CN113340308B - 一种基于自报点的修正逻辑法航迹起始方法 - Google Patents
一种基于自报点的修正逻辑法航迹起始方法 Download PDFInfo
- Publication number
- CN113340308B CN113340308B CN202110605319.7A CN202110605319A CN113340308B CN 113340308 B CN113340308 B CN 113340308B CN 202110605319 A CN202110605319 A CN 202110605319A CN 113340308 B CN113340308 B CN 113340308B
- Authority
- CN
- China
- Prior art keywords
- point
- self
- measurement
- track
- reported
- 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
- 238000000034 method Methods 0.000 title claims abstract description 53
- 238000012937 correction Methods 0.000 title claims abstract description 15
- 238000005259 measurement Methods 0.000 claims abstract description 72
- 230000000977 initiatory effect Effects 0.000 claims abstract description 20
- 238000013213 extrapolation Methods 0.000 claims description 13
- 238000005070 sampling Methods 0.000 claims description 11
- 238000004422 calculation algorithm Methods 0.000 claims description 10
- 238000004364 calculation method Methods 0.000 claims description 5
- 230000000717 retained effect Effects 0.000 claims description 2
- 238000010586 diagram Methods 0.000 description 7
- 230000002596 correlated effect Effects 0.000 description 4
- 238000000342 Monte Carlo simulation Methods 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 238000002474 experimental method Methods 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/20—Instruments for performing navigational calculations
- G01C21/203—Specially adapted for sailing ships
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/23—Clustering techniques
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Remote Sensing (AREA)
- Radar, Positioning & Navigation (AREA)
- Mathematical Optimization (AREA)
- Computational Mathematics (AREA)
- Evolutionary Biology (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Pure & Applied Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Mathematical Analysis (AREA)
