CN113075636A - 量测点的平行线坐标变换及微弱目标检测方法 - Google Patents
量测点的平行线坐标变换及微弱目标检测方法 Download PDFInfo
- Publication number
- CN113075636A CN113075636A CN202110363847.6A CN202110363847A CN113075636A CN 113075636 A CN113075636 A CN 113075636A CN 202110363847 A CN202110363847 A CN 202110363847A CN 113075636 A CN113075636 A CN 113075636A
- Authority
- CN
- China
- Prior art keywords
- point
- coordinate transformation
- measuring points
- energy
- line
- 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
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
- 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
- G01S7/414—Discriminating targets with respect to background clutter
-
- 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
- G01S13/72—Radar-tracking systems; Analogous systems for two-dimensional tracking, e.g. combination of angle and range tracking, track-while-scan radar
- G01S13/723—Radar-tracking systems; Analogous systems for two-dimensional tracking, e.g. combination of angle and range tracking, track-while-scan radar by using numerical data
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
本发明公开了一种量测点的平行线坐标变换及微弱目标检测方法,属于微弱目标检测领域。本发明的方法通过平行线坐标变换实现量测点的点到线变换,利用原属于一条直线的点所变直线会交于一点的性质实现目标航迹的非相参积累,完成微弱目标检测。量测点的平行线坐标变换方法为:量测点坐标映射到r‑t平面并规格化后,通过设置平行线并标注坐标完成量测点的点到线变换;微弱目标检测中的非相参积累方法为:网格化变换后区域,依照时刻信息进行票数和能量的合并积累;本发明的方法计算量小,检测概率高,工程实现容易。
Description
技术领域
本发明涉及雷达数据处理领域,适用于在目标回波信杂比低的情况下雷达对微弱目标进行检测的问题。
背景技术
随着高科技军事技术的深入研究,通过使用隐身材料,设计特殊飞行器外形设计等技术已成为降低空中目标雷达散射截面积(Radar-Cross-Section,RCS)的主要方法,例如世界第一型隐身战机F-117A,其前向RCS值只有0.001m2。目前更有报道,更加先进的离子隐身技术和量子隐身技术正在研制。可以预见,未来隐身战斗机将对各类雷达探测体系产生严重挑战。
隐身技术的成熟使得此类飞行器成为微弱目标,检测前跟踪(Track-before-detect,TBD)方法是检测微弱目标较为有效的方式,通过先存储雷达量测信息,达到一定帧数后进行集中处理。基于Hough变换的检测前跟踪(HT-TBD)技术属于基于投影变换的TBD技术,具有对局部缺损不敏感,对随机噪声鲁棒性强的优点。但是,实际应用中量测误差的出现使HT-TBD技术在对参数单元进行网格化处理后,积累结果常会出现峰值簇拥现象,不仅造成了积累损失,还需要后续步骤进行航迹修正,影响算法的检测概率和计算量。因此如何更加快速有效的对微弱目标进行检测是一个亟待解决的问题。
本发明首先提出量测点的平行线坐标变换方法,在r-t坐标系内设置平行轴线进行点到线转换,并在此基础上分割二维平面进行票数和能量双重积累,依据时刻信息合并进行非相参积累,通过设置门限提取满足双重门限的峰值后进行航迹回溯,最后进行航迹约束和航迹融合得到最终的结果,从而完成微弱目标检测。
发明内容
本发明的目的在于改进现有检测前跟踪技术中常产生的积累损失和计算量问题,以求改进雷达对微弱目标的检测跟踪能力。首先提出一种径向距离-时间平面上量测点的平行线坐标变换方法,完成点到线的转换;后采用网格点合并的非相参积累方法进而实现微弱目标的检测,有效解决现有微弱目标检测算法中检测概率低和实时性效果不佳的问题。
