CN111781592A - 基于细粒度特征分析的快速自动起始方法 - Google Patents

基于细粒度特征分析的快速自动起始方法 Download PDF

Info

Publication number
CN111781592A
CN111781592A CN202010536215.0A CN202010536215A CN111781592A CN 111781592 A CN111781592 A CN 111781592A CN 202010536215 A CN202010536215 A CN 202010536215A CN 111781592 A CN111781592 A CN 111781592A
Authority
CN
China
Prior art keywords
target
track
fine
initial
grained
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
CN202010536215.0A
Other languages
English (en)
Other versions
CN111781592B (zh
Inventor
张成宝
郑庆琳
张晗
吴波
耿利祥
孟凡
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.)
724th Research Institute of CSIC
Original Assignee
724th Research Institute of CSIC
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 724th Research Institute of CSIC filed Critical 724th Research Institute of CSIC
Priority to CN202010536215.0A priority Critical patent/CN111781592B/zh
Publication of CN111781592A publication Critical patent/CN111781592A/zh
Application granted granted Critical
Publication of CN111781592B publication Critical patent/CN111781592B/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
    • 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
    • G01S7/415—Identification of targets based on measurements of movement associated with the target

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

本发明属于雷达目标数据处理领域，涉及一种基于细粒度特征分析的目标航迹快速自动起始方法。该方法尤其适用于对空目标的快速航迹自动起始。主要实现过程：提取目标多尺度静态特征、动态特征以及周期间目标特征变化因子，对多维目标特征进行细粒度划分和组合；提取相关特征信息的序贯概率比检验逐级筛选点迹，利用细粒度特征组合进行起始航迹评分计算，通过特定的特征信息进行目标起始快速确认，在雷达工作过程采集样本数据对自动起始的细粒度特征参数进行训练，并将训练结果反馈至雷达系统中。

