化量为：
Az_max＝((Vp+VT)*Tr)/Rblind (1)；
式(1)中，Vp为载机速度，VT为海面目标最大速度，Tr为天线行扫描周期，Rblind为距离盲区。
6.根据权利要求5所述的基于二维分区处理的大批量海面目标点迹提取算法，其特征在于，距离最大变化量为：
R_max＝(Vp+VT)*Tr (2)。
CN201910570007.XA 2019-06-27 2019-06-27 一种基于二维分区处理的大批量海面目标点迹提取算法 Active CN110231602B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910570007.XA CN110231602B (zh) 2019-06-27 2019-06-27 一种基于二维分区处理的大批量海面目标点迹提取算法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910570007.XA CN110231602B (zh) 2019-06-27 2019-06-27 一种基于二维分区处理的大批量海面目标点迹提取算法

Publications (2)

Publication Number Publication Date
CN110231602A true CN110231602A (zh) 2019-09-13
CN110231602B CN110231602B (zh) 2023-03-03

Family

ID=67857581

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910570007.XA Active CN110231602B (zh) 2019-06-27 2019-06-27 一种基于二维分区处理的大批量海面目标点迹提取算法

Country Status (1)

Country Link
CN (1) CN110231602B (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112654883A (zh) * 2020-03-25 2021-04-13 华为技术有限公司 一种雷达目标聚类方法及装置
CN113820685A (zh) * 2021-10-19 2021-12-21 中安锐达(北京)电子科技有限公司 一种基于扇块结构的一次点迹凝聚方法
CN115166677A (zh) * 2022-07-27 2022-10-11 中国船舶重工集团公司第七二四研究所 一种基于区域优先的雷达目标点迹智能提取方法

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CA2891505A1 (en) * 2012-11-05 2014-05-08 I.D.S. - Ingegneria Dei Sistemi - S.P.A. A method and a device for determining the trajectory of a bullet emitted by a shot gun and for locating a shot position
CN104316918A (zh) * 2014-10-22 2015-01-28 四川大学 Tws跟踪雷达点迹与航迹关联处理方法
CN106842142A (zh) * 2015-12-03 2017-06-13 中国航空工业集团公司雷华电子技术研究所 基于子区处理的海面搜索雷达大批量点迹提取算法
CN108957437A (zh) * 2018-05-18 2018-12-07 中船重工鹏力（南京）大气海洋信息系统有限公司 一种基于环境态势分析的雷达目标跟踪方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CA2891505A1 (en) * 2012-11-05 2014-05-08 I.D.S. - Ingegneria Dei Sistemi - S.P.A. A method and a device for determining the trajectory of a bullet emitted by a shot gun and for locating a shot position
CN104316918A (zh) * 2014-10-22 2015-01-28 四川大学 Tws跟踪雷达点迹与航迹关联处理方法
CN106842142A (zh) * 2015-12-03 2017-06-13 中国航空工业集团公司雷华电子技术研究所 基于子区处理的海面搜索雷达大批量点迹提取算法
CN108957437A (zh) * 2018-05-18 2018-12-07 中船重工鹏力（南京）大气海洋信息系统有限公司 一种基于环境态势分析的雷达目标跟踪方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
牛剑光等: "高度动态环境下移动对象连续K近邻查询算法", 《计算机科学》 *

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112654883A (zh) * 2020-03-25 2021-04-13 华为技术有限公司 一种雷达目标聚类方法及装置
CN112654883B (zh) * 2020-03-25 2022-05-31 华为技术有限公司 一种雷达目标聚类方法及装置
CN113820685A (zh) * 2021-10-19 2021-12-21 中安锐达(北京)电子科技有限公司 一种基于扇块结构的一次点迹凝聚方法
CN115166677A (zh) * 2022-07-27 2022-10-11 中国船舶重工集团公司第七二四研究所 一种基于区域优先的雷达目标点迹智能提取方法
CN115166677B (zh) * 2022-07-27 2024-09-24 中国船舶集团有限公司第七二四研究所 一种基于区域优先的雷达目标点迹智能提取方法

Also Published As

Publication number Publication date
CN110231602B (zh) 2023-03-03

Similar Documents

Publication Publication Date Title
CN110231602A (zh) 一种基于二维分区处理的大批量海面目标点迹提取算法
Uhlmann Algorithms for multiple-target tracking
CN108957437B (zh) 一种基于环境态势分析的雷达目标跟踪方法
CN106469313B (zh) 一种管径自适应时空域滤波的弱小目标检测方法
CN113239830B (zh) 一种基于全尺度特征融合的遥感图像云检测方法
CN111008585B (zh) 基于自适应分层高分辨sar图像的舰船目标检测方法
CN107561518A (zh) 基于二维滑窗局部极值的三坐标雷达点迹凝聚方法
CN110390292A (zh) 基于动态关联模型的遥感视频车辆目标检测与跟踪方法
CN111060882B (zh) 一种多高度下雷达地形遮蔽盲区的快速计算方法
CN105372636A (zh) 一种基于自适应遗忘因子的杂波图更新方法及装置
Zhao et al. Multiresolution airport detection via hierarchical reinforcement learning saliency model
CN103889051A (zh) 基于ap id过滤和卡尔曼滤波的室内wlan指纹定位方法
CN111091095A (zh) 一种遥感图像中船只目标的检测方法
Li et al. Gaofen-3 sea ice detection based on deep learning
CN108845300A (zh) 一种场面监视雷达恒虚警处理方法
CN110956078B (zh) 一种电力线检测方法及装置
CN109658477A (zh) 一种基于lidar数据的dem生成算法
CN108414992B (zh) 一种基于相位信息杂波图的目标检测方法
CN106249218A (zh) 一种基于多频点回波信息融合的目标跟踪方法
Li et al. Exploring label probability sequence to robustly learn deep convolutional neural networks for road extraction with noisy datasets
CN107678025A (zh) 海浪波高计算方法和装置、存储介质及处理器
Attanayake et al. Long‐term sand dune spatio‐temporal dynamics and endemic plant habitat extent in the Athabasca sand dunes of northern Saskatchewan
CN104881670B (zh) 一种用于sar方位角估计的快速目标提取方法
CN116953661B (zh) 一种光子计数激光雷达自适应核密度估计滤波方法及装置
Pao et al. Locating the typhoon center from the IR satellite cloud images

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