CN115618250B - 一种雷达目标障碍模拟识别方法 - Google Patents

Abstract

本发明涉及雷达目标障碍模拟识别领域，尤其涉及一种雷达目标障碍模拟识别方法，包括：采集待识别目标障碍雷达返回数据进行初始化处理得到待识别目标障碍雷达初始数据；利用所述待识别目标障碍雷达初始数据基于待识别目标障碍数量进行优先级处理得到待识别目标障碍雷达分类数据；利用所述待识别目标障碍雷达分类数据进行识别处理得到待识别目标障碍雷达模拟识别结果，根据雷达目标的特点建立多项规则保证乐目标识别处理的效率与准确性，实时更新历史数据库，累积大量的聚类数据轮廓数据源，为数据比对打下了基础，减小了识别误差带来个各种风险。

Description

一种雷达目标障碍模拟识别方法

技术领域

本发明涉及雷达目标障碍模拟识别领域，具体涉及一种雷达目标障碍模拟识别方法。

背景技术

现有雷达目标的识别过程中，通常是通过后期的数据处理对待处理目标进行识别，但是对于后期的数据处理效率上显然会拖慢了整体进度，而且待识别目标的种类多样且无法固定，对于处理过程中也会有必然的减缓，而处理速度的降低意味着最终的识别结果输出将会延后，无论是在实际应用或者模拟识别中显然都是不可接受的，因此亟需一种切实可靠的方法提升识别效率。

发明内容

针对现有技术的不足，本发明提供了一种雷达目标障碍模拟识别方法，通过对雷达返回数据的预处理与多项识别处理规则的建立，提升了识别效率与识别准确性，同时多次迭代也可提升识别目标的范围与广度。

为实现上述目的，本发明提供了一种雷达目标障碍模拟识别方法，包括：

采集待识别目标障碍雷达返回数据进行初始化处理得到待识别目标障碍雷达初始数据；

利用所述待识别目标障碍雷达初始数据基于待识别目标障碍数量进行优先级处理得到待识别目标障碍雷达分类数据；

利用所述待识别目标障碍雷达分类数据进行识别处理得到待识别目标障碍雷达模拟识别结果。

优选的，所述采集待识别目标障碍雷达返回数据进行初始化处理得到待识别目标障碍雷达初始数据包括：

利用待识别目标障碍雷达返回数据进行聚类处理得到待识别目标障碍雷达聚类数据；

判断所述待识别目标障碍雷达聚类数据的数量是否大于1，若是，则所述待识别目标障碍雷达聚类数据作为待识别多目标障碍雷达聚类数据，否则，将所述待识别目标障碍雷达聚类数据作为待识别单目标障碍雷达聚类数据；

利用所述待识别多目标障碍雷达聚类数据与待识别单目标障碍雷达聚类数据作为待识别目标障碍雷达初始数据。

优选的，利用所述待识别目标障碍雷达初始数据基于待识别目标障碍数量进行优先级处理得到待识别目标障碍雷达分类数据包括：

当待识别目标障碍雷达初始数据为待识别多目标障碍雷达聚类数据时，利用所述待识别多目标障碍雷达聚类数据基于距离优先规则进行二次聚类处理得到待识别多目标障碍雷达二次聚类数据；

当待识别目标障碍雷达初始数据为待识别单目标障碍雷达聚类数据时，利用所述待识别单目标障碍雷达聚类数据直接进行二次聚类处理得到待识别单目标障碍雷达二次聚类数据；

利用所述待识别多目标障碍雷达二次聚类数据与待识别单目标障碍雷达二次聚类数据作为待识别目标障碍雷达分类数据。

进一步的，利用所述待识别多目标障碍雷达聚类数据基于距离优先规则进行二次聚类处理得到待识别多目标障碍雷达二次聚类数据包括：

根据所述待识别多目标障碍雷达聚类数据的各聚类数据距离基于从近到远的规则排列建立待识别多目标障碍雷达聚类数据基础集合；

判断所述待识别多目标障碍雷达聚类数据基础集合中各聚类数据在相邻上一时刻的待识别多目标障碍雷达聚类数据基础集合中是否存在已有对应聚类数据，若是，则计算所述待识别多目标障碍雷达聚类数据基础集合的聚类数据与相邻上一时刻的待识别多目标障碍雷达聚类数据基础集合的已有对应聚类数据的聚类数据相似度，否则，基于DBSCAN聚类算法进行二次聚类处理得到待识别多目标障碍雷达二次聚类新数据；

