CN110888137B - 基于滑窗式双门限检测的角度跟踪方法 - Google Patents
基于滑窗式双门限检测的角度跟踪方法 Download PDFInfo
- Publication number
- CN110888137B CN110888137B CN201911237946.9A CN201911237946A CN110888137B CN 110888137 B CN110888137 B CN 110888137B CN 201911237946 A CN201911237946 A CN 201911237946A CN 110888137 B CN110888137 B CN 110888137B
- Authority
- CN
- China
- Prior art keywords
- tracks
- track
- sliding window
- data
- threshold
- 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
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
- G01S15/00—Systems using the reflection or reradiation of acoustic waves, e.g. sonar systems
- G01S15/66—Sonar tracking systems
-
- 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
- G01S7/52—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S15/00
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Computer Networks & Wireless Communication (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Radar Systems Or Details Thereof (AREA)
Abstract
本发明公开了一种基于滑窗式双门限检测的角度跟踪方法,用于解决现有双门限航迹关联方法航迹关联效率低的技术问题。技术方案是首先设置合适的检验统计量,再利用方位角信息进行双门限检测,在只有方位角信息的情况下,实现航迹的有效关联。而且每次的检测集合在重新计算新数据的基础上保留上一次检测集合的一部分,可使得航迹关联的效率更高。本发明适用于只有方位角信息,无距离等信息的多传感器之间的航迹关联,明确了针对角度跟踪情况下的统计量,同时利用滑窗的方式可以通过更少的数据量和利用更少的时间判定出航迹间是否关联的问题,从而大大提高了数据关联的效率。
Description
技术领域
本发明涉及一种双门限航迹关联方法,特别涉及一种基于滑窗式双门限检测的角度跟踪方法。
背景技术
专著“多传感器信息融合及应用(第2版)[M].电子工业出版社,2007”中提出了一种统计双门限航迹关联算法方法。该方法就是对来自两个局部节点的R个估计误差样本,首先逐个基于卡方分布门限进行假设检验,若判决为接受,则计数器加1,否则计数器值不变。然后把计数器所计之值与指定的数L(即第二门限)进行比较,经过R次检验后,如果计数器的输出大于或等于L,则完成航迹关联判决,否则判定为不关联航迹。对于航迹的关联,由于传感器类型的不同,传递数据类型是不同的,上述专著中的算法适用于存在距离信息或者单一量测信息比较精确的情况,对于只拥有角度信息而且误差较大的情况,像被动声呐等,该专著的方法关联结果的准确度会降低很多。
文献“陈小惠,邰滢滢,万德钧,et al.主被动声呐多目标航迹关联的双门限算法研究[J].华东船舶工业学院学报(自然科学版),2002(6).”中提出了主被动声呐航迹关联的算法,其利用的是最大似然估计的方式求出主动声呐航迹和被动声呐航迹的相似性测度。这种算法没有充分利用现有数据,而且其双门限的设定中,低门限是限制漏关联,高门限是限制错误关联,该双门限设置的方式对于被动声呐探测误差较大情况下,即数据精准度不够的情况下,存在较大的误判的可能性,而且该方法在较长时间数据积累下只作一次关联判决,错误率相对较大,而且十分欠缺效率。
发明内容
