CN112101443B - 多群目标场景下基于量测处理的小群航迹起始方法 - Google Patents

多群目标场景下基于量测处理的小群航迹起始方法 Download PDF

Info

Publication number
CN112101443B
CN112101443B CN202010941606.0A CN202010941606A CN112101443B CN 112101443 B CN112101443 B CN 112101443B CN 202010941606 A CN202010941606 A CN 202010941606A CN 112101443 B CN112101443 B CN 112101443B
Authority
CN
China
Prior art keywords
clusters
small
buffer
group
measurement
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
CN202010941606.0A
Other languages
English (en)
Other versions
CN112101443A (zh
Inventor
胡肖肖
王凯
许二帅
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.)
Leihua Electronic Technology Research Institute Aviation Industry Corp of China
Original Assignee
Leihua Electronic Technology Research Institute Aviation Industry Corp of China
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 Leihua Electronic Technology Research Institute Aviation Industry Corp of China filed Critical Leihua Electronic Technology Research Institute Aviation Industry Corp of China
Priority to CN202010941606.0A priority Critical patent/CN112101443B/zh
Publication of CN112101443A publication Critical patent/CN112101443A/zh
Application granted granted Critical
Publication of CN112101443B publication Critical patent/CN112101443B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/23—Clustering techniques
    • 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
    • G01S13/66—Radar-tracking systems; Analogous systems
    • G01S13/70—Radar-tracking systems; Analogous systems for range tracking only

Abstract

本发明提出一种基于量测处理的小群航迹起始方法，该方法通过对接收到多群目标产生的量测进行聚类和分析，进而筛选建立小群聚类或者疑似小群聚类的量测聚类缓冲区，若量测聚类缓冲区中前后帧量测聚类的中心距离差值是连续变化的，则判断该缓冲区具有群运动特性，将满足升级条件和群运动特性的小群聚类缓冲区升级为小群航迹。本发明的技术方案解决了多群目标场景下小群航迹不易建立的问题，提高了机载雷达对群目标的跟踪鲁棒性。