本发明所述的量测点的平行线坐标变换及微弱目标检测方法,包括以下技术措施:
步骤一、将雷达量测点位置坐标映射到规格化后的径向距离-时间平面,以更大程度得减小量测误差得影响,同时使两个维度的坐标保持数量级相等,防止信息损失,再根据平行线坐标变换规则,完成点到线的转换,原先属于一条直线上的点,完成变换后的线会交于一点;;具体步骤为:
二维笛卡尔平面上雷达位于坐标原点,量测点的坐标为(x,y),其径向距离为r,时刻信息为t,则
计算所有量测点的径向距离后,设坐标规格化系数为γ,由于实际雷达探测目标时,目标的径向距离值大于时刻信息值,则
其中,rmax为所有坐标的最大径向距离值,tmax为所有坐标的最大时刻信息值,|·|表示取正值,[·]表示向上取整,坐标规格化方式为
(r,t)→(r,γ·t)
对于空间中某点(r0,γ·t0),在规格化后的的径向距离-时间二维平面上绘制两条垂直于横轴r轴且到纵轴γ·t轴距离相等的对称平行直线,设为L1和L2,直线L1上的点横坐标均为-d,直线L2上的点横坐标均为d,两线之间距离为2d,在直线L1上找到纵坐标为-γ·t0的点(-d,-γ·t0),在直线L2上找到纵坐标为γ·t0的点(d,γ·t0),在γ·t轴上找到纵坐标为r0的点(0,r0),分别连接(-d,-γ·t0)和(0,r0)和连接(d,γ·t0)和(0,r0)形成两条新的线段,两条线段所在直线的方程分别为:
其中,α和β分别是直线的自变量和因变量;
关于参数d的选取,其基本原则是保证两平行线之间距离与点变换过来的线段在两平行线之间变化的范围处于一个数量级,由于直线L1与直线L2上选取点的纵坐标分别是原坐标系下点纵坐标的负值与正值,γ·t轴上选取点的纵坐标的是原坐标系下点的横坐标,因此平行线坐标系所有线段的纵向变化范围为:
对规格化后的径向距离-时间二维平面上的所有点进行变换后,完成点到线的转换,会发现,原先处于一条直线上的两点必会在新坐标系内交于一点(α0,β0),该直线可用表示为:
r=k·(γ·t)+b
其中,k为直线斜率,b为直线与γ·t轴的截距;
当k>0时,其坐标为
当k<0时,其坐标为
当k=0时,其坐标为(0,r0)。
步骤二、完成所有点到线的转换后,分割线段分布范围为多个网格,在每个网格内进行通过其直线的票数和能量积累,该积累为依照时间信息的合并积累,积累后设置门限提取满足门限的单元并进行航迹回溯,根据先验信息设置目标飞行的速度约束条件和航向约束条件,完成航迹约束,最后根据能量信息完成航迹合并得到输出航迹,具体步骤为:
由于变换后线段的分布范围为一个正方形,分割正方形为M×M个网格,对每个网格进行线段所代表量测点的能量和票数的带值积累,例如,t0时刻的点(x0,y0)所代表直线穿过网格(a,b),a,b的取值范围均为[0,M],其能量为E0,建立能量积累矩阵Ue和票数积累Uv矩阵,则当满足:
或
对两个积累矩阵进行积累,积累过程中,为充分利用时间信息,更有效地检测航迹,假设该单元t时刻有nt个的直线穿过,只取能量最大值进行积累
其中:分别表示t时刻参数单元需要新积累的票数和能量,由于之前采用的是量测点规格化后的径向距离-时间坐标,为此处的虚假航迹删除提供了便利;设目标的飞行速度上限为Vmax,下限为Vmin,相邻帧间转向角最大值为φmax,则真实航迹量测点需满足公式:
式中,分别代表峰值提取后,同一条航迹中时刻为t1和t2的量测点;完成虚假航迹删除后,仍存在真实目标被检测出多个航迹的现象,表现为部分航迹中存在虚假量测点,可通过航迹融合解决,即当两条航迹中有η个量测点重合时,对两条航迹中相同时刻不同的量测点,删除能量小的量测点,合并两条航迹为一条航迹:
其中,N表示总积累帧数,[·]表示向下取整。
对比现有技术,本发明所述的量测点的平行线坐标变换及微弱目标检测方法,有益效果在于:
1)本发明量测点变换直线后,在实际应用的量测误差范围内产生的积累损失更小,能够更多的积累目标信息,提高了检测性能;
2)平行线坐标变换为线性变换,现有Hough变换为非线性变换,后者将产生更大的计算量,实时性效果不如本发明。
附图说明
附图1是量测点的平行线坐标变换及微弱目标检测方法流程图;
附图2是平行线坐标变换示意图;
附图3是x-y平面雷达量测图;
附图4是规格化后的径向距离-时间平面雷达量测图;
附图5是平行线坐标变换结果图;
附图6是非相参积累结果图;
附图7是峰值提取后航迹输出图;
附图8是航迹确认结果图;
附图9是本发明与HT-TBD算法在实施例中对第一个目标的检测概率结果;
附图10是本发明与HT-TBD算法在实施例中对第二个目标的检测概率结果;
附图11是本发明与HT-TBD算法在实施例中对两个目标整体的检测概率结果;
附图12是本发明与HT-TBD算法在实施例中只设置第一个目标在不同信杂比条件下的积累损失率。
具体实施方式