为了克服现有双门限航迹关联方法航迹关联效率低的不足,本发明提供一种基于滑窗式双门限检测的角度跟踪方法。该方法首先设置合适的检验统计量,再利用方位角信息进行双门限检测,在只有方位角信息的情况下,实现航迹的有效关联。而且每次的检测集合在重新计算新数据的基础上保留上一次检测集合的一部分,可使得航迹关联的效率更高。本发明适用于只有方位角信息,无距离等信息的多传感器之间的航迹关联,明确了针对角度跟踪情况下的统计量,同时利用滑窗的方式可以通过更少的数据量和利用更少的时间判定出航迹间是否关联的问题,从而大大提高了数据关联的效率。
本发明解决其技术问题所采用的技术方案:一种基于滑窗式双门限检测的角度跟踪方法,其特点是包括以下步骤:
步骤一、依次顺序接收多源传感器传回的方位角信息Mi,j,i=1,2,…;j=1,2,…,其中,i=1,2,…由相应传感器形成,需要进行航迹关联判断的航迹编号;j=1,2,…为各航迹中的数据节点号。
依据接收数据的时间顺序将n个数据节点划归一个滑窗Wr,每两个滑窗Wr和Wr+1之间的数据节点重叠个数为p,则R个数据滑窗Wr,r=1,2,…,R包含的数据节点总数为N=nR-(R-1)p,第r个滑窗Wr包含的数据节点号则为:
j=(r-1)(n-p)+1,(r-1)(n-p)+2,…(r-1)(n-p)+n (1)
步骤二、确定检验统计量。
①确定各航迹各节点信息的分布。
在第r个滑窗Wr内,令M1,j、M2,j分别表示在进行关联的航迹M1、M2的第j个节点的方位角信息,因为噪声为高斯白噪声,则对应的方位角信息服从正态分布,表示为:
M1,j~N(μ1,j,σ1,j 2),M2,j~N(μ2,j,σ2,j 2) (2)
式中,μ1,j、σ1,j分别表示为航迹M1第j个节点方位角的均值和方差,μ2,j、σ2,j分别表示为航迹M2第j个节点方位角的均值和方差,检验两个航迹相同节点的方位角是否相同,就是检验μ1,j和μ2,j是否相同,所以假设检验写成:
H0:μ1,j=μ2,j;H1:μ1,j≠μ2,j (3)
由于M1,j和M2,j均属于正态分布,得到:
式中,n1,j和n2,j分别表示航迹M1和M2中第j个节点的量测值的数量,令n1,j=n2,j=1,进行归一化处理,得到标准正态分布统计量:
②定义检验统计量。
依据接收数据的时间顺序将n个数据节点划归一个滑窗,计算第r个滑窗Wr内n个数据节点,依据式(5)求得的标准正态分布统计量的平方和如下:
步骤三、进行第一门限判决。
检测结果通过航迹M1、M2关联次数计数器m12来记录,利用卡方分布表,得到卡方检测门限λ,门限λ即为第一门限值,将检验统计量与第一门限进行比较,若大于第一门限λ,则关联次数计数器m12的值加1,判决为关联1次。若小于第一门限λ,则关联次数计数器m12的值不变。
步骤四、计算R个滑窗的检验统计量,进行多次检测。
读取第r+1个滑窗Wr+1内的数据,继续执行步骤二和步骤三,直到完成R个数据滑窗Wr,r=1,2,…,R的检测。
下一个滑窗Wr+1得到的检验统计量为
步骤五、进行第二门限判决。
将关联次数计数器m12与设定的第二门限值L进行比较。若m12>L,则判定航迹M1、M2关联,即两条航迹为同一目标,若m12<L,则判定航迹M1、M2不关联,即两条航迹分别表示不同目标。
步骤六、进行多传感器航迹关联。
若进行航迹关联的航迹数超过两条,则重复步骤二到步骤五,用关联次数计数器mii来记录不同航迹Mi,j,i=1,2,…;j=1,2,…每两两之间的关联结果。
步骤七、航迹关联多义性处理。
当两个传感器的航迹存在两个以上相互关联时,进行多义性处理,将关联次数进行比较,选取关联次数最大的两条航迹为关联航迹。若存在关联次数相同的情况,再比较卡方检验统计量的均值,取具有最小的卡方检验统计量均值的两条航迹,判决为关联航迹。
步骤八、输出最终航迹结果。
本发明的有益效果是:该方法首先设置合适的检验统计量,再利用方位角信息进行双门限检测,在只有方位角信息的情况下,实现航迹的有效关联。而且每次的检测集合在重新计算新数据的基础上保留上一次检测集合的一部分,可使得航迹关联的效率更高。本发明适用于只有方位角信息,无距离等信息的多传感器之间的航迹关联,明确了针对角度跟踪情况下的统计量,同时利用滑窗的方式可以通过更少的数据量和利用更少的时间判定出航迹间是否关联的问题,从而大大提高了数据关联的效率。
下面结合附图和具体实施方式对本发明作详细说明。
附图说明
图1是本发明基于滑窗式双门限检测的角度跟踪方法的流程图。
图2是本发明方法中数据滑窗结构示意图,其中Wr为一个滑窗,n为一个滑窗内数据节点个数,p为每两个滑窗Wr和Wr+1之间的数据节点重叠个数,R为一次检测中的滑窗个数。
图3是本发明方法中航迹关联的多义性处理流程图。
具体实施方式
参照图1-3。本发明基于滑窗式双门限检测的角度跟踪方法具体步骤如下:
步骤一、读入多传感器量测信息。
