CN113702940A - 基于多元特征信息分层融合空间集群目标分辨方法及应用 - Google Patents
基于多元特征信息分层融合空间集群目标分辨方法及应用 Download PDFInfo
- Publication number
- CN113702940A CN113702940A CN202111109865.8A CN202111109865A CN113702940A CN 113702940 A CN113702940 A CN 113702940A CN 202111109865 A CN202111109865 A CN 202111109865A CN 113702940 A CN113702940 A CN 113702940A
- Authority
- CN
- China
- Prior art keywords
- target
- resolution
- track
- cluster
- space
- 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
- G01S7/418—Theoretical aspects
-
- 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
- G01S13/726—Multiple target tracking
-
- 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
- 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
基于多元特征信息分层融合的空间集群目标分辨方法及其应用,包括:基于多元特征信息的集群目标逐级分辨方法;集群目标航迹的快速起始判决方法。本发明结合雷达回波和目标特征,对系统可用信息进行充分发掘和利用,基于分层递进的思想,逐级引入目标多源特征信息,建立空间集群目标分辨和航迹起始的数据融合处理结构,针对不同处理层级引入的信息特点,给出融合方法建议,提高空间集群目标角度和距离分辨率,实现空间集群目标跟踪中有效雷达测量航迹快速输出,为后续的航迹估值和目标识别奠定基础,提升雷达跟踪空间集群的能力;本发明并可推广到所有需要进行空间集群目标跟踪的应用领域,如在轨维护、空间碎片碰撞预警等。
Description
技术领域
本发明涉及航空航天技术领域,是一种基于多元特征信息分层融合的空间集群目标分辨方法及其应用。
背景技术
空间目标的高精度跟踪是开展太空活动、保障太空资产安全的基础。随着人类太空活动的日益频繁,航天器在轨组装、应急维修、空间碎片碰撞预警等都日益需要对多目标/群目标开展跟踪测量。特别是随着微小卫星技术的发展,卫星集群的应用日益成熟,对空间集群的测量能力提出了新的要求。空间集群测量任务中,目标由单个变为集群,其密集分布、主动干扰、相互遮挡等使得测量与目标的关联模糊性剧增,加之传感器分辨率、能量需求与处理性能等的综合制约,导致目标分辨能力、航迹关联正确性显著下降,严重影响着空间集群目标的跟踪精度、可靠性和连续性,不利于遂行集群参与的空间任务。因此,在现有设备测量水平下,亟须通过信息的充分挖掘与融合利用,取得分辨率增强、航迹判决与状态估计等技术的突破。
空间集群目标是指在满足给定的间距约束条件下,在足够长的时间内保持空间位置相对固定的多目标集合。当前,雷达仍是空间集群目标跟踪的主要装备。雷达探测的角分辨率取决于雷达的天线波束宽度,现有雷达集成的常规信号处理手段,通常不能分辨位于雷达天线波束内的多个不同目标。对于集群目标跟踪,这就意味着雷达不具备分辨其波束宽度内集群目标的能力,在一定距离之外只能“看到”集群目标“能量反射中心”。以能量反射中心作检测,目标的相互干扰也会增大角度测量误差。此时,目标的部分可分辨特性导致测量与目标数量不一致,无法一一准确关联,导致目标点迹断续,难以稳定维持航迹。因此,亟须引入高分辨的信号处理手段和有效的航迹判决方法,改进雷达对空间集群目标的探测性能。
针对集群目标分辨问题理论研究和试验工作,可追溯到20世纪50年代,例如美国的AIM-54C和AIM-120导弹已具备初步的集群目标分辨、选择与跟踪的能力。对于雷达的分辨率提升,目前研究多是从信号层面入手,包括估计法、窄带自动增益控制(AGC)法、窄带锁相环(PLL)法、加辅助通道函数加工法、相邻脉冲函数加工法、加距离门分辨法、加角度门分辨法和多普勒波束锐化(DBS)法等。基于微动特征的目标识别技术是实现空间集群目标分辨与识别的有效途径之一,也是近年来研究的重要方向。国内也有学者针对弹道目标,提出了平动补偿与微多普勒提取方法,研究了微动目标的宽带雷达回波模拟问题,并基于物理光学提出了计算散射中心遮挡效应的方法。从原理上说,可以从距离、角度、速度或加速度等任意维度进行。然而,单一信息的精度,可靠性受外界影响也较大,难以满足复杂空间环境和激烈对抗条件下的集群目标跟踪需求。在测量方式及精度限制下,解决这一问题的有效手段就是充分挖掘和有效利用系统信息。
