CN113705415A - 基于雷达情报的空情目标特征提取方法及装置 - Google Patents
基于雷达情报的空情目标特征提取方法及装置 Download PDFInfo
- Publication number
- CN113705415A CN113705415A CN202110969610.2A CN202110969610A CN113705415A CN 113705415 A CN113705415 A CN 113705415A CN 202110969610 A CN202110969610 A CN 202110969610A CN 113705415 A CN113705415 A CN 113705415A
- Authority
- CN
- China
- Prior art keywords
- target
- information
- characteristic
- radar
- feature
- 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
- 238000000605 extraction Methods 0.000 title claims abstract description 20
- 230000000694 effects Effects 0.000 claims abstract description 76
- 238000012216 screening Methods 0.000 claims abstract description 5
- 238000000034 method Methods 0.000 claims description 20
- 238000004458 analytical method Methods 0.000 claims description 14
- 230000015572 biosynthetic process Effects 0.000 claims description 6
- 238000001514 detection method Methods 0.000 claims description 6
- 230000008034 disappearance Effects 0.000 claims description 6
- 238000013075 data extraction Methods 0.000 claims description 4
- 238000012423 maintenance Methods 0.000 claims description 4
- 238000012545 processing Methods 0.000 claims description 4
- 230000001186 cumulative effect Effects 0.000 claims description 3
- 230000001133 acceleration Effects 0.000 claims description 2
- 238000010276 construction Methods 0.000 description 3
- 238000011160 research Methods 0.000 description 3
- 230000003442 weekly effect Effects 0.000 description 3
- 230000002776 aggregation Effects 0.000 description 2
- 238000004220 aggregation Methods 0.000 description 2
- 238000007405 data analysis Methods 0.000 description 2
- 230000007123 defense Effects 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000019771 cognition Effects 0.000 description 1
- 238000013499 data model Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000008569 process Effects 0.000 description 1
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
- G01S7/411—Identification of targets based on measurements of radar reflectivity
-
- 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