Description

基于细粒度特征分析的快速自动起始方法
技术领域
本发明属于雷达目标数据处理领域。
背景技术
随着当前战场电子环境的复杂化以及智能化作战水平的不断提升，雷达航迹的自动起始要求也越来越高。雷达航迹的自动起始既要保证航迹的准确起始，又要严格控制虚假航迹的起始概率，对于某些特殊使命的雷达，还需要对目标进行快速的自动起始。通过采集大量的不同体制的雷达数据进行分析，发现目标静态特性和动态特性会随雷达体制的不同而存在较大的差异，但目标的静态特性和动态特性在同体制雷达下具有明显特性，因此可以通过对目标多维特征信息进行细粒度划分，通过对多种细微特征信息的序贯判断和回归分析得到起始航迹的综合特性，然后进行多个特征维度的匹配实现目标航迹的快速起始。
因此，充分利用雷达工作采集的数据提取目标的细微特征，并对多尺度特征信息的细粒度划分和组合，并根据匹配的准则得到相应的起始航迹评分，解决雷达监视区域内目标航迹快速准确的航迹自动起始问题，对于提升雷达数据处理各项性能具有十分重要的意义，本发明是针对该问题设计的一种方法。
发明内容
本发明提供了一种基于目标航迹多维特征细粒度分析的快速航迹自动起始方法，可以实现对目标航迹进行快速准确的自动起始。
本发明所采用的技术方案是基于BP神经网络的智能航迹起始方法，包括如下步骤：
步骤1：提取目标的静态特征、动态特征以及周期间目标特征的变化因子，同时对目标特征信息细粒度划分；
步骤2：利用提取的相关特征信息进行序贯概率比检验(SPRT)，实现对起始目标点迹的初步筛选；
步骤3：根据细粒度特征信息计算起始航迹的航迹评分，进行航迹评分阈值判决，航迹评分过判断门限的起始航迹和待确认目标保留，非起始目标航迹删除；
步骤4：通过目标多普勒速度或微多普勒速度与解算的目标径向速度和运动态势进行比对，实现对目标航迹快速起始确认；
步骤5：在雷达工作过程中采集大量的目标数据和非目标数据，提取相关的特征信息对自动起始的细粒度特征参数进行训练，并将训练结果反馈至雷达系统中。
进一步的，所述步骤1中的目标特征细粒度为：
①目标静态特征信息和周期间目标静态特性变化因子，包括目标点迹方位展宽δazispan、距离展宽δdisspan、Ep(过门限回波)个数δEp、方位包络εazi、距离包络εele、方位展宽变化ΔAziSpan、距离展宽变化ΔDisSpan、仰角质量ΔEleQua变化、EP个数变化ΔEpNum、幅度变化因子ΔAmp等；
②目标动态特征信息和周期间目标动态特性变化因子，包括速度δv、加速度δa、多普勒速度δdoppler、径向速度δvRadial、速度变化因子Δv、速度方向变化因子ΔvDeg、多普勒速度变化因子ΔDoppler、径向速度变化因子ΔvRadial。
更进一步的，所述步骤3中的细粒度特征信息计算起始航迹的航迹评分和航迹评分阈值判决为：
①根据周期间目标静/动态特性变化计算静/动态特性等效评分以及起始航迹评分；
Sstatic＝ωazi*ΔAziSpan+ωdis*ΔDisSpan+ωeq*ΔEleQua+ωEp*ΔEpNum+ωamp*ΔAmp；
Sdynamic＝ωv*Δv+ωa*Δa+ωvDeg*ΔvDeg+ωDoppler*ΔDoppler+ωvRadial*ΔvRadial；
Sini＝us*Sstatic+ud*Sdynamic；
②对起始航迹进行阈值评分判断，及时输出起始航迹和删除非起始航迹，对待确认目标通过延长判决周期来提升起始航迹准确率，通过对具体雷达采集的大量航迹数据进行样本统计和分析，分别得到起始目标判决门限
Figure BDA0002537079250000021
和非起始目标的判决门限
Figure BDA0002537079250000022
Figure BDA0002537079250000023
更进一步的，所述步骤4中的态势比对实现目标航迹的快速确认为：
①比对目标点迹的多普勒速度或微多普勒速度和解算的径向速度，实现对目标航迹的确认，对于无人机目标可以实现两周期快速起始。
本发明将目标静态特性、动态特性以及目标空时特性相结合充分划分组合，利用海量的雷达数据对训练得到的各种细粒度特征起始参数，然后起始过程中边筛选边匹配参数，提升雷达自动起始性能指标，然后再利用雷达在实际工作过程中的采集的数据对特征参数持续训练，从而能进一步提升雷达自动起始指标。
附图说明
图1是基于细粒度特征分析的快速自动起始方法的流程图。
具体实施方式
本发明通过大量的雷达样本数据对目标的多尺度特征信息进行细粒度划分以及细粒度特征参数提取，在目标的自动起始过程中，首先进行点迹的静态特征和部分动态特征的SPRT检验，及时筛选过滤不符合起始的检测点迹，然后利用周期间目标静态和动态特性的变化因子计算起始航迹的等效得分，通过起始航迹的得分阈值判断以及多普勒相关特征参数的确认实现目标的快速起始。
本发明的具体实施步骤如下所述：
(1)提取当前扫描周期雷达检测点迹的静态特征信息，并与有效起始航迹的静态特征进行比对筛选；
(2)周期间点迹形成暂时起始航迹，并计算暂时起始航迹的相关静态特征变化因子和动态特征信息，及时对相关特征参数进行判断，对暂时起始航迹进行筛选；
(3)通过多普勒速度和暂时航迹的径向速度以及暂时航迹的综合评分进行第二周期的航迹确认，符合要求的暂时航迹转为起始航迹；
(4)多周期间实现相关参数的判断和筛选，并得到筛选后暂时航迹的综合评分；
(5)对航迹评分进行阈值判决，符合起始要求的航迹进行转换输出，符合删除条件的暂时航迹进行删除，剩余航迹进行下一周期的判断；
(6)通过暂时航迹周期间的迭代判断，及时输出符合条件的起始航迹并清空不符合条件的非起始航迹，实现整个雷达的快速自动起始；
(7)在雷达工作过程中，采集不同目标类型的点迹和不同环境下的非目标点迹，训练相关细粒度特征参数并反馈至雷达系统中。

Claims (4)