Description

多群目标场景下基于量测处理的小群航迹起始方法
技术领域
本发明涉及雷达数据处理技术领域，具体涉及一种多群目标场景下基于量测处理的小群航迹起始方法。
背景技术
雷达对目标跟踪通常是完成目标的航迹起始、航迹维持和滤波处理等过程，其中航迹起始是目标跟踪的前提和关键过程。目标跟踪所面临的实际场景日益复杂，尤其是对群目标跟踪出现难以建立有效航迹的问题。群目标是由一组具有相似运动特性的目标所组成。与传统多目标中目标与量测具有一一对应关系不同，一个群目标可能获得多个量测。根据每个群内目标个数的多少，群目标跟踪分为大群目标跟踪和小群目标跟踪。
大群目标的群内目标数较多且难以分辨，雷达探测到的回波很多且量测呈现聚集效应。小群目标的群内目标个数较少，雷达探测到的回波较少且量测也呈现一定的聚集效应。当大群、小群目标同时出现在复杂的环境中时，大群目标较容易发现并建立起航迹，但是小群目标由于大群目标以及杂波的存在，量测回波很可能会被忽略，导致无法建立起有效的航迹。
发明内容
本发明是为了解决上述问题而进行的，目的在于提供一种多群目标场景下基于量测处理的小群航迹起始方法，包括：
(1)接收当帧雷达对多群目标探测的原始量测信息，筛选出有效量测信息；
(2)对有效量测信息进行分群检测获得量测聚类，当量测聚类内的量测距离小于距离门限，且量测聚类内的量测个数大于等于2时，将该量测聚类定义为有效聚类；否则将该量测聚类定义为备用聚类；
(3)将有效聚类中量测个数小于个数门限的有效聚类定义为小群聚类，并根据有效聚类和备用聚类与小群聚类缓冲区的匹配情况更新聚类缓冲区信息；
(4)判断饱和状态下的小群聚类缓冲区是否满足升级条件，将满足升级条件的小群聚类缓冲区升级为潜在小群，将不满足升级条件的小群聚类缓冲区删除；
(5)统计潜在小群中心的距离信息，
(6)若距离信息满足群运动特性，则潜在小群升级为小群航迹，将不满足升级条件的潜在小群删除。
优选地，在步骤(3)中，当有效聚类与小群聚类缓冲区的距离误差小于等于预设门限时，将有效聚类存储到所述小群聚类缓冲区；当有效聚类与小群聚类缓冲区的距离误差均大于预设门限时，将有效聚类存储到新建小群聚类缓冲区。
优选地，其中，在步骤(3)中，当小群聚类缓冲区与所有的有效聚类距离误差均大于预设门限时，从备用聚类内查找是否存在与所述小群聚类缓冲区的距离误差小于等于预设门限的单个测量值，若存在则将所述单个测量值存储到所述小群聚类缓冲区。
优选地，在步骤(3)中，当小群聚类缓冲区与所有的有效聚类和备用聚类距离误差均大于预设门限时，将预测值存储到所述小群聚类缓冲区。
优选地，在步骤(4)中，当饱和状态下的小群聚类缓冲区中有效聚类和备用聚类的存储数量大于等于所述小群聚类缓冲区的存储总量的一半时，判定所述小群聚类缓冲区满足升级条件。
优选地，在步骤(4)中，计算潜在小群中每个聚类的中心距离和前后聚类的中心距离差值。
优选地，统计前后聚类的中心距离差值连续为正或连续为负的个数，若该个数大于差值总数的一半时，则判定距离信息满足群运动特性。
本发明最适用于地面雷达跟踪多群目标的复杂场景，不仅可以应用于火控、搜索监视等雷达平台对目标跟踪的数据处理中，还可以应用到其他滤波算法中。
与现有技术相比，本发明的优点在于：有效解决了雷达对群目标跟踪时难以对小群目标建立航迹起始的问题，提高了雷达对群目标的跟踪鲁棒性，并且对于群目标跟踪关键技术研究提供了重要方法。
附图说明
图1为本发明的多群目标场景下基于量测处理的小群航迹起始方法的流程图。
具体实施方式
下面结合附图与实施例对本发明作进一步的详细说明，但应当说明的是，这些实施方式并非对本发明的限制，本领域普通技术人员根据这些实施方式所作的功能、方法、或者结构上的等效变换或替代，均属于本发明的保护范围之内。
在本发明实施例的描述中，需要理解的是，术语“中心”、“纵向”、“横向”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明创造和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明创造的限制。
此外，术语“第一”、“第二”、“第三”等仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”等的特征可以明示或者隐含地包括一个或者更多个该特征。在本发明创造的描述中，除非另有说明，“多个”的含义是两个或两个以上。
术语“安装”、“相连”、“连接”应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通。对于本领域的普通技术人员而言，可以通过具体情况理解上述术语在本发明创造中的具体含义。
实施例1
