CN111458701B - 基于航迹特征迭代更新的气象航迹抑制方法 - Google Patents

基于航迹特征迭代更新的气象航迹抑制方法 Download PDF

Info

Publication number
CN111458701B
CN111458701B CN202010282392.0A CN202010282392A CN111458701B CN 111458701 B CN111458701 B CN 111458701B CN 202010282392 A CN202010282392 A CN 202010282392A CN 111458701 B CN111458701 B CN 111458701B
Authority
CN
China
Prior art keywords
track
mean
nth
value
meteorological
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
Application number
CN202010282392.0A
Other languages
English (en)
Other versions
CN111458701A (zh
Inventor
王旭
蔡兴雨
徐丹蕾
高恒
邱天
朱思桥
臧会凯
朱永杰
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.)
Xian Electronic Engineering Research Institute
Original Assignee
Xian Electronic Engineering Research Institute
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 Xian Electronic Engineering Research Institute filed Critical Xian Electronic Engineering Research Institute
Priority to CN202010282392.0A priority Critical patent/CN111458701B/zh
Publication of CN111458701A publication Critical patent/CN111458701A/zh
Application granted granted Critical
Publication of CN111458701B publication Critical patent/CN111458701B/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
    • G01S13/60—Velocity or trajectory determination systems; Sense-of-movement determination systems wherein the transmitter and receiver are mounted on the moving object, e.g. for determining ground speed, drift angle, ground track
    • 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
    • G01S13/88—Radar or analogous systems specially adapted for specific applications
    • 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
    • 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)
  • Physics & Mathematics (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • General Physics & Mathematics (AREA)
  • Electromagnetism (AREA)
  • Radar Systems Or Details Thereof (AREA)

Abstract

本发明涉及一种基于航迹特征迭代更新的气象航迹抑制方法，主要解决现有杂波抑制方法对气象杂波抑制性能受限的问题。其实现过程是：1.标记航迹起始时刻；2.提取有用的航迹信息，计算等效幅度和航向角；3.利用航迹信息迭代更新航迹特征；4.采用门限判决方式对瞬时航迹属性进行判别；5.利用已训练的分类器进行瞬时航迹属性判别；6.根据气象航向角集合，判断疑似气象航迹的瞬时航迹属性；7.迭代更新综合航迹属性值；8.航迹更新，综合航迹属性值更新。本发明采用迭代的方式对航迹特征进行更新计算，计算量小，可以较稳健地对气象航迹进行抑制，具有工程实用性。

