CN114488104B - 基于交互一致性的天波超视距雷达目标跟踪方法 - Google Patents
基于交互一致性的天波超视距雷达目标跟踪方法 Download PDFInfo
- Publication number
- CN114488104B CN114488104B CN202111658759.5A CN202111658759A CN114488104B CN 114488104 B CN114488104 B CN 114488104B CN 202111658759 A CN202111658759 A CN 202111658759A CN 114488104 B CN114488104 B CN 114488104B
- Authority
- CN
- China
- Prior art keywords
- value
- pair
- measurement
- motion state
- calculating
- 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 33
- 230000003993 interaction Effects 0.000 title claims abstract description 23
- 238000005259 measurement Methods 0.000 claims abstract description 76
- 239000011159 matrix material Substances 0.000 claims abstract description 27
- 230000004927 fusion Effects 0.000 claims abstract description 18
- 238000005070 sampling Methods 0.000 claims abstract description 10
- 230000000007 visual effect Effects 0.000 claims abstract description 6
- 238000005516 engineering process Methods 0.000 claims abstract description 4
- 230000002452 interceptive effect Effects 0.000 claims description 17
- 238000001514 detection method Methods 0.000 claims description 8
- 238000012545 processing Methods 0.000 claims description 7
- 230000014509 gene expression Effects 0.000 claims description 4
- 230000006855 networking Effects 0.000 claims description 4
- 230000000694 effects Effects 0.000 abstract description 6
- 238000012544 monitoring process Methods 0.000 abstract description 2
- 238000004422 calculation algorithm Methods 0.000 description 11
- 238000004088 simulation Methods 0.000 description 9
- 238000007500 overflow downdraw method Methods 0.000 description 6
- 239000005433 ionosphere Substances 0.000 description 4
- 238000007499 fusion processing Methods 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 230000008901 benefit Effects 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 230000001419 dependent effect Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 238000002657 hormone replacement therapy Methods 0.000 description 2
- 238000007476 Maximum Likelihood Methods 0.000 description 1
- 230000002776 aggregation Effects 0.000 description 1
- 238000004220 aggregation Methods 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
