CN113504524B - 一种基于特征统计的低空雷达虚假航迹综合抑制方法 - Google Patents

Abstract

本发明公开了一种基于特征统计的低空雷达虚假航迹综合抑制方法，其包括以下步骤：S1、根据雷达探测点迹的距离、方位、多普勒速度、幅度、EP数等特征数据的相关性，生成候选航迹；S2、利用公路图、气象图、杂波图等辅助信息抑制部分虚假航迹；S3、计算雷达测量的多普勒速度和距离微分速度的匹配度；S4、计算候选航迹的归一化幅度、多普勒速度、航向速度、航向等特征的均方差；S5、计算候选航迹的综合起始质量；S6、根据综合起始质量进行虚假航迹判断，综合起始质量大于起始门限的判定为真实航迹，否则判定为虚假航迹，抑制其航迹起始，完成基于目标运动特征的低空雷达虚假航迹抑制方法，方法能够更好的处置和打击非法飞行的无人机。

Description

一种基于特征统计的低空雷达虚假航迹综合抑制方法

技术领域

本发明专利涉及电子软件领域，具体涉及基于特征统计的低空雷达虚假航迹综合抑制方法。

背景技术

无人机技术的快速发展，给低空雷达探测和监视提出了新的挑战。雷达在探测和监视以无人机为代表的低空、慢速、小目标时，由于地面杂波和空中气象杂波的存在，极易出现虚假航迹，这类航迹由于来源不明，被称为仙波航迹。仙波航迹从位置和运动特征上与真实慢速无人机目标航迹几乎没有差别，即使使用人员也很难根据经验进行人工分辨和识别，给低空反无系统和防御系统的处置和打击决策造成很大的困难。

发明内容

针对现有技术中的上述不足，本发明提供的一种基于特征统计的低空雷达虚假航迹综合抑制方法通过利用公路图、统计气象图、统计杂波图等剔除由于地面车辆、风和地面杂波造成的虚假航迹；通过计算候选航迹的多维特征统计量，特别是多普勒速度与距离微分速度之间的匹配度抑制仙波航迹，虚假航迹抑制率达到90％以上。

为了达到上述发明目的，本发明采用的技术方案为：

提供一种基于特征统计的低空雷达虚假航迹综合抑制方法，其包括以下步骤：

S1、根据雷达探测点迹的距离、方位、多普勒速度、幅度、EP数等特征数据的相关性，生成候选航迹；

S2、利用公路图、气象图、杂波图等信息抑制部分虚假航迹；

S3、利用雷达测量多普勒和距离微分速度的匹配度抑制仙波航迹；

S4、对剩余的候选航迹，计算其归一化幅度、多普勒速度、航向速度、航向的均方差；

S5、采用自适应加权算法计算综合航迹起始质量；

S6、根据综合航迹起始质量进行虚假航迹判断，综合航迹起始质量低于设定门限的航迹判定为虚假航迹，从候选航迹中剔除，完成基于目标运动特征的低空雷达虚假航迹抑制方法。

进一步地，步骤S1的具体方法包括以下子步骤：

S1-1、利用已知公路图，进行地面车辆判断，公路图可以标记为三元组{经度Longtitude，纬度Lattitude，宽度Width}，雷达探测点迹可以表示为{经度Longtitude，纬度Lattitude，高度Height，距离精度RError，方位精度AError}，计算点到直线的欧氏距离后，结合雷达距离精度RError和方位精度AError判断该点是否在公路上，如果所有航迹起始点均在公路上，则该候选航迹为汽车产生的虚假航迹不进行航迹起始。

S1-2、气象造成的虚假航迹一般和风向和风速有关，具有明显的方向性，将空间划分为若干扇区后，统计航向落入每个扇区的航迹数量，选择航迹数量最大的扇区作为风向扇区，如果该扇区的航迹数量大于设定的门限，则落入该扇区的航迹为气象造成的虚假航迹。