Description

基于航迹特征迭代更新的气象航迹抑制方法
技术领域
本发明属于雷达技术领域，涉及雷达杂波抑制，可用于对空情报雷达的气象杂波航迹抑制，并满足工程要求。
背景技术
对空情报雷达通常工作在复杂环境中，经常遭受地杂波与气象杂波等各种杂波的影响。杂波不仅会导致弱小目标的漏警、产生虚警，而且可能产生虚假航迹，影响真实目标航迹的建立。因此，杂波抑制是雷达相关领域一个很重要的问题。
对于地杂波一般采用合适的MTI、MTD结合杂波图等杂波抑制手段即可以较有效的抑制；气象杂波通常处于运动状态，而且杂波谱较宽，常规MTI和MTD技术无法有效对其抑制，目前多采用自适应MTI技术，即首先估计杂波的多普勒谱中心，再设计MTI滤波器使凹口对准杂波谱中心。当杂波多普勒谱中心估计不准时，抑制性能较差；而且抑制气象杂波的同时，也会抑制该多普勒频率附近的目标。对于剩余气象杂波所建立的气象航迹，虽然可以基于航迹运动和空间分布特征进行抑制，但由于所选用特征较少，气象杂波抑制性能受限，而且现有方式未考虑航迹更新所引起的特征变化，计算量较大，不易工程应用。
发明内容
要解决的技术问题
为了避免现有技术的不足之处，本发明提出一种基于航迹特征迭代更新的气象航迹抑制方法，通过迭代统计航迹的多种特征，对气象航迹与目标航迹进行区分，实现气象航迹抑制。由于采用迭代更新航迹特征的方式，该算法具有工程实用性。
技术方案
一种基于航迹特征迭代更新的气象航迹抑制方法，其特征在于步骤如下：
步骤1：航迹起始，将航迹起始时刻记为第n＝0时刻；
步骤2：提取第n时刻有用的航迹信息，包括幅度A(n)、距离R(n)、高度H(n)、速度V(n)、航向矢量r(n)、外推标记d(n)，根据航迹信息中的幅度A(n)、距离R(n)计算等效幅度ρ(n)，根据航向矢量r(n)计算航向角θ(n)；
步骤3：利用提取的航迹信息，迭代更新第n时刻的航迹特征，包括等效幅度均值ρmean(n)、等效幅度最大值ρmax(n)、等效幅度标准差σρ(n)、高度均值Hmean(n)、速度均值Vmean(n)、航迹连续度D(n)、航向角最大值θmax(n)、航向角最小值θmin(n)、航向角变化量Δθ(n)；
步骤4：利用第n时刻的部分航迹特征进行门限判决，若满足条件则标记第n时刻的瞬时航迹属性，并执行步骤7；否则不标记第n时刻的瞬时航迹属性，并执行步骤5，其中部分航迹特征包括速度均值Vmean(n)、等效幅度均值ρmean(n)、等效幅度最大值ρmax(n)、等效幅度标准差σρ(n)、高度均值Hmean(n)和航向角变化量Δθ(n)；
步骤5：利用已训练的支持向量机分类器进行第n时刻的瞬时航迹属性判别，瞬时航迹属性类型有气象、目标、疑似气象三种，分类器所用的航迹特征包括等效幅度均值ρmean(n)、等效幅度最大值ρmax(n)、等效幅度标准差σρ(n)、高度均值Hmean(n)、速度均值Vmean(n)、航迹连续度D(n)和航向角变化量Δθ(n)；
步骤6：根据已统计的气象航向角集合，判断疑似气象航迹的航向角θ(n)是否在气象航向角集合内，若是则标记第n时刻的瞬时航迹属性为气象，否则标记第n时刻的瞬时航迹属性为目标；
步骤7：迭代更新第n时刻的综合航迹属性值f(n)，当f(n)＞0时，标记第n时刻综合航迹属性为气象，当f(n)≤0时，标记第n时刻综合航迹属性为目标；
步骤8：当航迹更新时，将更新时刻标记为第n+1时刻，令n＝n+1，重复步骤2～步骤7。
步骤2所述的根据航向矢量r(n)计算航向角θ(n)，是按照如下步骤进行：
(2a)利用第n时刻的航向矢量r(n)计算第n时刻的平滑航向矢量u(n)：
Figure BDA0002447183260000031
其中u(n-1)表示第n-1时刻的平滑导向矢量，遗忘因子α满足条件0＜α＜1；
(2b)利用第n时刻的平滑航向矢量u(n)计算第n时刻的航向角θ(n)：