假设设x-y二维笛卡尔平面中包含两个目标航迹,目标一的初始位置为(2km,4km),运动速度为(100m/s,80m/s);目标二的初始位置为(3km,3.8km),运动速度为(150m/s,-120m/s),量测范围内存在杂波,其数目服从每帧50个的泊松分布,总体信杂比为SCR=6dB,雷达位于坐标原点,扫描周期为1s,量测帧数为7帧,径向距离量测误差为wr=20m,方位角量测误差为以下结合说明书附图1对本发明做进一步的详细描述,参照说明书附图1,本发明的处理流程分以下步骤:
步骤一:坐标变换
雷达量测如图3所示,计算每个量测点的径向距离,得到所有量测点的最大径向距离为rmax=6755.1m,最大时刻信息与为t=7s,通过公式
计算得到规格化系数γ=965.0137,由于时刻信息的数量级远小于径向距离信息,因此将系数与时刻信息相乘,映射后的量测点在图4中给出;
根据变换后的坐标信息找到要建立的平行线到纵轴γ·t轴距离d的值
d=0.5·(max(max(r),max(γ·t))-min(-r))
因为max(r)=6755.1,max(γ·t)=6755.1,min(-r)=-6755.1,所以d=6755.1,建立横坐标为6755.1和-6755.1的两条垂直于横轴的直线,按照坐标变换规则完成点到线的转换后结果如图5所示。
步骤二:非相参积累
设平行线坐标分割段数为M=360,将变换后平面内的线段分布范围分割为360×360个单元格,建立票数积累矩阵Uv(360,360)和能量积累矩阵Ue(360,360),其中每个单元格的大小均为
横向单元格按照从1到360按照间隔为1进行等间隔采样,按照
或
找到每个量测点穿过的单元格(a,b)后,在单元内进行票数和能量的合并积累:
得到票数和能量的双重积累(图6);
设票数积累门限为4,能量积累门限为积累最大值的0.7倍,提取满足两个积累门限的单元内量测点组成的航迹(图7);
根据先验信息以及雷达量测误差,设置速度选通条件为Vmax=200m/s,Vmin=70m/s,设角度约束条件为φmax=90°,则航迹应当满足
由于总积累帧数为7帧,当两条航迹满足重合量测点数大于η=4时,使两条航迹融合为一条航迹,完成后得到最终的输出航迹(图8)。
通过检测概率和能量积累损失率比较本发明与HT-TBD算法。设检测概率为Pd,设某次仿真中,某条输出航迹有n帧量测点与真实目标航迹重合,当采用4/7逻辑时,令是否检测到目标的判断系数为σi:
则Q次蒙特卡洛仿真中,目标的检测概率为:
能量积累损失率设为ζE:
实施例中,通过本发明和HT-TBD算法在不同信杂比条件下的目标一检测概率结果如图9所示,目标二检测概率结果如图10所示,两个目标的整体检测概率结果如图11所示。单设实施例中的目标一,本发明与HT-TBD算法的能量积累损失率如图12所示。结果显示,本发明相对HT-TBD算法对实施例中目标一,目标二以及全部目标的检测概率均有明显的提升,且本发明的平均能量积累损失率为1.68%,低于HT-TBD算法的2.96%。而实施例环境设置下,经蒙特卡洛仿真,本发明的数据处理时间比HT-TBD算法可节省0.1441s,提高了算法运行效率。
Claims (2)
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110363847.6A CN113075636B (zh) | 2021-04-02 | 2021-04-02 | 量测点的平行线坐标变换及微弱目标检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110363847.6A CN113075636B (zh) | 2021-04-02 | 2021-04-02 | 量测点的平行线坐标变换及微弱目标检测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113075636A true CN113075636A (zh) | 2021-07-06 |
CN113075636B CN113075636B (zh) | 2022-06-24 |
Family
ID=76614905
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110363847.6A Active CN113075636B (zh) | 2021-04-02 | 2021-04-02 | 量测点的平行线坐标变换及微弱目标检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113075636B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113702965A (zh) * | 2021-08-31 | 2021-11-26 | 中国人民解放军海军航空大学 | 基于峰值聚优的改进积累方法及强弱目标同时检测方法 |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20060273255A1 (en) * | 2001-11-26 | 2006-12-07 | Astrazeneca Ab | Method for forming the image in millimetre and sub-millimetre wave band (variants), system for forming the image in millimetre and sub-millimeter wave band (variants), diffuser light (variants) and transceiver (variants) |