本发明正式针对这一问题展开,基于综合目标跟踪测量的多类属性特征,提出了基于多元特征信息分层融合的空间集群目标分辨方法,实现基于多元特征信息的集群目标逐级分辨和基于多特征分层融合航迹快速起始,满足空间集群目标航迹快速获取需求,为空间集群目标的识别与运动状态估计及预测等提供必要前提,为航天器在轨组装、应急维修、空间碎片碰撞预警等任务提供技术基础。
发明内容
本发明要解决的技术问题是,面向雷达跟踪空间集群的目标分辨与判别难题,建立多元信息分层利用的分辨率增强方法,实现目标准确区分与航迹快速起始,为集群目标的实时高精度识别与跟踪奠定基础。
为实现上述目的,本发明的基本思路是,结合雷达回波和目标特征,对系统可用信息进行充分发掘和有效利用,逐级引入特征信息建立目标分辨方法,构造航迹起始的快速判决策略,实现雷达测量空间集群时群内目标正确区分和航迹有效输出。
基于多元特征信息分层融合的空间集群目标分辨方法,包括步骤1:基于多元特征信息的集群目标逐级分辨方法以及步骤2:集群目标航迹的快速起始判决方法;其特征在于:所述步骤1进一步包括依次引入各种雷达测量信息,寻找目标可区分特征,建立分类递进、逐级分辨的策略,实现基于多特征融合的分辨率增强,为后续航迹管理与估计提供前提;所述步骤2进一步包括通过测量数据与目标航迹间的特征匹配性,建立判决规则与方法,完成空间集群目标跟踪中的航迹起始。
本发明还公开一种将上述基于多元特征信息分层融合的空间集群目标分辨方法应用于空间集群目标航迹快速获取系统中。
有益效果
随着目标探测深度与广度的拓展,受传感器分辨率、能量需求与处理性能等的综合制约,集群目标状态估计成为许多技术领域共性问题。
附图说明
图1是基于特征信息分层的集群目标分辨率增强流程示意图;
图2是雷达微动特征提取过程示意图;
图3是多特征分层航迹判决算法流程示意图。
具体实施方式
空间集群目标跟踪测量过程中有效分离目标,进而快速实现目标航迹起始,是实现空间集群目标稳健高精度跟踪的前提。然而,目标密集分布和复杂干扰对抗,会导致非合作集群目标相互区分困难,不利于航迹快速确认。在测量方式及精度限制下,解决这一问题的有效手段就是充分挖掘和有效利用系统信息。
基于多元特征信息分层融合的空间集群目标分辨方法,包括步骤1:基于多元特征信息的集群目标逐级分辨方法以及步骤2:集群目标航迹的快速起始判决方法。其中本发明提出了基于多元特征信息的集群目标逐级分辨方法,该方法依次引入目标特性和雷达测量信息,从不同维度判别目标可区分特征,实现从回波中分层递进的区分不同目标的目的。具体过程是:
a)基于雷达回波的散射特性,判断集群是否存在,并进行成员数目的初步检测;
b)基于目标空域和频域等变换域特征差异,从多个空、频和其它变换特征域上对集群内目标或子群进行分辨,并改进雷达角度测量分辨能力;
c)提取加速度估值和微多普勒特征等,通过目标高阶运动特征差异,进行各子群内目标的精细区分;
d)对于剩余无法区分的目标,结合目标先验属性信息和设备测量结果,如RCS、微动、极化调制信息等,进一步提高目标分离度。
本发明提出了基于多源特征信息的集群目标航迹快速起始判决方法。该方法利用特征聚类的特点,依次引入各类目标特性信息,并通过这些特征的关联性分析实现航迹与测量的匹配,实现分层递进的航迹起始判决。具体过程是:
针对集群目标密集和杂波干扰等影响,基于聚类的测量与目标分群思想,逐层引入系统可用信息,递进实现有效测量与目标的分类关联,完成航迹检测。
下面我们对本发明公开的技术方案作出详细阐述:
1基于多元特征信息的集群目标逐级分辨方法:
集群目标的密集伴飞会引起设备跟踪角误差增大,目标检测门限上升,以及回波信号的幅值与相位将产生波动等,导致目标从回波上不易直接区分。为此,
本发明依次引入各种雷达测量信息,寻找目标可区分特征,建立分类递进、逐级分辨的策略,实现基于多特征融合的分辨率增强,为后续航迹管理与估计提供前提。
步骤一:建立融合处理结构
如图1所示,本发明建立基于多元特征信息的逐级分辨信息融合处理结构,从目标存在性开始,依次经过信号特征、运动特征和属性特征的提取,实现群目标分别。
步骤二:逐级分辨的方法
首先是集群存在性检测和成员规模初步评估。该步骤的方法是监测回波的幅度变化和接收时间,判断群目标存在性。以脉冲雷达为例,若t1时刻发送回波后,在t2时刻收到回波幅度Γ满足
则认为集群目标存在。其中Γ0为目标检测幅度阈值,一般根据雷达设计值确定;Δt1和Δt2为时间阈值,根据雷达有效作用距离,结合空间目标相对雷达位置确定,例如对应100km~5000km的电磁波往返时间。进而,对于满足上式的目标连续回波段落,提取幅度值的局部极大值,这些局部极大值个数对应了集群成员规模(数目和分布距离)的初步评估。
其次是基于信号特征的目标分辨。这里的信号特征在空域和变换域分别开展。空域分辨指接收回波中幅度极大值对应的距离、角度和多普勒测量信息,若有一个维度使得幅度极大值对应点有差异,则可实现目标区分。变换域分辨指对原始雷达回波进行傅里叶变换或小波变换,观察频域分布以及小波系数域的变化,提取变换域参数极大值,若可知极大值来自不同目标,则实现了目标区分,否则进行反变换(相当于降噪或剔除背景),再利用空域分辨的方法进行目标区分。
