CN111123205A - 一种地面侦察雷达目标点迹凝聚方法 - Google Patents
一种地面侦察雷达目标点迹凝聚方法 Download PDFInfo
- Publication number
- CN111123205A CN111123205A CN201911310086.7A CN201911310086A CN111123205A CN 111123205 A CN111123205 A CN 111123205A CN 201911310086 A CN201911310086 A CN 201911310086A CN 111123205 A CN111123205 A CN 111123205A
- Authority
- CN
- China
- Prior art keywords
- point
- target
- points
- trace
- gate
- 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 title claims abstract description 30
- 230000015271 coagulation Effects 0.000 claims abstract description 18
- 238000005345 coagulation Methods 0.000 claims abstract description 18
- 238000009825 accumulation Methods 0.000 claims abstract description 13
- 238000001514 detection method Methods 0.000 claims abstract description 12
- 238000012545 processing Methods 0.000 claims abstract description 12
- 230000001427 coherent effect Effects 0.000 claims abstract description 10
- 230000005494 condensation Effects 0.000 claims description 51
- 238000009833 condensation Methods 0.000 claims description 51
- 230000002776 aggregation Effects 0.000 claims description 42
- 238000004220 aggregation Methods 0.000 claims description 29
- 230000008030 elimination Effects 0.000 claims description 21
- 238000003379 elimination reaction Methods 0.000 claims description 21
- 238000005054 agglomeration Methods 0.000 claims description 13
- 230000001174 ascending effect Effects 0.000 claims description 6
- 238000012216 screening Methods 0.000 claims description 6
- 230000035485 pulse pressure Effects 0.000 claims description 5
- 238000010586 diagram Methods 0.000 description 2
- 206010063385 Intellectualisation Diseases 0.000 description 1
- 238000004581 coalescence Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
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
- 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
- G01S7/021—Auxiliary means for detecting or identifying radar signals or the like, e.g. radar jamming signals
-
- 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