判断所述已有对应聚类数据的聚类数据相似度是否小于聚类数据相似度阈值，若是，则利用小于聚类数据相似度阈值对应的待识别多目标障碍雷达聚类数据基础集合的聚类数据作为待识别多目标障碍雷达聚类已有数据，否则，利用大于等于聚类数据相似度阈值对应的待识别多目标障碍雷达聚类数据基础集合的聚类数据作为待识别多目标障碍雷达聚类待处理数据；

利用所述待识别多目标障碍雷达聚类待处理数据基于DBSCAN聚类算法进行二次聚类处理得到待识别多目标障碍雷达二次聚类新数据；

利用所述待识别多目标障碍雷达聚类已有数据与待识别多目标障碍雷达二次聚类新数据作为待识别多目标障碍雷达二次聚类数据；

其中，聚类数据相似度阈值的范围为相邻上一时刻的待识别多目标障碍雷达聚类数据基础集合的已有对应聚类数据的3%-5%。

进一步的，利用所述待识别单目标障碍雷达聚类数据直接进行二次聚类处理得到待识别单目标障碍雷达二次聚类数据包括：

利用所述待识别单目标障碍雷达聚类数据基于DBSCAN聚类算法进行二次聚类处理得到待识别单目标障碍雷达二次聚类数据。

优选的，利用所述待识别目标障碍雷达分类数据进行识别处理得到待识别目标障碍雷达模拟识别结果包括：

利用历史待识别目标障碍雷达分类数据建立聚类点云-轮廓历史数据库；

利用所述待识别目标障碍雷达分类数据根据聚类点云-轮廓历史数据库进行比对处理得到待识别目标障碍雷达比对数据；

判断所述待识别目标障碍雷达比对数据是否为聚类点云-轮廓历史数据库中已有数据，若是，则直接输出待识别目标障碍雷达比对数据作为待识别目标障碍雷达模拟识别结果，否则，将待识别目标障碍雷达比对数据加入聚类点云-轮廓历史数据库后，输出待识别目标障碍雷达比对数据作为待识别目标障碍雷达模拟识别结果。

进一步的，所述利用历史待识别目标障碍雷达分类数据建立聚类点云-轮廓历史数据库包括：

利用所述历史待识别目标障碍雷达分类数据和与其对应的待识别目标障碍雷达模拟识别结果建立聚类点云-轮廓历史数据库。

进一步的，利用所述待识别目标障碍雷达分类数据根据聚类点云-轮廓历史数据库进行比对处理得到待识别目标障碍雷达比对数据包括：

基于预先建立的雷达目标比对规则判断所述待识别目标障碍雷达分类数据在聚类点云-轮廓历史数据库中是否存在对应的聚类点云-轮廓历史数据，若是，则利用聚类点云-轮廓历史数据作为待识别目标障碍雷达第一比对数据，否则，将待识别目标障碍雷达分类数据作为待识别目标障碍雷达第二比对数据；

将所述待识别目标障碍雷达第一比对数据与待识别目标障碍雷达第二比对数据作为待识别目标障碍雷达比对数据。

进一步的，所述雷达目标比对规则的预先建立包括：

当待识别目标障碍雷达分类数据为待识别多目标障碍雷达聚类数据时，根据待识别多目标障碍雷达聚类数据对应的待识别多目标障碍雷达聚类数据基础集合中各聚类数据的距离对应设置雷达目标比对阈值的范围为待识别多目标障碍雷达聚类数据基础集合中各聚类数据的3%-8%；