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/245—Query processing
- G06F16/2455—Query execution
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2218/00—Aspects of pattern recognition specially adapted for signal processing
- G06F2218/08—Feature extraction
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
- Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- General Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Databases & Information Systems (AREA)
- Data Mining & Analysis (AREA)
- Computational Linguistics (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- Radar Systems Or Details Thereof (AREA)
Abstract
本发明公开一种基于雷达情报的空情目标特征提取方法及装置,包括:根据预警雷达探测空中目标的关注信息以及目标自身特征,以目标本质特征与活动规律分别建立目标基础特征模型和目标活动规律特征模型;根据所述目标基础特征模型和目标活动规律特征模型,建立目标基础特征数据库和目标活动规律特征数据库,作为空情目标特征数据的存储器;针对某一类型空情目标,在所述目标基础特征数据库中建立空情目标基础信息;并从已有的雷达情报数据中筛选获得目标雷达情报数据集,根据所述目标活动规律特征模型,逐项分析提取目标活动规律特征模型的特征信息,并存储至目标活动规律特征数据库中,形成空情目标特征数据库。
Description
技术领域
本发明涉及雷达情报分析技术领域,尤其涉及一种基于雷达情报的空情目标特征提取方法及装置。
背景技术
空情目标特征分析与识别是空天预警作战的重要任务之一,包含空情目标特征的建立、目标特征数据的提取、目标特征数据库建设,以及基于特征数据的目标识别研判等业务流程,也是情报分析业务中的关键技术之一。在我国空防预警体系下,预警雷达承担着对空中目标的全天候监视,并源源不断的产生海量雷达情报数据,可以用来开展空情目标特征分析并构建空情目标特征数据库。
目前,在空情目标特征分析提取方面,国内外相关研究较少,在日常工作中多依赖人的经验认知,未能运用大数据等技术手段开展空情目标特征提取和数据库建设。
发明内容
本发明公开一种基于雷达情报的空情目标特征提取方法及装置,运用大数据分析技术手段解决利用雷达情报数据进行空情目标特征建模和空情目标特征数据提取的问题。
本发明通过以下技术方案实现。
一种基于雷达情报的空情目标特征提取方法,包括:
根据预警雷达探测空中目标的关注信息以及目标自身特征,以目标本质特征与活动规律分别建立目标基础特征模型和目标活动规律特征模型;
根据所述目标基础特征模型和目标活动规律特征模型,建立目标基础特征数据库和目标活动规律特征数据库,作为空情目标特征数据的存储器;针对某一类型空情目标,在所述目标基础特征数据库中建立空情目标基础信息;并从已有的雷达情报数据中筛选获得目标雷达情报数据集,根据所述目标活动规律特征模型,逐项分析提取目标活动规律特征模型的特征信息,并存储至目标活动规律特征数据库中,形成空情目标特征数据库。
本发明的有益效果:
本发明提出了适用于雷达情报大数据分析的空情目标特征模型,建立了基于雷达情报数据空情目标特征数据提取方法,并给出了空情目标特征提取装置的结构和组成。本发明利用大数据手段有效解决了面向空天预警防御中的空情目标特征数据库建设所需的技术方法和装置,为空天预警作战中开展空情目标特征分析和目标性质研判奠定了技术基础。
附图说明
图1为本发明具体实施方式中空情目标特征模型组成图;
图2为本发明具体实施方式中空情目标活动规律特征信息提取流程图;
图3为本发明空情目标特征数据提取装置结构组成图。
具体实施方式
下面结合附图对本发明作详细说明。
如图1所示,本具体实施方式的一种基于雷达情报的空情目标特征提取方法,具体包括:
步骤一、根据预警雷达探测空中目标的关注信息,以及目标自身特征,以目标本质特征与活动规律分别建立目标基础特征模型和目标活动规律特征模型,作为目标特征数据库设计和数据存储的数据模型。
本实施例中,所述目标基础特征模型指的是目标的固定属性,涉及到目标的武器平台、设计特征和基础的运动能力维度,具体特征信息如下表所示:
本实施例中,所述目标活动规律特征指的是通过雷达情报所获知的目标在空活动的具有一定明显规律的特征信息,来源于对历史积累雷达情报数据的统计结果数据。具体特征信息如下表所示:
步骤二、根据所述目标基础特征模型和目标活动规律特征模型,建立目标基础特征数据库和目标活动规律特征数据库,作为空情目标特征数据的存储器;针对某一类型空情目标,在所述目标基础特征数据库中建立空情目标基础信息;并从已有的雷达情报数据中筛选获得目标雷达情报数据集,根据所述目标活动规律特征模型,逐项分析提取目标活动规律特征模型的特征信息,并存储至目标活动规律特征数据库中,形成空情目标特征数据库;
如图2所示,本实施例中,所述针对某一类型空情目标,在所述目标基础特征数据库中建立空情目标基础信息具体包括:
001:针对某一空情目标,在目标基础特征数据库中设定空情目标描述;然后从已有的雷达情报数据中,筛选被标记为该特定目标描述的雷达情报数据,形成目标雷达情报数据集,作为空情目标活动规律特征数据提取的基础数据;
在具体实施时,所述特定目标需要根据情报分析场景进行设定,可以是某一类特定型号目标,如“F-22隐身飞机”,也可是特定场景下的具体目标,如“驻韩美军F-22飞机”。通过下述步骤提取得到的目标活动规律特征数据信息,其部分特征维度信息可以是“未知”或无信息。
002:提取目标活动规律特征模型的部署位置特征信息,根据所述部署位置特征信息,统计出现频率最大的信息为可信的部署位置信息,提取为目标的部署位置特征信息;在具体实施时,如果部署位置信息不具有明显的统计聚集特征,则说明该目标部署位置不明确,取“未知”为目标的部署位置特征信息;
003:提取目标活动规律特征模型的活动区域特征信息,根据所述活动区域的目标运动轨迹的最大边界,形成可组成多边形的经纬度位置点序列,提取为目标的活动区域特征信息;
004:提取目标活动规律特征模型的起降机场特征信息,根据所述起降机场特征信息,统计出现频率最大的起飞机场信息为可信的起飞机场信息,统计出现频率最大的降落机场信息为可信的降落机场信息,分别提取为目标的起飞机场特征信息、降落机场特征信息;
005:提取目标活动规律特征模型的发现消失位置特征信息,根据所述发现消失位置特征信息的每批目标的雷达探测首点发现位置,形成目标发现位置点集合,然后提取目标首点发现位置点的最大边界,形成可组成多边形的经纬度位置点序列,提取为目标的发现位置特征信息;根据所述目标活动规律特征模型中发现消失位置的每批目标的雷达探测消失位置,形成目标消失位置点集合,然后提取目标消失位置点的最大边界,形成可组成多边形的经纬度位置点序列,提取为目标的消失位置特征信息;
006:提取目标活动规律特征模型的月周活动规律特征信息,统计目标雷达情报数据集中的每批目标雷达探测首点发现时刻的月份数值、所属周数值、日数值,按照月、周分别进行分布统计,得出月平均发现次数、月最大发现次数、周平均发现次数、周最大发现次数,以及每月1-31日日累计发现次数统计数值、周一至周日每天累计发现次数统计数值;
007:提取目标活动规律特征模型的目标出返航时间特征信息,统计目标雷达情报数据集中的每批目标的雷达探测首点发现时刻,形成目标发现时刻数据集合,然后根据目标首点发现时刻按小时数值进行分布统计,统计得到一个或两个集中分布的目标出航小时段,提取为目标的出航时段特征信息;汇总目标雷达情报数据集中的每批目标的雷达探测消失时刻,形成目标返航时刻集合,然后根据目标消失时刻按小时数值进行分布统计,统计得到一个或两个集中分布的目标返航小时段,提取为目标返航时段特征信息;
008:提取目标活动规律特征模型的目标活动时长特征信息,统计目标雷达情报数据集中每个目标消失时刻与首点发现时刻差值的平均值、最大值,提取为目标活动时长特征信息;
009:提取目标活动规律特征模型的目标飞行航程特征信息,统计目标雷达情报数据集中每个目标飞行航程的平均值、最大值,提取为目标飞行航程特征信息;
010:提取目标活动规律特征模型的目标编队特征信息,统计目标雷达情报数据集中目标航迹的架数的平均值,提取为目标编队特征信息,其平均值可以反映出目标的编队飞行活动规律。
011:提取目标活动规律特征模型的目标运动速度特征信息,统计目标雷达情报数据集中目标航迹速度数据平均值、加速度数据最大值,提取为目标运动速度特征信息;
012:提取目标活动规律特征模型的目标运动高度特征信息,统计目标雷达情报数据集中目标航迹高度数据的平均值、最大值,以及目标巡航阶段运动的高度平均值,提取为目标运动高度特征信息;
013:提取目标活动规律特征模型的目标执行任务特征信息,统计目标雷达情报数据集的任务信息,并统计出现频率最大的信息为可信的部署位置信息,提取为目标执行任务特征信息;如目标雷达情报数据集中的任务信息不具有明显的统计聚集特征,则说明该目标任务信息不明确,取“未知”为目标执行任务特征信息;
014:提取目标活动规律特征模型的目标航迹图形特征信息,利用目标雷达情报数据集中的航迹轨迹数据,通过坐标等比例缩放方式叠加绘制在300*300像素的图片上,并保存为航迹图形特征图片文件,提取为目标航迹图形特征信息;
015:上述002-014提取获得的各类特征数据,统一存储至001所设定空情目标对应的目标活动规律特征数据库中,形成空情目标特征数据库。