1.基于细粒度特征分析的快速自动起始方法，其特征在于：
步骤1：提取目标的静态特征、动态特征以及帧间目标特征的变化因子，同时对目标特征信息细粒度划分；
步骤2：利用提取的相关特征信息进行序贯概率比检验，实现对起始目标点迹的初步筛选；
步骤3：根据细粒度特征信息计算起始航迹的航迹评分，进行航迹评分阈值判决，航迹评分超过起始阈值标记为起始航迹，小于删除阈值的进行航迹删除，剩余归类于待确认目标进行保留；
步骤4：通过目标多普勒速度或微多普勒速度与解算的目标径向速度和运动态势进行比对，实现对目标航迹快速起始确认；
步骤5：在雷达工作过程中采集大量的目标数据和非目标数据，提取相关的特征信息对自动起始的细粒度特征参数进行训练，并将训练结果反馈至雷达系统中。
2.根据权利要求1所述的基于细粒度特征分析的快速自动起始方法，其特征在于：所述步骤1中的目标特征细粒度为：
①目标静态特征信息和周期间目标静态特性变化因子，包括目标点迹方位展宽δazispan、距离展宽δdisspan、过门限回波Ep个数δEp、方位包络εazi、距离包络εele、方位展宽变化ΔAziSpan、距离展宽变化ΔDisSpan、仰角质量ΔEleQua变化、EP个数变化ΔEpNum、幅度变化因子ΔAmp；
②目标动态特征信息和周期间目标动态特性变化因子，包括速度δv、加速度δa、多普勒速度δdoppler、径向速度δvRadial、速度变化因子Δv、速度方向变化因子ΔvDeg、多普勒速度变化因子ΔDoppler、径向速度变化因子ΔvRadial。
3.根据权利要求2所述的基于细粒度特征分析的快速自动起始方法，其特征在于：所述步骤3中的细粒度特征信息计算起始航迹的航迹评分和航迹评分阈值判决为：
①根据周期间目标静/动态特性变化计算静/动态特性等效评分以及起始航迹评分；
Sstatic＝ωazi*ΔAziSpan+ωdis*ΔDisSpan+ωeq*ΔEleQua+ωEp*ΔEpNum+ωamp*ΔAmp；
Sdynamic＝ωv*Δv+ωa*Δa+ωvDeg*ΔvDeg+ωDoppler*ΔDoppler+ωvRadial*ΔvRadial；
Sini＝us*Sstatic+ud*Sdynamic；
②对起始航迹进行阈值评分判断，及时输出起始航迹和删除非起始航迹，对待确认目标通过延长判决周期来提升起始航迹准确率，通过对具体雷达采集的大量航迹数据进行样本统计和分析，分别得到起始目标判决门限
Figure FDA0002537079240000011
和非起始目标的判决门限
Figure FDA0002537079240000012
Figure FDA0002537079240000013
4.根据权利要求3所述的基于细粒度特征分析的快速自动起始方法，其特征在于：所述步骤4中的态势比对实现目标航迹的快速确认为：
①比对目标点迹的多普勒速度或微多普勒速度和解算的径向速度，实现对目标航迹的确认，对于无人机目标可以实现两周期快速起始。
CN202010536215.0A 2020-06-12 2020-06-12 基于细粒度特征分析的快速自动起始方法 Active CN111781592B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010536215.0A CN111781592B (zh) 2020-06-12 2020-06-12 基于细粒度特征分析的快速自动起始方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010536215.0A CN111781592B (zh) 2020-06-12 2020-06-12 基于细粒度特征分析的快速自动起始方法

Publications (2)

Publication Number Publication Date
CN111781592A true CN111781592A (zh) 2020-10-16
CN111781592B CN111781592B (zh) 2023-12-22

Family

ID=72756498

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010536215.0A Active CN111781592B (zh) 2020-06-12 2020-06-12 基于细粒度特征分析的快速自动起始方法

Country Status (1)

Country Link
CN (1) CN111781592B (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113376595A (zh) * 2021-05-18 2021-09-10 中国船舶重工集团公司第七二三研究所 一种搜索雷达航迹起始综合质量的评估方法
CN114812568A (zh) * 2022-03-01 2022-07-29 航天科工智能运筹与信息安全研究院(武汉)有限公司 基于规则评分的航迹匹配区选择方法
CN114812568B (zh) * 2022-03-01 2024-05-28 航天科工智能运筹与信息安全研究院(武汉)有限公司 基于规则评分的航迹匹配区选择方法