- G01S7/28—Details of pulse systems
- G01S7/285—Receivers
- G01S7/292—Extracting wanted echo-signals
- G01S7/2923—Extracting wanted echo-signals based on data belonging to a number of consecutive radar periods
-
- 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
- G01S7/35—Details of non-pulse systems
- G01S7/352—Receivers
- G01S7/354—Extracting wanted echo-signals
-
- 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)
- Computer Networks & Wireless Communication (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Radar Systems Or Details Thereof (AREA)
Abstract
本发明公开了一种地面侦察雷达目标点迹凝聚方法,包括:在雷达完成目标检测之后,对目标检测器输出的原始点迹数据进行处理,提取单个相参积累周期内所有原始目标信息,包括距离门号、多普勒号和目标功率;根据目标距离远近分别进行近距离目标点迹凝聚处理和远距离目标点迹凝聚处理,最终汇总得到当前积累周期的点迹凝聚结果。本发明在不增加系统复杂度的前提下,提高单目标的距离精度和相邻目标的距离分辨能力。
Description
技术领域
本发明属于地面侦察雷达数字信号处理领域,具体涉及一种地面侦察雷达目标点迹凝聚方法。
背景技术
随着雷达技术的发展,雷达向着智能化、小型化、信息化和精密化发展。与此同时,人们对雷达的功能和性能提出了更多的要求。雷达不仅仅需要检测出目标,还要提供更为精确的目标信息,同时保障多目标的分辨能力。点迹凝聚技术就是将检测出的原始目标点迹进一步处理,从而得到更为精确的目标信息,同时实现邻近目标距离分辨的过程。
传统雷达主要用于测量目标的距离、速度和方位等基本状态信息,而对于现代雷达而言,目标检测只是基本要求,更需要在存在杂波和干扰的复杂环境下实现目标的识别和跟踪。点迹凝聚技术可以将雷达检测结果中同一目标的信息进行融合,减少雷达后续识别和跟踪中的冗余信息。
在地面侦察雷达中,目标的原始点迹随着目标的距离和RCS变化。现有单一依靠质心法的点迹凝聚方法既无法解决单目标距离上的分裂问题,形成虚假点迹,又无法实现相邻目标的距离分辨,造成目标丢失。
发明内容
本发明的目的在于提供一种地面侦察雷达目标点迹凝聚方法,有效提高地面侦察雷达的距离测量精度和邻近目标的分辨能力。
实现本发明目的的技术解决方案为:一种地面侦察雷达目标点迹凝聚方法,包括:
在雷达完成目标检测之后,对目标检测器输出的原始点迹数据进行处理,提取单个相参积累周期内所有原始目标信息,包括距离门号、多普勒号和目标功率;
将所有的原始目标按照距离门号进行升序排列,对排序后的检测点,按距离门号大小分成近区点迹和远区点迹两类;
根据目标距离远近分别进行近区点迹凝聚处理和远区点迹凝聚处理,最终汇总得到当前积累周期的点迹凝聚结果。
与现有技术相比,本发明的显著优点为:针对现有点迹凝聚处理方法的缺陷,提出一种地面侦察雷达目标点迹凝聚处理算法,在单个相参积累周期内提取检测出的目标原始点迹,对目标原始点迹进行预处理后利用点迹的距离门及功率数据凝聚,从而在不增加系统复杂度的前提下,提高单目标的距离精度和相邻目标的距离分辨能力,解决地面侦察雷达的目标点迹凝聚问题。
下面结合附图对本发明做进一步详细描述。
附图说明
图1是本发明的地面侦察雷达目标点迹凝聚处理算法流程图。
图2是近区原始检测点示意图。
图3是远区原始检测点示意图。
图4是近区单人目标原始点迹数据凝聚前后点迹对比图。
图5是远区双人目标原始点迹数据凝聚前后点迹对比图。
具体实施方式
本发明提出一种地面侦察雷达目标点迹凝聚处理算法,针对单个相参积累周期的原始检测点进行点迹凝聚处理,提高雷达目标距离估计的精度和相邻目标的分辨能力。
如图1所示,本发明的地面侦察雷达目标点迹凝聚方法,包括如下步骤:
在雷达完成目标检测之后,对目标检测器输出的原始点迹数据进行处理,提取单个相参积累周期内所有原始目标信息,包括距离门号、多普勒号和目标功率;
将所有的原始目标按照距离门号进行升序排列,对排序后的检测点,按距离门号大小分成近区原始点迹和远区原始点迹两类;
根据目标距离远近分别进行近距离目标点迹凝聚处理和远距离目标点迹凝聚处理,最终汇总得到当前积累周期的点迹凝聚结果。