如图3所示,本具体实施方式的一种基于雷达情报的空情目标特征提取装置,具体包括空情目标特征数据库和空情目标特征分析单元;其中:
所述空情目标特征数据库包括雷达情报数据库和空情目标特征数据库,所述雷达情报数据库存储实时或事后采集的雷达情报数据,空情目标特征数据库存储提取得到的空情目标特征数据;
所述空情目标特征分析单元包括雷达情报数据采集模块、空情目标特征分析模块,其中所述雷达情报数据采集模块包括雷达情报实时接收处理子模块和雷达情报数据导入处理子模块两部分,雷达情报实时接收处理子模块接收实时的雷达情报数据并解析存储至雷达情报数据库中,雷达情报数据导入处理子模块提供雷达情报数据电子表格文件的导入解析,并存储至雷达情报数据库中;
所述空情目标特征分析模块由目标基础特征数据维护子模块和目标活动规律特征提取子模块组成,所述目标基础特征数据维护子模块用于目标基础特征数据的录入,目标活动规律特征提取子模块用于从雷达情报数据库中加载雷达情报数据,并根据设定空情目标,按照空情目标特征数据提取方法流程提取得到空情目标特征数据,并存储至空情目标特征数据库中。
综上所述,以上仅为本发明的较佳实例而已,并非用于限定本发明的保护范围。凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (16)
1.一种基于雷达情报的空情目标特征提取方法,其特征在于,包括:
根据预警雷达探测空中目标的关注信息以及目标自身特征,以目标本质特征与活动规律分别建立目标基础特征模型和目标活动规律特征模型;
根据所述目标基础特征模型和目标活动规律特征模型,建立目标基础特征数据库和目标活动规律特征数据库,作为空情目标特征数据的存储器;针对某一类型空情目标,在所述目标基础特征数据库中建立空情目标基础信息;并从已有的雷达情报数据中筛选获得目标雷达情报数据集,根据所述目标活动规律特征模型,逐项分析提取目标活动规律特征模型的特征信息,并存储至目标活动规律特征数据库中,形成空情目标特征数据库。
2.如权利要求1所述的一种基于雷达情报的空情目标特征提取方法,其特征在于,所述针对某一类型空情目标,在目标基础特征数据库中设定空情目标描述;然后从已有的雷达情报数据中,筛选被标记为该特定目标描述的雷达情报数据,形成目标雷达情报数据集,作为空情目标活动规律特征数据提取的基础数据。
3.如权利要求1或2所述的一种基于雷达情报的空情目标特征提取方法,其特征在于,提取所述目标活动规律特征模型的部署位置特征信息,根据所述部署位置特征信息,统计出现频率最大的信息为可信的部署位置信息,提取为目标的部署位置特征信息。
4.如权利要求1或2所述的一种基于雷达情报的空情目标特征提取方法,其特征在于,提取所述目标活动规律特征模型的活动区域特征信息,根据所述活动区域的目标运动轨迹的最大边界,形成可组成多边形的经纬度位置点序列,提取为目标的活动区域特征信息。
5.如权利要求1或2所述的一种基于雷达情报的空情目标特征提取方法,其特征在于,提取所述目标活动规律特征模型的起降机场特征信息,根据所述起降机场特征信息,统计出现频率最大的起飞机场信息为可信的起飞机场信息,统计出现频率最大的降落机场信息为可信的降落机场信息,分别提取为目标的起飞机场特征信息、降落机场特征信息。
6.如权利要求1或2所述的一种基于雷达情报的空情目标特征提取方法,其特征在于,提取所述目标活动规律特征模型的发现消失位置特征信息,根据所述发现消失位置特征信息的每批目标的雷达探测首点发现位置,形成目标发现位置点集合,然后提取目标首点发现位置点的最大边界,形成可组成多边形的经纬度位置点序列,提取为目标的发现位置特征信息;根据所述目标活动规律特征模型中发现消失位置的每批目标的雷达探测消失位置,形成目标消失位置点集合,然后提取目标消失位置点的最大边界,形成可组成多边形的经纬度位置点序列,提取为目标的消失位置特征信息。
7.如权利要求1或2所述的一种基于雷达情报的空情目标特征提取方法,其特征在于,提取所述目标活动规律特征模型的月周活动规律特征信息,统计目标雷达情报数据集中的每批目标雷达探测首点发现时刻的月份数值、所属周数值、日数值,按照月、周分别进行分布统计,得出月平均发现次数、月最大发现次数、周平均发现次数、周最大发现次数,以及每月1-31日日累计发现次数统计数值、周一至周日每天累计发现次数统计数值。
8.如权利要求1或2所述的一种基于雷达情报的空情目标特征提取方法,其特征在于,提取所述目标活动规律特征模型的目标出返航时间特征信息,统计目标雷达情报数据集中的每批目标的雷达探测首点发现时刻,形成目标发现时刻数据集合,然后根据目标首点发现时刻按小时数值进行分布统计,统计得到一个或两个集中分布的目标出航小时段,提取为目标的出航时段特征信息;汇总目标雷达情报数据集中的每批目标的雷达探测消失时刻,形成目标返航时刻集合,然后根据目标消失时刻按小时数值进行分布统计,统计得到一个或两个集中分布的目标返航小时段,提取为目标返航时段特征信息。