依次顺序接收多源传感器传回的方位角信息Mi,j(i=1,2,…;j=1,2,…),其中i=1,2,…为由相应传感器形成的,需要进行航迹关联判断的航迹编号,j=1,2,…为各航迹中的数据节点号。
依据接收数据的时间顺序将n个数据节点划归一个滑窗Wr,每两个滑窗Wr和Wr+1之间的数据节点重叠个数为p,则R个数据滑窗Wr(r=1,2,…,R)包含的数据节点总数为N=nR-(R-1)p,第r个滑窗Wr包含的数据节点号则为:
j=(r-1)(n-p)+1,(r-1)(n-p)+2,…(r-1)(n-p)+n (1)
步骤二、确定检验统计量。
①确定各航迹各节点信息的分布。
在第r个滑窗Wr内,令M1,j、M2,j分别表示在进行关联的航迹M1、M2的第j个节点的方位角信息,因为噪声为高斯白噪声,则对应的方位角信息服从正态分布,可表示为:
M1,j~N(μ1,j,σ1,j 2),M2,j~N(μ2,j,σ2,j 2) (2)
式中,μ1,j、σ1,j分别表示为航迹M1第j个节点方位角的均值和方差,μ2,j、σ2,j分别表示为航迹M2第j个节点方位角的均值和方差,检验两个航迹相同节点的方位角是否相同,就是检验μ1,j和μ2,j是否相同,所以假设检验可以写成:
H0:μ1,j=μ2,j;H1:μ1,j≠μ2,j (3)
由于M1,j和M2,j均属于正态分布,可以得到:
式中,n1,j和n2,j分别表示航迹M1和M2中第j个节点的量测值的数量,在本发明中令n1,j=n2,j=1,进行归一化处理可得标准正态分布统计量:
②定义检验统计量。
依据接收数据的时间顺序将n个数据节点划归一个滑窗,计算第r个滑窗Wr内n个数据节点依据式(5)求得的标准正态分布统计量的平方和如下:
步骤三、进行第一门限判决。
检测结果可通过航迹M1、M2关联次数计数器m12来记录,利用卡方分布表,得到卡方检测门限λ,门限λ即为第一门限值,将检验统计量与第一门限进行比较,若大于第一门限λ,则关联次数计数器m12的值加1,判决为关联1次。若小于第一门限λ,则关联次数计数器m12的值不变。
步骤四、计算R个滑窗的检验统计量,进行多次检测。
读取第r+1个滑窗Wr+1内的数据,继续执行步骤二和步骤三,直到完成R个数据滑窗Wr(r=1,2,…,R)的检测。
下一个滑窗Wr+1得到的检验统计量为
步骤五、进行第二门限判决。
将关联次数计数器m12与设定的第二门限值L进行比较。若m12>L,则判定航迹M1、M2关联,即两条航迹为同一目标,若m12<L,则判定航迹M1、M2不关联,即两条航迹分别表示不同目标。
步骤六、进行多传感器航迹关联。
若进行航迹关联的航迹数超过两条,则重复步骤二到步骤五,用关联次数计数器mii来记录不同航迹Mi,j(i=1,2,…;j=1,2,…)每两两之间的关联结果。
步骤七、航迹关联多义性处理。
当两个传感器的航迹存在两个以上相互关联时,进行多义性处理,将关联次数进行比较,选取关联次数最大的两条航迹为关联航迹。若存在关联次数相同的情况,再比较卡方检验统计量的均值,取具有最小的卡方检验统计量均值的两条航迹,判决为关联航迹。
步骤八、输出最终航迹结果。
Claims (1)
1.一种基于滑窗式双门限检测的角度跟踪方法,其特征在于包括以下步骤:
步骤一、依次顺序接收多源传感器传回的方位角信息Mi,j,i=1,2,…;j=1,2,…,其中,i=1,2,…由相应传感器形成,需要进行航迹关联判断的航迹编号;j=1,2,…为各航迹中的数据节点号;
依据接收数据的时间顺序将n个数据节点划归一个滑窗Wr,每两个滑窗Wr和Wr+1之间的数据节点重叠个数为p,则R个数据滑窗Wr,r=1,2,…,R包含的数据节点总数为N=nR-(R-1)p,第r个滑窗Wr包含的数据节点号则为:
j=(r-1)(n-p)+1,(r-1)(n-p)+2,…(r-1)(n-p)+n (1)
步骤二、确定检验统计量;
①确定各航迹各节点信息的分布;
在第r个滑窗Wr内,令M1,j、M2,j分别表示在进行关联的航迹M1、M2的第j个节点的方位角信息,因为噪声为高斯白噪声,则对应的方位角信息服从正态分布,表示为:
M1,j~N(μ1,j,σ1,j 2),M2,j~N(μ2,j,σ2,j 2) (2)式中,μ1,j、σ1,j分别表示为航迹M1第j个节点方位角的均值和方差,μ2,j、σ2,j分别表示为航迹M2第j个节点方位角的均值和方差,检验两个航迹相同节点的方位角是否相同,就是检验μ1,j和μ2,j是否相同,所以假设检验写成:
H0:μ1,j=μ2,j;H1:μ1,j≠μ2,j (3)
由于M1,j和M2,j均属于正态分布,得到:
式中,n1,j和n2,j分别表示航迹M1和M2中第j个节点的量测值的数量,令n1,j=n2,j=1,进行归一化处理,得到标准正态分布统计量:
②定义检验统计量;
依据接收数据的时间顺序将n个数据节点划归一个滑窗,计算第r个滑窗Wr内n个数据节点,依据式(5)求得的标准正态分布统计量的平方和如下:
步骤三、进行第一门限判决;
检测结果通过航迹M1、M2关联次数计数器m12来记录,利用卡方分布表,得到卡方检测门限λ,门限λ即为第一门限值,将检验统计量Xr 2与第一门限进行比较,若大于第一门限λ,则关联次数计数器m12的值加1,判决为关联1次;若小于第一门限λ,则关联次数计数器m12的值不变;
步骤四、计算R个滑窗的检验统计量,进行多次检测;
读取第r+1个滑窗Wr+1内的数据,继续执行步骤二和步骤三,直到完成R个数据滑窗Wr,r=1,2,…,R的检测;
下一个滑窗Wr+1得到的检验统计量为
步骤五、进行第二门限判决;
将关联次数计数器m12与设定的第二门限值L进行比较;若m12>L,则判定航迹M1、M2关联,即两条航迹为同一目标,若m12<L,则判定航迹M1、M2不关联,即两条航迹分别表示不同目标;
步骤六、进行多传感器航迹关联;
若进行航迹关联的航迹数超过两条,则重复步骤二到步骤五,用关联次数计数器mii来记录不同航迹Mi,j,i=1,2,…;j=1,2,…每两两之间的关联结果;
步骤七、航迹关联多义性处理;
当两个传感器的航迹存在两个以上相互关联时,进行多义性处理,将关联次数进行比较,选取关联次数最大的两条航迹为关联航迹;若存在关联次数相同的情况,再比较卡方检验统计量的均值,取具有最小的卡方检验统计量均值的两条航迹,判决为关联航迹;
步骤八、输出最终航迹结果。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911237946.9A CN110888137B (zh) | 2019-12-06 | 2019-12-06 | 基于滑窗式双门限检测的角度跟踪方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911237946.9A CN110888137B (zh) | 2019-12-06 | 2019-12-06 | 基于滑窗式双门限检测的角度跟踪方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110888137A CN110888137A (zh) | 2020-03-17 |
CN110888137B true CN110888137B (zh) | 2022-07-15 |
Family
ID=69750711
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911237946.9A Active CN110888137B (zh) | 2019-12-06 | 2019-12-06 | 基于滑窗式双门限检测的角度跟踪方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110888137B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111796236B (zh) * | 2020-06-12 | 2022-05-17 | 中国船舶重工集团公司第七二四研究所 | 一种基于时空相关性的主被动传感器综合关联判决方法 |
CN114337869A (zh) * | 2020-09-29 | 2022-04-12 | 广州慧睿思通科技股份有限公司 | 信号驻留位置检测方法及装置、计算机设备和存储介质 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
UA79461C2 (en) * | 2004-11-11 | 2007-06-25 | State Entpr Zoria Mashproekt | Method for determining the target azimuth corresponding to the center of the video pulse packet and a device for the realization of the method |
CN103728598A (zh) * | 2014-01-16 | 2014-04-16 | 西安电子科技大学 | 用异地配置的主被动雷达网抑制航迹欺骗干扰的方法 |
CN106405510A (zh) * | 2016-09-05 | 2017-02-15 | 电子科技大学 | 一种基于伪滑窗l判决准则的航迹删除方法 |