Figure BDA0002447183260000032
其中cos-1(·)表示反余弦函数，分量ux(n)与uy(n)分别表示第n时刻的平滑航向矢量u(n)在x、y轴方向上的分量。
步骤3所述的航迹连续度D(n)、航向角最大值θmax(n)、航向角最小值θmin(n)、航向角变化量Δθ(n)，按照如下情况进行计算：
(3a)当n＝0时：
航迹连续度D(n)＝0；
航向角最大值θmax(n)＝θ(n)；
航向角最大值θmin(n)＝θ(n)；
航向角变化量Δθ(n)＝0；
(3b)当n≥1时：
航迹连续度
Figure BDA0002447183260000033
航向角最大值
Figure BDA0002447183260000034
航向角最小值
Figure BDA0002447183260000035
航向角变化量Δθ(n)＝θmax(n)-θmin(n)；
其中θmax(n-1)和θmin(n-1)表示第n-1时刻的航向角最大值和航向角最小值，第n时刻的修正航向角
Figure BDA0002447183260000041
定义如下
Figure BDA0002447183260000042
其中θ(n-1)表示第n-1时刻的航向角。
步骤4利用第n时刻的部分航迹特征进行门限判决，按照如下情况进行判决：
(4a)当速度均值Vmean(n)≥Vth1时，第n时刻瞬时航迹属性判为目标；
(4b)当等效幅度均值ρmean(n)≥ρth1时，第n时刻瞬时航迹属性判为目标；
(4c)当等效幅度最大值ρmax(n)≥ρup时，第n时刻瞬时航迹属性判为目标；
(4d)当等效幅度标准差σρ(n)≥σth时，第n时刻瞬时航迹属性判为目标；
(4e)当航向角变化量Δθ(n)≥θth时，第n时刻瞬时航迹属性判为目标；
(4f)当高度均值Hmean(n)≥Hth且速度均值Vmean(n)≤Vth2且等效幅度均值ρmean(n)≤ρth2时，第n时刻瞬时航迹属性判为气象；
(4g)当以上情况不满足时，第n时刻瞬时航迹属性判为不确定；
其中速度均值第一门限Vth1、等效幅度均值第一门限ρth1、等效幅度最大值门限ρup、等效幅度标准差门限σth、航向角门限θth、高度均值门限Hth、速度均值第二门限Vth2、等效幅度均值第二门限ρth2均为常数。
步骤7迭代更新综合航迹属性值f(n)，按照如下步骤进行：
(5a)设第n时刻的航迹属性标记为q(n)
Figure BDA0002447183260000043
(5b)计算第n时刻的综合航迹属性值f(n)
Figure BDA0002447183260000044
其中f(n-1)表示第n-1时刻的综合航迹属性值，ε表示航迹属性更新权重。
有益效果
本发明提出的一种基于航迹特征迭代更新的气象航迹抑制方法，具有以下优点：
(1)本发明提取了多种航迹信息，并采用迭代更新的方式对航迹特征进行计算，既保留了之前的航迹特征，又减小了计算量，易于工程实现；
(2)本发明采用门限判决和分类器相结合的方式，简化了航迹分类的难度；
(3)本发明通过计算综合航迹属性值，提高了航迹属性判别的稳健性。
附图说明
图1是本发明的实现流程图；
图2是实验数据1的航迹示意图；
图3是实验数据2的航迹示意图；
图4是实验数据中部分气象航迹和部分目标航迹的等效幅度均值；
图5是实验数据中部分气象航迹和部分目标航迹的等效幅度最大值；
图6是实验数据中部分气象航迹和部分目标航迹的等效幅度标准差；
图7是实验数据中部分气象航迹和部分目标航迹的速度均值；
图8是实验数据中部分气象航迹和部分目标航迹的高度均值；
图9是实验数据中部分气象航迹和部分目标航迹的航迹连续度；
图10是实验数据中部分气象航迹和部分目标航迹的航向角变化量；
图11是测试样本1的航迹示意图；
图12是使用本发明方法对测试样本1进行气象航迹抑制后的航迹示意图；