9.如权利要求1或2所述的一种基于雷达情报的空情目标特征提取方法,其特征在于,提取所述目标活动规律特征模型的目标活动时长特征信息,统计目标雷达情报数据集中每个目标消失时刻与首点发现时刻差值的平均值、最大值,提取为目标活动时长特征信息。
10.如权利要求1或2所述的一种基于雷达情报的空情目标特征提取方法,其特征在于,提取所述目标活动规律特征模型的目标飞行航程特征信息,统计目标雷达情报数据集中每个目标飞行航程的平均值、最大值,提取为目标飞行航程特征信息。
11.如权利要求1或2所述的一种基于雷达情报的空情目标特征提取方法,其特征在于,提取所述目标活动规律特征模型的目标编队特征信息,统计目标雷达情报数据集中目标航迹的架数的平均值,提取为目标编队特征信息,其平均值可以反映出目标的编队飞行活动规律。
12.如权利要求1或2所述的一种基于雷达情报的空情目标特征提取方法,其特征在于,提取所述目标活动规律特征模型的目标运动速度特征信息,统计目标雷达情报数据集中目标航迹速度数据平均值、加速度数据最大值,提取为目标运动速度特征信息。
13.如权利要求1或2所述的一种基于雷达情报的空情目标特征提取方法,其特征在于,提取所述目标活动规律特征模型的目标运动高度特征信息,统计目标雷达情报数据集中目标航迹高度数据的平均值、最大值,以及目标巡航阶段运动的高度平均值,提取为目标运动高度特征信息。
14.如权利要求1或2所述的一种基于雷达情报的空情目标特征提取方法,其特征在于,提取所述目标活动规律特征模型的目标执行任务特征信息,统计目标雷达情报数据集的任务信息,并统计出现频率最大的信息为可信的部署位置信息,提取为目标执行任务特征信息。
15.如权利要求1或2所述的一种基于雷达情报的空情目标特征提取方法,其特征在于,提取所述目标活动规律特征模型的目标航迹图形特征信息,利用目标雷达情报数据集中的航迹轨迹数据,通过坐标等比例缩放方式叠加绘制在图片上,并保存为航迹图形特征图片文件,提取为目标航迹图形特征信息。
16.一种基于雷达情报的空情目标特征提取装置,其特征在于,包括空情目标特征数据库和空情目标特征分析单元;其中:
所述空情目标特征数据库包括雷达情报数据库和空情目标特征数据库,所述雷达情报数据库存储实时或事后采集的雷达情报数据,空情目标特征数据库存储提取得到的空情目标特征数据;
所述空情目标特征分析单元包括雷达情报数据采集模块、空情目标特征分析模块,其中所述雷达情报数据采集模块包括雷达情报实时接收处理子模块和雷达情报数据导入处理子模块两部分,雷达情报实时接收处理子模块接收实时的雷达情报数据并解析存储至雷达情报数据库中,雷达情报数据导入处理子模块提供雷达情报数据电子表格文件的导入解析,并存储至雷达情报数据库中;
所述空情目标特征分析模块由目标基础特征数据维护子模块和目标活动规律特征提取子模块组成,所述目标基础特征数据维护子模块用于目标基础特征数据的录入,目标活动规律特征提取子模块用于从雷达情报数据库中加载雷达情报数据,并根据设定空情目标,按照空情目标特征数据提取方法流程提取得到空情目标特征数据,并存储至空情目标特征数据库中。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110969610.2A CN113705415B (zh) | 2021-08-23 | 2021-08-23 | 基于雷达情报的空情目标特征提取方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110969610.2A CN113705415B (zh) | 2021-08-23 | 2021-08-23 | 基于雷达情报的空情目标特征提取方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113705415A true CN113705415A (zh) | 2021-11-26 |
CN113705415B CN113705415B (zh) | 2023-10-27 |
Family
ID=78654171
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110969610.2A Active CN113705415B (zh) | 2021-08-23 | 2021-08-23 | 基于雷达情报的空情目标特征提取方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113705415B (zh) |
Citations (20)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH05126935A (ja) * | 1991-11-08 | 1993-05-25 | Nec Corp | レーダ情報処理装置 |
US20060293854A1 (en) * | 2005-06-23 | 2006-12-28 | Raytheon Company | System and method for geo-registration with global positioning and inertial navigation |