S1-3、将雷达探测空间按距离和方位划分若干区间，统计雷达扫描每帧落入每个区间的点迹数量和帧数，如果某个区间满足M/N准则(M为该区间在最新N帧扫描中发现点迹的帧数)则判断为杂波区，假设该区间内N帧累计的点迹数量为Count，根据Count的数值将杂波区划分为强、一般、弱杂波区三个等级，不同等级的杂波区采用不同的门限进行候选航迹起始。

进一步地，步骤S3的具体方法为：

根据公式

D_i＝(D_i+1+D_i)/2

计算候选航迹所有起始帧的距离微分速度和测量多普勒速度的差值均方差D_RMSE，其中N航迹起始帧数，R_i为第i帧的距离，T_i为第i帧的时间，V_i ^r为第i帧的距离微分速度，D_i为第i帧的多普勒速度。

距离方差V_RMSE可由下式计算

V_i＝sqrt((R_i+1sin(θ_i+1)-R_i sin(θ_i))²+(R_i+1cos(θ_i+1)-R_i cos(θ_i))²)/(T_i+1-T_i)

R_i为第i帧的距离，T_i为第i帧的时间，V_i为第i帧的距离微分速度，θ_i为第i帧的方位，均方差判别因子Div可由下式计算：

Div＝D_REMS+V_REMS

若Div>V_Thersold，则该航迹为虚假航迹，V_Thersold为经过学习后的方差判断门限值。

进一步地，步骤S5的具体方法为：

根据公式

计算每一批候选航迹的综合起始质量因子，其中ω_i为第i帧航迹特征因子的加权系数，N为航迹起始帧数，β_i为候选航迹第i帧特征因子，包括归一化幅度、航向方差、速度方差、多普勒方差、多普勒速度与距离微分匹配度方差。

本发明的有益效果为：利用一种基于特征统计的低空雷达虚假航迹综合抑制方法提高无人机探测的准确性和分辨能力，虚假航迹抑制率达到90％以上，可以广泛应用于各类无人机监视和探测系统中，解决目前各类反无人机系统中虚假航迹多、无法分辨识别的难题，为无人机打击决策提供更准确的目标指示，提高反无人机系统的资源使用效率，更好的处置和打击非法飞行的无人机。

附图说明

图1为本发明的流程示意图；

图2-1和图2-2为使用本方法前后的雷达探测航迹对比图。

具体实施方式

下面对本发明的具体实施方式进行描述，以便于本技术领域的技术人员理解本发明，但应该清楚，本发明不限于具体实施方式的范围，对本技术领域的普通技术人员来讲，只要各种变化在所附的权利要求限定和确定的本发明的精神和范围内，这些变化是显而易见的，一切利用本发明构思的发明创造均在保护之列。

如图1所示，该基于特征统计的低空雷达虚假航迹综合抑制方法包括以下步骤：

S1、根据雷达探测点迹的距离、方位、多普勒速度、幅度、EP数等特征数据的相关性，生成候选航迹；

S2、利用公路图、气象图、杂波图等信息抑制部分虚假航迹；

S3、利用雷达测量多普勒和距离微分速度的匹配度抑制仙波航迹；

S4、对剩余的候选航迹，计算其归一化幅度、多普勒速度、航向速度、航向的均方差；

S5、采用自适应加权算法计算综合航迹起始质量；

S6、根据综合航迹起始质量进行虚假航迹判断，综合航迹起始质量低于设定门限的航迹判定为虚假航迹，从候选航迹中剔除，完成基于目标运动特征的低空雷达虚假航迹抑制方法。

进一步地，步骤S1的具体方法包括以下子步骤：

S1-1、利用已知公路图，进行地面车辆判断，公路图可以标记为三元组{经度Longtitude，纬度Lattitude，宽度Width}，雷达探测点迹可以表示为{经度Longtitude，纬度Lattitude，高度Height，距离精度RError，方位精度AError}五元组，计算点到直线的欧氏距离后，结合雷达距离精度RError和方位精度AError判断该点是否在公路上，如果所有航迹起始点均在公路上，则该候选航迹为汽车产生的虚假航迹不进行航迹起始。