图13是本发明方法在测试样本1中的识别率随航迹更新次数变化的曲线；
图14是测试样本2的航迹示意图；
图15是使用本发明方法对测试样本2进行气象航迹抑制后的航迹示意图；
图16是本发明方法在测试样本2中的识别率随航迹更新次数变化的曲线。
具体实施方式
现结合实施例、附图对本发明作进一步描述：
步骤1.标记航迹起始时刻。
在航迹起始时，标记航迹起始时刻为第n＝0时刻。
步骤2.提取有用的航迹信息，计算等效幅度和航向角。
提取第n时刻有用的航迹信息，包括幅度A(n)、距离R(n)、高度H(n)、速度V(n)、航向矢量r(n)、外推标记d(n)，第n时刻的航向矢量r(n)可具体表示为
r(n)＝[rx(n),ry(n),rz(n)]T
其中符号(·)T表示转置操作，分量rx(n)、ry(n)、rz(n)表示第n时刻的航向矢量r(n)在三个坐标轴方向上的分量，且
Figure BDA0002447183260000064
坐标轴的x轴指向正北方向，y轴指向正东方向，z轴垂直于x轴与y轴构成的平面，满足左手坐标系；第n时刻的外推标记d(n)定义为
Figure BDA0002447183260000061
利用第n时刻的幅度A(n)、距离R(n)计算等效幅度ρ(n)
Figure BDA0002447183260000062
其中R0表示设定的参考距离，Fstc(·)表示STC(Sensitivity Time Control,灵敏度时间控制)曲线；
计算第n时刻的平滑航向矢量u(n)
Figure BDA0002447183260000063
其中u(n-1)表示第n-1时刻的平滑导向矢量，遗忘因子α满足条件0＜α＜1；
利用第n时刻的平滑航向矢量u(n)计算第n时刻的航向角θ(n)
Figure BDA0002447183260000071
其中cos-1(·)表示反余弦函数，分量ux(n)与uy(n)分别表示平滑航向矢量u(n)在x、y轴方向上的分量。
步骤3.利用航迹信息迭代更新航迹特征。
当n＝0时，即航迹建立初始时刻，采用如下方式计算航迹特征：
等效幅度均值ρmean(n)＝ρ(n)；
等效幅度最大值ρmax(n)＝ρ(n)；
等效幅度标准差σρ(n)＝0；
高度均值Hmean(n)＝H(n)；
速度均值Vmean(n)＝V(n)；
航迹连续度D(n)＝0；
航向角最大值θmax(n)＝θ(n)；
航向角最大值θmin(n)＝θ(n)；
航向角变化量Δθ(n)＝0；
当n≥1时，采用如下方式计算航迹特征：
等效幅度均值
Figure BDA0002447183260000072
等效幅度最大值ρmax(n)＝max{ρmax(n-1),ρ(n)}；
等效幅度标准差
Figure BDA0002447183260000073
高度均值
Figure BDA0002447183260000081
速度均值
Figure BDA0002447183260000082
航迹连续度
Figure BDA0002447183260000083
航向角最大值
Figure BDA0002447183260000084
航向角最小值
Figure BDA0002447183260000085
航向角变化量Δθ(n)＝θmax(n)-θmin(n)；
其中θmax(n-1)和θmin(n-1)分别表示第n-1时刻的航向角最大值和航向角最小值，第n时刻的修正航向角
Figure BDA0002447183260000086
定义如下
Figure BDA0002447183260000087
其中θ(n-1)表示第n-1时刻的航向角。
步骤4.采用门限判决方式对瞬时航迹属性进行判别。
当速度均值Vmean(n)≥Vth1时，第n时刻瞬时航迹属性判为目标，执行步骤6；
