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 PDFInfo
- 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
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
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):
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):
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:
航向角变化量Δθ(n)=θmax(n)-θmin(n);
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)
(5b)计算第n时刻的综合航迹属性值f(n)
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
利用第n时刻的幅度A(n)、距离R(n)计算等效幅度ρ(n)
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)
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)
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:
等效幅度最大值ρmax(n)=max{ρmax(n-1),ρ(n)};
等效幅度标准差
航向角变化量Δθ(n)=θmax(n)-θmin(n);
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
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),
计算第n时刻的综合航迹属性值f(n)
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):
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):
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:
航向角变化量Δθ(n)=θmax(n)-θmin(n);
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。
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)
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)
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)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7626535B2 (en) * | 2006-11-09 | 2009-12-01 | Raytheon Company | Track quality based multi-target tracker |
-
2020
- 2020-04-12 CN CN202010282392.0A patent/CN111458701B/zh active Active
Patent Citations (5)
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)
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 |