US20130162838A1 (en) * | 2011-12-22 | 2013-06-27 | Pelco, Inc. | Transformation between Image and Map Coordinates |
CN104914422A (zh) * | 2015-06-25 | 2015-09-16 | 中国船舶重工集团公司第七二四研究所 | 一种自适应tbd雷达微弱目标检测方法 |
CN105116398A (zh) * | 2015-08-27 | 2015-12-02 | 南京航空航天大学 | 基于FPGA的实时Hough变换检测微弱目标的方法 |
CN106054173A (zh) * | 2016-07-27 | 2016-10-26 | 中国人民解放军海军航空工程学院 | 基于递推Hough变换的微弱多目标检测前跟踪方法 |
CN107340514A (zh) * | 2017-07-10 | 2017-11-10 | 中国人民解放军海军航空工程学院 | 三维空间中高超声速弱目标rae‑ht‑tbd积累检测方法 |
CN108196241A (zh) * | 2018-02-07 | 2018-06-22 | 北京航空航天大学 | 一种基于Hough变换的高速动目标速度估计方法 |
CN108983216A (zh) * | 2018-08-20 | 2018-12-11 | 电子科技大学 | 一种基于坐标校准的机载雷达微弱目标检测前跟踪方法 |
CN109901154A (zh) * | 2019-03-29 | 2019-06-18 | 中国人民解放军海军航空大学 | 基于递推rtht-tbd的自适应调整方法 |
WO2019218241A1 (zh) * | 2018-05-16 | 2019-11-21 | 深圳大学 | 一种三维空间转弯机动目标的状态估计方法及系统 |
-
2021
- 2021-04-02 CN CN202110363847.6A patent/CN113075636B/zh active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20060273255A1 (en) * | 2001-11-26 | 2006-12-07 | Astrazeneca Ab | Method for forming the image in millimetre and sub-millimetre wave band (variants), system for forming the image in millimetre and sub-millimeter wave band (variants), diffuser light (variants) and transceiver (variants) |
US20130162838A1 (en) * | 2011-12-22 | 2013-06-27 | Pelco, Inc. | Transformation between Image and Map Coordinates |
CN104914422A (zh) * | 2015-06-25 | 2015-09-16 | 中国船舶重工集团公司第七二四研究所 | 一种自适应tbd雷达微弱目标检测方法 |
CN105116398A (zh) * | 2015-08-27 | 2015-12-02 | 南京航空航天大学 | 基于FPGA的实时Hough变换检测微弱目标的方法 |
CN106054173A (zh) * | 2016-07-27 | 2016-10-26 | 中国人民解放军海军航空工程学院 | 基于递推Hough变换的微弱多目标检测前跟踪方法 |
CN107340514A (zh) * | 2017-07-10 | 2017-11-10 | 中国人民解放军海军航空工程学院 | 三维空间中高超声速弱目标rae‑ht‑tbd积累检测方法 |
CN108196241A (zh) * | 2018-02-07 | 2018-06-22 | 北京航空航天大学 | 一种基于Hough变换的高速动目标速度估计方法 |
WO2019218241A1 (zh) * | 2018-05-16 | 2019-11-21 | 深圳大学 | 一种三维空间转弯机动目标的状态估计方法及系统 |
CN108983216A (zh) * | 2018-08-20 | 2018-12-11 | 电子科技大学 | 一种基于坐标校准的机载雷达微弱目标检测前跟踪方法 |