S1-2、气象造成的虚假航迹一般和风向和风速有关，具有明显的方向性，将空间划分为若干扇区后，统计航向落入每个扇区的航迹数量，选择航迹数量最大的扇区作为风向扇区，如果该扇区的航迹数量大于设定的门限，则落入该扇区的航迹为气象造成的虚假航迹。

S1-3、将雷达探测控件按距离和方位划分若干区间，统计雷达扫描每帧落入每个区间的点迹数量和帧数，如果某个区间满足M/N准则(M为该区间在最新N帧扫描中发现点迹的帧数)则判断为杂波区，假设该区间内N帧累计的点迹数量为Count，根据Count的数值将杂波区划分为强、一般、弱杂波区三个等级，不同等级的杂波区采用不同的门限进行候选航迹起始。

进一步地，步骤S3的具体方法为：

根据公式

D_i＝(D_i+1+D_i)/2

计算候选航迹所有起始帧的距离微分速度和测量多普勒速度的差值均方差D_RMSE，其中N航迹起始帧数，R_i为第i帧的距离，T_i为第i帧的时间，

为第i帧的距离微分速度，D_i为第i帧的多普勒速度。

距离方差V_RMSE可由下式计算

V_i＝sqrt((R_i+1sin(θ_i+1)-R_i sin(θ_i))²+(R_i+1cos(θ_i+1)-R_i cos(θ_i))²)/(T_i+1-T_i)

R_i为第i帧的距离，T_i为第i帧的时间，V_i为第i帧的距离微分速度，θ_i为第i帧的方位，均方差判别因子Div可由下式计算：

Div＝D_REMS+V_REMS

若Div>V_Thersold，则该航迹为虚假航迹，V_Thersold为经过学习后的方差判断门限值。

进一步地，步骤S5的具体方法为：

根据公式

计算每一批候选航迹的综合起始质量因子，其中ω_i为第i帧航迹特征因子的加权系数，N为航迹起始帧数，β_i为候选航迹第i帧特征因子，包括归一化幅度、航向方差、速度方差、多普勒方差、多普勒速度与距离微分匹配度方差。

在具体实施过程中，本方法使用基于Centos7.0的Linux系统，使用的编程语言是C++，采用MySQL数据库存储公路图数据。在本实施过程中，本方法采用的是某型低空雷达实际探测数据来验证虚假航迹抑制方法的准确性。

(1)公路图抑制车辆起始

由于地面车辆运动产生航迹必须满足航迹与公路重合，因此可以利用先验公路图信息进行抑制。

公路图可以表示为三元组{经度Longtitude，纬度Lattitude，宽度Width}构成的折线集合，候选航迹可以表示为五元组{经度Longtitude，纬度Lattitude，高度Height，距离精度RError，方位精度AError}构成的点迹集合。每个候选航迹中的点迹到公路图中折线的欧氏距离d_ij可通过点到直线的距离进行计算。

若max(d_ij)≤Width，则该候选航迹在公路上，判断该航迹为公路车辆运动引起的虚假航迹。

(2)自适应气象图统计与气象航迹剔除

自适应气象图统计是根据雷达探测航迹进行自适应统计，判断当前风向，剔除由于大气运动造成的规律性虚假航迹。

将雷达360°探测区域划分为32个航向扇区，每个扇区的宽度为11.25°，当航迹更新或候选航迹起始时，计算航迹航向，统计每个扇区中航迹数量。例如某条航迹的航向为90°，则落入8扇区，形成如下风向统计向量

C＝{C₁，C₂，…,C₃₂}

取C_max＝max(C₁，C₂，…,C₃₂)，对用的扇区编号为N_max，当C_max≥M时，当前风向为Course，(N_max-1)×11.25°≤Course≤N_max×11.25°。