当待识别目标障碍雷达分类数据为待识别单目标障碍雷达聚类数据时，所述雷达目标比对阈值为待识别单目标障碍雷达聚类数据的5%。

优选的，还包括：

当存在多个待识别目标障碍雷达模拟识别结果时，基于如下顺序输出：

相对距离近，相对面积大；相对距离近，相对面积小；相对距离远，相对面积小；相对距离远，相对面积大。

与最接近的现有技术相比，本发明具有的有益效果：

在目标识别的初期进行分类预处理，提升了后期识别的效率，同时根据雷达目标的特点建立多项规则保证乐目标识别处理的效率与准确性，实时更新历史数据库，累积大量的聚类数据轮廓数据源，为数据比对打下了基础，减小了识别误差带来个各种风险。

附图说明

图1是本发明提供的一种雷达目标障碍模拟识别方法的流程图。

具体实施方式

下面结合附图对本发明的具体实施方式作进一步的详细说明。

为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。

实施例1：

本发明提供了一种雷达目标障碍模拟识别方法，如图1所示，包括：

S1、采集待识别目标障碍雷达返回数据进行初始化处理得到待识别目标障碍雷达初始数据；

S2、利用所述待识别目标障碍雷达初始数据基于待识别目标障碍数量进行优先级处理得到待识别目标障碍雷达分类数据；

S3、利用所述待识别目标障碍雷达分类数据进行识别处理得到待识别目标障碍雷达模拟识别结果；

S4、当存在多个待识别目标障碍雷达模拟识别结果时，基于如下顺序输出：

S4-1、相对距离近，相对面积大；相对距离近，相对面积小；相对距离远，相对面积小；相对距离远，相对面积大。

S1具体包括：

S1-1、利用待识别目标障碍雷达返回数据进行聚类处理得到待识别目标障碍雷达聚类数据；

S1-2、判断所述待识别目标障碍雷达聚类数据的数量是否大于1，若是，则所述待识别目标障碍雷达聚类数据作为待识别多目标障碍雷达聚类数据，否则，将所述待识别目标障碍雷达聚类数据作为待识别单目标障碍雷达聚类数据；

S1-3、利用所述待识别多目标障碍雷达聚类数据与待识别单目标障碍雷达聚类数据作为待识别目标障碍雷达初始数据。

S2具体包括：

S2-1、当待识别目标障碍雷达初始数据为待识别多目标障碍雷达聚类数据时，利用所述待识别多目标障碍雷达聚类数据基于距离优先规则进行二次聚类处理得到待识别多目标障碍雷达二次聚类数据；

S2-2、当待识别目标障碍雷达初始数据为待识别单目标障碍雷达聚类数据时，利用所述待识别单目标障碍雷达聚类数据直接进行二次聚类处理得到待识别单目标障碍雷达二次聚类数据；

S2-3、利用所述待识别多目标障碍雷达二次聚类数据与待识别单目标障碍雷达二次聚类数据作为待识别目标障碍雷达分类数据。

S2-1具体包括：

S2-1-1、根据所述待识别多目标障碍雷达聚类数据的各聚类数据距离基于从近到远的规则排列建立待识别多目标障碍雷达聚类数据基础集合；

S2-1-2、判断所述待识别多目标障碍雷达聚类数据基础集合中各聚类数据在相邻上一时刻的待识别多目标障碍雷达聚类数据基础集合中是否存在已有对应聚类数据，若是，则计算所述待识别多目标障碍雷达聚类数据基础集合的聚类数据与相邻上一时刻的待识别多目标障碍雷达聚类数据基础集合的已有对应聚类数据的聚类数据相似度，否则，基于DBSCAN聚类算法进行二次聚类处理得到待识别多目标障碍雷达二次聚类新数据；

S2-1-3、判断所述已有对应聚类数据的聚类数据相似度是否小于聚类数据相似度阈值，若是，则利用小于聚类数据相似度阈值对应的待识别多目标障碍雷达聚类数据基础集合的聚类数据作为待识别多目标障碍雷达聚类已有数据，否则，利用大于等于聚类数据相似度阈值对应的待识别多目标障碍雷达聚类数据基础集合的聚类数据作为待识别多目标障碍雷达聚类待处理数据；