再次是基于运动特征的目标分辨。基本思想是利用高阶运动特征和微动特征区分目标。对于高阶运动特征的利用,主要是获取距离、角度和多普勒测量,通过球坐标至直角坐标的变换,计算群目标的运动点迹和航向,进而对点迹进行微分,获得速度和加速度信息,通过空间位置、速度、加速度和航向的差异,实现群内目标区分。对于微动特征的利用,主要是对获取的雷达测量回波进行Radon变换和平动补偿,进而计算时频图,提取图中的周期、时频熵、谱宽等特征计算,实现目标区分,具体流程见图2。
最后是基于属性特征的目标分辨。这里的属性特征指的是目标航迹对应的外测信息(距离、角度、多普勒)等之外的信息,如结合目标尺寸、形状和姿态对RCS序列变化、雷达图像散射点分布等的影响,对目标进行区分;结合目标极化特征对雷达回波的调制效益,对目标进行区分。具体的,对于RCS序列,主要是检验RCS序列幅值变化、周期变化,通过傅里叶变换,发现是否存在多个频域分量,从而判断群内目标的存在;对于雷达图像,则是根据幅度图总散射点分布,结合目标先验信息,判断散射点是否来自同一目标,从而区分群内各个目标;对于极化特征,若雷达回波的极化特性存在明显变化,则对应了目标的存在,从而在群内提取各个目标。
2集群目标航迹的快速起始
航迹起始判决是指根据目标是否进入观测区域(存在测量数据),较短时间内进行点迹与点迹、点迹与航迹的关联,是实现目标连续跟踪的前提。传统方法的航迹起始主要是基于点迹测量的距离、速率、方位等,目标辐射等信息没有充分利用。本发明提出基于多特征分层融合的航迹起始判决方法,通过关联性分析等技术发掘测量数据与目标航迹间的特征匹配性,建立判决规则与方法,完成空间集群目标跟踪中的航迹起始。具体如下。
基于聚类的测量与目标分群思想,如图3所示,逐层引入可用信息,递进的实现有效测量与目标的分类关联,改善航迹起始精度和可靠性。
1)属性关联与聚类
如图3所示,从信号体制、目标电磁特性等出发,根据这些属性对雷达接收到的测量信息(点迹)进行粗聚类,形成子类{S1,…,Sm},使可能由目标反射的雷达测量信息不被遗漏。聚类包括两个基本内容,模式的相似性度量和聚类算法。
这里的相似性度量采用欧氏距离测度,它是以两个矢量的距离作为考虑的基础。在量纲取定的条件下,两个矢量越相似,距离就会越小,反之亦然。给定两个模式x=(x1,x2,…,xn)T,y=(y1,y2,…,yn)T,其定义为
模式可以是信号体制的某个参数,电磁回波幅度、角度等。
这里的聚类算法采用k-均值聚类,算法步骤如下:
Step 1:选择K个模式特征矢量作为初始聚类中心,K值可以人工先验指定;
Step 2:将待分类模式依据最小距离原则逐个进行分化到某一类中,完成一次分类:
if dil=min dij,i=1,…,N,then xi∈ωl (4)
其中dij表示模式xi与ωj类中心的距离;
Step 3:计算重新分类后的类心;
Step 4:判断是否满足给定阈值或分类结束条件,否则转Step 2。
2)时空位置关系分群
如图3所示,从空间目标位置特征出发,对初步的子类进行分群,形成二级子类,目的是降低每个参与航迹分析的数据规模,同时减少虚假航迹的产生。
这里分群的基本方法是,对于上步的每个子类,计算其中各个点迹间的空间距离,根据距离的远近进行聚类,方法同上步的k-均值方法。进一步,在对每个分类,根据角度、角度、速度和加速度信息,依次进行k-均值聚类,获得分群{S1,1,…,S1,n1,…,Sm,1,…,Sm,nm}。
3)航迹检测
如图3所示,对二级子类进行曲线航迹检测,形成可能的航迹,并依据目标机动能力的先验约束,对这些航迹进行筛选,剔除明显不符合实际的航迹。
航迹检测是为保证跟踪的实时性,航迹起始与终止需要在几个测量周期内完成。因此,可以认为目标的运动特性变化不大。假定目标在刚被雷达发现时沿直线轨迹运动,那么航迹起始问题就是在测量空间中的检测直线问题。设空间直角坐标系下p个点的坐标为(x1,y1,z1),...,(xp,yp,zp),若存在直线航迹,将其投影到xz平面和yz平面的方程为
这里的系数可以通过最小二乘方法计算,即
其中X=[x1 x2 … xp]T,Y=[y1 y2 … yp]T。在拟合直线上任取一个z0(不妨取z0=0),得对应的直线点为(b,d,0)。可得该直线的方向数为(a,c,1)。于是,拟合直线的标准式为
坐标点(xi,yi,zi)到该直线的距离为
统计所有坐标点,可建立最终的统计量
结合可能的最大目标数量,满足航迹判决阈值的点迹序列就构成了所有的起始航迹。
虚假航迹剔除是为了降低虚警,实现真实目标的连续有效跟踪。对曲线检测获得的航迹,积累一段时间(如10个采样点),通过数据微分的方式计算目标位置、速度和加速度,判断是否符合实际空间目标的运动特征,从而剔除虚假航迹。进一步,假设该航迹是空间目标,可计算航迹对应的空间轨道参数(半长轴和偏心率),判断是否符合空间轨道特征,从而剔除虚假航迹。航迹到空间轨道参数的变换方法,可以参考相关轨道动力学的文献。经过此部可得航迹{TS1,…,TSm}。
4)剩余点迹再分析
如图3所示,对于剩余点迹,计算点迹到各个航迹的距离,若满足判别阈值,则纳入该航迹。否则,将该点迹暂存,积累一段时间后,对这些暂存点迹进行曲线拟合,检测是否存在新的航迹。检测方法同上,不再赘述。