CN109901154A (zh) * | 2019-03-29 | 2019-06-18 | 中国人民解放军海军航空大学 | 基于递推rtht-tbd的自适应调整方法 |
Non-Patent Citations (5)
Title |
---|
PANG CUNSUO: "《A high-speed target detection algorithm based on frequency compensation》", 《OPTIK》 * |
TIANXU,ZHANGMENGLI: "《Moving dim point target detection with three-dimensional wide-to-exact search directional filtering》", 《PATTERN RECOGNITION LETTERS》 * |
徐冠杰: "《雷达信号长时间积累对微弱目标检测的研究》", 《中国优秀硕士学位论文全文数据库 信息科技辑》 * |
薄钧天; 王国宏; 于洪波; 张翔宇: "《临近空间伴有尾流高超声速目标检测定位算法》", 《航空学报》 * |
饶烜: "《空中弱小目标长时间相参积累检测技术研究》", 《中国博士学位论文全文数据库 信息科技辑》 * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113702965A (zh) * | 2021-08-31 | 2021-11-26 | 中国人民解放军海军航空大学 | 基于峰值聚优的改进积累方法及强弱目标同时检测方法 |
Also Published As
Publication number | Publication date |
---|---|
CN113075636B (zh) | 2022-06-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103020342B (zh) | 一种从地面LiDAR数据中提取建筑物轮廓和角点的方法 | |
CN104484882B (zh) | 一种基于机载LiDAR数据的城市区域电力线检测方法 | |
CN103116688B (zh) | 用于机载航电系统的多源异类传感器目标航迹关联方法 | |
CN108983320A (zh) | 一种沿海台风极值风速的数值天气预报-人工智能耦合预测方法 | |
CN103759732B (zh) | 一种角度信息辅助的集中式多传感器多假设跟踪方法 | |
CN104931934A (zh) | 一种基于pam聚类分析的雷达点迹凝聚方法 | |
CN110007299B (zh) | 一种基于混合坐标伪谱技术的微弱目标检测跟踪方法 | |
CN107169301B (zh) | 一种分而治之航迹关联方法 | |
CN113487730A (zh) | 一种基于激光雷达点云数据的城市三维自动建模方法 | |
CN104597449B (zh) | 一种机载多扫描气象雷达目标垂直轮廓重建方法 | |
CN113075636B (zh) | 量测点的平行线坐标变换及微弱目标检测方法 | |
CN103926569B (zh) | 三坐标雷达网基于交叉定位点关联的集中式与分布式压制干扰鉴别方法 | |
CN107423734A (zh) | 一种sar图像海洋目标快速检测方法与装置 | |
CN105678047A (zh) | 融合经验模态分解降噪和复杂网络分析的风场表征方法 | |
CN101907461A (zh) | 基于角度余切值的被动多传感器量测数据关联方法 | |
CN107132515A (zh) | 一种基于多维信息约束的点迹筛选方法 | |
CN109905839A (zh) | 危险化学品码垛式仓储货物定位优化方法 | |
CN111736156B (zh) | 一种基于天气雷达的逆风区识别方法与装置 | |
CN113671482B (zh) | 基于多维筛选并行Hough变换的航迹起始方法 | |
CN104684083B (zh) | 一种基于分簇思想的ap选择方法 | |
Wang et al. | A novel method for ground-based VLF/LF single-site lightning location | |
Wang et al. | A new method of 3d point cloud data processing in low-speed self-driving car | |
CN114563771A (zh) | 基于聚类分析的双阈值激光雷达云层检测算法 | |
CN113702965B (zh) | 基于峰值聚优的改进积累方法及强弱目标同时检测方法 | |
CN109581305A (zh) | 一种基于历史数据的多雷达误差校正方法 |
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 |