CN101201978A (zh) * | 2007-12-20 | 2008-06-18 | 四川川大智胜软件股份有限公司 | 基于实时雷达和飞行情报的短期空中交通流量预测方法 |
US20120195459A1 (en) * | 2011-01-28 | 2012-08-02 | Raytheon Company | Classification of target objects in motion |
US20150142393A1 (en) * | 2012-07-16 | 2015-05-21 | Fujitsu Limited | Method, apparatus, and program for generating a simulation model of a space |
CN104699755A (zh) * | 2015-01-07 | 2015-06-10 | 中国电子科技集团公司第三十研究所 | 一种基于数据挖掘的智能化多目标综合识别方法 |
US20160041992A1 (en) * | 2013-04-09 | 2016-02-11 | Hitachi, Ltd. | Data management apparatus, data management method and non-transitory recording medium |
JP2016133319A (ja) * | 2015-01-16 | 2016-07-25 | 株式会社東芝 | レーダ信号処理装置 |
US20160224833A1 (en) * | 2015-02-04 | 2016-08-04 | Alibaba Group Holding Limited | Method and apparatus for target acquisition |
CN107728140A (zh) * | 2017-11-22 | 2018-02-23 | 中国电子科技集团公司第二十八研究所 | 一种警戒雷达多目标多通道并行跟踪处理方法 |
CN108596156A (zh) * | 2018-05-14 | 2018-09-28 | 浙江大学 | 一种智能sar雷达空中飞行目标识别系统 |
CN109508453A (zh) * | 2018-09-28 | 2019-03-22 | 西南电子技术研究所(中国电子科技集团公司第十研究所) | 跨媒体情报目标要素关联分析系统及其关联分析方法 |
CN109581361A (zh) * | 2018-11-22 | 2019-04-05 | 九牧厨卫股份有限公司 | 一种检测方法、检测装置、终端以及检测系统 |
CN110288001A (zh) * | 2019-05-28 | 2019-09-27 | 西南电子技术研究所(中国电子科技集团公司第十研究所) | 基于目标数据特征训练学习的目标识别方法 |
US20200150771A1 (en) * | 2018-11-13 | 2020-05-14 | Google Llc | Radar-Image Shaper for Radar-Based Applications |
US20200191943A1 (en) * | 2015-07-17 | 2020-06-18 | Origin Wireless, Inc. | Method, apparatus, and system for wireless object tracking |
CN111881579A (zh) * | 2020-07-27 | 2020-11-03 | 成都安世亚太科技有限公司 | 一种复杂动态数据模型管理方法 |
CN113012199A (zh) * | 2021-03-23 | 2021-06-22 | 北京灵汐科技有限公司 | 运动目标追踪的系统和方法 |
US20210190912A1 (en) * | 2019-08-30 | 2021-06-24 | Huawei Technologies Co., Ltd. | Method and Apparatus for Identifying Behavior of Target, and Radar System |
CN113128342A (zh) * | 2021-03-19 | 2021-07-16 | 中国人民解放军战略支援部队信息工程大学 | 航迹数据预处理方法及空中目标识别方法 |
-
2021
- 2021-08-23 CN CN202110969610.2A patent/CN113705415B/zh active Active
Patent Citations (20)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH05126935A (ja) * | 1991-11-08 | 1993-05-25 | Nec Corp | レーダ情報処理装置 |