本发明方法建立在目标各类特征对雷达回波影响(调制)的理论基础上,综合运用了目标运动、闪烁、调制、微动等各类信息,通过现代信号处理手段和信息融合技术获得高分辨测量信息,能够显著改善空间集群各成员的分离度与测量角精度,满足后续处理和应用需求;本发明可以提供可靠高精度的集群内目标区分结果以及初步航迹信息,进而用于集群目标的稳健高精度跟踪,可推广到所有空间集群目标的应用领域,如航天器在轨组装、应急维修、空间碎片碰撞预警等领域,极大的提高空间任务执行能力;本发明方法提供的解决方案和一系列方法,可以应用到雷达信号处理及系统设计等领域,也是信息融合技术的重要应用,对相关技术领域的理论发展和技术应用有很大的促进作用。
在以上的描述中阐述了很多具体细节以便于充分理解本发明。但是以上描述仅是本发明的较佳实施例而已,本发明能够以很多不同于在此描述的其它方式来实施,因此本发明不受上面公开的具体实施的限制。同时任何熟悉本领域技术人员在不脱离本发明技术方案范围情况下,都可利用上述揭示的方法和技术内容对本发明技术方案做出许多可能的变动和修饰,或修改为等同变化的等效实施例。凡是未脱离本发明技术方案的内容,依据本发明的技术实质对以上实施例所做的任何简单修改、等同变化及修饰,均仍属于本发明技术方案保护的范围内。
Claims (8)
1.基于多元特征信息分层融合的空间集群目标分辨方法,包括步骤1:基于多元特征信息的集群目标逐级分辨方法以及步骤2:集群目标航迹的快速起始判决方法;其特征在于:所述步骤1进一步包括依次引入各种雷达测量信息,寻找目标可区分特征,建立分类递进、逐级分辨的策略,实现基于多特征融合的分辨率增强,为后续航迹管理与估计提供前提;所述步骤2进一步包括通过测量数据与目标航迹间的特征匹配性,建立判决规则与方法,完成空间集群目标跟踪中的航迹起始。
2.根据权利要求1所述的基于多元特征信息分层融合的空间集群目标分辨方法,其特征为:所述步骤1进一步包括如下步骤:建立融合处理结构:从目标存在性开始,依次经过信号特征、运动特征和属性特征的提取,实现群目标分辨;实现逐级分辨方法,包括:集群存在性检测和成员规模初步评估;基于在空域和变换域分别开展信号特征差异分析的目标分辨;基于运动特征的目标分辨;基于属性特征的目标分辨。
4.根据权利要求2所述的基于多元特征信息分层融合的空间集群目标分辨方法,其特征为:所述基于在空域和变换域分别开展信号特征差异分析的目标分辨进一步包括:空域分辨指接收回波中幅度极大值对应的距离、角度和多普勒测量信息,若有一个维度使得幅度极大值对应点有差异,则可实现目标区分;变换域分辨指对原始雷达回波进行傅里叶变换或小波变换,观察频域分布以及小波系数域的变化,提取变换域参数极大值,若可知极大值来自不同目标,则实现了目标区分,否则进行反变换,再利用空域分辨的方法进行目标区分。
5.根据权利要求2所述的基于多元特征信息分层融合的空间集群目标分辨方法,其特征为:所述基于运动特征的目标分辨进一步包括:利用高阶运动特征和微动特征区分目标;对于高阶运动特征的利用,主要是获取距离、角度和多普勒测量,通过球坐标至直角坐标的变换,计算群目标的运动点迹和航向,进而对点迹进行微分,获得速度和加速度信息,通过空间位置、速度、加速度和航向的差异,实现群内目标区分;对于微动特征的利用,是对获取的雷达测量回波进行Radon变换和平动补偿,进而计算时频图,提取图中的周期、时频熵、谱宽特征计算,实现目标区分。
6.根据权利要求2所述的基于多元特征信息分层融合的空间集群目标分辨方法,其特征为:所述基于属性特征的目标分辨进一步包括如下内容:结合目标尺寸、形状和姿态对RCS序列变化、雷达图像散射点分布的影响,对目标进行区分;结合目标极化特征对雷达回波的调制效益,对目标进行区分。
7.根据权利要求1所述的基于多元特征信息分层融合的空间集群目标分辨方法,其特征为:所述步骤2进一步包括如下内容:
1)属性关联与聚类:从信号体制、目标电磁特性出发,根据这些属性对雷达接收到的测量信息进行粗聚类,形成子类{S1,…,Sm},使可能由目标反射的雷达测量信息不被遗漏;
2)时空位置关系分群:从空间目标位置特征出发,对初步的子类进行分群,形成二级子类,目的是降低每个参与航迹分析的数据规模,同时减少虚假航迹的产生;
3)航迹检测:对二级子类进行曲线航迹检测,形成可能的航迹,并依据目标机动能力的先验约束,对这些航迹进行筛选,剔除明显不符合实际的航迹。
4)剩余点迹再分析:对于剩余点迹,计算点迹到各个航迹的距离,若满足判别阈值,则纳入该航迹;否则,将该点迹暂存,积累一段时间后,对这些暂存点迹进行曲线拟合,检测是否存在新的航迹。
