CN111398948A - 一种强杂波背景下的机动小目标航迹关联方法 - Google Patents

一种强杂波背景下的机动小目标航迹关联方法 Download PDF

Info

Publication number
CN111398948A
CN111398948A CN202010271928.9A CN202010271928A CN111398948A CN 111398948 A CN111398948 A CN 111398948A CN 202010271928 A CN202010271928 A CN 202010271928A CN 111398948 A CN111398948 A CN 111398948A
Authority
CN
China
Prior art keywords
target
state
value
measurement
track
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
CN202010271928.9A
Other languages
English (en)
Other versions
CN111398948B (zh
Inventor
鲁瑞莲
汪宗福
费德介
金敏
杨为华
孙南
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.)
Chengdu Huirong Guoke Microsystem Technology Co ltd
Original Assignee
Chengdu Huirong Guoke Microsystem Technology Co ltd
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 Chengdu Huirong Guoke Microsystem Technology Co ltd filed Critical Chengdu Huirong Guoke Microsystem Technology Co ltd
Priority to CN202010271928.9A priority Critical patent/CN111398948B/zh
Publication of CN111398948A publication Critical patent/CN111398948A/zh
Application granted granted Critical
Publication of CN111398948B publication Critical patent/CN111398948B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • 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
    • G01S13/02—Systems using reflection of radio waves, e.g. primary radar systems; Analogous systems
    • G01S13/50—Systems of measurement based on relative movement of target
    • G01S13/58—Velocity or trajectory determination systems; Sense-of-movement determination systems
    • G01S13/581—Velocity or trajectory determination systems; Sense-of-movement determination systems using transmission of interrupted pulse modulated waves and based upon the Doppler effect resulting from movement of targets
    • 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
    • G01S7/418—Theoretical aspects

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

本发明提出了一种强杂波背景下的机动小目标航迹关联方法，方法包括：接收射频信号，并对所述射频信号进行预处理以得到加权欧氏距离集合dm,k；基于加权欧式距离di与波门系数O的关系以得到最终目标量测值，其中，i＝1,2,...,N，N表示k时刻量测总个数；基于所述目标量测值分析得到当前时刻各个模型的状态更新值以及似然函数，通过加权方式得到目标状态更新值，并将其加入目标航迹后得到最终航迹。本发明的航迹关联方法解决了强杂波背景下采用传统最近邻域关联算法关联准确率低的问题，同时，采用贝叶斯与雷达航迹先验信息向相结合，从而达到求解获得概率层面最优目标量测值的目的。