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
- 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
- G01S13/02—Systems using reflection of radio waves, e.g. primary radar systems; Analogous systems
- G01S13/0218—Very long range radars, e.g. surface wave radar, over-the-horizon or ionospheric propagation systems
-
- 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
-
- 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
- G01S13/02—Systems using reflection of radio waves, e.g. primary radar systems; Analogous systems
- G01S13/0218—Very long range radars, e.g. surface wave radar, over-the-horizon or ionospheric propagation systems
- G01S2013/0227—OTH, Over-The-Horizon radar
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
本发明公开了一种基于交互一致性的天波超视距雷达目标跟踪方法，主要解决现有技术计算量大，跟踪性能差的问题。其实现方案为：对目标运动状态进行预测，获得目标运动状态预测值和相应的信息对；采用门控技术，消除不可行的量测值；计算量测值的关联概率；根据关联概率，计算取样测量值指标；根据取样测量值指标，计算取样的量测值；根据取样的量测值，计算交互一致性质量对；根据交互一致性质量对、信息对及权因子计算融合信息对；根据融合信息对计算目标运动状态估计值和其方差矩阵，完成跟踪目标运动状态的最终估计。本发明提高了多路径传播效应下的目标跟踪精度，减小了计算量，可用于监测区域内的各种运动目标的远程预警。
Description
技术领域
本发明属于雷达技术领域，更进一步涉及一种天波超视距雷达目标跟踪方法，可用于监测区域内的各种运动目标的远程预警。
背景技术
天波超视距雷达OTHR，其可利用不同电离层对雷达信号的多径反射或折射，突破地球曲率的限制对视线以外的目标进行超远程探测，实现对隐身战斗机、洲际导弹高质量目标的远程预警。但同时，OTHR需要面对低检测概率、低测量精度、高虚警率以及多路径传播效应等问题。由于多种折射和电离层的多层结构和时变性导致的路径/模式关联模糊，增加了坐标配准的不确定性，如果没有正确地选择传播模式或者精确地估计电离层高度，目标的地面航迹将会变得不准确，这将导致目标跟踪性能降低。同时多路径效应会导致同一目标产生多个量测，从而形成多条轨迹。因此如何对目标产生的多条航迹与量测进行正确配对，实现多目标跟踪是目前天波超视距雷达存在的难题。
多径航迹融合算法MPTF反映了跟踪和融合是两阶段过程，其中跟踪过程是独立地产生多径倾斜轨迹，融合过程是关联这些倾斜航迹并进行融合。多站多径航迹融合算法MR-MPTF在雷达倾斜坐标系中，对每个OTHR进行单路径目标跟踪，利用现有电离层路径的所有可能组合，产生很多可行的假设，将多个OTHR的相关多径航迹转换到一个共同的坐标系中，所有航迹-目标关联假设都是递归构造的，然后计算假设概率作为航迹融合的权值，最后得到目标状态。MR-MPTF在现有跟踪模型的基础上加入第二个独立的融合功能。然而，MR-MPTF的融合性能很大程度上取决于每个OTHR的跟踪性能，如果一个OTHR的探测性能很差，OTHR提供的多径航迹将会变得不准确和间歇，甚至会丢失航迹。
中国航空无线电电子研究所在其申请的专利文献“天波超视距雷达的多路径融合多目标跟踪算法”中公开了一种针对OTHR多路径的扩展PMHT算法。该方法利用概率多假设跟踪PMHT算法中量测与目标关联的“软”决策模型优势，并对多路径观测函数显式建模，推导了多路径量测融合处理公式。其通过批处理方式，并基于EM算法迭代获得目标状态的MAP估计，是一种最大似然准则下的最优估计。该算法有效避免了指数级复杂度的数据关联，且有着较高的目标估计精度。该方法存在的不足之处是，对初始状态的要求很严苛，如何在实际环境中得到好的初始值是一个难题，而且该算法容易收敛于局部最优值，影响目标的跟踪性能。
发明内容
本发明的目的在于针对上述现有技术的不足，提出一种基于信息一致性的天波超视距雷达目标跟踪方法，以减小实际环境中多路径传播效应下的目标航迹间歇及航迹信息丢失，提高多目标跟踪精度。
为实现上述目的，本发明的技术方案包括如下：
(1)建立包括多个雷达的超视距雷达组网系统，假设在k-1时刻，第i个雷达的目标运动状态估计值为计算k时刻第i个雷达的目标运动状态预测值/>和相应的信息对/>其中/>包含协方差信息，/>包含预测值信息；