当等效幅度均值ρmean(n)≥ρth1时，第n时刻瞬时航迹属性判为目标，执行步骤6；
当等效幅度最大值ρmax(n)≥ρup时，第n时刻瞬时航迹属性判为目标，执行步骤6；
当等效幅度标准差σρ(n)≥σth时，第n时刻瞬时航迹属性判为目标，执行步骤6；
当航向角变化量Δθ(n)≥θth时，第n时刻瞬时航迹属性判为目标，执行步骤6；
当高度均值Hmean(n)≥Hth且速度均值Vmean(n)≤Vth2且等效幅度均值ρmean(n)≤ρth2时，第n时刻瞬时航迹属性判为气象，执行步骤6；
当以上情况不满足时，第n时刻瞬时航迹属性判为不确定，执行步骤5；
其中速度均值第一门限Vth1、等效幅度均值第一门限ρth1、等效幅度最大值门限ρup、等效幅度标准差门限σth、航向角门限θth、高度均值门限Hth、速度均值第二门限Vth2、等效幅度均值第二门限ρth2均为常数。
步骤5.利用已训练的分类器进行瞬时航迹属性判别。
对第n时刻瞬时航迹属性不确定的航迹，则采用如下分类器进行瞬时航迹属性判别：
s(n)＝wTg(n)+b
其中s(n)表示分类器结果，权向量w和阈值常数b表示分类器参数，采用支撑向量机(SVM，Support Vector Machine)进行训练获得；测试样本g(n)由等效幅度均值ρmean(n)、等效幅度最大值ρmax(n)、等效幅度标准差σρ(n)、速度均值Vmean(n)、高度均值Hmean(n)、航迹连续度D(n)和航向角变化量Δθ(n)构成，具体可表示为
g(n)＝[ρmean(n),ρmax(n),σρ(n),Vmean(n),Hmean(n),D(n),Δθ(n)]T；
当分类器结果s(n)≥0时，第n时刻瞬时航迹属性判为气象；
当分类器结果s(n)＜δ时，第n时刻瞬时航迹属性判为目标；
当分类器结果δ≤s(n)＜0时，第n时刻瞬时航迹属性判为疑似气象，疑似气象门限参数δ＜0。
步骤6.根据气象航向角集合，判断疑似气象航迹的瞬时航迹属性。
气象航向角区间随每次扫描进行统计，假设第n时刻之前雷达已经过了m次扫描，m≥1，则第m次扫描的气象航向角集合表示为Ω(m)；
判断疑似气象航迹的航向角θ(n)是否在气象航向角集合Ω(m)内，若是则标记第n时刻的瞬时航迹属性为气象，否则标记为目标；
上述第m次扫描的气象航向角集合Ω(m)按照如下步骤统计：
6a)假设将区间(-180°,180°]等分为K个大小相等的航向角区间，K表示航向角区间个数；
6b)计算第k个航向角区间在第m次扫描的累计气象航迹比例pk(m)，k＝1,…,K
Figure BDA0002447183260000101
其中pk(m-1)表示第k个航向角区间在第m-1次扫描的累计气象航迹比例，m＞1，μk(m)表示第m次扫描落入第k个航向角区间的气象航迹数与总航迹数之比，比例衰减因子β＞0；
6c)第m次扫描的气象航向角集合Ω(m)是满足式<1>的航向角区间的集合，
pk(m)≥Pth <1>
其中Pth表示气象航向角判定门限。
步骤7.迭代更新综合航迹属性值。
设第n时刻的航迹属性标记为q(n)，
Figure BDA0002447183260000102
计算第n时刻的综合航迹属性值f(n)
Figure BDA0002447183260000103
其中f(n-1)表示第n-1时刻的综合航迹属性值，ε表示航迹属性更新权重；
若第n时刻的综合航迹属性值f(n)＞0，标记航迹为气象；
若第n时刻的综合航迹属性值f(n)≤0，标记航迹为目标。
步骤8.航迹更新，综合航迹属性值更新。
当航迹更新时，标记更新时刻为第n+1时刻，令n＝n+1，重复步骤2～步骤8，对综合航迹属性值进行更新。
本发明的效果通过以下实测数据测试实验进一步说明：
1.实验场景：