将航迹速度按5m/s进行量化，得到每条航迹量化后的速度，得到每个速度区间的风速统计向量

S＝{S₁，S₂，…,S₁₀}

取S_max＝max(S₁，S₂，…,S₁₀)，对用的风速等级编号为K。

当某条航迹的速度等级为K，且航向(N_max-1)×11.25°≤T_Course≤N_max×11.25°时，则该航迹判断为是由于风引起的气象航迹。

(3)自适应杂波统计剔除杂波航迹

自适应杂波图用于剔除由于地面杂波造成的虚假航迹。将雷达探测控件按距离和方位划分若干区间，滑窗统计雷达扫描每帧落入某个区间的点迹数量Count(i,j)和帧数Frame(i,j)，如果N在次扫描过程中Frame(i,j)>M(M为设定门限值，M<N)，则区域(i,j)为杂波区，根据Count(i,j)划分杂波区等级

落入强杂波区的候选航迹判断为杂波引起的虚假航迹，落入一般杂波区的候选航迹要求更高起始质量。

自适应杂波统计剔除杂波航迹基本实现过程如下：

1)根据雷达每帧扫描得到的点迹数据进行杂波统计更新Count(i,j)和帧数Frame(i,j)；

2)计算候选航迹中每个起始点对应的空间区域(i,j)；

3)获取对应空间区域的Count(i,j)和帧数Frame(i,j)；

4)判断空间区域(i,j)是否为杂波区，计算杂波等级；

5)落入强杂波区的候选航迹判断为杂波引起的虚假航迹，直接剔除。

(4)基于统计特征的仙波航迹剔除

根据公式

D_i＝(D_i+1+D_i)/2

计算每一批候选航迹的距离微分速度和测量多普勒速度的差值均方差，其中N为航迹起始帧数，R_i为第i帧的距离，T_i为第i帧的时间，D_i为第i帧的多普勒速度。距离方差可由下式计算：

V_i＝sqrt((R_i+1sin(θ_i+1)-R_i sin(θ_i))²+(R_i+1cos(θ_i+1)-R_i cos(θ_i))²)/(T_i+1-T_i)

R_i为第i帧的距离，T_i为第i帧的时间，θ_i为第i帧的方位，均方差判别因子Div可由下式计算：

Div＝D_REMS+V_REMS

若Div>V_Thersold，则该航迹为虚假航迹，V_Thersold为经过学习后的方差判断门限值。

基于统计特征的仙波航迹剔除基本实现过程如下：

1)根据候选航迹起始点迹序列，计算距离微分速度V_i ^r；

2)计算候选航迹的距离微分速度与多普勒速度插值的方差D_RMSE

3)计算候选航迹帧间速度方差V_RMSE；

4)根据门限判断候选航迹是否为真实航迹。

(4)综合航迹起始质量判别

对于无法直接根据某个特征抑制的虚假航迹，由于其来源不明，不是由真实目标引起，一般其质量较真实目标引起的航迹质量差，通过航迹特征参数的加权综合计算每一批候选航迹的综合起始质量因子，采用起始质量判别虚假航迹和真实航迹，剔除其中的虚假航迹。

综合航迹起始质量计算公式如下：

其中N为航迹起始帧数，ω_i为候选航迹特征因子的加权系数，β_i为候选航迹特征因子，包括归一化幅度、航向方差、速度方差、多普勒方差、多普勒速度与距离微分匹配度等。

采用本发明的虚假航迹抑制方法对针对不同阵地条件(沙漠、丘陵、城市、海岛)下实际雷达探测数据进行处理，虚假航迹抑制效果如表1所示。

表1：虚假航迹抑制效果

阵地环境	起始航迹数	真实航迹数	抑制虚假航迹数	虚假航迹抑制比
					沙漠	2	2	21	100％
丘陵	6	5	28	96.55％
					城市	18	1	375	95.66％
海岛	5	1	46	92％