- Evolutionary Computation (AREA)
- Automation & Control Theory (AREA)
- Operations Research (AREA)
- Probability & Statistics with Applications (AREA)
- Artificial Intelligence (AREA)
- Algebra (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- Radar Systems Or Details Thereof (AREA)
Abstract
本发明提供了一种基于自报点的修正逻辑法航迹起始方法,属于航迹起始领域,包括:建立临时航迹;在初始关联波门中,以自报点为核心点设定聚类门限,按照量测点存在于聚类门限和初始关联门中的不同位置关系按照标准形成临时航迹集;对临时航迹进行外推,对落入预测关联波门的第三次量测添加角度约束阈值;判断量测与临时航迹的关联性,按照标准选择对应点作为最终关联点;依次类推直到满足起始成功条件或者不满足起始条件直到航迹消亡为止。修正逻辑起始方法主要针对m/n逻辑法航迹起始时落入关联门真实点迹较多但虚假起始率较低的不平衡问题,同时未降低真实点迹落入关联门的数量,方法经实验验证虚假起始概率低,起始的航迹虚假数目少。
Description
技术领域
本发明属于航迹起始领域,具体涉及一种基于自报点的修正逻辑法航迹起始方法。
背景技术
在真实的工程应用中,监测空域中往往存在多个目标并且监测环境也很复杂,得到的目标航迹并不能有效判断其真假,并且这种情况在连续的扫描周期内是非常常见的。因而对航迹更新前需要引入航迹起始算法解决点迹与点迹之间匹配、建立稳定航迹等问题。
航迹起始普通模型的重要结构可以划分为:建立原始航迹(找到航迹头);依照逻辑和初始关联门建立临时航迹;根据预测关联波门确认临时航迹的正确性从而形成稳定航迹。航迹头的组成中不仅仅包含新目标点迹信息,同时也存在由于噪声、干扰等产生的虚假航迹点。因而建立的临时航迹中同样存在一定比例的虚假航迹。而在由临时航迹到产生稳定航迹的过程中要考虑门限选择的问题,门限过小会造成起始时间的增长,在实际工程中影响航迹起始的成功率;但若门限过大,又会产生目标错误关联,同一目标拥有多条稳定航迹,即产生航迹分裂。所以门限的选择是航迹起始过程中的关键。
航迹起始算法一般来说分为顺序处理和批处理技术。前者适用于弱杂波环境,计算量小、效率高,其中逻辑法在对空和对海模式下均有较强的适用性。后者适用于强杂波环境,计算量较大,对设备有更高要求。逻辑法利用预测和关联波门构建多重假设去建立临时航迹、识别虚假航迹,其算法思想是:以集合Z={z1,...,zn}来表示连续n次扫描周期内的量测数据,若第i次扫描时关联波门内存在点迹,则zi=1,反之令zi=0,当连续n个窗口宽度内zi达到设定值m,则该航迹起始成功。否则,滑窗向后移动一位,继续上述确定流程。如果在连续L次窗口滑动宽度下,仍未达到设定值,则相关航迹无法起始成功,将临时航迹删除。
使用逻辑法进行航迹起始时,在初始航迹头状态和临时航迹状态下,需要根据不同的目标信息建立不同类型的波门,前一个状态下往往建立大且无向的环形波门,后一种状态下根据预测状态协方差建立外推预测关联波门。很显然,大且无向的环形波门虽然一定程度上让更多真实点迹落入波门内,但是同时也落入较多杂波和虚假数据,造成临时航迹内虚假航迹多、重复航迹多的问题。预测关联波门中选取关联点也很关键,传统逻辑法应用最近邻法选择离外推点最近点作为关联点,该方法未考虑关联点与目标临时航迹的角度关系,容易形成“V”型航迹。
发明内容
为了克服上述现有技术存在的不足,本发明提供了一种基于自报点的修正逻辑法航迹起始方法。
针对航迹起始时关联门造成的缺陷,结合实际工程应用情况,本发明将自报点(通过解译PDW可直接得到的点迹信息,例如经纬高、角度等,将解译出的点迹定义为自报点)引入航迹起始过程中,形成一种基于自报点的修正逻辑法航迹起始算法。
自报点的特点是已知位置、方位角、速度等先验信息,但不是每一次扫描中都会存在,并且数量较少。当自报点存在于航迹头集合中时,因为已知位置、速度、角度等先验信息,可以增加对预测关联波门中量测的角度约束阈值,阈值的大小需要参考自报点的方位角、角速度、速度、采样周期时间等信息决定,以此确保落入预测波门的量测与临时航迹关联时尽量处在一条直线上,避免“V”型航迹形成。当自报点在初始关联阶段时,以自报点为核心点按照密度聚类算法DBSCAN的思想,在初始关联波门内增加聚类门,使得虚假临时航迹减少。当自报点出现在航迹起始外推预测阶段时,直接将自报点作为外推点即可。