Description

一种强杂波背景下的机动小目标航迹关联方法
技术领域
本发明属于雷达技术领域，适用于一类脉冲多普勒雷达，尤其涉及一种在城市环境中或具有较强、较复杂杂波背景条件下对高速机动小目标进行高准确率航迹关联的方法。
背景技术
现有的脉冲多普勒雷达体制中，在雷达完成信号处理操作后，将得到的目标点迹信息送至后续的雷达数据处理设备，雷达数据处理操作完成航迹形成功能。在实际的工程应用中，为了降低航迹关联计算复杂度，通常采用最近邻域关联算法完成航迹关联功能，该方法在检测环境较“干净”时可获得较高的关联准确性，但是在检测环境较复杂，例如在城市环境中检测高速机动小目标时，目标容易被强杂波湮没，此时仍然采用最近邻域关联算法将可能关联到一些强杂波，从而导致虚警。
发明内容
针对上述现有技术存在的问题，本发明的目的在于提出种强杂波背景下的机动小目标航迹关联方法，旨在解决强杂波背景下采用传统最近邻域关联算法关联准确率低的问题，采用贝叶斯与雷达航迹先验信息向结合，达到求解获得概率层面最优目标量测值的目的。
根据本发明的实施例，本发明提出了一种强杂波背景下的机动小目标航迹关联方法，包括：
步骤S1.接收射频信号，并对所述射频信号进行预处理以得到加权欧氏距离集合dm,k；
步骤S2.基于加权欧式距离di与波门系数O的关系以得到最终目标量测值，其中，i＝1,2,...,N，N表示k时刻量测总个数；
步骤S3.基于所述目标量测值分析得到当前时刻各个模型的状态更新值以及似然函数，通过加权方式得到目标状态更新值，并将其加入目标航迹后得到最终航迹。
进一步的，所述步骤S1具体包括：
步骤S101.接收射频信号，经预处理操作后得到目标与杂波点迹前k个时刻量测信息集合zk，通过航迹起始算法获得目标航迹的前k-1个时刻状态初始值
Figure BDA0002442532630000021
与初始状态协方差矩阵Pk-1，根据目标运动状态初始化目标状态转移矩阵Fm、量测转移矩阵Hm，其中，F表示目标在上一时刻与下一时刻之间运动状态的变化规律，F＝[F1,F2,...,Fm,...,FM]，Fm表示第m个运动模型的状态转移矩阵，H表示目标在上一时刻与下一时刻之间量测值的变化规律，H＝[H1,H2,...,Hm,...,HM]，Hm表示第m个运动模型的量测转移矩阵，1≤m≤M，M表示运动模型个数；
步骤S102.基于状态初始值
Figure BDA0002442532630000022
与状态转移矩阵Fm以及公式(1)得到不同模型下的状态一步预测值
Figure BDA0002442532630000023
基于状态转移矩阵Fm与第k-1时刻状态初始协方差Pk-1以及公式(2)，得到第k时刻状态一步预测协方差
Figure BDA0002442532630000024
Figure BDA0002442532630000025
Figure BDA0002442532630000026
其中，Qk-1表示第k-1时刻过程噪声协方差，其中过程噪声为服从均值为0，方差为σ的高斯白噪声；
步骤S103.基于所述量测转移矩阵Hm、k时刻状态一步预测协方差
Figure BDA0002442532630000027
分别计算得到第k时刻m个模型对应的量测预测值
Figure BDA0002442532630000028
协方差Sm,k以及新息νm,k：
Figure BDA0002442532630000031
Figure BDA0002442532630000032
Rk表示第k时刻的量测噪声协方差。
步骤S104.由新息与协方差结合公式(5)计算得到量测集合值到量测预测中心的加权欧氏距离集合dm,k；
Figure BDA0002442532630000033
进一步的，所述预处理包括数字下变频、混频、脉冲压缩、杂波抑制。
进一步的，所述杂波抑制包括目标显示与目标检测，所述目标检测包括恒虚警检测、单元平均恒虚警检测、对数正态分布检测中的一种；所述航迹起始算法包括基于hough变换的航迹起始算法或逻辑航迹起始算法。
进一步的，所述量测新息集合包括回波距离R、速度V、俯仰角θ、方位角
Figure BDA0002442532630000035
以及回波幅度A。
进一步的，所述目标运动状态包括匀速直线运动、匀加速直线运动以及协同转弯模型中的一种或多种。
进一步的，所述步骤S2具体包括：
步骤S201.比较加权欧氏距离di与波门系数O的大小，若di≤O，则判定对应量测值zi落入预测波门内成为候选回波，否则，判定该量测值为虚警；
步骤S202.计算落入波门内各个测量值来自于目标的概率βm,k：
Figure BDA0002442532630000034
其中，
Figure BDA0002442532630000041
Figure BDA0002442532630000042
λ为虚假量测的空间密度，PD为目标检测概率，PG为门概率，表示正确量测落入预测波门内的概率；