进一步的,在单个积累周期内,将所有的原始目标按照距离门号进行升序排列,得到in={r,f,A},n=1,2,...N,r,f,A分别为距离门号、多普勒号、目标功率,N为目标个数,给出定义:
1)in目标点的距离门号r由in.r表示;
2)in目标点的多普勒号f由in.f表示;
3)in目标点的功率A由in.A表示;
则in满足i1.r<i2.r<…<iN.r;以距离门限rd为分界,将排序后的原始目标分为近区点p={r,f,A}和远区点q={r,f,A}
其中RL为近区点集合,L为近区点数,RF为远区点集合,F为远区点数。
进一步的,近区点迹凝聚过程为:
选择近区原始点迹中第一个点作为目标凝聚起始点,其他作为比较点,按照近区划分规则确定连续域;
根据脉压特性,在连续域内寻找主瓣位置,利用原始点迹的距离门及功率数据对主瓣内的所有目标点进行凝聚;
重复上述步骤直至遍历所有近区原始点迹;
利用初步凝聚后的目标距离门号、多普勒号和目标功率信息对所有近区目标进行旁瓣剔除,得到近区凝聚结果。
进一步的,近区连续域划分;选择RL中第一个点p1作为目标凝聚起始点,剩余点pl,l=2,3,...,L作为比较点;设计近区连续域划分规则:若满足
其中,Δr1和Δf1分别为距离凝聚波门和多普勒凝聚波门,则视pl与pl-1为同一目标检测出的点,将其划归为同一连续域CL1;若不满足规则,则将该点定为新的起始点,再按照连续域的划分规则确定下一个连续域,直至遍历所有目标点迹;连续域划分结束后应满足
其中,K1为近区连续域个数。
进一步的,根据脉压特性,在连续域内寻找主瓣位置,利用原始点迹的距离门及功率数据对主瓣内的所有目标点进行凝聚,具体为:
连续域内凝聚:第j组连续域凝聚后输出目标pj'的距离门号、多普勒号、功率值为
pj'.f=pj.f
pj'.A=pj.A
其中,若连续域内只有一个点,可无需凝聚直接输出。
进一步的,旁瓣剔除方法为:从第一个连续域凝聚点p1'开始,依次遍历所有初始凝聚结果,若满足
则pj'属于第1个目标的主旁瓣区TL1,其中ΔR1、ΔF1为旁瓣剔除距离波门和旁瓣剔除多普勒波门;若不满足,则为新的目标主旁瓣区域,遍历所有凝聚点直到所有同一目标主旁瓣区域TLk,k=1,2,...,NTL确定为止,NTL为区域个数;找到TLk内功率最大值的点tMk,依次比较TLk内其他点,若满足
tMk.A/tmk.A≥ΔAT1,m=1,2,...,NTLk
则剔除该点,其中NTLk为TLk内点数,ΔAT1为旁瓣剔除功率门限;全部剔除完毕后,剩余的点即为近区凝聚结果。
进一步的,远区点迹凝聚过程为:
选择远区的原始点迹中第一个点作为目标凝聚起始点,其他作为比较点,按照远区划分规则确定连续域;
在连续域内,选取极大值点视为待凝聚目标点迹,将待凝聚点及其相邻点利用点迹的距离门及功率数据进行凝聚;重复上述步骤直至遍历所有远区原始点迹;
利用初步凝聚后的目标距离门号、多普勒号、目标功率信息对所有远区凝聚点进行旁瓣剔除,得到远区凝聚结果。
上述远区点迹凝聚的具体方法为:
远区连续域划分:假设距离凝聚波门和多普勒凝聚波门分别为Δr2和Δf2,划分完后连续域为CFj,j=1,2,...K2,K2为远区连续域个数;
搜索连续域内极大值:若连续域内点数为1或2,则全部视为该连续域的初始凝聚点;若点数大于2,则需要搜索连续域内目标的极大值;假设第j组连续域内根据距离门从小到大排序,即
qjw.A>qj(w+1).A,w=1,2,...NCFj-1
若可以找到点则从w1+1开始继续寻找满足上述条件的第二个点若找不到这个点,则表示该连续域内最后一个点的幅值最大,直接将其作为该连续域的初始凝聚结果输出;当确定与之后,寻找该连续域内其他点中幅值最大的点作为目标参考点;
旁瓣剔除:令远区旁瓣剔除距离波门和旁瓣剔除多普勒波门分别为ΔR2和ΔF2,同一目标主旁瓣区域TFk,k=1,2,...,NFL的判定与近区类似,NFL为区域个数;找到TFk内功率最大值的点sMk,依次比较TFk内其他点,若满足
则剔除该点,其中NTFk为TFk内点数,ΔAT2为旁瓣剔除功率门限,ΔAT3为目标保护功率门限,ΔRT2为目标保护距离门阈值;
筛查、二次凝聚:若存在2点c、d满足
则需利用点迹的距离门及功率数据对其进行二次凝聚,避免单一目标产生的虚警,其中Δr,Δf分别为二次凝聚距离波门和二次凝聚多普勒波门;假设c.A≥d.A,则c、d两点的二次凝聚结果c'的距离门、多普勒号、功率值为
c'.f=c.f
c'.A=c.A
全部完成筛查和二次凝聚的结果即为远区点迹凝聚结果。
下面结合实施例对本发明进行详细说明。
实施例
本发明点迹凝聚处理流程如图1所示,在单个积累周期内,首先将所有的原始目标按照距离门号进行升序排列,得到in={r,f,A},n=1,2,...N,r,f,A分别为距离门号、多普勒号、目标功率,N为目标个数,给出定义:
1)in目标点的距离门号r由in.r表示;
2)in目标点的多普勒号f由in.f表示;
3)in目标点的功率A由in.A表示。
则in,n=1,2,...N满足i1.r<i2.r<…<iN.r。以距离门限rd为分界,将排序后的原始目标分为近区点p={r,f,A}和远区点q={r,f,A}
其中RL为近区点集合,L为近区点数,RF为远区点集合,F为远区点数。
结合图2,近区点迹凝聚方法如下:
步骤1:近区连续域划分。选择RL中第一个点p1作为目标凝聚起始点,剩余点pl,l=2,3,...,L作为比较点。设计近区连续域划分规则:若满足
其中,Δr1和Δf1分别为距离凝聚波门和多普勒凝聚波门,则视pl与pl-1为同一目标检测出的点,将其划归为同一连续域CL1;若不满足规则,则将该点定为新的起始点,再按照连续域的划分规则确定下一个连续域,直至遍历所有目标点迹。
连续域划分结束后应满足
其中,K1为近区连续域个数。
步骤2:确定各连续域内主瓣区域。寻找第j组连续域内功率最大的点pj,pj.A≥p.A(p,pj∈CLj),向pj两侧寻找幅值极小点与之间的即为目标主瓣区域,如图2中的阴影部分。此时的主瓣区域仅针对连续域而言,与传统意义上脉压主副瓣概念不同。
步骤3:连续域内凝聚。第j组连续域凝聚后输出目标pj'的距离门号、多普勒号、功率值为
pj'.f=pj.f
pj'.A=pj.A
其中,若连续域内只有一个点,可无需凝聚直接输出。
步骤4:旁瓣剔除。此时,初始凝聚点迹仍存在由脉压旁瓣导致的虚假点迹,需要进行进一步的旁瓣剔除处理。从第一个连续域凝聚点p1'开始,依次遍历所有初始凝聚结果,若满足
则pj'属于第1个目标的主旁瓣区TL1,其中ΔR1、ΔF1为旁瓣剔除距离波门和旁瓣剔除多普勒波门;若不满足,则为新的目标主旁瓣区域,遍历所有凝聚点直到所有同一目标主旁瓣区域TLk,k=1,2,...,NTL确定为止,NTL为区域个数。找到TLk内功率最大值的点tMk,依次比较TLk内其他点,若满足
tMk.A/tmk.A≥ΔAT1,m=1,2,...,NTLk
则剔除该点,其中NTLk为TLk内点数,ΔAT1为旁瓣剔除功率门限。全部剔除完毕后,剩余的点即为近区凝聚结果。
结合图3,下面介绍远区点迹凝聚。
步骤1:远区连续域划分。远区连续域划分方法与近区类似,假设距离凝聚波门和多普勒凝聚波门分别为Δr2和Δf2,划分完后连续域为CFj,j=1,2,...K2,K2为远区连续域个数。
步骤2:搜索连续域内极大值。若连续域内点数为1或2,则全部视为该连续域的初始凝聚点;若点数大于2,则需要搜索连续域内目标的极大值。假设第j组连续域内根据距离门从小到大排序,即NCFj为第j组连续域内点数。从qj1开始,寻找第一个点使其满足
qjw.A>qj(w+1).A,w=1,2,...NCFj-1
若可以找到点则从w1+1开始继续寻找满足上述条件的第二个点若找不到这个点,则表示该连续域内最后一个点的幅值最大,直接将其作为该连续域的初始凝聚结果输出。当确定了与之后,寻找该连续域内其他点中幅值最大的点作为目标参考点。
步骤4:旁瓣剔除。令远区旁瓣剔除距离波门和旁瓣剔除多普勒波门分别为ΔR2和ΔF2,同一目标主旁瓣区域TFk,k=1,2,...,NFL的判定与近区类似,NFL为区域个数。找到TFk内功率最大值的点sMk,依次比较TFk内其他点,若满足
则剔除该点,其中NTFk为TFk内点数,ΔAT2为旁瓣剔除功率门限,ΔAT3为目标保护功率门限,ΔRT2为目标保护距离门阈值。
步骤5:筛查、二次凝聚。为了避免由于信号采样导致的单个目标产生虚假点迹的问题,若存在2点c、d满足
则需利用点迹的距离门及功率数据对其进行二次凝聚,避免单一目标产生的虚警,其中Δr,Δf分别为二次凝聚距离波门和二次凝聚多普勒波门。假设c.A≥d.A,则c、d两点的二次凝聚结果c'的距离门、多普勒号、功率值为
c'.f=c.f
c'.A=c.A
全部完成筛查和二次凝聚的结果即为远区点迹凝聚结果。
最后汇总近区及远区点迹凝聚结果,得到本点迹凝聚处理算法的结果。
使用有源相扫地面侦察雷达实地采集原始目标点迹来验证本方法在实际工作中的性能。雷达距离门号范围为1到4000,为保证凝聚后距离门号可以取整,将距离门号首先放大十倍。设置近、远区距离门限rd=2000,近区距离凝聚波门Δr1=10,近区多普勒凝聚波门Δf1=5,近区旁瓣剔除距离波门ΔR1=1000,近区旁瓣剔除多普勒波门ΔF1=5,近区旁瓣剔除功率门限ΔAT1=4;远区距离凝聚波门Δr2=10,远区多普勒凝聚波门Δf2=2,远区参考功率门限ΔA=4,远区旁瓣剔除距离波门ΔR2=1000,远区旁瓣剔除多普勒波门ΔF2=2,远区旁瓣剔除功率门限ΔAT2=3,目标保护功率门限ΔAT3=5,目标保护距离门阈值ΔRT2=10,二次凝聚距离波门Δr=10,二次凝聚多普勒波门Δf=2。凝聚前后近区单人目标点迹对比如图4所示,凝聚前后远区双人目标点迹对比如图5所示,可以看出同一个目标在凝聚前被检测出的点迹个数很多,导致雷达终端上单目标的距离分裂,冗余信息过多,在经过本发明的凝聚算法处理过后,从复杂的原始点迹信息中,得到实际目标的信息,实现目标信息精简的同时减少了虚假目标。此外目标距离精确得到了提升,相邻目标分辨能力得到了提高。