如表1所示，本发明的虚假航迹剔除方法针对不同的部署环境均具有很好的虚假航迹抑制效果，虚假航迹抑制率大于90％。

综上所述，本发明利用公路图、自适应气象统计、自适应杂波统计、基于测量多普勒速度和距离微分速度匹配度方法、综合起始质量判断等方法能有效剔除由于杂波、车辆、气象、鸟群和不明来源引起的虚假航迹，虚假航迹抑制率大于90％。可以广泛应用于各类无人机监视和探测系统中，解决目前各类反无人机系统中虚假航迹多、无法分辨识别的难题，为无人机打击决策提供更准确的目标指示，提高反无人机系统的资源使用效率，更好的处置和打击非法飞行的无人机。

Claims (2)

1.一种基于特征统计的低空雷达虚假航迹综合抑制方法，其特征在于，包括以下步骤：

S1、根据雷达探测点迹的距离、方位、多普勒速度、幅度、EP数特征数据的相关性，生成候选航迹；

S2、利用公路图、气象图、杂波图信息抑制部分虚假航迹；

S3、利用雷达测量多普勒和距离微分速度的匹配度抑制仙波航迹；

S4、对剩余的候选航迹，计算其归一化幅度、多普勒速度、航向速度、航向的均方差；

S5、采用自适应加权算法计算综合航迹起始质量；

S6、根据综合航迹起始质量进行虚假航迹判断，综合航迹起始质量低于设定门限的航迹判定为虚假航迹，从候选航迹中剔除，完成基于目标运动特征的低空雷达虚假航迹抑制方法；

其中，所述步骤S2的具体方法包括以下子步骤：

S2-1、利用已知公路图，进行地面车辆判断，公路图可以标记为三元组{经度Longtitude，纬度Lattitude，宽度Width}，雷达探测点迹可以表示为{经度Longtitude，纬度Lattitude，高度Height，距离精度RError，方位精度AError}，计算点到直线的欧氏距离后，结合雷达距离精度RError和方位精度AError判断该点是否在公路上，如果所有航迹起始点均在公路上，则该候选航迹为汽车产生的虚假航迹，不进行航迹起始；

S2-2、气象造成的虚假航迹一般和风向和风速有关，具有明显的方向性，将空间划分为若干扇区后，统计航向落入每个扇区的航迹数量，选择航迹数量最大的扇区作为风向扇区，如果该扇区的航迹数量大于设定的门限，则落入该扇区的航迹为气象造成的虚假航迹；

S2-3、将雷达探测控件按距离和方位划分若干区间，统计雷达扫描每帧落入每个区间的点迹数量和帧数，如果某个区间满足M/N准则，则判断为杂波区，若该区间内N帧累计的点迹数量为Count，根据Count的数值将杂波区划分为强、一般、弱杂波区三个等级，不同等级的杂波区采用不同的门限进行候选航迹起始；

所述M/N准则中，M为该区间在最新N帧扫描中发现点迹的帧数；

其中，步骤S3通过如下公式：

计算每一批候选航迹的距离微分速度和测量多普勒速度的差值均方差，其中，N为航迹起始帧数，R_i为第i帧的距离，T_i为第i帧的时间，D_i为第i帧的多普勒速度，

为第i帧的距离微分速度，D_RMSE为候选航迹的距离微分速度和测量多普勒速度的差值均方差；

距离方差V_RMSE由如下公式计算得到：

V_i＝(R_i+1sin(θ_i+1)-R_isin(θ_i)，R_i+1cos(θ_i+1)-R_icos(θ_i))²/(T_i+1-T_i)

其中，R_i为第i帧的距离，T_i为第i帧的时间，θ_i为第i帧的方位；

均方差判别因子Div由如下公式计算得到：

Div＝D_RMSE+V_RMSE

若Div>V_Thersold，则该航迹为虚假航迹，V_Thersold为经过学习后的方差判断门限值。

2.根据权利要求1所述的基于特征统计的低空雷达虚假航迹综合抑制方法，其特征在于，所述步骤S5的具体方法为：

根据公式：

计算每一批候选航迹的综合起始质量因子，其中，ω_i为航迹特征因子的加权系数，N为航迹起始帧数，β_i为候选航迹特征因子，包括归一化幅度、多普勒速度、航向速度、航向的均方差。

Images