S2-1-4、利用所述待识别多目标障碍雷达聚类待处理数据基于DBSCAN聚类算法进行二次聚类处理得到待识别多目标障碍雷达二次聚类新数据；

S2-1-5、利用所述待识别多目标障碍雷达聚类已有数据与待识别多目标障碍雷达二次聚类新数据作为待识别多目标障碍雷达二次聚类数据；

其中，聚类数据相似度阈值的范围为相邻上一时刻的待识别多目标障碍雷达聚类数据基础集合的已有对应聚类数据的3%-5%。

S2-2具体包括：

S2-2-1、利用所述待识别单目标障碍雷达聚类数据基于DBSCAN聚类算法进行二次聚类处理得到待识别单目标障碍雷达二次聚类数据。

S3具体包括：

S3-1、利用历史待识别目标障碍雷达分类数据建立聚类点云-轮廓历史数据库；

S3-2、利用所述待识别目标障碍雷达分类数据根据聚类点云-轮廓历史数据库进行比对处理得到待识别目标障碍雷达比对数据；

S3-3、判断所述待识别目标障碍雷达比对数据是否为聚类点云-轮廓历史数据库中已有数据，若是，则直接输出待识别目标障碍雷达比对数据作为待识别目标障碍雷达模拟识别结果，否则，将待识别目标障碍雷达比对数据加入聚类点云-轮廓历史数据库后，输出待识别目标障碍雷达比对数据作为待识别目标障碍雷达模拟识别结果。

本实施例中，一种雷达目标障碍模拟识别方法，建立历史数据库的作用为将现有可准确识别的雷达返回数据建立历史数据库后，将降低后续识别的误报率，提升识别准确率，避免了由于处理误报数据而导致的识别效率降低。

S3-1具体包括：

S3-1-1、利用所述历史待识别目标障碍雷达分类数据和与其对应的待识别目标障碍雷达模拟识别结果建立聚类点云-轮廓历史数据库。

S3-2具体包括：

S3-2-1、基于预先建立的雷达目标比对规则判断所述待识别目标障碍雷达分类数据在聚类点云-轮廓历史数据库中是否存在对应的聚类点云-轮廓历史数据，若是，则利用聚类点云-轮廓历史数据作为待识别目标障碍雷达第一比对数据，否则，将待识别目标障碍雷达分类数据作为待识别目标障碍雷达第二比对数据；

S3-2-2、将所述待识别目标障碍雷达第一比对数据与待识别目标障碍雷达第二比对数据作为待识别目标障碍雷达比对数据。

S3-2-1具体包括：

S3-2-1-1、当待识别目标障碍雷达分类数据为待识别多目标障碍雷达聚类数据时，根据待识别多目标障碍雷达聚类数据对应的待识别多目标障碍雷达聚类数据基础集合中各聚类数据的距离对应设置雷达目标比对阈值的范围为待识别多目标障碍雷达聚类数据基础集合中各聚类数据的3%-8%；

S3-2-1-2、当待识别目标障碍雷达分类数据为待识别单目标障碍雷达聚类数据时，所述雷达目标比对阈值为待识别单目标障碍雷达聚类数据的5%。

本实施例中，一种雷达目标障碍模拟识别方法，为了保证雷达目标障碍模拟识别方法可实际安全应用，因此方案中遵守优先处理同一时刻雷达返回数据中相对距离近的数据，后处理相对距离远的数据，例如，当存在5个待识别目标障碍雷达模拟识别结果时，基于S4-1所述规则优先输出5个待识别目标障碍雷达模拟识别结果中距离最近，面积最大的待识别目标障碍雷达模拟识别结果，即5个待识别目标障碍雷达模拟识别结果中相对距离近，相对面积大的待识别目标障碍雷达模拟识别结果，输出后，剩余4个待识别目标障碍雷达模拟识别结果继续基于S4-1所述规则进行输出。