步骤S203.基于所述概率βm,k以及量测值集合
Figure BDA0002442532630000043
得到最终目标量测值zm：
Figure BDA0002442532630000044
其中，
Figure BDA0002442532630000045
表示落入波门的目标个数为大小为mk的集合。
进一步的，所述步骤S3具体包括：
步骤S301.基于所述目标量测值分析得到当前时刻各个模型的状态更新值
Figure BDA0002442532630000046
协方差更新值
Figure BDA0002442532630000047
以及似然函数λm，
Figure BDA0002442532630000048
Figure BDA0002442532630000049
步骤S302.基于似然函数λm对各个模型的状态更新值进行加权得到最终的目标状态更新值
Figure BDA00024425326300000410
并将其加入目标航迹得到最终航迹：
Figure BDA00024425326300000411
进一步的，所述射频信号进行预处理以得到加权欧氏距离集合dm,k之前，还包括获取目标的状态初始值
Figure BDA00024425326300000412
其中，所述状态初始值
Figure BDA00024425326300000413
包括目标运动距离R、速度v、加速度a值，初始协方差矩阵P0。
进一步的，各个模型的似然函数λm量测值与当前运动模型匹配的概率值。
本发明公开了一种强杂波背景下的机动小目标航迹关联方法，适用于一类脉冲多普勒雷达，在城市环境中或具有较强、较复杂杂波背景条件下对高速机动小目标进行高准确率航迹关联的一种方法，解决了强杂波背景下采用传统最近邻域关联算法关联准确率低的问题，采用贝叶斯与雷达航迹先验信息向结合，从而达到求解获得概率层面最优目标量测值的目的。
附图说明
图1为本发明提出的强杂波背景下的机动小目标航迹关联方法流程图。
具体实施方式
为便于理解，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清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
本发明提出了一种强杂波背景下的机动小目标航迹关联方法，如图1所示，该方法包括如下内容。
步骤S1.接收射频信号，并对所述射频信号进行预处理以得到加权欧氏距离集合dm,k。
在本发明的实施例中，步骤一的目的在于参数的初始化，并通过计算得到加权欧式距离dm,k。具体过程如下：
步骤S101.接收射频信号，经预处理操作后得到目标与杂波点迹前k个时刻量测信息集合zk，通过航迹起始算法获得目标航迹的前k-1个时刻状态初始值
Figure BDA0002442532630000051
与初始状态协方差矩阵Pk-1，根据目标运动状态初始化目标状态转移矩阵Fm、量测转移矩阵Hm，其中，F表示目标在上一时刻与下一时刻之间运动状态的变化规律，F＝[F1,F2,...,Fm,...,FM]，Fm表示第m个运动模型的状态转移矩阵，H表示目标在上一时刻与下一时刻之间量测值的变化规律，H＝[H1,H2,...,Hm,...,HM]，Hm表示第m个运动模型的量测转移矩阵，1≤m≤M，M表示运动模型个数。目标运动状态包含匀速直线运动、匀加速直线运动及协同转弯等模型，本发明选用但不限于匀速直线运动、匀加速直线运动及转弯模型。
在本步骤中，雷达前端发射机发射射频信号，接收机接收射频信号并进行数字下变频、混频、脉冲压缩、杂波抑制以及目标检测等信号处理手段获取目标与杂波点迹前k个时刻量测信息集合zk。基于第1、2时刻点迹信息通过航迹起始算法获得目标航迹的前k-1个时刻状态初始值
Figure BDA0002442532630000061
与初始状态协方差矩阵Pk-1，
本发明的杂波抑制方法包含动目标显示与动目标检测等方法，本发明选择但不限于动目标显示方法。
本发明的目标检测算法包含恒虚警检测、单元平均恒虚警检测、对数正态分布检测等方法，本发明选用但不限于单元平均恒虚警检测方法。
本发明的航迹起始算法包含基于hough变换的航迹起始方法、逻辑航迹起始方法，本发明选用但不限于基于hough变换的航迹起始方法。
本发明的目标与杂波点迹量测信息集合主要包含回波距离R、速度v、俯仰角θ、方位角
Figure BDA0002442532630000062
以及回波幅度A等信息。所述的状态初始值
Figure BDA0002442532630000063
包含目标运动距离R、速度v、加速度a值，初始协方差矩阵P0表示状态的协方差值。
步骤S102.基于状态初始值
Figure BDA0002442532630000064
与状态转移矩阵Fm以及公式(1)得到不同模型下的状态一步预测值
Figure BDA0002442532630000065