如图1所示，本发明提供了一种多群目标场景下基于量测处理的小群航迹起始方法，具体步骤如下：
步骤100：接收当帧雷达对多群目标探测的原始量测信息，筛选出有效量测信息。
步骤102：对有效量测信息进行分群检测获得量测聚类，当量测聚类内的量测距离小于距离门限，且量测聚类内的量测个数大于等于2时，将该量测聚类定义为有效聚类；否则将该量测聚类定义为备用聚类。
步骤104：将有效聚类中量测个数小于个数门限的有效聚类定义为小群聚类，并根据有效聚类和备用聚类与小群聚类缓冲区的匹配情况更新聚类缓冲区信息。聚类缓冲区更新原则为：
(1)当有效聚类与小群聚类缓冲区的距离误差小于等于预设门限时，将有效聚类存储到所述小群聚类缓冲区；当有效聚类与小群聚类缓冲区的距离误差均大于预设门限时，将有效聚类存储到新建小群聚类缓冲区；
(2)当小群聚类缓冲区与所有的有效聚类距离误差均大于预设门限时，从备用聚类内查找是否存在与所述小群聚类缓冲区的距离误差小于等于预设门限的单个测量值，若存在则将所述单个测量值存储到所述小群聚类缓冲区；
(3)当小群聚类缓冲区与所有的有效聚类和备用聚类距离误差均大于预设门限时，将预测值存储到所述小群聚类缓冲区，预测值为对上一缓冲区的平均距离与速度进行计算得出的数值。
步骤106：如果小群聚类缓冲区中的存储总量大于等于数量门限时，小群聚类缓冲区进入饱和状态。当饱和状态下的小群聚类缓冲区中有效聚类和备用聚类的存储数量大于等于所述小群聚类缓冲区的存储总量的一半时，判定所述小群聚类缓冲区满足升级条件。将满足升级条件的小群聚类缓冲区升级为潜在小群，将不满足升级条件的小群聚类缓冲区删除。
步骤108：计算潜在小群中每个聚类的中心距离和前后聚类的中心距离差值。
步骤110：统计前后聚类的中心距离差值连续为正或连续为负的个数，若该个数大于差值总数的一半时，则判定距离信息满足群运动特性；将满足升级条件的潜在小群升级为小群航迹，将不满足升级条件的潜在小群删除。
上述多群目标场景下基于量测处理的小群航迹起始方法，通过对接收到多群目标产生的量测进行聚类和分析，进而筛选建立小群聚类或者疑似小群聚类的量测聚类缓冲区，若量测聚类缓冲区中前后帧量测聚类的中心距离差值是连续变化的，则判断该缓冲区具有群运动特性，将满足升级条件和群运动特性的小群聚类缓冲区升级为小群航迹，从而解决了多群目标场景下小群航迹不易建立的问题。
实施例2
下面结合具体实验结果对本发明提出的多群目标场景下基于量测处理的小群航迹起始方法的实施例作进一步说明。本实施例的步骤方法同实施例1，实验结果如下：
第一步，接收当帧雷达对多群目标探测的原始量测信息，筛选出有效量测信息，如当前场景中存在两个20架组成的无人机大群和一个3架组成的无人机小群，共接受到212个测量值。
第二步，对有效量测信息进行分群检测获得量测聚类，分群检测的距离门限设置为100。量测聚类内的量测距离小于100、且量测个数大于等于2的聚类为有效聚类。聚类结果如表1所示：
聚类结果 聚类个数 聚类类型
1 21 有效聚类1
2 15 有效聚类2
3 2 有效聚类3
4 2 有效聚类4
5 2 有效聚类5
6 2 有效聚类6
7 3 有效聚类7
8 2 有效聚类8
9 2 有效聚类9
10 161 备用聚类
第三步，为区别于当前场景下大群的量测特征，将小群聚类的量测个数门限设置为5，聚类间距离关联门限设置为80，缓冲区更新结果如表2所示：
缓冲区 上一帧聚类 当帧聚类
1 有效聚类3 有效聚类6
2 备用聚类 预测值
3 有效聚类7 有效聚类4
第四步，将饱和状态下的小群聚类缓冲区长度设置为L，对小群聚类缓冲区是否升级为潜在小群进行判断，若有效聚类长度大于等于L/2，可将该缓冲区升级为潜在小群；否则，删除该缓冲区。本例中L设置为10，缓冲区结果如表3所示，其中数字代表每一帧的有效聚类号，P代表预测信息，S代表备用聚类中的单个量测信息，缓冲区1与3可升级为潜在小群，缓冲区2预测长度大于5，删除该缓冲区。
表3缓冲区结果
第五步，潜在小群还需进一步判断，为防止将云层等产生的杂波信息错判为真正的目标，需要判断潜在小群是否具有群运动性质。经过计算，如表4所示，本例中缓冲区1有7个平均距离之差都是负号，其中连续存在5个平均距离之差都是负号。而缓冲区3有5个平均距离之差都是负号，其中最多连续存在2个平均距离之差都是负号。
表4前后帧量测聚类的中心距离差值变化表
第六步，上一步骤中缓冲区1连续存在5个平均距离之差都是负号，可判定其具有群运动性质，将其起始为小群航迹。
以上所述，仅为本公开的具体实施方式，但本公开的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本公开揭露的技术范围内，可轻易想到的变化或替换，都应涵盖在本公开的保护范围之内。因此，本公开的保护范围应以权利要求的保护范围为准。