为了实现上述目的,本发明提供如下技术方案:
一种基于自报点的修正逻辑法航迹起始方法,包括以下步骤:
步骤1:以第一次扫描后所得量测为中心,根据先验信息建立初始关联波门;
步骤2:按照设定的速度最大/最小门限对下一个扫描周期内落入初始关联波门的量测进行遍历,为满足速度匹配的两个量测数据之间建立临时航迹;
步骤3:在初始关联波门中,以自报点为核心点设定聚类门限,按照量测点存在于聚类门限和初始关联门中的不同位置关系按照标准形成临时航迹集;
步骤4:对步骤3中形成的临时航迹进行外推,根据自报点误差对落入预测关联波门的第三次量测添加角度约束阈值σ;
步骤5:对第三次量测进行判断,得到该量测点与航迹的关联,具体包括:
若第三次量测与临时航迹连线夹角α小于角度约束阈值σ,则该量测点与该临时航迹关联;
若多个量测与一条临时航迹关联,首先以自报点量测优先,均非自报点时按照最近邻法选择离外推点最近的点作为最终的关联点;
若第三次预测关联波门内不存在符合条件的量测,则继续进行外推形成第四次波门和其预测观测集,这时第四次量测与临时航迹连线夹角β小于角度约束阈值σ,则该量测点与该临时航迹关联;
若多个量测与一条临时航迹关联,首先以自报点量测优先,均非自报点时按照最近邻法选择离外推点最近的点作为最终的关联点;
步骤6:依次类推直到满足起始成功条件或者不满足起始条件直到航迹消亡为止;
步骤7:返回起始成功航迹的定位点坐标;
步骤8:扫描过程中未落入门限内的剩余点迹作为航迹头按照步骤1~5继续进行起始,每个点迹只能作为一次航迹头,如果仍旧未关联任何量测,则消除该点迹。
优选地,所述步骤1中,假设zi(k),i=1,2,...,mk表示传感器k时刻接收到的第i个量测,mk是k时刻接收的量测总数,又因为一个量测包含p维信息,所以zi(k)表示为:
而相邻两次采样周期的量测值zi(k)与zj(k+1)间的距离矢量dij表示为:
若量测误差符合独立零均值高斯分布,并且协方差为Ri(k),那么定义归一化距离平方Dij(k)为:
当zi(k)与zj(k+1)来源于同一目标,归一化距离平方Dij(k)是服从自由度为P的χ2随机变量,通过给定门限概率查表得到门限γ;如果Dij(k)≤γ,则zi(k)与zj(k+1)互联。
优选地,所述步骤3中,在初始关联波门中,以自报点为核心点、按照密度聚类算法的思想设定聚类门限,所述密度聚类符合以下要求:
(5)距离度量的方式选择最常用的欧式距离计算法,假设自报点数目有n个,自报点集表示为S=(S1,...,Sn),任意两个自报点Si和Sj间距离表示如下:
(6)聚类邻域Nε(Si)中包含的点集与自报点Si距离不大于ε,可以表示为:
Nε(Si)={Si∈S|D(Si,Sj)≤ε} (6)
(7)门限阈值ε根据实际目标运动状态信息确定,利用起始航迹头和自报点之间距离和采样时间以及民航等类型飞机飞行最大最小速度选择合适值;
(8)每一个聚类邻域内至少包含的量测点迹数为MinPts,只有当满足条件:
|Nε(Si)|≥MinPts (7)
则该自报点才被认定为核心点保留。
优选地,所述步骤2中,若存在多个自报点,只保留符合聚类要求的核心点,舍弃边界点。
本发明提供的基于自报点的修正逻辑法航迹起始方法具有以下有益效果:
针对m/n逻辑法航迹起始时落入关联门真实点迹较多但虚假起始率较低的不平衡问题,修正逻辑起始方法在未降低真实点迹落入关联门的基础上,经实验验证虚假起始概率低,起始的航迹虚假数目少;
针对航迹起始过程中易出现的“V”型航迹问题,修正逻辑起始方法在确定航迹头的过程中给引入角度约束阈值参数,经实验验证该问题得到有效解决。
附图说明
为了更清楚地说明本发明实施例及其设计方案,下面将对本实施例所需的附图作简单地介绍。下面描述中的附图仅仅是本发明的部分实施例,对于本领域普通技术人员来说,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为航迹虚假起始概率对比图;
图2为λ=50,杂波点与真实点分布图;
图3为λ=50,3/4逻辑法航迹起始图;
图4为λ=50,修正逻辑法航迹起始图;
图5为λ=100,杂波点与真实点分布图;
图6为λ=100,3/4逻辑法航迹起始图;
图7为λ=100,修正逻辑法航迹起始图;