实测数据包含两批数据，两批数据均为受气象航迹干扰的数据，数据1包含557条航迹，数据1的航迹示意图如图2所示，其中目标272条、气象285条，目标航迹最多的更新次数为337，气象航迹最多的更新次数为734，以一次更新作为一个样本数据，数据1中目标样本个数为31848，数据1中气象样本个数为20632；数据2包含596条航迹，数据2的航迹示意图如图3所示，其中目标140条、气象456条，目标航迹最多的更新次数为563，气象航迹最多的更新次数为216，数据2中目标样本个数为17619，数据2中气象样本个数为14876。
2.测试实验：
实验1：统计两批数据中气象航迹与目标航迹的航迹特征，包括等效幅度均值、等效幅度最大值、等效幅度标准差、速度均值、高度均值、航迹连续度、航向角变化量，部分数据的等效幅度均值、等效幅度最大值、等效幅度标准差、速度均值、高度均值、航迹连续度、航向角变化量分别如图4-图10所示。
实验2：从数据1中随机选择1/4的气象航迹和1/4的目标航迹，即71条气象航迹、68条目标航迹，从数据2中随机选择1/4的气象航迹和1/4的目标航迹，即114条气象航迹、35条目标航迹，作为训练样本；以数据1中剩余数据作为测试样本1，数据2中剩余数据作为测试样本2。
实验中参考距离R0＝40km，遗忘因子α＝1/16，比例衰减因子β＝0.1，航迹属性更新权重ε＝0.5，疑似气象门限参数δ＝-3，航向角区间个数为K＝36，气象航向角判定门限Pth＝0.02。
实验中利用门限判决方式进行瞬时航迹属性判别时，各门限设定如下：速度均值第一门限Vth1＝65m/s；等效幅度均值第一门限ρth1＝90；等效幅度最大值门限ρup＝110；等效幅度标准差门限σth＝9.5；航向角门限θth＝90°；高度均值门限Hth＝3000m；速度均值第二门限Vth2＝55m/s；等效幅度均值第二门限ρth2＝55。根据训练样本训练得到的分类器参数如下：阈值常数b＝17.2447，权向量w＝[-0.2297,0.0412,-2.087,0.1714,0.0013,5.621,0.0034]T。
按照本发明方法对测试样本1进行气象抑制，测试样本1在气象抑制前的航迹示意图如图11所示，采用本发明方法进行气象航迹抑制后的航迹示意图如图12所示，测试样本1的识别率随航迹更新次数变化的曲线如图13所示。按照本发明方法对测试样本2进行气象抑制，测试样本2在气象抑制前的航迹示意图如图14所示，采用本发明方法进行气象航迹抑制后的航迹示意图如图15所示，测试样本2的识别率随航迹更新次数变化的曲线如图16所示。
3.仿真结果分析：
从图2、3可以看出，数据1和数据2中气象航迹很多，严重影响了雷达正常使用。
从图4可以看出，与气象的等效幅度均值相比，部分目标的等效幅度均值较大，具有一定可分性。从图5可以看出，与气象的等效幅度最大值相比，部分目标的等效幅度最大值较大，具有一定可分性。从图6可以看出，与气象的等效幅度标准差相比，部分目标的等效幅度标准差较大，具有一定可分性。从图7可以看出，与气象的速度均值相比，部分目标的速度均值具有明显可分性。从图8可以看出，与气象的高度均值相比，部分目标的高度均值较大，具有一定可分性。从图9可以看出，气象航迹连续度数值较大，说明航迹不连续的比例较高，目标的航迹连续度数值较小，说明航迹不连续的比例较小。从图10可以看出，与气象的航向角变化量相比，部分目标的航向角变化量较大，具有一定可分性。
对比图11和图12可以看出，采用本发明方法进行气象航迹抑制后，测试样本1中的气象航迹明显减少。从图13可以看出，本发明方法对测试样本1中的目标识别率为1，对测试样本1中的气象识别率大于0.95，识别结果随航迹更新次数增加逐渐稳定。对比图14和图15可以看出，采用本发明方法进行气象航迹抑制后，测试样本2中的气象航迹明显减少。从图16可以看出，本发明方法对测试样本2中的目标识别率为0.98，气象识别率大于0.9，识别结果随航迹更新次数增加逐渐稳定。