基于状态转移矩阵Fm与第k-1时刻状态初始协方差Pk-1以及公式(2)，得到第k时刻状态一步预测协方差
Figure BDA0002442532630000066
Figure BDA0002442532630000067
Figure BDA0002442532630000068
其中，Qk-1表示第k-1时刻过程噪声协方差，其中过程噪声为服从均值为0，方差为σ的高斯白噪声；
步骤S103.基于所述量测转移矩阵Hm、K时刻状态一步预测协方差
Figure BDA0002442532630000071
分别计算得到第k时刻量测预测值
Figure BDA0002442532630000072
协方差Sm,k以及新息νm,k：
Figure BDA0002442532630000073
Figure BDA0002442532630000074
其中，Rk表示第k时刻的量测噪声协方差。
在本步骤中，还通过状态一步预测协方差与量测协方差根据下式可计算得到第k时刻增益
Figure BDA0002442532630000075
步骤S104.由新息与协方差结合公式(5)计算得到量测集合值到量测预测中心的加权欧氏距离集合dm,k；
Figure BDA0002442532630000076
步骤S2.基于加权欧式距离di与波门系数O的关系以得到最终目标量测值，其中，i＝1,2,...,N，N表示k时刻量测总个数。
步骤S201.比较加权欧氏距离di与波门系数O的大小，若di≤O，则判定对应量测值zi落入预测波门内成为候选回波，否则，判定该量测值为虚警；
步骤S202.假设落入波门的目标个数为大小为mk的集合
Figure BDA0002442532630000077
且杂波个数服从泊松分布，由贝叶斯定理结合目标先验信息计算落入波门内的各个量测值来自于目标的概率βm,k，基于该概率对波门内的各个量测值进行加权得到最终目标的量测值zm；其中，泊松分布为一种统计与概率学中常见的离散概率分布，泊松分布适用于描述单位时间内随机事件发生的次数，计算落入波门内各个测量值来自于目标的概率βm,k：
Figure BDA0002442532630000081
其中，
Figure BDA0002442532630000082
Figure BDA0002442532630000083
λ为虚假量测的空间密度，PD为目标检测概率，PG为门概率，表示正确量测落入预测波门内的概率；
步骤S203.基于所述概率βm,k以及量测值集合
Figure BDA0002442532630000084
得到最终目标量测值zm：
Figure BDA0002442532630000085
其中，
Figure BDA0002442532630000086
表示落入波门的目标个数为大小为mk的集合。
步骤S3.基于所述目标量测值分析得到当前时刻各个模型的状态更新值以及似然函数，通过加权方式得到目标状态更新值，并将其加入目标航迹后得到最终航迹。
步骤S301.基于所述目标量测值分析得到当前时刻各个模型的状态更新值
Figure BDA0002442532630000087
协方差更新值
Figure BDA0002442532630000088
以及似然函数λm，各个模型的似然函数λm量测值与当前运动模型匹配的概率值。
Figure BDA0002442532630000089
Figure BDA00024425326300000810
步骤S302.基于似然函数λm对各个模型的状态更新值进行加权得到最终的目标状态更新值
Figure BDA0002442532630000091
并将其加入目标航迹得到最终航迹：
Figure BDA0002442532630000092
综上完成了航迹关联过程。
对于本领域技术人员而言，显然本发明实施例不限于上述示范性实施例的细节，而且在不背离本发明实施例的精神或基本特征的情况下，能够以其他的具体形式实现本发明实施例。因此，无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本发明实施例的范围由所附权利要求而不是上述说明限定，因此旨在将落在权利要求的等同要件的含义和范围内的所有变化涵括在本发明实施例内。不应将权利要求中的任何附图标记视为限制所涉及的权利要求。此外，显然“包括”一词不排除其他单元或步骤，单数不排除复数。系统、装置或终端权利要求中陈述的多个单元、模块或装置也可以由同一个单元、模块或装置通过软件或者硬件来实现。第一，第二等词语用来表示名称，而并不表示任何特定的顺序。
最后应说明的是，以上实施方式仅用以说明本发明实施例的技术方案而非限制，尽管参照以上较佳实施方式对本发明实施例进行了详细说明，本领域的普通技术人员应当理解，可以对本发明实施例的技术方案进行修改或等同替换都不应脱离本发明实施例的技术方案的精神和范围。