Claims (8)
1.一种地面侦察雷达目标点迹凝聚方法,其特征在于,包括:
在雷达完成目标检测之后,对目标检测器输出的原始点迹数据进行处理,提取单个相参积累周期内所有原始目标信息,包括距离门号、多普勒号和目标功率;
将所有的原始目标按照距离门号进行升序排列,对排序后的检测点,按距离门号大小分成近区点迹和远区点迹两类;
根据目标距离远近分别进行近区点迹凝聚处理和远区点迹凝聚处理,最终汇总得到当前积累周期的点迹凝聚结果。
3.根据权利要求1或2所述的地面侦察雷达目标点迹凝聚方法,其特征在于,近区点迹凝聚过程为:
选择近区原始点迹中第一个点作为目标凝聚起始点,其他作为比较点,按照近区划分规则确定连续域;
在连续域内寻找主瓣位置,利用原始点迹的距离门及功率数据对主瓣内的所有目标点进行凝聚;
重复上述步骤直至遍历所有近区原始点迹;
利用初步凝聚后的目标距离门号、多普勒号和目标功率信息对所有近区目标进行旁瓣剔除,得到近区凝聚结果。
6.根据权利要求3所述的地面侦察雷达目标点迹凝聚方法,其特征在于,旁瓣剔除方法为:从第一个连续域凝聚点p1'开始,依次遍历所有初始凝聚结果,若满足
则pj'属于第1个目标的主旁瓣区TL1,其中ΔR1、ΔF1为旁瓣剔除距离波门和旁瓣剔除多普勒波门;若不满足,则为新的目标主旁瓣区域,遍历所有凝聚点直到所有同一目标主旁瓣区域TLk,k=1,2,...,NTL确定为止,NTL为区域个数;找到TLk内功率最大值的点tMk,依次比较TLk内其他点,若满足
tMk.A/tmk.A≥ΔAT1,m=1,2,...,NTLk
则剔除该点,其中NTLk为TLk内点数,ΔAT1为旁瓣剔除功率门限;全部剔除完毕后,剩余的点即为近区凝聚结果。
7.根据权利要求1所述的地面侦察雷达目标点迹凝聚方法,其特征在于,远区点迹凝聚过程为:
选择远区的原始点迹中第一个点作为目标凝聚起始点,其他作为比较点,按照远区划分规则确定连续域;
在连续域内,选取极大值点视为待凝聚目标点迹,将待凝聚点及其相邻点利用点迹的距离门及功率数据进行凝聚;
重复上述步骤直至遍历所有远区原始点迹;
利用初步凝聚后的目标距离门号、多普勒号、目标功率信息对所有远区凝聚点进行旁瓣剔除,得到远区凝聚结果。
8.根据权利要求7所述的地面侦察雷达目标点迹凝聚方法,其特征在于,远区点迹凝聚的具体方法为:
远区连续域划分:假设距离凝聚波门和多普勒凝聚波门分别为Δr2和Δf2,划分完后连续域为CFj,j=1,2,...K2,K2为远区连续域个数;
搜索连续域内极大值:若连续域内点数为1或2,则全部视为该连续域的初始凝聚点;若点数大于2,则需要搜索连续域内目标的极大值;假设第j组连续域内根据距离门从小到大排序,即qjw∈CFj,w=1,2,...,NCFj,NCFj为第j组连续域内点数;从qj1开始,寻找第一个点使其满足
qjw.A>qj(w+1).A,w=1,2,...NCFj-1
若可以找到点则从w1+1开始继续寻找满足上述条件的第二个点若找不到这个点,则表示该连续域内最后一个点的幅值最大,直接将其作为该连续域的初始凝聚结果输出;当确定与之后,寻找该连续域内其他点中幅值最大的点作为目标参考点;
旁瓣剔除:令远区旁瓣剔除距离波门和旁瓣剔除多普勒波门分别为ΔR2和ΔF2,同一目标主旁瓣区域TFk,k=1,2,...,NFL的判定与近区相同,NFL为区域个数;找到TFk内功率最大值的点sMk,依次比较TFk内其他点,若满足
则剔除该点,其中NTFk为TFk内点数,ΔAT2为旁瓣剔除功率门限,ΔAT3为目标保护功率门限,ΔRT2为目标保护距离门阈值;
筛查、二次凝聚:若存在2点c、d满足
则需利用点迹的距离门及功率数据对其进行二次凝聚,其中Δr,Δf分别为二次凝聚距离波门和二次凝聚多普勒波门;假设c.A≥d.A,则c、d两点的二次凝聚结果c'的距离门、多普勒号、功率值为
c'.f=c.f
c'.A=c.A
全部完成筛查和二次凝聚的结果即为远区点迹凝聚结果。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911310086.7A CN111123205B (zh) | 2019-12-18 | 2019-12-18 | 一种地面侦察雷达目标点迹凝聚方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911310086.7A CN111123205B (zh) | 2019-12-18 | 2019-12-18 | 一种地面侦察雷达目标点迹凝聚方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111123205A true CN111123205A (zh) | 2020-05-08 |