(2)采用门控技术，消除不可行的量测值：
(2a)计算k时刻第i个雷达的预测量测值和关联协方差矩阵/>
(2b)定义一个维度为nz的椭圆为有效区域，计算k时刻量测数据中每个量测值zn,k与预测量测值的差值zd与关联协方差矩阵/>的马氏距离，并剔除马氏距离大于门限值η的量测值，将马氏距离小于或等于门限值η的量测值存储于有效量测集Vi,k(η)中，其中η的值根据系统设定；
(3)计算取样测量值指标j*：
(3a)对于k时刻第i个雷达，从[1,Mi,k]中选择第j个未被选过的量测值zi,j,k，其中，Mi,k表示k时刻第i个雷达的量测总数；
(3b)计算量测值zi,j,k的关联概率βi,j,k；
(3c)判断是否选完[1,Mi,k]中所有量测：若是，则执行(3d)；否则，返回(3a)；
(3d)对所有关联概率采用最大后验估计，得到取样测量值指标j*；
(4)根据取样测量值指标j*，按照下式得到取样的量测值
其中，表示k时刻第i个雷达的取样测量值指标j*对应的量测值，/>表示空集；
(5)计算交互一致性信息；
(5a)根据取样的量测值计算质量对/>其中，/>包含量测信息，包含量测协方差矩阵信息；
(5b)设定交互一致性信息对为交互一致性质量对为/>根据信息对/>和质量对/>对交互一致性的信息对、质量对及k时刻第i个雷达的权因子/>分别进行初始化，并设交互一致性迭代次数最大次数为L；
(5c)对交互一致性质量对交互一致性信息对/>以及权因子/>分别进行迭代处理，得到当前的交互一致性参数：
其中，表示k时刻第i个雷达的第l+1次迭代得到的信息对，Ni表示量测总数，/>表示j∈Ni时求和，πi,j表示Metropolis权，表示第l+1次迭代得到的质量对，/>表示第l+1次迭代得到的权因子；
(5d)判断当前迭代次数l+1是否到达设定的最大迭代次数L：
若是，则输出交互一致性质量对信息对/>并执行(6)；否则，返回(5c)；
(6)对跟踪的目标运动状态进行最终估计；
(6a)根据交互一致性质量对信息对/>以及权因子/>计算融合信息对/>
(6b)根据融合信息对计算得到目标运动状态估计值/>和其方差矩阵/>
本发明与现有技术相比具有以下优点：
第一，由于本发明基于交互一致性处理，对当前时刻确定的量测作一致性迭代，能够有效抑制因误判产生的错误量测对跟踪过程造成的性能影响，提高目标运动状态估计精度，减小目标航迹间歇及航迹信息丢失，实现良好的组网跟踪精度。
第二，本发明使用的交互一致性迭代算法，引入权因子调整系统的稳定性，相对于传统的一致性算法，在计算上有更简单的修正步骤，在一致性处理时系统的稳定性更好。
第三，本发明由于在对多站信息作融合处理时，通过本地雷达直接融合目标凝聚信息，避免了传统方法中的融合中心操作，减少了数据传输量，提高了运算速率，提高了系统稳定性。
附图说明
图1是本发明的实现流程图；
图2是用本发明和现有基于EKF的集中式融合方法跟踪目标的位置误差仿真对比图；
图3是用本发明和现有基于EKF的集中式融合方法跟踪目标的速度误差仿真对比图。
具体实施方式
以下结合附图对本发明的实施和效果作进一步详细描述。
参照图1，本实例的实施步骤如下：
步骤1，对目标运动状态进行预测。
建立包括多个雷达的超视距雷达组网系统；
假设在k-1时刻，第i个雷达的目标运动状态估计值为计算k时刻第i个雷达的目标运动状态预测值/>和相应的信息对/>
其中，其中包含协方差信息，/>包含预测值信息，/>f(xk)表示k时刻第i个雷达的目标运动状态xk与下一时刻目标运动状态的数学函数关系，该关系是由实际跟踪的场景确定，不同跟踪的场景对应f(xk)的不同表达式，T表示矩阵的转置，Qk表示k时刻目标运动状态背景噪声的协方差矩阵。
步骤2，采用门控技术，消除不可行的量测值。
(2.1)根据步骤1的预测结果，计算k时刻第i个雷达的预测量测值和关联协方差矩阵/>
其中，表示k时刻第i个雷达的目标运动状态xk与量测值的数学函数关系，该关系是由实际跟踪的场景确定，不同跟踪的场景对应/>的不同表达式，/>表示k时刻第i个雷达的量测背景噪声的协方差矩阵；
(2.2)定义一个维度为nz的椭圆为有效区域，计算k时刻量测数据中每个量测值zn,k与预测量测值的差值zd，及该差值zd与关联协方差矩阵/>的马氏距离
(2.3)根据系统设定门限值η，剔除马氏距离大于门限值η的量测值，将马氏距离小于或等于门限值η的量测值存储于有效量测集Vi,k(η)中。
步骤3，计算取样测量值指标j*。
(3.1)对于k时刻第i个雷达，从[1,Mi,k]中选择第j个未被选过的量测值zi,j,k，其中，Mi,k表示k时刻第i个雷达的量测总数；
(3.2)计算量测值zi,j,k的关联概率βi,j,k:
其中，表示变量zi,j,k的高斯概率密度，变量zi,j,k的均值为/>协方差为/>表示第i个雷达的目标检测概率，Pg表示门概率，Mi,k表示k时刻第i个站点的量测数据数目,λ是杂波的空间密度；
(3.3)判断是否选完[1,Mi,k]中所有量测值：
若是，则执行(3.4)；否则，返回(3.1)；
(3.4)对所有关联概率采用最大后验估计，得到取样测量值指标j*；
步骤4，计算取样的量测值