Claims (10)

1.一种强杂波背景下的机动小目标航迹关联方法，其特征在于，所述方法包括：
步骤S1.接收射频信号，并对所述射频信号进行预处理以得到加权欧氏距离集合dm,k；
步骤S2.基于加权欧式距离di与波门系数O的关系以得到最终目标量测值，其中，i＝1,2,...,N，N表示k时刻量测总个数；
步骤S3.基于所述最终目标量测值分析得到当前时刻各个模型的状态更新值以及似然函数，通过加权方式得到目标状态更新值，并将其加入目标航迹后得到最终航迹。
2.根据权利要求1所述的强杂波背景下的机动小目标航迹关联方法，其特征在于，所述步骤S1具体包括：
步骤S101.接收射频信号，经预处理操作后得到目标与杂波点迹前k个时刻量测信息集合zk，通过航迹起始算法获得目标航迹的前k-1个时刻状态初始值
Figure FDA0002442532620000016
与初始状态协方差矩阵Pk-1，根据目标运动状态初始化目标状态转移矩阵F、量测转移矩阵H，其中，F表示目标在上一时刻与下一时刻之间运动状态的变化规律，F＝[F1,F2,...,Fm,...,FM]，Fm表示第m个运动模型的状态转移矩阵，H表示目标在上一时刻与下一时刻之间量测值的变化规律，H＝[H1,H2,...,Hm,...,HM]，Hm表示第m个运动模型的量测转移矩阵，1≤m≤M，M表示运动模型个数；
步骤S102.基于状态初始值
Figure FDA0002442532620000011
与状态转移矩阵Fm，1≤m≤M，以及公式(1)得到不同模型下的状态一步预测值
Figure FDA0002442532620000012
基于状态转移矩阵Fm与第k-1时刻状态初始协方差Pk-1以及公式(2)，得到第k时刻状态一步预测协方差
Figure FDA0002442532620000013
Figure FDA0002442532620000014
Figure FDA0002442532620000015
其中，Qk-1表示第k-1时刻过程噪声协方差，其中过程噪声为服从均值为0，方差为σ的高斯白噪声，Fm表示第m个运动模型的状态转移矩阵，(·)′表示矩阵转置操作；
步骤S103.基于所述量测转移矩阵Hm,1≤m≤M、k时刻状态一步预测协方差
Figure FDA0002442532620000021
分别计算得到第k时刻量测预测值
Figure FDA0002442532620000022
协方差Sm,k以及新息νm,k：
Figure FDA0002442532620000023
Figure FDA0002442532620000024
其中，Rk表示第k时刻的量测噪声协方差。
步骤S104.由新息与协方差结合公式(5)计算得到量测集合值到量测预测中心的加权欧氏距离集合dm,k；
Figure FDA0002442532620000025
3.根据权利要求2所述的强杂波背景下的机动小目标航迹关联方法，其特征在于，所述预处理包括数字下变频、混频、脉冲压缩、杂波抑制。
4.根据权利要求3所述的强杂波背景下的机动小目标航迹关联方法，其特征在于，所述杂波抑制包括目标显示与目标检测，所述目标检测包括恒虚警检测、单元平均恒虚警检测、对数正态分布检测中的一种；所述航迹起始算法包括基于hough变换的航迹起始算法或逻辑航迹起始算法。
5.根据权利要求4所述的强杂波背景下的机动小目标航迹关联方法，其特征在于，所述量测新息集合包括回波距离R、速度V、俯仰角θ、方位角
Figure FDA0002442532620000026
以及回波幅度A。
6.根据权利要求5所述的强杂波背景下的机动小目标航迹关联方法，其特征在于，所述目标运动状态包括匀速直线运动、匀加速直线运动以及协同转弯模型中的一种或多种。
7.根据权利要求2所述的强杂波背景下的机动小目标航迹关联方法，其特征在于，所述步骤S2具体包括：
步骤S201.比较加权欧氏距离di与波门系数O的大小，若di≤O，则判定对应量测值zi落入预测波门内成为候选回波，否则，判定该量测值为虚警；
步骤S202.计算落入波门内各个测量值来自于目标的概率βm,k：
Figure FDA0002442532620000031
其中，
Figure FDA0002442532620000032
Figure FDA0002442532620000033
λ为虚假量测的空间密度，PD为目标检测概率，PG为门概率，表示正确量测落入预测波门内的概率，
Figure FDA0002442532620000034
表示新息的转置；
步骤S203.基于所述概率βm,k以及量测值集合
Figure FDA0002442532620000035
得到最终目标量测值zm：
Figure FDA0002442532620000036
其中，
Figure FDA0002442532620000037
表示落入波门的目标个数为大小为mk的集合。
8.根据权利要求7所述的强杂波背景下的机动小目标航迹关联方法，其特征在于，所述步骤S3具体包括：
步骤S301.基于所述目标量测值分析得到当前时刻各个模型的状态更新值
Figure FDA0002442532620000038
协方差更新值
Figure FDA0002442532620000039
以及似然函数λm，
Figure FDA00024425326200000310
Figure FDA00024425326200000311
步骤S302.基于似然函数λm对各个模型的状态更新值进行加权得到最终的目标状态更新值
Figure FDA0002442532620000041
并将其加入目标航迹得到最终航迹：
Figure FDA0002442532620000042
9.根据权利要求6强杂波背景下的机动小目标航迹关联方法，其特征在于，所述射频信号进行预处理以得到加权欧氏距离集合dm,k之前，还包括获取目标的状态初始值
Figure FDA0002442532620000043
其中，所述状态初始值
Figure FDA0002442532620000044
包括目标运动距离R、速度v、加速度a值，初始协方差矩阵P0。
10.根据权利要求7所述的强杂波背景下的机动小目标航迹关联方法，其特征在于，各个模型的似然函数λm量测值与当前运动模型匹配的概率值。
CN202010271928.9A 2020-04-08 2020-04-08 一种强杂波背景下的机动小目标航迹关联方法 Active CN111398948B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010271928.9A CN111398948B (zh) 2020-04-08 2020-04-08 一种强杂波背景下的机动小目标航迹关联方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010271928.9A CN111398948B (zh) 2020-04-08 2020-04-08 一种强杂波背景下的机动小目标航迹关联方法