图8为角度约束下量测-航迹关联示意图;其中,图8(a)为外推中有相关量测值,图8(b)为外推中无符合条件量测,继续外推。
具体实施方式
为了使本领域技术人员更好的理解本发明的技术方案并能予以实施,下面结合附图和具体实施例对本发明进行详细说明。以下实施例仅用于更加清楚地说明本发明的技术方案,而不能以此来限制本发明的保护范围。
实施例1
本发明提供了一种基于自报点的修正逻辑法航迹起始方法,具体如图1所示,包括以下步骤:
步骤1:以第一次扫描后所得量测为中心,根据先验信息建立初始关联波门,本实施例中采用雷达进行扫描;
步骤2:按照设定的速度最大/最小门限对下一个扫描周期内落入初始关联波门的量测进行遍历,为满足速度匹配的两个量测数据之间建立临时航迹;若存在多个自报点,只保留符合聚类要求的核心点,舍弃边界点;
即假设zi(k),i=1,2,...,mk表示传感器k时刻接收到的第i个量测,mk是k时刻接收的量测总数,又因为一个量测包含p维信息,所以zi(k)表示为:
而相邻两次采样周期的量测值zi(k)与zj(k+1)间的距离矢量dij表示为:
若量测误差符合独立零均值高斯分布,并且协方差为Ri(k),那么定义归一化距离平方Dij(k)为:
当zi(k)与zj(k+1)来源于同一目标,归一化距离平方Dij(k)是服从自由度为P的χ2随机变量,通过给定门限概率查表得到门限γ;如果Dij(k)≤γ,则zi(k)与zj(k+1)互联。
步骤3:在初始关联波门中,以自报点为核心点按照密度聚类算法DBSCAN的思想设定聚类门限,按照量测点存在于聚类门限和初始关联门中的不同位置关系按照标准形成临时航迹集;存在于初始关联门内聚类门限外的量测点(无关点)仍与第一次扫描所得量测(航迹头)按照步骤一形成临时航迹集,而聚类门限内的点仅选择自报点与航迹头关联形成临时航迹。若存在多个自报点,只保留符合密度聚类要求的核心点,舍弃边界点。
具体的,密度聚类符合以下要求:
(1)距离度量的方式选择最常用的欧式距离计算法,假设自报点数目有n个,自报点集表示为S=(S1,...,Sn),任意两个自报点Si和Sj间距离表示如下:
(2)聚类邻域Nε(Si)中包含的点集与自报点Si距离不大于ε,可以表示为:
Nε(Si)={Si∈S|D(Si,Sj)≤ε} (6)
(3)门限阈值ε根据实际目标运动状态信息确定,利用起始航迹头和自报点之间距离和采样时间以及民航等类型飞机飞行最大最小速度选择合适值;
(4)每一个聚类邻域内至少包含的量测点迹数为MinPts,只有当满足条件:
|Nε(Si)|≥MinPts (7)
则该自报点才被认定为核心点保留。
步骤4:因为形成的临时航迹中依旧包含一定数量的虚假航迹,对步骤3中形成的临时航迹进行外推,根据自报点误差对落入预测关联波门的第三次量测添加角度约束阈值σ;
步骤5:对第三次量测进行判断,得到该量测点与航迹的关联,具体包括:
如图8中(a)所示,若第三次量测与临时航迹连线夹角α小于角度约束阈值σ,则该量测点与该临时航迹关联;
若多个量测与一条临时航迹关联,首先以自报点量测优先,均非自报点时按照最近邻法选择离外推点最近的点作为最终的关联点;
若第三次预测关联波门内不存在符合条件的量测,则继续进行外推形成第四次波门和其预测观测集,如图8中(b)所示,这时第四次量测与临时航迹连线夹角β小于角度约束阈值σ,则该量测点与该临时航迹关联;
若多个量测与一条临时航迹关联,首先以自报点量测优先,均非自报点时按照最近邻法选择离外推点最近的点作为最终的关联点;
步骤6:依次类推直到满足起始成功条件或者不满足起始条件直到航迹消亡为止;
步骤7:返回起始成功航迹的定位点坐标;
步骤8:扫描过程中未落入门限内的剩余点迹作为航迹头按照步骤1~5继续进行起始,每个点迹只能作为一次航迹头,如果仍旧未关联任何量测,则消除该点迹。
具体实例说明
假定航迹观测区域内中有5个自报点沿x轴方向做匀速直线运动,起始点位置为(75km,75km)、(55km,55km)、(35km,35km)、(25km,25km)、(15km,15km),目标速度均为500m/s,采样周期为5s,距离观测标准差和方位角观测标准差分别为40m和0.3°,MinPts=3。并且一条航迹起始成功的条件为在4个扫描周期内有3个量测成功关联。
不同采样周期的杂波个数J由泊松分布决定,在给出观测区域内杂波参数λ时产生均匀分布在(0,1)之间的随机数r,计算公式如下:
首先设定λ=50,图2代表连续4个采样周期内杂波点与真实点的分布图,其中:Ο代表真实点;*、□、+、·分别代表不同采样周期内形成的杂波点。图3为3/4逻辑法起始航迹状况;图4为基于自报点的修正逻辑法起始航迹状况。