CN111123205B CN111123205B (zh) | 2023-11-03 |
Family
ID=70499673
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911310086.7A Active CN111123205B (zh) | 2019-12-18 | 2019-12-18 | 一种地面侦察雷达目标点迹凝聚方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111123205B (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112924944A (zh) * | 2021-02-02 | 2021-06-08 | 西安电子工程研究所 | 一种基于时频谱熵估计的车辆目标微动信号抑制方法 |
CN113702964A (zh) * | 2021-08-23 | 2021-11-26 | 中国北方工业有限公司 | 一种基于航迹信息的雷达自适应区域凝聚方法 |
CN113820684A (zh) * | 2021-10-19 | 2021-12-21 | 中安锐达(北京)电子科技有限公司 | 一种基于幅度比例选大原则的雷达一次点迹凝聚算法 |
CN114152939A (zh) * | 2021-10-27 | 2022-03-08 | 西安电子工程研究所 | 一种同时多波束雷达点迹凝聚方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104166135A (zh) * | 2014-09-05 | 2014-11-26 | 武汉中原电子集团有限公司 | 一种宽带雷达目标的原始点迹凝聚处理方法 |
CN106814353A (zh) * | 2017-01-24 | 2017-06-09 | 成都泰格微电子研究所有限责任公司 | 一种雷达信号处理系统 |
CN107656247A (zh) * | 2017-08-24 | 2018-02-02 | 安徽四创电子股份有限公司 | 基于有源相控阵技术体制的三坐标监视雷达点迹处理方法 |
CN109100697A (zh) * | 2018-07-31 | 2018-12-28 | 安徽四创电子股份有限公司 | 一种基于地面监视雷达系统的目标凝聚方法 |
CN109343021A (zh) * | 2018-12-03 | 2019-02-15 | 北京遥感设备研究所 | 一种点迹凝聚方法 |
-
2019
- 2019-12-18 CN CN201911310086.7A patent/CN111123205B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104166135A (zh) * | 2014-09-05 | 2014-11-26 | 武汉中原电子集团有限公司 | 一种宽带雷达目标的原始点迹凝聚处理方法 |
CN106814353A (zh) * | 2017-01-24 | 2017-06-09 | 成都泰格微电子研究所有限责任公司 | 一种雷达信号处理系统 |
CN107656247A (zh) * | 2017-08-24 | 2018-02-02 | 安徽四创电子股份有限公司 | 基于有源相控阵技术体制的三坐标监视雷达点迹处理方法 |
CN109100697A (zh) * | 2018-07-31 | 2018-12-28 | 安徽四创电子股份有限公司 | 一种基于地面监视雷达系统的目标凝聚方法 |
CN109343021A (zh) * | 2018-12-03 | 2019-02-15 | 北京遥感设备研究所 | 一种点迹凝聚方法 |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112924944A (zh) * | 2021-02-02 | 2021-06-08 | 西安电子工程研究所 | 一种基于时频谱熵估计的车辆目标微动信号抑制方法 |
CN112924944B (zh) * | 2021-02-02 | 2023-06-13 | 西安电子工程研究所 | 一种基于时频谱熵估计的车辆目标微动信号抑制方法 |