CN108845299A (zh) * | 2018-06-27 | 2018-11-20 | 电子科技大学 | 一种基于后验信息融合的多传感器多帧联合检测算法 |
CN109143224A (zh) * | 2018-08-28 | 2019-01-04 | 中国电子科技集团公司第三十六研究所 | 一种多目标关联方法和装置 |
CN109444899A (zh) * | 2018-09-20 | 2019-03-08 | 杭州电子科技大学 | 一种基于纯角度信息的航迹关联方法 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7626535B2 (en) * | 2006-11-09 | 2009-12-01 | Raytheon Company | Track quality based multi-target tracker |
US9001442B2 (en) * | 2013-03-15 | 2015-04-07 | Seagate Technology Llc | Detection of adjacent track interference using size-adjustable sliding window |
-
2019
- 2019-12-06 CN CN201911237946.9A patent/CN110888137B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
UA79461C2 (en) * | 2004-11-11 | 2007-06-25 | State Entpr Zoria Mashproekt | Method for determining the target azimuth corresponding to the center of the video pulse packet and a device for the realization of the method |
CN103728598A (zh) * | 2014-01-16 | 2014-04-16 | 西安电子科技大学 | 用异地配置的主被动雷达网抑制航迹欺骗干扰的方法 |
CN106405510A (zh) * | 2016-09-05 | 2017-02-15 | 电子科技大学 | 一种基于伪滑窗l判决准则的航迹删除方法 |
CN108845299A (zh) * | 2018-06-27 | 2018-11-20 | 电子科技大学 | 一种基于后验信息融合的多传感器多帧联合检测算法 |
CN109143224A (zh) * | 2018-08-28 | 2019-01-04 | 中国电子科技集团公司第三十六研究所 | 一种多目标关联方法和装置 |
CN109444899A (zh) * | 2018-09-20 | 2019-03-08 | 杭州电子科技大学 | 一种基于纯角度信息的航迹关联方法 |
Non-Patent Citations (10)
Title |
---|
Detection of Multiple Maneuvering Extended Targets by Three-Dimensional Hough Transform and Multiple Hypothesis Tracking;Bo Yan et al.;《IEEE Access》;20190617;第7卷;全文 * |
Fuzzy Double-Threshold Track Association Algorithm Using Adaptive Threshold in Distributed Multisensor-Multitarget Tracking Systems;Wei Du et al.;《2013 IEEE International Conference on Green Computing and Communications and IEEE Internet of Things and IEEE Cyber, Physical and Social Computing》;20131212;全文 * |
Target tracking with a two-scan data association algorithm extended for the hybrid target state;Uzair Khan et al.;《IET Radar, Sonar & Navigation》;20150430;全文 * |