继续设定λ=100。图5为点迹分布图;图6为3/4逻辑法起始状况;图7为修正逻辑法起始状况。
根据上图中显示的不同杂波环境下两种不同方法的航迹起始结果可以看出,低杂波环境下,两种逻辑法性能表现差异不大。但在面对多杂波的环境下,3/4逻辑法开始产生愈多的虚假航迹,性能开始下降,而基于自报点的修正逻辑法的起始效果表现良好。
为了定量对比修正前后算法的性能,引入虚假航迹起始概率的定义:在n次Monte-Carlo仿真实验中形成的虚假航迹总数与航迹总数之比,计算公式为:
以不同杂波参数λ为变量,进行100次Monte-Carlo实验,修正前后两种逻辑法的虚假航迹起始概率统计数据如图1所示:
从图1中的数据对比可以看出:相较于3/4逻辑法,基于自报点的修正逻辑法能够有效解决虚假起始概率高的问题,并且在同一杂波环境下,虚假航迹起始数目减少2倍左右。
以上所述实施例仅为本发明较佳的具体实施方式,本发明的保护范围不限于此,任何熟悉本领域的技术人员在本发明披露的技术范围内,可显而易见地得到的技术方案的简单变化或等效替换,均属于本发明的保护范围。
Claims (4)
1.一种基于自报点的修正逻辑法航迹起始方法,其特征在于,包括以下步骤:
步骤1:以第一次扫描后所得量测为中心,根据先验信息建立初始关联波门;
步骤2:按照设定的速度最大/最小门限对下一个扫描周期内落入初始关联波门的量测进行遍历,为满足速度匹配的两个量测数据之间建立临时航迹;
步骤3:在初始关联波门中,以自报点为核心点、按照密度聚类算法的思想设定聚类门限,按照量测点存在于聚类门限和初始关联门中的不同位置关系按照标准形成临时航迹集;
步骤4:对步骤3中形成的临时航迹进行外推,根据自报点误差对落入预测关联波门的第三次量测添加角度约束阈值σ;
步骤5:对第三次量测进行判断,得到该量测点与航迹的关联,具体包括:
若第三次量测与临时航迹连线夹角α小于角度约束阈值σ,则该量测点与该临时航迹关联;
若多个量测与一条临时航迹关联,首先以自报点量测优先,均非自报点时按照最近邻法选择离外推点最近的点作为最终的关联点;
若第三次预测关联波门内不存在符合条件的量测,则继续进行外推形成第四次波门和其预测观测集,这时第四次量测与临时航迹连线夹角β小于角度约束阈值σ,则该量测点与该临时航迹关联;
若多个量测与一条临时航迹关联,首先以自报点量测优先,均非自报点时按照最近邻法选择离外推点最近的点作为最终的关联点;
步骤6:依次类推直到满足起始成功条件或者不满足起始条件直到航迹消亡为止;
步骤7:返回起始成功航迹的定位点坐标;
步骤8:扫描过程中未落入门限内的剩余点迹作为航迹头按照步骤1~5继续进行起始,每个点迹只能作为一次航迹头,如果仍旧未关联任何量测,则消除该点迹。
2.根据权利要求1所述的基于自报点的修正逻辑法航迹起始方法,其特征在于,所述步骤1中,假设zi(k),i=1,2,...,mk表示传感器k时刻接收到的第个量测,mk是k时刻接收的量测总数,又因为一个量测包含p维信息,所以zi(k)表示为:
而相邻两次采样周期的量测值zj(k)与zj(k+1)间的距离矢量dij表示为:
其中:T表示相邻两次采样之间的时间间隔;(·)T是求矢量转置,并且表示为:
若量测误差符合独立零均值高斯分布,并且协方差为Rj(k),那么定义归一化距离平方Dij(k)为:
当zj(k)与zj(k+1)来源于同一目标,归一化距离平方Dij(k)是服从自由度为P的χ2随机变量,通过给定门限概率查表得到门限γ;如果Dij(k)≤γ,则zj(k)与zj(k+1)互联。
3.根据权利要求2所述的基于自报点的修正逻辑法航迹起始方法,其特征在于,所述步骤3中,在初始关联波门中,以自报点为核心点、按照密度聚类算法的思想设定聚类门限,所述密度聚类符合以下要求:
(1)距离度量的方式选择最常用的欧式距离计算法,假设自报点数目有n个,自报点集表示为S=(S1,…,Sn),任意两个自报点Si和Sj间距离表示如下:
(2)聚类邻域Nε(Si)中包含的点集与自报点Si距离不大于ε,可以表示为:
Nε(Si)={Si∈S|D(Si,Sj)≤ε} (6)
(3)门限阈值ε根据实际目标运动状态信息确定,利用起始航迹头和自报点之间距离和采样时间以及民航等类型飞机飞行最大最小速度选择合适值;
(4)每一个聚类邻域内至少包含的量测点迹数为MinPts,只有当满足条件:
|Nε(Si)|≥MinPts (7)
则该自报点才被认定为核心点保留。