本领域内的技术人员应明白，本发明的实施例可提供为方法、系统、或计算机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质（包括但不限于磁盘存储器、CD-ROM、光学存储器等）上实施的计算机程序产品的形式。

本发明是参照根据本申请实施例的方法、设备（系统）、和计算机程序产品的流程图和／或方框图来描述的。应理解可由计算机程序指令实现流程图和／或方框图中的每一流程和／或方框、以及流程图和／或方框图中的流程和／或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和／或方框图一个方框或多个方框中指定的功能的装置。

这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和／或方框图一个方框或多个方框中指定的功能。

这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和／或方框图一个方框或多个方框中指定的功能的步骤。

最后应当说明的是：以上实施例仅用以说明本发明的技术方案而非对其限制，尽管参照上述实施例对本发明进行了详细的说明，所属领域的普通技术人员应当理解：依然可以对本发明的具体实施方式进行修改或者等同替换，而未脱离本发明精神和范围的任何修改或者等同替换，其均应涵盖在本发明的权利要求保护范围之内。

Claims (8)

1.一种雷达目标障碍模拟识别方法，其特征在于，包括：

S1、采集待识别目标障碍雷达返回数据进行初始化处理得到待识别目标障碍雷达初始数据；

S2、利用所述待识别目标障碍雷达初始数据基于待识别目标障碍数量进行优先级处理得到待识别目标障碍雷达分类数据；

S2-1、当待识别目标障碍雷达初始数据为待识别多目标障碍雷达聚类数据时，利用所述待识别多目标障碍雷达聚类数据基于距离优先规则进行二次聚类处理得到待识别多目标障碍雷达二次聚类数据；

S2-1-1、根据所述待识别多目标障碍雷达聚类数据的各聚类数据距离基于从近到远的规则排列建立待识别多目标障碍雷达聚类数据基础集合；

S2-1-2、判断所述待识别多目标障碍雷达聚类数据基础集合中各聚类数据在相邻上一时刻的待识别多目标障碍雷达聚类数据基础集合中是否存在已有对应聚类数据，若是，则计算所述待识别多目标障碍雷达聚类数据基础集合的聚类数据与相邻上一时刻的待识别多目标障碍雷达聚类数据基础集合的已有对应聚类数据的聚类数据相似度，否则，基于DBSCAN聚类算法进行二次聚类处理得到待识别多目标障碍雷达二次聚类新数据；

S2-1-3、判断所述已有对应聚类数据的聚类数据相似度是否小于聚类数据相似度阈值，若是，则利用小于聚类数据相似度阈值对应的待识别多目标障碍雷达聚类数据基础集合的聚类数据作为待识别多目标障碍雷达聚类已有数据，否则，利用大于等于聚类数据相似度阈值对应的待识别多目标障碍雷达聚类数据基础集合的聚类数据作为待识别多目标障碍雷达聚类待处理数据；

S2-1-4、利用所述待识别多目标障碍雷达聚类待处理数据基于DBSCAN聚类算法进行二次聚类处理得到待识别多目标障碍雷达二次聚类新数据；

S2-1-5、利用所述待识别多目标障碍雷达聚类已有数据与待识别多目标障碍雷达二次聚类新数据作为待识别多目标障碍雷达二次聚类数据；

其中，聚类数据相似度阈值的范围为相邻上一时刻的待识别多目标障碍雷达聚类数据基础集合的已有对应聚类数据的3%-5%

S2-2、当待识别目标障碍雷达初始数据为待识别单目标障碍雷达聚类数据时，利用所述待识别单目标障碍雷达聚类数据直接进行二次聚类处理得到待识别单目标障碍雷达二次聚类数据；