根据取样测量值指标j*，按照下式得到取样的量测值
其中，表示k时刻第i个雷达的取样测量值指标j*对应的量测值，/>表示空集；
步骤5，计算交互一致性信息。
(5.1)根据取样的量测值计算质量对/>
其中，包含量测信息，/>包含量测协方差矩阵信息；/>表示k时刻第i个雷达的状态量测导数，/>表示量测背景噪声的协方差矩阵，/>表示取样的量测值。
(5.2)设定交互一致性信息对为交互一致性质量对为/>根据信息对/>和质量对/>对交互一致性的信息对、质量对及k时刻第i个雷达的权因子/>分别进行初始化:
(5.3)设交互一致性迭代次数最大次数为L，对交互一致性质量对交互一致性信息对/>以及权因子/>分别进行迭代处理，得到当前的交互一致性参数：
其中，表示k时刻第i个雷达的第l+1次迭代得到的信息对，
Ni表示量测总数，表示j∈Ni时求和，πi,j表示Metropolis权，
表示第l+1次迭代得到的质量对，
表示第l+1次迭代得到的权因子；
(5.4)判断当前迭代次数l+1是否到达设定的最大迭代次数L：
若是，则输出交互一致性质量对信息对/>并执行步骤(6)；
否则，返回步骤(5.3)。
步骤6，对跟踪的目标运动状态进行最终估计。
(6.1)根据交互一致性质量对信息对/>以及权因子/>计算融合信息对/>
(6.2)根据融合信息对计算得到目标运动状态估计值/>和其方差矩阵/>
其中，表示k时刻第i个雷达的融合信息对，/>包含量测信息，/>包含量测协方差矩阵信息。
本发明的效果可通过以下仿真进一步说明。
1.,仿真条件
本发明的仿真运行系统为CPU主频3.3GHz、内存8G、显卡GTX960、Windows操作系统，仿真软件采用MATLAB。
本发明仿真实验雷达总数为9，噪声协方差矩阵为diag(25,1e-6,9e-6)，门概率Pg＝0.971，检测概率pd＝0.7。
2、仿真内容与结果分析
仿真1：在上述条件下，用本发明和现有基于EKF的集中式融合方法对九台天波超视距雷达OTHR跟踪区域内的单个运动目标及杂波进行联合检测和跟踪，得到的运动目标坐标均方误差图，如图2所示。图2中直线表示本发明方法HCTCM-I，虚线表示基于本发明方法进行交互一致性处理时，采用改进权因子计算方式的方法HCTCM-II，点滑线表示现有基于EKF的集中式融合方法，横坐标表示跟踪次数，纵坐标表示目标纵向坐标的均方误差，单位为m。
由图2可见，本发明HCTCM-I方法的直线在跟踪次数大于60次后达到稳定，均方误差在0值附近摆动，本发明HCTCM-II方法的虚线在跟踪次数大于55次后达到稳定，均方误差在0值附近摆动，而表示现有EKF方法的点滑线在跟踪次数大于70次后达到稳定，均方误差在0值附近摆动，说明本发明方法得到的目标运动状态的坐标基本没有偏差，检测及跟踪结果很准确，比现有方法更稳定。
仿真2：在上述条件下，用本发明和现有基于EKF的集中式融合方法对九台天波超视距雷达OTHR跟踪区域内的单个运动目标及杂波进行联合检测和跟踪，得到的运动目标速度均方误差图，如图3所示。图3中的直线表示本发明方法HCTCM-I，虚线表示稍加改进的本发明方法HCTCM-II，点滑线表示现有基于EKF的集中式融合方法，横坐标表示跟踪次数，纵坐标表示目标纵向速度的均方误差，单位为m/s。
由图3可见，直线、虚线和点滑线均在跟踪次数大于50次后达到稳定，均方误差在0值附近摆动，但直线相对于0值的偏移小于点滑线，说明本发明方法得到的目标运动状态的速度基本没有偏差，检测及跟踪结果很准确，稳定性更好。
Claims (8)
1.一种基于交互一致性的天波超视距雷达目标跟踪方法，其特征在于，
(1)建立包括多个雷达的超视距雷达组网系统，假设在k-1时刻，第i个雷达的目标运动状态估计值为计算k时刻第i个雷达的目标运动状态预测值/>和相应的信息对其中/>包含协方差信息，/>包含预测值信息；
(2)采用门控技术，消除不可行的量测值：
(2a)计算k时刻第i个雷达的预测量测值和关联协方差矩阵/>
(2b)定义一个维度为nz的椭圆为有效区域，计算k时刻量测数据中每个量测值zn,k与预测量测值的差值zd与关联协方差矩阵/>的马氏距离，并剔除马氏距离大于门限值η的量测值，将马氏距离小于或等于门限值η的量测值存储于有效量测集Vi,k(η)中，其中η的值根据系统设定；
(3)计算取样测量值指标j*：
(3a)对于k时刻第i个雷达，从[1,Mi,k]中选择第j个未被选过的量测值zi,j,k，其中，Mi,k表示k时刻第i个雷达的量测总数；
(3b)计算量测值zi,j,k的关联概率βi,j,k；
(3c)判断是否选完[1,Mi,k]中所有量测：若是，则执行(3d)；否则，返回(3a)；
(3d)对所有关联概率采用最大后验估计，得到取样测量值指标j*；
(4)根据取样测量值指标j*，按照下式得到取样的量测值
其中，表示k时刻第i个雷达的取样测量值指标j*对应的量测值，/>表示空集；
(5)计算交互一致性信息；
(5a)根据取样的量测值计算质量对/>其中，/>包含量测信息，/>包含量测协方差矩阵信息；
(5b)设定交互一致性信息对为交互一致性质量对为/>根据信息对和质量对/>对交互一致性的信息对、质量对及k时刻第i个雷达的权因子/>分别进行初始化，并设交互一致性迭代次数最大次数为L；