Claims (3)

1.一种多群目标场景下基于量测处理的小群航迹起始方法，其特征在于，包括：
（1）接收当帧雷达对多群目标探测的原始量测信息，筛选出有效量测信息；
（2）对有效量测信息进行分群检测获得量测聚类，当量测聚类内的量测距离小于距离门限，且量测聚类内的量测个数大于等于2时，将该量测聚类定义为有效聚类；否则将该量测聚类定义为备用聚类；
（3）将有效聚类中量测个数小于个数门限的有效聚类定义为小群聚类，并根据有效聚类和备用聚类与小群聚类缓冲区的匹配情况更新聚类缓冲区信息；聚类缓冲区信息更新原则为：当有效聚类与小群聚类缓冲区的距离误差小于等于预设门限时，将有效聚类存储到所述小群聚类缓冲区；当有效聚类与小群聚类缓冲区的距离误差均大于预设门限时，将有效聚类存储到新建小群聚类缓冲区；当小群聚类缓冲区与所有的有效聚类距离误差均大于预设门限时，从备用聚类内查找是否存在与所述小群聚类缓冲区的距离误差小于等于预设门限的单个测量值，若存在则将所述单个测量值存储到所述小群聚类缓冲区；当小群聚类缓冲区与所有的有效聚类和备用聚类距离误差均大于预设门限时，将预测值存储到所述小群聚类缓冲区；
（4）判断饱和状态下的小群聚类缓冲区是否满足升级条件，将满足升级条件的小群聚类缓冲区升级为潜在小群，将不满足升级条件的小群聚类缓冲区删除；当饱和状态下的小群聚类缓冲区中有效聚类和备用聚类的存储数量大于等于所述小群聚类缓冲区的存储总量的一半时，判定所述小群聚类缓冲区满足升级条件；
（5）统计潜在小群中心的距离信息；
（6）若距离信息满足群运动特性，则潜在小群升级为小群航迹，将不满足升级条件的潜在小群删除。
2.根据权利要求1所述的方法，其中，在步骤（4）中，计算潜在小群中每个聚类的中心距离和前后聚类的中心距离差值。
3.根据权利要求2所述的方法，其中，统计前后聚类的中心距离差值连续为正或连续为负的个数，若该个数大于差值总数的一半时，则判定距离信息满足群运动特性。
CN202010941606.0A 2020-09-09 2020-09-09 多群目标场景下基于量测处理的小群航迹起始方法 Active CN112101443B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010941606.0A CN112101443B (zh) 2020-09-09 2020-09-09 多群目标场景下基于量测处理的小群航迹起始方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010941606.0A CN112101443B (zh) 2020-09-09 2020-09-09 多群目标场景下基于量测处理的小群航迹起始方法

Publications (2)

Publication Number Publication Date
CN112101443A CN112101443A (zh) 2020-12-18
CN112101443B true CN112101443B (zh) 2023-10-20

Family

ID=73752544

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010941606.0A Active CN112101443B (zh) 2020-09-09 2020-09-09 多群目标场景下基于量测处理的小群航迹起始方法

Country Status (1)

Country Link
CN (1) CN112101443B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113447928B (zh) * 2021-08-30 2022-01-21 广东电网有限责任公司湛江供电局 一种基于合成孔径雷达的降虚警率目标识别方法和系统

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105093215A (zh) * 2015-08-31 2015-11-25 西安电子科技大学 基于多普勒信息的雷达对低空慢速小目标的跟踪方法
KR101628154B1 (ko) * 2015-03-05 2016-06-08 국방과학연구소 수신 신호 세기를 이용한 다중 표적 추적 방법
CN106199584A (zh) * 2016-07-05 2016-12-07 电子科技大学 一种基于量测存储的航迹起始方法
CN106646450A (zh) * 2016-12-29 2017-05-10 中国人民解放军海军航空工程学院 基于距离分步聚类的雷达航迹抗差关联方法
CN106872971A (zh) * 2017-03-16 2017-06-20 中国民航科学技术研究院 一种基于群体智能模型的飞鸟群目标跟踪方法
CN109031279A (zh) * 2018-06-23 2018-12-18 中国人民解放军海军航空大学青岛校区 具有形状信息的多个群目标跟踪方法
CN109188423A (zh) * 2018-08-29 2019-01-11 电子科技大学 一种基于多源聚类的分布式多目标跟踪方法
CN110263690A (zh) * 2019-06-12 2019-09-20 成都信息工程大学 一种基于小群组的群体行为特征提取与描述方法及系统
CN111273277A (zh) * 2020-02-21 2020-06-12 河南科技大学 一种预测引导的多扩展目标量测集划分方法