S2-3、利用所述待识别多目标障碍雷达二次聚类数据与待识别单目标障碍雷达二次聚类数据作为待识别目标障碍雷达分类数据；

S3、利用所述待识别目标障碍雷达分类数据进行识别处理得到待识别目标障碍雷达模拟识别结果。

2.如权利要求1所述的一种雷达目标障碍模拟识别方法，其特征在于，所述采集待识别目标障碍雷达返回数据进行初始化处理得到待识别目标障碍雷达初始数据包括：

利用待识别目标障碍雷达返回数据进行聚类处理得到待识别目标障碍雷达聚类数据；

判断所述待识别目标障碍雷达聚类数据的数量是否大于1，若是，则所述待识别目标障碍雷达聚类数据作为待识别多目标障碍雷达聚类数据，否则，将所述待识别目标障碍雷达聚类数据作为待识别单目标障碍雷达聚类数据；

利用所述待识别多目标障碍雷达聚类数据与待识别单目标障碍雷达聚类数据作为待识别目标障碍雷达初始数据。

3.如权利要求1所述的一种雷达目标障碍模拟识别方法，其特征在于，利用所述待识别单目标障碍雷达聚类数据直接进行二次聚类处理得到待识别单目标障碍雷达二次聚类数据包括：

利用所述待识别单目标障碍雷达聚类数据基于DBSCAN聚类算法进行二次聚类处理得到待识别单目标障碍雷达二次聚类数据。

4.如权利要求1所述的一种雷达目标障碍模拟识别方法，其特征在于，利用所述待识别目标障碍雷达分类数据进行识别处理得到待识别目标障碍雷达模拟识别结果包括：

利用历史待识别目标障碍雷达分类数据建立聚类点云-轮廓历史数据库；

利用所述待识别目标障碍雷达分类数据根据聚类点云-轮廓历史数据库进行比对处理得到待识别目标障碍雷达比对数据；

判断所述待识别目标障碍雷达比对数据是否为聚类点云-轮廓历史数据库中已有数据，若是，则直接输出待识别目标障碍雷达比对数据作为待识别目标障碍雷达模拟识别结果，否则，将待识别目标障碍雷达比对数据加入聚类点云-轮廓历史数据库后，输出待识别目标障碍雷达比对数据作为待识别目标障碍雷达模拟识别结果。

5.如权利要求4所述的一种雷达目标障碍模拟识别方法，其特征在于，所述利用历史待识别目标障碍雷达分类数据建立聚类点云-轮廓历史数据库包括：

利用所述历史待识别目标障碍雷达分类数据和与其对应的待识别目标障碍雷达模拟识别结果建立聚类点云-轮廓历史数据库。

6.如权利要求4所述的一种雷达目标障碍模拟识别方法，其特征在于，利用所述待识别目标障碍雷达分类数据根据聚类点云-轮廓历史数据库进行比对处理得到待识别目标障碍雷达比对数据包括：

基于预先建立的雷达目标比对规则判断所述待识别目标障碍雷达分类数据在聚类点云-轮廓历史数据库中是否存在对应的聚类点云-轮廓历史数据，若是，则利用聚类点云-轮廓历史数据作为待识别目标障碍雷达第一比对数据，否则，将待识别目标障碍雷达分类数据作为待识别目标障碍雷达第二比对数据；

将所述待识别目标障碍雷达第一比对数据与待识别目标障碍雷达第二比对数据作为待识别目标障碍雷达比对数据。

7.如权利要求6所述的一种雷达目标障碍模拟识别方法，其特征在于，所述雷达目标比对规则的预先建立包括：

当待识别目标障碍雷达分类数据为待识别多目标障碍雷达聚类数据时，根据待识别多目标障碍雷达聚类数据对应的待识别多目标障碍雷达聚类数据基础集合中各聚类数据的距离对应设置雷达目标比对阈值的范围为待识别多目标障碍雷达聚类数据基础集合中各聚类数据的3%-8%；

当待识别目标障碍雷达分类数据为待识别单目标障碍雷达聚类数据时，所述雷达目标比对阈值为待识别单目标障碍雷达聚类数据的5%。

8.如权利要求1所述的一种雷达目标障碍模拟识别方法，其特征在于，还包括：

当存在多个待识别目标障碍雷达模拟识别结果时，基于如下顺序输出：

相对距离近，相对面积大；相对距离近，相对面积小；相对距离远，相对面积小；相对距离远，相对面积大。

Images