(5c)对交互一致性质量对交互一致性信息对/>以及权因子/>分别进行迭代处理，得到当前的交互一致性参数：
其中，表示k时刻第i个雷达的第l+1次迭代得到的信息对，Ni表示量测总数，/>表示j∈Ni时求和，πi,j表示Metropolis权，/>表示第l+1次迭代得到的质量对，/>表示第l+1次迭代得到的权因子；
(5d)判断当前迭代次数l+1是否到达设定的最大迭代次数L：
若是，则输出交互一致性质量对信息对/>并执行(6)；
否则，返回(5c)；
(6)对跟踪的目标运动状态进行最终估计；
(6a)根据交互一致性质量对信息对/>以及权因子计算融合信息对/>
(6b)根据融合信息对计算得到目标运动状态估计值/>和其方差矩阵
2.根据权利要求1所述的方法，其中(1)中计算k时刻第i个雷达的目标运动状态预测值和相应的信息对/>公式如下：
其中，f(xk)表示k时刻第i个雷达的目标运动状态xk与下一时刻目标运动状态的数学函数关系，该关系是由实际跟踪的场景确定，不同跟踪的场景对应f(xk)的不同表达式，T表示矩阵的转置，Qk表示k时刻目标运动状态背景噪声的协方差矩阵。
3.根据权利要求1所述的方法，其中(2a)中计算k时刻第i个雷达的目标运动状态的预测量测值和关联协方差矩阵/>公式如下：
其中， 表示k时刻第i个雷达的目标运动状态xk与量测值的数学函数关系，该关系是由实际跟踪的场景确定，不同跟踪的场景对应/>的不同表达式，/>表示k时刻第i个雷达的量测背景噪声的协方差矩阵。
4.根据权利要求1所述的方法，其中(2b)中计算k时刻量测数据中每个量测值zn,k与预测量测值的差值zd与关联协方差矩阵/>的马氏距离，公式如下：
其中，代表zd与/>的马氏距离。
5.根据权利要求1所述的方法，其中(3b)中计算量测值zi,j,k的关联概率βi,j,k，公式如下：
其中， 表示变量zi,j,k的高斯概率密度，变量zi,j,k的均值为/>协方差为/> 表示第i个雷达的目标检测概率，Pg表示门概率，Mi,k表示k时刻第i个站点的量测数据数目,λ是杂波的空间密度。
6.根据权利要求1所述的方法，其中(3d)中对所有关联概率采用最大后验估计，得到取样测量值指标j*：
7.根据权利要求1所述的方法，其中(5a)中计算质量对公式如下：
其中，表示k时刻第i个雷达的状态量测导数，/>表示量测背景噪声的协方差矩阵，表示取样的量测值。
8.根据权利要求1所述的方法，其中(6b)中计算目标运动状态估计值和目标运动状态方差矩阵/>公式如下：
其中，表示k时刻第i个雷达的融合信息对，/>包含量测信息，/>包含量测协方差矩阵信息。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111658759.5A CN114488104B (zh) | 2021-12-30 | 2021-12-30 | 基于交互一致性的天波超视距雷达目标跟踪方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111658759.5A CN114488104B (zh) | 2021-12-30 | 2021-12-30 | 基于交互一致性的天波超视距雷达目标跟踪方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN114488104A CN114488104A (zh) | 2022-05-13 |
| CN114488104B true CN114488104B (zh) | 2024-06-07 |
Family
ID=81507844
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202111658759.5A Active CN114488104B (zh) | 2021-12-30 | 2021-12-30 | 基于交互一致性的天波超视距雷达目标跟踪方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114488104B (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114942428B (zh) * | 2022-05-27 | 2024-04-09 | 哈尔滨工业大学 | 多目标跟踪的混合体制雷达数据关联算法 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107515966A (zh) * | 2017-07-27 | 2017-12-26 | 中国船舶重工集团公司第七二四研究所 | 一种基于dds的雷达仿真系统分层构建方法 |
| CN107526070A (zh) * | 2017-10-18 | 2017-12-29 | 中国航空无线电电子研究所 | 天波超视距雷达的多路径融合多目标跟踪算法 |
| CN108919257A (zh) * | 2018-07-12 | 2018-11-30 | 中国船舶重工集团公司第七二四研究所 | 一种异型雷达协同定位方法及设备 |