US20060293854A1 (en) * | 2005-06-23 | 2006-12-28 | Raytheon Company | System and method for geo-registration with global positioning and inertial navigation |
CN101201978A (zh) * | 2007-12-20 | 2008-06-18 | 四川川大智胜软件股份有限公司 | 基于实时雷达和飞行情报的短期空中交通流量预测方法 |
US20120195459A1 (en) * | 2011-01-28 | 2012-08-02 | Raytheon Company | Classification of target objects in motion |
US20150142393A1 (en) * | 2012-07-16 | 2015-05-21 | Fujitsu Limited | Method, apparatus, and program for generating a simulation model of a space |
US20160041992A1 (en) * | 2013-04-09 | 2016-02-11 | Hitachi, Ltd. | Data management apparatus, data management method and non-transitory recording medium |
CN104699755A (zh) * | 2015-01-07 | 2015-06-10 | 中国电子科技集团公司第三十研究所 | 一种基于数据挖掘的智能化多目标综合识别方法 |
JP2016133319A (ja) * | 2015-01-16 | 2016-07-25 | 株式会社東芝 | レーダ信号処理装置 |
US20160224833A1 (en) * | 2015-02-04 | 2016-08-04 | Alibaba Group Holding Limited | Method and apparatus for target acquisition |
US20200191943A1 (en) * | 2015-07-17 | 2020-06-18 | Origin Wireless, Inc. | Method, apparatus, and system for wireless object tracking |
CN107728140A (zh) * | 2017-11-22 | 2018-02-23 | 中国电子科技集团公司第二十八研究所 | 一种警戒雷达多目标多通道并行跟踪处理方法 |
CN108596156A (zh) * | 2018-05-14 | 2018-09-28 | 浙江大学 | 一种智能sar雷达空中飞行目标识别系统 |
CN109508453A (zh) * | 2018-09-28 | 2019-03-22 | 西南电子技术研究所(中国电子科技集团公司第十研究所) | 跨媒体情报目标要素关联分析系统及其关联分析方法 |
US20200150771A1 (en) * | 2018-11-13 | 2020-05-14 | Google Llc | Radar-Image Shaper for Radar-Based Applications |
CN109581361A (zh) * | 2018-11-22 | 2019-04-05 | 九牧厨卫股份有限公司 | 一种检测方法、检测装置、终端以及检测系统 |
CN110288001A (zh) * | 2019-05-28 | 2019-09-27 | 西南电子技术研究所(中国电子科技集团公司第十研究所) | 基于目标数据特征训练学习的目标识别方法 |
US20210190912A1 (en) * | 2019-08-30 | 2021-06-24 | Huawei Technologies Co., Ltd. | Method and Apparatus for Identifying Behavior of Target, and Radar System |
CN111881579A (zh) * | 2020-07-27 | 2020-11-03 | 成都安世亚太科技有限公司 | 一种复杂动态数据模型管理方法 |
CN113128342A (zh) * | 2021-03-19 | 2021-07-16 | 中国人民解放军战略支援部队信息工程大学 | 航迹数据预处理方法及空中目标识别方法 |
CN113012199A (zh) * | 2021-03-23 | 2021-06-22 | 北京灵汐科技有限公司 | 运动目标追踪的系统和方法 |
Non-Patent Citations (2)
Title |
---|