一种红外传感器与被动雷达航迹稳健相关算法;黄友澎 等;《仪器仪表学报》;20121130;第33卷(第11期);全文 * |
基于多传感器的多模型机动目标跟踪算法设计;贺贺 等;《现代电子技术》;20130801;第36卷(第15期);全文 * |
基于正态分布判别函数的航迹关联双门限算法;赵海英等;《舰船电子工程》;20051220;第25卷(第06期);全文 * |
基于毫米波雷达与摄像头融合的目标跟踪研究;吴宪 等;《机电一体化》;20180630;第24卷(第6期);全文 * |
基于滑窗式航迹关联的编队目标识别算法;初晓军等;《电光与控制》;20160630;第23卷(第06期);全文 * |
基于跟踪状态监视的稳健航迹关联与融合算法;董凯等;《电光与控制》;20150131;第22卷(第01期);全文 * |
雷达检测前跟踪技术研究;李晓聪;《中国优秀博硕士学位论文全文数据库(硕士)信息科技辑》;20170215;第23-34页 * |
Also Published As
Publication number | Publication date |
---|---|
CN110888137A (zh) | 2020-03-17 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110888137B (zh) | 基于滑窗式双门限检测的角度跟踪方法 | |
CN107202989B (zh) | 一种适用于被动拖曳线列阵声呐的复杂弱目标检测和跟踪方法 | |
CN110940971B (zh) | 一种雷达目标点迹录取方法、装置及存储介质 | |
CN110376290A (zh) | 基于多维核密度估计的声发射源定位方法 | |
CN110058222A (zh) | 一种基于传感器选择的双层粒子滤波检测前跟踪方法 | |
CN109613483B (zh) | 一种基于Hough变换的多目标航迹起始方法 | |
CN103941253A (zh) | 一种搜索雷达数据的滑窗检测录取方法及其系统 | |
KR102407835B1 (ko) | 기계학습 기반의 펄스 레이더 신호 속성 분류 방법 및 장치 | |
US8315407B2 (en) | Apparatus and method for localizing sound source in real time | |
CN117596010A (zh) | 一种用于网络异常检测的高效高精度基数测量方法及系统 | |
CN109444899B (zh) | 一种基于纯角度信息的航迹关联方法 | |
CN105092022B (zh) | 基于抹香鲸叫声的水下目标测距单脉冲筛选方法及装置 | |
CN113671482B (zh) | 基于多维筛选并行Hough变换的航迹起始方法 | |
CN112986916A (zh) | 一种基于阵列重构的多声源定位方法 | |
Yan et al. | Robust Target Localization for Multistatic Passive Radar Networks | |
CN110880012A (zh) | 多侦察平台脉间捷变雷达辐射源频率信息关联方法 | |
CN114660540B (zh) | 一种脉冲到达时间区域max检测系统及检测方法 | |
Kragel et al. | Concurrent MAP data association and absolute bias estimation with an arbitrary number of sensors | |
CN111025281A (zh) | 一种基于近似算法动态规划检测前跟踪的门限获取方法 | |
Ma et al. | Pulse sorting algorithm using TDOA in multiple sensors system | |
US20070244952A1 (en) | Signal analysis methods | |
US20130041640A1 (en) | Classification of range profiles | |
CN112666515B (zh) | 一种快速被动传感器网络多目标定位方法 | |
CN113504528B (zh) | 一种基于多尺度假设检验的大气层次检测方法 | |
CN113390406B (zh) | 基于被动多传感器系统的多目标数据关联与定位方法 |
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 |