Family Cites Families (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US8610622B2 (en) * | 2008-04-18 | 2013-12-17 | Flex Force Enterprises LLC | Firearm threat detection, classification, and location using wideband radar |
| GB201810748D0 (en) * | 2018-06-29 | 2018-08-15 | Univ Birmingham | Radar system and method |
-
2021
- 2021-12-30 CN CN202111658759.5A patent/CN114488104B/zh active Active
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107515966A (zh) * | 2017-07-27 | 2017-12-26 | 中国船舶重工集团公司第七二四研究所 | 一种基于dds的雷达仿真系统分层构建方法 |
| CN107526070A (zh) * | 2017-10-18 | 2017-12-29 | 中国航空无线电电子研究所 | 天波超视距雷达的多路径融合多目标跟踪算法 |
| CN108919257A (zh) * | 2018-07-12 | 2018-11-30 | 中国船舶重工集团公司第七二四研究所 | 一种异型雷达协同定位方法及设备 |
Non-Patent Citations (1)
| Title |
|---|
| 天波超视距雷达扩展综合概率数据关联算法;金术玲;梁彦;潘泉;程咏梅;;火力与指挥控制;20090715(07);全文 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN114488104A (zh) | 2022-05-13 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109901153B (zh) | 基于信息熵权和最近邻域数据关联的目标航迹优化方法 | |
| CN112613532B (zh) | 基于雷达与循环神经网络补全红外融合的动目标跟踪方法 | |
| CN109633589A (zh) | 目标跟踪中基于多模型优化多假设的多目标数据关联方法 | |
| CN109002835A (zh) | 一种基于最大熵模糊聚类的粒子滤波数据关联方法 | |
| CN107346020B (zh) | 一种用于异步多基地雷达系统的分布式批估计融合方法 | |
| CN106934324A (zh) | 基于简化多假设算法的雷达数据关联方法 | |
| CN112162244B (zh) | 一种相关噪声和随机丢包环境下的事件触发目标跟踪方法 | |
| CN107436434B (zh) | 基于双向多普勒估计的航迹起始方法 | |
| CN109214432B (zh) | 一种多传感器多目标联合检测、跟踪与分类方法 | |
| CN112328959B (zh) | 一种基于自适应扩展卡尔曼概率假设密度滤波器的多目标跟踪方法 | |
| CN114942428A (zh) | 多目标跟踪的混合体制雷达数据关联算法 | |
| CN110146850A (zh) | 用于多基地雷达失序量测融合的粒子滤波集中式跟踪方法 | |
| CN114488104B (zh) | 基于交互一致性的天波超视距雷达目标跟踪方法 | |
| CN115204212A (zh) | 一种基于stm-pmbm滤波算法的多目标跟踪方法 | |
| CN111679251A (zh) | 一种基于雷达红外双模融合的抗雷达型干扰方法 | |
| CN109190647B (zh) | 一种有源无源数据融合方法 | |
| CN117169818B (zh) | 一种面向海面机动目标跟踪的雷达波形设计方法 | |
| CN112666516A (zh) | 基于航迹信息场的无源跟踪方法 | |
| CN113280821B (zh) | 基于斜率约束和回溯搜索的水下多目标跟踪方法 | |
| CN111679270B (zh) | 一种反射点不确定场景下多路径融合目标检测算法 | |
| CN113376626A (zh) | 基于immpda算法的高机动目标跟踪方法 | |
| CN110031797B (zh) | 用于被动传感系统对具有非连续特性目标的检测跟踪方法 | |
| Woischneck et al. | Localization and velocity estimation based on multiple bistatic measurements | |
| CN113866754A (zh) | 基于高斯分布波门的运动目标航迹关联方法 | |
| CN116736287B (zh) | 基于多探测模式的地波多径目标跟踪方法 |
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 |