WANYONG CAI; SAIQIANG XIA; RENLIANG SUN; HAO CHEN; XIAOHAN ZHANG; WENFENG CHEN: "A Micro-Motion Feature Extraction Method Based on CORR-OMP", 2021 IEEE 4TH INTERNATIONAL CONFERENCE ON ELECTRONICS TECHNOLOGY (ICET), pages 411 * |
蔡凌峰;王立峰;赵晓莲;: "雷达不明空情识别方法", 指挥信息系统与技术, vol. 10, no. 02, pages 27 - 32 * |
Also Published As
Publication number | Publication date |
---|---|
CN113705415B (zh) | 2023-10-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109255286B (zh) | 基于深度学习网络框架的无人机光学快速检测识别方法 | |
CN101694681B (zh) | 一种鸟击风险评估系统及其评估方法 | |
CN108133028A (zh) | 基于视频分析与定位信息结合的航空器挂牌方法 | |
CN106954049B (zh) | 全景和精准图像跟踪系统的机场鸟类信息自动获取方法 | |
CN111539488B (zh) | 复杂动态轨迹下极窄脉冲雷达抗成像畸变目标分类方法 | |
CN106933977A (zh) | 一种基于大数据挖掘分类剔除飞行参数野值的方法 | |
CN114330509A (zh) | 一种空中目标活动规律预测方法 | |
CN101465066B (zh) | 飞机垂直占有率的获取方法 | |
CN114419444A (zh) | 一种基于深度学习网络的轻量化的高分辨率鸟群识别方法 | |
CN113705415A (zh) | 基于雷达情报的空情目标特征提取方法及装置 | |
Martins et al. | Image segmentation and classification with SLIC Superpixel and convolutional neural network in forest context | |
CN109145415A (zh) | 一种空中交通流时距分布分析方法 | |
Dai et al. | Accessibility analysis of unmanned aerial vehicles near airports with a four-dimensional airspace management concept | |
CN107045805A (zh) | 一种用于小型航空器和空飘物的监测方法及系统 | |
CN107122854A (zh) | 一种预测飞机降落时间的方法 | |
Luo et al. | UAV detection based on rainy environment | |
CN113962015B (zh) | 一种采用规则控制的空域使用过程仿真模拟系统及方法 | |
Dai et al. | Having a Bad Day? Predicting High Delay Days in the National Airspace System | |
CN107704683A (zh) | 一种空管系统航空器场面运行仿真方法 | |
Briese et al. | Deep learning with semi-synthetic training images for detection of non-cooperative UAVs | |
CN112257699A (zh) | 基于可见光图像和sar图像的鸟类目标特征分析与提取方法 | |
Fan et al. | Target track recognition from few-labeled radar data with outliers | |
Ouyang et al. | Using UAV technology for basic data collection of Firmiana danxiaensis HH Hsue & HS Kiu, JS (Malvaceae), an important, nationally protected wild plant in Zhanglao Peak, Danxiashan Mountain, South China | |
Wang et al. | Road anomaly detection with group intelligence perception | |
CN111176308A (zh) | 一种封闭环境小型多旋翼无人机集群控制系统 |
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 |