Claims (2)

1.一种基于航迹特征迭代更新的气象航迹抑制方法，其特征在于步骤如下：
步骤1：航迹起始，将航迹起始时刻记为第n＝0时刻；
步骤2：提取第n时刻有用的航迹信息，包括幅度A(n)、距离R(n)、高度H(n)、速度V(n)、航向矢量r(n)、外推标记d(n)，根据航迹信息中的幅度A(n)、距离R(n)计算等效幅度ρ(n)，根据航向矢量r(n)计算航向角θ(n)；
所述的根据航向矢量r(n)计算航向角θ(n)，是按照如下步骤进行：
(2a)利用第n时刻的航向矢量r(n)计算第n时刻的平滑航向矢量u(n)：
Figure FDA0003933288140000011
其中u(n-1)表示第n-1时刻的平滑导向矢量，遗忘因子α满足条件0＜α＜1；
(2b)利用第n时刻的平滑航向矢量u(n)计算第n时刻的航向角θ(n)：
Figure FDA0003933288140000012
其中cos-1(·)表示反余弦函数，分量ux(n)与uy(n)分别表示第n时刻的平滑航向矢量u(n)在x、y轴方向上的分量；
步骤3：利用提取的航迹信息，迭代更新第n时刻的航迹特征，包括等效幅度均值ρmean(n)、等效幅度最大值ρmax(n)、等效幅度标准差σρ(n)、高度均值Hmean(n)、速度均值Vmean(n)、航迹连续度D(n)、航向角最大值θmax(n)、航向角最小值θmin(n)、航向角变化量Δθ(n)；
所述的航迹连续度D(n)、航向角最大值θmax(n)、航向角最小值θmin(n)、航向角变化量Δθ(n)，按照如下情况进行计算：
(3a)当n＝0时：
航迹连续度D(n)＝0；
航向角最大值θmax(n)＝θ(n)；
航向角最大值θmin(n)＝θ(n)；
航向角变化量Δθ(n)＝0；
(3b)当n≥1时：
航迹连续度
Figure FDA0003933288140000021
航向角最大值
Figure FDA0003933288140000022
航向角最小值
Figure FDA0003933288140000023
航向角变化量Δθ(n)＝θmax(n)-θmin(n)；
Figure FDA0003933288140000024
其中θmax(n-1)和θmin(n-1)表示第n-1时刻的航向角最大值和航向角最小值，第n时刻的修正航向角
Figure FDA0003933288140000025
定义如下
Figure FDA0003933288140000026
其中θ(n-1)表示第n-1时刻的航向角；
步骤4：利用第n时刻的部分航迹特征进行门限判决，若满足条件则标记第n时刻的瞬时航迹属性，并执行步骤7；否则不标记第n时刻的瞬时航迹属性，并执行步骤5，其中部分航迹特征包括速度均值Vmean(n)、等效幅度均值ρmean(n)、等效幅度最大值ρmax(n)、等效幅度标准差σρ(n)、高度均值Hmean(n)和航向角变化量Δθ(n)；
所述的利用第n时刻的部分航迹特征进行门限判决，按照如下情况进行判决：
(4a)当速度均值Vmean(n)≥Vth1时，第n时刻瞬时航迹属性判为目标；
(4b)当等效幅度均值ρmean(n)≥ρth1时，第n时刻瞬时航迹属性判为目标；
(4c)当等效幅度最大值ρmax(n)≥ρup时，第n时刻瞬时航迹属性判为目标；
(4d)当等效幅度标准差σρ(n)≥σth时，第n时刻瞬时航迹属性判为目标；
(4e)当航向角变化量Δθ(n)≥θth时，第n时刻瞬时航迹属性判为目标；
(4f)当高度均值Hmean(n)≥Hth且速度均值Vmean(n)≤Vth2且等效幅度均值ρmean(n)≤ρth2时，第n时刻瞬时航迹属性判为气象；
(4g)当以上情况不满足时，第n时刻瞬时航迹属性判为不确定；
其中速度均值第一门限Vth1、等效幅度均值第一门限ρth1、等效幅度最大值门限ρup、等效幅度标准差门限σth、航向角门限θth、高度均值门限Hth、速度均值第二门限Vth2、等效幅度均值第二门限ρth2均为常数；
步骤5：利用已训练的支持向量机分类器进行第n时刻的瞬时航迹属性判别，瞬时航迹属性类型有气象、目标、疑似气象三种，分类器所用的航迹特征包括等效幅度均值ρmean(n)、等效幅度最大值ρmax(n)、等效幅度标准差σρ(n)、高度均值Hmean(n)、速度均值Vmean(n)、航迹连续度D(n)和航向角变化量Δ(n)；
步骤6：根据已统计的气象航向角集合，判断疑似气象航迹的航向角θ(n)是否在气象航向角集合内，若是则标记第n时刻的瞬时航迹属性为气象，否则标记第n时刻的瞬时航迹属性为目标；
步骤7：迭代更新第n时刻的综合航迹属性值f(n)，当f(n)θ0时，标记第n时刻综合航迹属性为气象，当f(n)≤0时，标记第n时刻综合航迹属性为目标；
步骤8：当航迹更新时，将更新时刻标记为第n+1时刻，令n＝n+1，重复步骤2～步骤7。
2.根据权利要求1所述的一种基于航迹特征迭代更新的气象航迹抑制方法，其中步骤7迭代更新综合航迹属性值f(n)，按照如下步骤进行：
(5a)设第n时刻的航迹属性标记为q(n)
Figure FDA0003933288140000041
(5b)计算第n时刻的综合航迹属性值f(n)
Figure FDA0003933288140000042
其中f(n-1)表示第n-1时刻的综合航迹属性值，ε表示航迹属性更新权重。
CN202010282392.0A 2020-04-12 2020-04-12 基于航迹特征迭代更新的气象航迹抑制方法 Active CN111458701B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010282392.0A CN111458701B (zh) 2020-04-12 2020-04-12 基于航迹特征迭代更新的气象航迹抑制方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010282392.0A CN111458701B (zh) 2020-04-12 2020-04-12 基于航迹特征迭代更新的气象航迹抑制方法