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101628154B1 (ko) * 2015-03-05 2016-06-08 국방과학연구소 수신 신호 세기를 이용한 다중 표적 추적 방법
CN105093215A (zh) * 2015-08-31 2015-11-25 西安电子科技大学 基于多普勒信息的雷达对低空慢速小目标的跟踪方法
CN106199584A (zh) * 2016-07-05 2016-12-07 电子科技大学 一种基于量测存储的航迹起始方法
CN106646450A (zh) * 2016-12-29 2017-05-10 中国人民解放军海军航空工程学院 基于距离分步聚类的雷达航迹抗差关联方法
CN106872971A (zh) * 2017-03-16 2017-06-20 中国民航科学技术研究院 一种基于群体智能模型的飞鸟群目标跟踪方法
CN109031279A (zh) * 2018-06-23 2018-12-18 中国人民解放军海军航空大学青岛校区 具有形状信息的多个群目标跟踪方法
CN109188423A (zh) * 2018-08-29 2019-01-11 电子科技大学 一种基于多源聚类的分布式多目标跟踪方法
CN110263690A (zh) * 2019-06-12 2019-09-20 成都信息工程大学 一种基于小群组的群体行为特征提取与描述方法及系统
CN111273277A (zh) * 2020-02-21 2020-06-12 河南科技大学 一种预测引导的多扩展目标量测集划分方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
A New Method of Tracking Group Space Object;ZHANG Zi-xu，Zhang Wei，Chen Ming-yan;《2013 International Workshop on Microwave and Millimeter Wave Circuits and System Technology》;403-406 *
具有形状信息的多个群目标跟踪算法;王婷婷, 何科峰, 程然;《雷达科学与技术》;第05卷(第15期);531-547 *

Also Published As

Publication number Publication date
CN112101443A (zh) 2020-12-18

Similar Documents

Publication Publication Date Title
CN110542885B (zh) 一种复杂交通环境下的毫米波雷达目标跟踪方法
CN103926583B (zh) 一种岸基近程雷达自动跟踪处理方法及装置
CN111476826A (zh) 一种基于ssd目标检测的多目标车辆跟踪方法
CN113671481B (zh) 一种基于毫米波雷达的3d多目标跟踪处理方法
CN109188430B (zh) 一种基于地面监视雷达系统的目标提取方法
CN112101443B (zh) 多群目标场景下基于量测处理的小群航迹起始方法
CN115061134A (zh) 基于机载雷达侦察系统的无人机飞行安全检测系统及方法
CN110806575A (zh) 基于多源信息的合作与非合作无人机识别方法及系统
CN109100697B (zh) 一种基于地面监视雷达系统的目标凝聚方法
CN110599800A (zh) 一种停车场车位状态监测系统及监测方法
CN112596049A (zh) 一种提升无人机侦测准确率的方法
CN110907909B (zh) 一种基于概率统计的雷达目标识别方法
CN113256689A (zh) 高空抛物检测方法及装置
CN113296089B (zh) 用于多预警机目标跟踪系统的lmb密度融合方法及装置
CN108983194B (zh) 一种基于地面监视雷达系统的目标提取及凝聚方法
CN113740836A (zh) 一种基于毫米波雷达的静止目标跟踪优化方法
CN116580217A (zh) 一种基于预测误差反馈的毫米波雷达交通目标聚类方法
CN115792825A (zh) 一种交通环境中的雷达虚假航迹抑制方法
CN115561750A (zh) 毫米波雷达车型分类方法
CN113219425A (zh) 一种雷达目标检测性能的测试方法及系统
CN111273249B (zh) 一种基于雷达虚警预处理时间的智能杂波分区方法
KR102288938B1 (ko) 서로 다른 레이다 반사 면적을 가진 표적을 탐지하는 방법 및 장치
Chong et al. Tracking multiple air tragets with distributed acoustic sensors
CN113534084A (zh) 一种基于相关关系拓扑图的雷达虚假航迹抑制方法
CN113077473A (zh) 三维激光点云路面分割方法、系统、计算机设备及介质

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