Publications (2)

Publication Number Publication Date
CN111398948A true CN111398948A (zh) 2020-07-10
CN111398948B CN111398948B (zh) 2021-12-10

Family

ID=71433113

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010271928.9A Active CN111398948B (zh) 2020-04-08 2020-04-08 一种强杂波背景下的机动小目标航迹关联方法

Country Status (1)

Country Link
CN (1) CN111398948B (zh)

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111983601A (zh) * 2020-07-17 2020-11-24 北京理工大学 一种基于贝叶斯原理的群目标跟踪航迹起始方法
CN112698295A (zh) * 2021-01-05 2021-04-23 成都汇蓉国科微系统技术有限公司 一种知识辅助的雷达检测跟踪一体化方法及系统
US20210132207A1 (en) * 2018-02-14 2021-05-06 Teknologian Tutkimuskeskus Vtt Oy Radar
CN112835006A (zh) * 2021-01-05 2021-05-25 成都汇蓉国科微系统技术有限公司 一种基于帧间积累的跟踪雷达海上小目标检测方法及系统
CN113376626A (zh) * 2021-06-23 2021-09-10 西安电子科技大学 基于immpda算法的高机动目标跟踪方法

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103472445A (zh) * 2013-09-18 2013-12-25 电子科技大学 一种针对多目标场景的检测跟踪一体化方法
CN104297748A (zh) * 2014-10-20 2015-01-21 西安电子科技大学 一种基于轨迹增强的雷达目标检测前跟踪方法
CN106772351A (zh) * 2016-11-16 2017-05-31 西安电子科技大学 基于有限步记忆的卡尔曼滤波方法
CN207586425U (zh) * 2017-10-19 2018-07-06 杨锐 一种轻便高可靠性低空无人机预警探测雷达系统
CN108303692A (zh) * 2018-01-30 2018-07-20 哈尔滨工业大学 一种解多普勒模糊的多目标跟踪方法
CN109655826A (zh) * 2018-12-16 2019-04-19 成都汇蓉国科微系统技术有限公司 一种低慢小目标轨迹滤波方法及装置
CN109901153A (zh) * 2019-03-29 2019-06-18 西安电子科技大学 基于信息熵权和最近邻域数据关联的目标航迹优化方法
CN110673130A (zh) * 2019-09-12 2020-01-10 西安电子科技大学 一种基于航迹关联的运动目标航迹跟踪方法