CN113702964A (zh) * | 2021-08-23 | 2021-11-26 | 中国北方工业有限公司 | 一种基于航迹信息的雷达自适应区域凝聚方法 |
CN113702964B (zh) * | 2021-08-23 | 2023-09-26 | 中国北方工业有限公司 | 一种基于航迹信息的雷达自适应区域凝聚方法 |
CN113820684A (zh) * | 2021-10-19 | 2021-12-21 | 中安锐达(北京)电子科技有限公司 | 一种基于幅度比例选大原则的雷达一次点迹凝聚算法 |
CN114152939A (zh) * | 2021-10-27 | 2022-03-08 | 西安电子工程研究所 | 一种同时多波束雷达点迹凝聚方法 |
CN114152939B (zh) * | 2021-10-27 | 2024-04-30 | 西安电子工程研究所 | 一种同时多波束雷达点迹凝聚方法 |
Also Published As
Publication number | Publication date |
---|---|
CN111123205B (zh) | 2023-11-03 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111123205A (zh) | 一种地面侦察雷达目标点迹凝聚方法 | |
CN106918807B (zh) | 一种雷达回波数据的目标点迹凝聚方法 | |
CN109508000A (zh) | 异构多传感器多目标跟踪方法 | |
CN104133211B (zh) | 一种多普勒频率变换雷达目标分类识别方法 | |
CN109143192B (zh) | 多目标有效起始确认管理方法、系统及计算机可读存储介质 | |
CN108490410A (zh) | 一种两坐标雷达对海目标联合检测跟踪方法 | |
CN110018461B (zh) | 基于高分辨距离像和单脉冲测角的群目标识别方法 | |
CN112130142A (zh) | 一种复杂运动目标微多普勒特征提取方法及系统 | |
CN115761534A (zh) | 一种空中背景下红外无人机小目标检测及跟踪方法 | |
CN113702940B (zh) | 基于多元特征信息分层融合空间集群目标分辨方法及应用 | |
CN114114242A (zh) | 一种基于点选航迹及航迹外推的雷达目标追赶跟踪方法 | |
CN110967677B (zh) | 时频域分级多目标分辨与测量方法 | |
CN115220002B (zh) | 一种固定单站的多目标数据关联跟踪方法和相关装置 | |
Wang et al. | Research on multi-maneuvering target tracking JPDA algorithm | |
CN110426696B (zh) | 一种脉冲缺损的雷达信号特征序列搜索方法 | |
CN110880012B (zh) | 多侦察平台脉间捷变雷达辐射源频率信息关联方法 | |
CN114325599A (zh) | 一种针对不同环境的自动门限检测方法 | |
Matuszewski et al. | Knowledge-based signal processing for radar identification | |
Wang et al. | A PRI estimation and signal deinterleaving method based on density-based clustering | |
Qiu et al. | Using ship radiated noise spectrum feature for data association in underwater target tracking | |
US8265899B2 (en) | Automatic procedure for merging tracks and estimating harmonic combs | |
CN112763989B (zh) | 一种基于cdif的抖动信号分选方法 | |
Liu et al. | Radar Plot Classification Method Based on Recurrent Neural Network | |
Zhang et al. | Track matching based on ELM for HFSWR | |
Wang et al. | Efficient Clutter Suppression by SOM-SMOTE Random Forest |
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 |