8.将权利要求1-7任一所述的基于多元特征信息分层融合的空间集群目标分辨方法应用于空间集群目标航迹快速获取系统中。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111109865.8A CN113702940B (zh) | 2021-09-18 | 2021-09-18 | 基于多元特征信息分层融合空间集群目标分辨方法及应用 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111109865.8A CN113702940B (zh) | 2021-09-18 | 2021-09-18 | 基于多元特征信息分层融合空间集群目标分辨方法及应用 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113702940A true CN113702940A (zh) | 2021-11-26 |
CN113702940B CN113702940B (zh) | 2022-06-21 |
Family
ID=78661431
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111109865.8A Active CN113702940B (zh) | 2021-09-18 | 2021-09-18 | 基于多元特征信息分层融合空间集群目标分辨方法及应用 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113702940B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114114192A (zh) * | 2021-12-02 | 2022-03-01 | 电子科技大学 | 集群目标检测方法 |
CN115902804A (zh) * | 2022-11-07 | 2023-04-04 | 南京航空航天大学 | 一种无人机集群类型识别方法和系统 |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2014120296A2 (en) * | 2013-01-15 | 2014-08-07 | Raytheon Company | Ladar backtracking of wake turbulence trailing an airborne target for point-of-origin estimation and target classification |
US20140266860A1 (en) * | 2013-03-14 | 2014-09-18 | Gaddi BLUMROSEN | Method and system for activity detection and classification |
CN106249232A (zh) * | 2016-08-24 | 2016-12-21 | 中国电子科技集团公司第二十八研究所 | 基于目标运动态势信息数据关联策略的目标跟踪方法 |
US20170366755A1 (en) * | 2016-06-20 | 2017-12-21 | Gopro, Inc. | Image Alignment Using a Virtual Gyroscope Model |
CN109242886A (zh) * | 2018-09-06 | 2019-01-18 | 中国人民解放军63921部队 | 一种空间集群目标运动轨迹建模与预报方法 |
CN111580093A (zh) * | 2020-05-25 | 2020-08-25 | 南京理工大学 | 用于探测无人机集群目标的雷达系统 |
CN111650581A (zh) * | 2020-06-15 | 2020-09-11 | 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 |
CN112184849A (zh) * | 2020-09-25 | 2021-01-05 | 中南大学 | 一种针对复杂动态多目标微动信号智能处理方法及系统 |
AU2021100751A4 (en) * | 2021-02-07 | 2021-04-22 | Gannan Normal University | Multifractal Feature Aircraft Target Classification Method Based on Principal Component Analysis |
US20210182927A1 (en) * | 2019-12-13 | 2021-06-17 | Microsoft Technology Licensing, Llc | Machine-learning for combinatorial decisioning |
CN113064155A (zh) * | 2021-03-18 | 2021-07-02 | 沈阳理工大学 | 一种空中雷达多目标跟踪下航迹关联的优化方法 |
-
2021
- 2021-09-18 CN CN202111109865.8A patent/CN113702940B/zh active Active