Citations (15)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20100241289A1 (en) * 2006-06-22 2010-09-23 Roy Sandberg Method and apparatus for path planning, selection, and visualization
CN102074126A (zh) * 2011-01-19 2011-05-25 清华大学 基于历史雷达数据的空中交通流量分析系统与方法
CN102880909A (zh) * 2011-07-11 2013-01-16 哈尔滨工业大学 高频地波雷达远端航迹起始方法和装置
CN103471589A (zh) * 2013-09-25 2013-12-25 武汉大学 一种室内行人行走模式识别和轨迹追踪的方法
CN103678925A (zh) * 2013-12-10 2014-03-26 西北工业大学 基于辅助信源的航迹分类方法
CN103837866A (zh) * 2014-03-05 2014-06-04 中国人民解放军92232部队 一种岸对海雷达自动录取能力的测评方法及系统
CN105116394A (zh) * 2015-06-29 2015-12-02 中国船舶重工集团公司第七二四研究所 一种基于多维细微特征分析的目标点迹提取方法
CN105223559A (zh) * 2015-10-13 2016-01-06 长安大学 一种可并行切换的远程雷达航迹起始方法
CN106291493A (zh) * 2016-07-22 2017-01-04 中国船舶重工集团公司第七二四研究所 基于重采样和空间能量重构的海上目标自动起始方法
CN106339355A (zh) * 2016-08-31 2017-01-18 哈尔滨工程大学 一种舰载机着舰短期航迹在线预测方法
CN106815443A (zh) * 2017-01-23 2017-06-09 北京理工大学 面向变化环境的超低空飞行器三维多批多航迹规划方法
CN108038419A (zh) * 2017-11-16 2018-05-15 南京邮电大学 基于Wi-Fi的室内人员被动检测方法
CN108490409A (zh) * 2018-03-06 2018-09-04 中国船舶重工集团公司第七二四研究所 基于航迹风险评估的三坐标雷达自动起始方法
CN109143192A (zh) * 2018-08-15 2019-01-04 中电科技（合肥）博微信息发展有限责任公司 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
CN111175719A (zh) * 2020-01-08 2020-05-19 中国船舶重工集团公司第七二四研究所 基于bp神经网络的智能航迹起始方法

Patent Citations (15)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20100241289A1 (en) * 2006-06-22 2010-09-23 Roy Sandberg Method and apparatus for path planning, selection, and visualization
CN102074126A (zh) * 2011-01-19 2011-05-25 清华大学 基于历史雷达数据的空中交通流量分析系统与方法
CN102880909A (zh) * 2011-07-11 2013-01-16 哈尔滨工业大学 高频地波雷达远端航迹起始方法和装置
CN103471589A (zh) * 2013-09-25 2013-12-25 武汉大学 一种室内行人行走模式识别和轨迹追踪的方法
CN103678925A (zh) * 2013-12-10 2014-03-26 西北工业大学 基于辅助信源的航迹分类方法
CN103837866A (zh) * 2014-03-05 2014-06-04 中国人民解放军92232部队 一种岸对海雷达自动录取能力的测评方法及系统
CN105116394A (zh) * 2015-06-29 2015-12-02 中国船舶重工集团公司第七二四研究所 一种基于多维细微特征分析的目标点迹提取方法
CN105223559A (zh) * 2015-10-13 2016-01-06 长安大学 一种可并行切换的远程雷达航迹起始方法
CN106291493A (zh) * 2016-07-22 2017-01-04 中国船舶重工集团公司第七二四研究所 基于重采样和空间能量重构的海上目标自动起始方法
CN106339355A (zh) * 2016-08-31 2017-01-18 哈尔滨工程大学 一种舰载机着舰短期航迹在线预测方法
CN106815443A (zh) * 2017-01-23 2017-06-09 北京理工大学 面向变化环境的超低空飞行器三维多批多航迹规划方法
CN108038419A (zh) * 2017-11-16 2018-05-15 南京邮电大学 基于Wi-Fi的室内人员被动检测方法
CN108490409A (zh) * 2018-03-06 2018-09-04 中国船舶重工集团公司第七二四研究所 基于航迹风险评估的三坐标雷达自动起始方法
CN109143192A (zh) * 2018-08-15 2019-01-04 中电科技（合肥）博微信息发展有限责任公司 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
CN111175719A (zh) * 2020-01-08 2020-05-19 中国船舶重工集团公司第七二四研究所 基于bp神经网络的智能航迹起始方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
JIANPING FAN ET AL.: "Prediction of the effect of fine grit on the MLVSS/MLSS ratio of activated sludge" *
朱海涛;倪世道;: "并行处理技术在雷达数据处理中的应用研究" *