Publications (2)

Publication Number Publication Date
CN111458701A CN111458701A (zh) 2020-07-28
CN111458701B true CN111458701B (zh) 2022-12-27

Family

ID=71684511

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010282392.0A Active CN111458701B (zh) 2020-04-12 2020-04-12 基于航迹特征迭代更新的气象航迹抑制方法

Country Status (1)

Country Link
CN (1) CN111458701B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113093133B (zh) * 2021-02-26 2023-11-14 四川九洲防控科技有限责任公司 一种雷达仙波的处理方法、系统、存储介质及电子设备
CN113504524B (zh) * 2021-07-22 2023-07-04 珠海中科慧智科技有限公司 一种基于特征统计的低空雷达虚假航迹综合抑制方法

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5748140A (en) * 1996-03-28 1998-05-05 Hughes Electronics System for tracking radar targets in background clutter
JP2009109457A (ja) * 2007-11-01 2009-05-21 Mitsubishi Electric Corp レーダ装置
CN108919204A (zh) * 2018-07-03 2018-11-30 西安电子工程研究所 情报雷达杂波识别一体化处理方法
CN109117776A (zh) * 2018-08-02 2019-01-01 西安电子工程研究所 基于航迹信息的飞机与气象杂波分类识别方法
CN110441743A (zh) * 2019-07-02 2019-11-12 中国航空工业集团公司雷华电子技术研究所 一种基于ENet全卷积网络的气象杂波抑制方法

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7626535B2 (en) * 2006-11-09 2009-12-01 Raytheon Company Track quality based multi-target tracker

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5748140A (en) * 1996-03-28 1998-05-05 Hughes Electronics System for tracking radar targets in background clutter
JP2009109457A (ja) * 2007-11-01 2009-05-21 Mitsubishi Electric Corp レーダ装置
CN108919204A (zh) * 2018-07-03 2018-11-30 西安电子工程研究所 情报雷达杂波识别一体化处理方法
CN109117776A (zh) * 2018-08-02 2019-01-01 西安电子工程研究所 基于航迹信息的飞机与气象杂波分类识别方法
CN110441743A (zh) * 2019-07-02 2019-11-12 中国航空工业集团公司雷华电子技术研究所 一种基于ENet全卷积网络的气象杂波抑制方法

Non-Patent Citations (5)

* Cited by examiner, † Cited by third party
Title
Clutter suppression and moving target imaging approach for multichannel hypersonic vehicle borne radar;Yu Wang et al.;《Digital Signal Processing》;20170531;第68卷;第81-92页 *
Improved fuzzy logic method to distinguish between meteorological and non-meteorological echoes using C-band polarimetric radar data;Shuai Zhang et al.;《Atmospheric Measurement Techniques》;20200207;第13卷(第2期);第537-551页 *
基于杂波特征评估的雷达目标点迹过滤方法;史建涛等;《太赫兹科学与电子信息学报》;20191225;第17卷(第6期);第988-993页 *
基于点迹特征的气象杂波抑制技术;王旭等;《火控雷达技术》;20170625;第46卷(第2期);第6-14页 *
基于航迹信息的飞机和气象杂波分类识别;徐丹蕾等;《火控雷达技术》;20190925;第48卷(第3期);第52-58、64页 *

Also Published As

Publication number Publication date
CN111458701A (zh) 2020-07-28

Similar Documents

Publication Publication Date Title
CN111458701B (zh) 基于航迹特征迭代更新的气象航迹抑制方法
US8334799B2 (en) Method for radar monitoring of wake turbulence
Herman et al. A particle filtering approach to FM-band passive radar tracking and automatic target recognition
CN109791200B (zh) 基于轨迹跟踪的导线和塔架分类
CN107576963B (zh) 基于粒子滤波的双偏振雷达差分传播相移的估计方法
WO2004040330A1 (en) Weather and airborne clutter suppression using a cluster shape classifier
CN112881993B (zh) 自动识别雷达分布杂波引起虚假航迹的方法
CN109633599A (zh) 一种机载预警雷达多目标跟踪方法
Golbon-Haghighi et al. Detection of ground clutter for dual-polarization weather radar using a novel 3D discriminant function
CN108490409A (zh) 基于航迹风险评估的三坐标雷达自动起始方法
Anderson et al. Analysis of ASCAT ocean backscatter measurement noise
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
CN109116359B (zh) 一种机载雷达低空风切变风场回波风速的估计方法
CN104316929B (zh) 一种功率谱识别方法及装置
CN109031278A (zh) 一种基于幅度的对海雷达多目标融合跟踪方法
CN111948638B (zh) 基于高分辨距离像的目标长度估计方法与其应用
CN108107416A (zh) 一种二次雷达低空探测杂波抑制方法
CN112526548B (zh) 一种基于测风激光雷达的降雨识别方法及装置
CN103760555B (zh) 一种提高机载雷达检测跟踪一体化精度的方法
CN113504524B (zh) 一种基于特征统计的低空雷达虚假航迹综合抑制方法
CN109800721A (zh) 一种多目标跟踪方法及系统
Hardiman et al. Nonlinear estimation techniques for impact point prediction of ballistic targets
CN115453521B (zh) 一种二维相扫雷达地形探测方法
Chen et al. Target tracking using particle filter with X-band nautical radar
CN117075070A (zh) 基于局部与整体特征相融合的无人机与飞鸟分类识别方法

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