4.根据权利要求1所述的基于自报点的修正逻辑法航迹起始方法,其特征在于,所述步骤2中,若存在多个自报点,只保留符合聚类要求的核心点,舍弃边界点。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110605319.7A CN113340308B (zh) | 2021-05-31 | 2021-05-31 | 一种基于自报点的修正逻辑法航迹起始方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110605319.7A CN113340308B (zh) | 2021-05-31 | 2021-05-31 | 一种基于自报点的修正逻辑法航迹起始方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113340308A CN113340308A (zh) | 2021-09-03 |
CN113340308B true CN113340308B (zh) | 2023-04-07 |
Family
ID=77473617
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110605319.7A Active CN113340308B (zh) | 2021-05-31 | 2021-05-31 | 一种基于自报点的修正逻辑法航迹起始方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113340308B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113671482B (zh) * | 2021-09-18 | 2022-04-08 | 哈尔滨工业大学 | 基于多维筛选并行Hough变换的航迹起始方法 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2014174004A (ja) * | 2013-03-08 | 2014-09-22 | Toshiba Corp | プロット融合方法及びプロット融合装置 |
CN107255803A (zh) * | 2017-07-24 | 2017-10-17 | 中电科技(合肥)博微信息发展有限责任公司 | 一种船舶航迹逻辑起始算法 |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8868109B1 (en) * | 2013-03-28 | 2014-10-21 | Linkedin Corporation | Navigating with a camera device |
CN103471591B (zh) * | 2013-04-15 | 2017-06-06 | 中国人民解放军海军航空工程学院 | 基于逻辑法、全局最近邻和目标航向信息的机动多目标数据互联方法 |
CN106054150B (zh) * | 2016-05-18 | 2018-11-09 | 西安电子科技大学 | 一种先起始后确认的雷达航迹起始方法 |
CN110362074B (zh) * | 2019-06-18 | 2021-11-23 | 华南理工大学 | 一种基于航迹重规划的水面无人艇动态避碰方法 |
CN111650581B (zh) * | 2020-06-15 | 2023-02-28 | 南京莱斯电子设备有限公司 | 一种基于环境感知的雷达全域目标航迹自动起始方法 |
CN112098993A (zh) * | 2020-09-16 | 2020-12-18 | 中国北方工业有限公司 | 一种多目标跟踪数据关联方法及系统 |
-
2021
- 2021-05-31 CN CN202110605319.7A patent/CN113340308B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2014174004A (ja) * | 2013-03-08 | 2014-09-22 | Toshiba Corp | プロット融合方法及びプロット融合装置 |
CN107255803A (zh) * | 2017-07-24 | 2017-10-17 | 中电科技(合肥)博微信息发展有限责任公司 | 一种船舶航迹逻辑起始算法 |
Non-Patent Citations (1)
Title |
---|