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113376595A (zh) * 2021-05-18 2021-09-10 中国船舶重工集团公司第七二三研究所 一种搜索雷达航迹起始综合质量的评估方法
CN113376595B (zh) * 2021-05-18 2022-03-22 中国船舶重工集团公司第七二三研究所 一种搜索雷达航迹起始综合质量的评估方法
CN114812568A (zh) * 2022-03-01 2022-07-29 航天科工智能运筹与信息安全研究院(武汉)有限公司 基于规则评分的航迹匹配区选择方法
CN114812568B (zh) * 2022-03-01 2024-05-28 航天科工智能运筹与信息安全研究院(武汉)有限公司 基于规则评分的航迹匹配区选择方法

Also Published As

Publication number Publication date
CN111781592B (zh) 2023-12-22

Similar Documents

Publication Publication Date Title
CN111175719B (zh) 基于bp神经网络的智能航迹起始方法
CN110018453B (zh) 基于飞机航迹特征的智能机型识别方法
CN110764063A (zh) 一种基于sdif与pri变换法结合的雷达信号分选方法
CN109117776B (zh) 基于航迹信息的飞机与气象杂波分类识别方法
CN104714225B (zh) 一种基于广义似然比的动态规划检测前跟踪方法
CN110879881B (zh) 基于特征组分层和半监督随机森林的鼠标轨迹识别方法
CN104215935A (zh) 一种基于决策加权融合的雷达炮弹目标识别方法
CN105044699B (zh) 基于Radon‑Fourier变换的雷达点迹凝聚方法
CN111142085B (zh) 一种基于航迹特征提取的外辐射源雷达目标分类识别方法
CN113128342B (zh) 航迹数据预处理方法及空中目标识别方法
CN113807314A (zh) 一种基于微多普勒效应的毫米波雷达视频融合方法
CN106933977A (zh) 一种基于大数据挖掘分类剔除飞行参数野值的方法
CN111781592A (zh) 基于细粒度特征分析的快速自动起始方法
CN111123205A (zh) 一种地面侦察雷达目标点迹凝聚方法
CN109270520B (zh) 基于幅度信息获取二次雷达应答目标身份代码的处理方法
CN112633322A (zh) 基于三维K-Means涡轴发动机载荷谱聚类分析方法
CN114291081B (zh) 一种基于人工智能算法的车辆碰撞检测方法
CN113866762B (zh) 一种基于雷达探测信息的无人机威胁判定方法
CN102981154B (zh) 一种高压线链点及整链的航迹处理方法
CN105023025A (zh) 一种开集痕迹图像分类方法及系统
CN110907908A (zh) 基于包络分析的导航雷达信号分选方法
CN106203526A (zh) 基于多维特征的目标行为模式在线分类方法
CN114740466A (zh) 一种基于得分机制的雷达目标点迹过滤方法
CN109581305B (zh) 一种基于历史数据的多雷达误差校正方法
CN114611266B (zh) 一种无真值系统下的交通雷达跟踪性能评估方法

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
CB02 Change of applicant information
CB02 Change of applicant information

Address after: 210003 No. 346, Zhongshan North Road, Jiangsu, Nanjing

Applicant after: 724 Research Institute of China Shipbuilding Corp.

Address before: 210003 No. 346, Zhongshan North Road, Jiangsu, Nanjing

Applicant before: 724TH RESEARCH INSTITUTE OF CHINA SHIPBUILDING INDUSTRY Corp.

GR01 Patent grant
GR01 Patent grant