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2014120296A2 (en) * | 2013-01-15 | 2014-08-07 | Raytheon Company | Ladar backtracking of wake turbulence trailing an airborne target for point-of-origin estimation and target classification |
US20140266860A1 (en) * | 2013-03-14 | 2014-09-18 | Gaddi BLUMROSEN | Method and system for activity detection and classification |
US20170366755A1 (en) * | 2016-06-20 | 2017-12-21 | Gopro, Inc. | Image Alignment Using a Virtual Gyroscope Model |
CN106249232A (zh) * | 2016-08-24 | 2016-12-21 | 中国电子科技集团公司第二十八研究所 | 基于目标运动态势信息数据关联策略的目标跟踪方法 |
CN109242886A (zh) * | 2018-09-06 | 2019-01-18 | 中国人民解放军63921部队 | 一种空间集群目标运动轨迹建模与预报方法 |
US20210182927A1 (en) * | 2019-12-13 | 2021-06-17 | Microsoft Technology Licensing, Llc | Machine-learning for combinatorial decisioning |
CN111580093A (zh) * | 2020-05-25 | 2020-08-25 | 南京理工大学 | 用于探测无人机集群目标的雷达系统 |
CN111650581A (zh) * | 2020-06-15 | 2020-09-11 | 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 |
CN112184849A (zh) * | 2020-09-25 | 2021-01-05 | 中南大学 | 一种针对复杂动态多目标微动信号智能处理方法及系统 |
AU2021100751A4 (en) * | 2021-02-07 | 2021-04-22 | Gannan Normal University | Multifractal Feature Aircraft Target Classification Method Based on Principal Component Analysis |
CN113064155A (zh) * | 2021-03-18 | 2021-07-02 | 沈阳理工大学 | 一种空中雷达多目标跟踪下航迹关联的优化方法 |
Non-Patent Citations (5)
Title |
---|
Y. MA; Y. LI; M. ZHU; J. ZHANG: "《Radar working mode recognition based on hierarchical feature representation and clustering》", 《IET INTERNATIONAL RADAR CONFERENCE (IET IRC 2020)》 * |
刘也: "《弹道目标实时跟踪的稳健高精度融合滤波方法》", 《中国博士学位论文全文数据库 工程科技Ⅱ辑》 * |
李春霞: "《宽带雷达空间目标及目标群跟踪方法研究》", 《中国优秀博士学位论文全文数据库 信息科技辑》 * |
杜明洋等: "多特征信息融合的中心群跟踪算法", 《弹箭与制导学报》 * |
蒋千; 吴昊; 王燕宇: "《机载多功能海上监视雷达系统设计与关键技术研究》", 《雷达学报》 * |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114114192A (zh) * | 2021-12-02 | 2022-03-01 | 电子科技大学 | 集群目标检测方法 |
CN114114192B (zh) * | 2021-12-02 | 2023-05-23 | 电子科技大学 | 集群目标检测方法 |
CN115902804A (zh) * | 2022-11-07 | 2023-04-04 | 南京航空航天大学 | 一种无人机集群类型识别方法和系统 |
CN115902804B (zh) * | 2022-11-07 | 2024-01-05 | 南京航空航天大学 | 一种无人机集群类型识别方法和系统 |
Also Published As
Publication number | Publication date |
---|---|
CN113702940B (zh) | 2022-06-21 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