基于相对位置矢量的群目标灰色精细航迹起始算法;何友等;《航空学报》(第10期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN113340308A (zh) | 2021-09-03 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109100714B (zh) | 一种基于极坐标系的低慢小目标跟踪方法 | |
CN107340516B (zh) | 基于多普勒速度的联合逻辑快速航迹起始方法 | |
CN106405537B (zh) | 基于位置信息和多普勒信息的雷达航迹起始方法 | |
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 | |
CN110297222B (zh) | 一种基于多维量测信息的航迹起始方法 | |
CN113340308B (zh) | 一种基于自报点的修正逻辑法航迹起始方法 | |
Lee et al. | Probabilistic track initiation algorithm using radar velocity information in heavy clutter environments | |
CN110673130A (zh) | 一种基于航迹关联的运动目标航迹跟踪方法 | |
CN113516037A (zh) | 海上船只航迹片段关联方法、系统、存储介质及设备 | |
CN113671481A (zh) | 一种基于毫米波雷达的3d多目标跟踪处理方法 | |
CN113050054B (zh) | 基于径向速度和平均速度的虚假航迹剔除方法 | |
CN113687429B (zh) | 一种确定毫米波雷达监测区域边界的装置及方法 | |
CN114114242A (zh) | 一种基于点选航迹及航迹外推的雷达目标追赶跟踪方法 | |
CN111751816B (zh) | 一种基于点迹特征信息的雷达航迹起始方法 | |
CN107092808B (zh) | 一种编队目标合并机动模式下的跟踪方法 | |
CN111142101B (zh) | 一种数据关联方法 | |
CN117310642A (zh) | 一种基于多尺度聚类的多雷达密集群目标航迹关联方法 | |
CN115220002B (zh) | 一种固定单站的多目标数据关联跟踪方法和相关装置 | |
CN113671482B (zh) | 基于多维筛选并行Hough变换的航迹起始方法 | |
CN115144847A (zh) | 针对海杂波中弱目标探测的参数空间多通道目标搜索技术 | |
CN113534084A (zh) | 一种基于相关关系拓扑图的雷达虚假航迹抑制方法 | |
CN114740466A (zh) | 一种基于得分机制的雷达目标点迹过滤方法 | |
CN111768442B (zh) | 一种基于层次聚类和逻辑法的航迹起始方法及系统 | |
CN114152940A (zh) | 引信对地海背景可见面元确定方法 | |
Zhang et al. | Application of an Optimized Logic Track Initiation Algorithm on Vehicular Radar |
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 | ||
TR01 | Transfer of patent right |
Effective date of registration: 20231206 Address after: Room 20201, Building 14, Taibai South District, Xixie 7th Road, Yanta District, Xi'an City, Shaanxi Province, 710065 Patentee after: Xi'an Zhongcheng Electronic Technology Co.,Ltd. Address before: 710071 Taibai South Road, Yanta District, Xi'an, Shaanxi Province, No. 2 Patentee before: XIDIAN University |
|
TR01 | Transfer of patent right |