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103472445A (zh) * 2013-09-18 2013-12-25 电子科技大学 一种针对多目标场景的检测跟踪一体化方法
CN104297748A (zh) * 2014-10-20 2015-01-21 西安电子科技大学 一种基于轨迹增强的雷达目标检测前跟踪方法
CN106772351A (zh) * 2016-11-16 2017-05-31 西安电子科技大学 基于有限步记忆的卡尔曼滤波方法
CN207586425U (zh) * 2017-10-19 2018-07-06 杨锐 一种轻便高可靠性低空无人机预警探测雷达系统
CN108303692A (zh) * 2018-01-30 2018-07-20 哈尔滨工业大学 一种解多普勒模糊的多目标跟踪方法
CN109655826A (zh) * 2018-12-16 2019-04-19 成都汇蓉国科微系统技术有限公司 一种低慢小目标轨迹滤波方法及装置
CN109901153A (zh) * 2019-03-29 2019-06-18 西安电子科技大学 基于信息熵权和最近邻域数据关联的目标航迹优化方法
CN110673130A (zh) * 2019-09-12 2020-01-10 西安电子科技大学 一种基于航迹关联的运动目标航迹跟踪方法

Cited By (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20210132207A1 (en) * 2018-02-14 2021-05-06 Teknologian Tutkimuskeskus Vtt Oy Radar
US11709241B2 (en) * 2018-02-14 2023-07-25 Teknologian Tutkimuskeskus Vtt Oy Radar
CN111983601A (zh) * 2020-07-17 2020-11-24 北京理工大学 一种基于贝叶斯原理的群目标跟踪航迹起始方法
CN112698295A (zh) * 2021-01-05 2021-04-23 成都汇蓉国科微系统技术有限公司 一种知识辅助的雷达检测跟踪一体化方法及系统
CN112835006A (zh) * 2021-01-05 2021-05-25 成都汇蓉国科微系统技术有限公司 一种基于帧间积累的跟踪雷达海上小目标检测方法及系统
CN112698295B (zh) * 2021-01-05 2023-05-16 成都汇蓉国科微系统技术有限公司 一种知识辅助的雷达检测跟踪一体化方法及系统
CN112835006B (zh) * 2021-01-05 2023-05-16 成都汇蓉国科微系统技术有限公司 一种基于帧间积累的跟踪雷达海上小目标检测方法及系统
CN113376626A (zh) * 2021-06-23 2021-09-10 西安电子科技大学 基于immpda算法的高机动目标跟踪方法

Also Published As

Publication number Publication date
CN111398948B (zh) 2021-12-10

Similar Documents

Publication Publication Date Title
CN111398948B (zh) 一种强杂波背景下的机动小目标航迹关联方法
CN106443598B (zh) 基于卷积神经网络的雷达网协同航迹欺骗干扰鉴别方法
Du et al. Secondary radar signal processing based on deep residual separable neural network
CN103439697B (zh) 基于动态规划的目标检测方法
CN105093198B (zh) 一种分布式外辐射源雷达组网探测的航迹融合方法
CN103472445A (zh) 一种针对多目标场景的检测跟踪一体化方法
CN107576959B (zh) 一种基于区域映射解模糊的高重频雷达目标检测前跟踪方法
CN107346020B (zh) 一种用于异步多基地雷达系统的分布式批估计融合方法
CN107436434B (zh) 基于双向多普勒估计的航迹起始方法
CN106526584A (zh) 多雷达系统中目标检测跟踪联合处理方法
CN113093191B (zh) 一种基于毫米波雷达的道路车辆检测系统
CN110146873A (zh) 分布式非相参雷达的目标位置和速度的估计方法
CN113009448A (zh) 多径目标的检测方法、装置、设备和存储介质
CN113238211A (zh) 一种干扰条件下参数化自适应阵列信号检测方法与系统
CN112731373B (zh) 基于三维数据关联的外辐射源雷达多目标跟踪方法
CN113126086A (zh) 一种基于状态预测积累的生命探测雷达弱目标检测方法
CN112835006A (zh) 一种基于帧间积累的跟踪雷达海上小目标检测方法及系统
CN105652256B (zh) 一种基于极化信息的高频地波雷达tbd方法
CN107561506B (zh) 一种多级虚警概率联合递推目标检测方法
CN111044996A (zh) 一种基于降维近似消息传递的lfmcw雷达目标检测方法
CN114740446A (zh) 一种基于随机共振的海杂波中微弱运动目标检测方法
CN112698295A (zh) 一种知识辅助的雷达检测跟踪一体化方法及系统
CN113093174A (zh) 基于phd滤波雷达起伏微弱多目标的检测前跟踪方法
CN110907930A (zh) 一种基于角度估计的车载雷达目标检测估计方法及装置
CN115453489B (zh) 一种毫米波雷达室内多径判别方法

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