You et al. | Radar data processing with applications | |
CN113702940B (zh) | 基于多元特征信息分层融合空间集群目标分辨方法及应用 | |
US8718323B2 (en) | Batch detection association for enhanced target descrimination in dense detection environments | |
CN109002835A (zh) | 一种基于最大熵模糊聚类的粒子滤波数据关联方法 | |
CN103954939B (zh) | 基于雷达组网的抗灵巧噪声干扰方法 | |
Ma et al. | Target tracking system for multi-sensor data fusion | |
CN113933790A (zh) | 一种相控阵雷达工作模式的反演识别方法、装置及介质 | |
CN107133555B (zh) | 识别8字运动轨迹目标的方法 | |
Chen et al. | LFM signal detection and estimation based on deep convolutional neural network | |
Pengcheng et al. | Radar group target recognition based on HRRPs and weighted mean shift clustering | |
Sun et al. | Vessel velocity estimation and tracking from Doppler echoes of T/RR composite compact HFSWR | |
Fang et al. | E 2 DTF: An End-to-End Detection and Tracking Framework for Multiple Micro-UAVs With FMCW-MIMO Radar | |
Yan et al. | Clustering statistic Hough transform based estimation method for motion elements of multiple underwater targets | |
Wang et al. | Research on multi-maneuvering target tracking JPDA algorithm | |
Son et al. | SIMM method based on acceleration extraction for nonlinear maneuvering target tracking | |
Zhou et al. | High-squint SAR imaging for noncooperative moving ship target based on high velocity motion platform | |
Mertens et al. | Tracking and data fusion for ground surveillance | |
Lu et al. | A new performance index for measuring the effect of single target tracking with Kalman particle filter | |
Yang et al. | Altitude estimation using multipath with a two-dimensional radar over spherical earth | |
Li et al. | Radar high resolution range profile recognition via multi-SV method | |
Li et al. | Multi-target tracking algorithm based on RSHT-TBD preprocessing | |
CN103760555A (zh) | 一种提高机载雷达检测跟踪一体化精度的方法 | |
Rao et al. | Track-before-detect of weak ballistic target using elliptical Hough transform | |
Geng et al. | Algorithm for bearings-only passive localization based on UKF | |
Zhou et al. | A Novel Approach of Extracting Ship Scatterer's 3-DOF Micromotion Features Under Long Accumulation Time |
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 |