CN116299254A - 一种被动雷达寻的器的目标跟踪方法 - Google Patents
一种被动雷达寻的器的目标跟踪方法 Download PDFInfo
- Publication number
- CN116299254A CN116299254A CN202211088852.1A CN202211088852A CN116299254A CN 116299254 A CN116299254 A CN 116299254A CN 202211088852 A CN202211088852 A CN 202211088852A CN 116299254 A CN116299254 A CN 116299254A
- Authority
- CN
- China
- Prior art keywords
- virtual grid
- virtual
- targets
- historical
- grid
- 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
- 238000000034 method Methods 0.000 title claims abstract description 40
- 238000001514 detection method Methods 0.000 claims abstract description 78
- 238000004364 calculation method Methods 0.000 claims abstract description 11
- 238000002955 isolation Methods 0.000 claims description 38
- 238000012216 screening Methods 0.000 claims description 17
- 230000002093 peripheral effect Effects 0.000 claims description 7
- 230000000007 visual effect Effects 0.000 claims description 4
- 238000012545 processing Methods 0.000 abstract description 6
- 238000001914 filtration Methods 0.000 abstract description 4
- 230000005855 radiation Effects 0.000 description 25
- 239000006185 dispersion Substances 0.000 description 3
- 238000010586 diagram Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification 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
- G01S7/418—Theoretical aspects
-
- 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
Abstract
本申请公开了一种被动雷达寻的器的目标跟踪方法，涉及雷达技术领域，该方法根据当前检测周期对应的历史目标更新确定视场范围内的检测区域的各个虚拟网格内包含的历史目标的目标信息参数的统计信息，继而筛选出稳定性最高的目标所属的有效虚拟网格，对该效虚拟网格覆盖范围内的目标进行跟踪。该方法由于汇总了历史多个检测周期的数据，因此能够判断出相对稳定的目标，不会频繁更换跟踪目标，从而提高了跟踪稳定性和抗干扰能力。而且相比于传统的利用滤波算法预测航迹来提高跟踪稳定性的方法来说，该方法的算法复杂度较小，数据计算量小，对处理平台的处理性能和算力要求降低，而且运算速度快，便于应用且可以满足实时性要求。
Description
技术领域
本申请涉及雷达技术领域，尤其是一种被动雷达寻的器的目标跟踪方法。
背景技术
被动雷达寻的器通常以雷达等辐射源为目标，为了保证目标方位估计的实时性，被动雷达寻的器的检测频率高、检测周期短，在被动雷达寻的器的每个检测周期内，被动雷达寻的器侦收辐射源辐射的电磁信号，聚类估计出辐射源方位并进行跟踪，继而引导攻击武器命中辐射源，是反辐射武器的重要组成部分，直接决定着反辐射武器的性能。
但是随着科技的不断进步，目前辐射源的附近通常布放诱饵辐射源以起到保护辐射源的作用，诱饵辐射源向空间辐射与辐射源信号相似度极高的诱饵信号，则被动雷达寻的器在根据侦收到的电磁信号估计目标方位时，估计出辐射源和诱饵辐射源的方位的时机将是随机的，若辐射源和诱饵辐射源交替出现，则可能导致被动雷达寻的器频繁更换跟踪目标。目前有一些被动雷达寻的器会根据多次聚类得到的目标方位采用滤波算法对目标进行航迹推算，以预测目标下一次出现的方法，从而一定程度提高对目标的跟踪稳定性，但是滤波和航迹推算的算法复杂，运算量大，不仅对硬件的算力要求高，而且也会影响检测的实时性。
发明内容
本申请人针对上述问题及技术需求，提出了一种被动雷达寻的器的目标跟踪方法，本申请的技术方案如下：
一种被动雷达寻的器的目标跟踪方法，该方法包括：
对视场范围内的检测区域进行虚拟网格划分得到若干个虚拟网格，每个虚拟网格覆盖视场范围内的局部检测区域；
根据当前检测周期对应的历史目标更新确定各个虚拟网格内包含的历史目标的目标信息参数的统计信息，每个虚拟网格内包含的历史目标的目标方位在虚拟网格的覆盖范围内；当前检测周期对应的历史目标包括当前检测周期及其之前最近的若干个检测周期内探测到的所有目标；
根据各个虚拟网格内包含的历史目标的目标信息参数的统计信息，筛选出稳定性最高的目标所属的有效虚拟网格；
在下一个检测周期内对有效虚拟网格覆盖范围内的目标进行跟踪，并执行根据当前检测周期对应的历史目标更新确定各个虚拟网格内包含的历史目标的目标信息参数的统计信息的步骤。
其进一步的技术方案为，筛选出稳定性最高的目标所属的有效虚拟网格，包括：
根据各个虚拟网格内包含的历史目标的数量确定各个虚拟网格的孤立度，虚拟网格的孤立度反映虚拟网格内的历史目标的分布集中度，孤立度越高、虚拟网格内的历史目标的分布集中度越高；
根据各个虚拟网格的孤立度以及包含的历史目标的目标信息参数的统计信息筛选出有效虚拟网格。
其进一步的技术方案为，根据各个虚拟网格内包含的历史目标的数量确定各个虚拟网格的孤立度，包括对于任意一个虚拟网格：
计算虚拟网格内包括的历史目标的数量与周边目标数量的比值，作为虚拟网格的孤立度，每个虚拟网格的周边目标数量是虚拟网格相邻周边的其他各个虚拟网格内包含历史目标最多的一个虚拟网格内的历史目标的数量。
其进一步的技术方案为，计算虚拟网格的孤立度并筛选出有效虚拟网格的方法包括：
计算各个候选虚拟网格的孤立度，并根据各个候选虚拟网格的孤立度以及包含的历史目标的目标信息参数的统计信息，从所有候选虚拟网格内筛选出有效虚拟网格；
其中，候选虚拟网格是所有虚拟网格中包含的历史目标的数量达到数量阈值，且包含的历史目标的数量大于相邻周边的其他各个虚拟网格内包含的历史目标的数量的虚拟网格。
其进一步的技术方案为，根据各个虚拟网格的孤立度以及包含的历史目标的目标信息参数的统计信息筛选出有效虚拟网格，包括：
根据虚拟网格内包含的历史目标的目标信息参数的统计信息计算得到参数稳定度，历史目标的目标信息参数的离散程度越低、参数稳定度越高；
对虚拟网格的孤立度、包含的历史目标的数量以及参数稳定度进行加权计算确定虚拟网格的稳定性指数；
选取稳定性指数最高的虚拟网格作为有效虚拟网格。
其进一步的技术方案为，根据虚拟网格内包含的历史目标的目标信息参数的统计信息计算得到参数稳定度，包括：
对于每一项目标信息参数，计算虚拟网格内所有历史目标的目标信息参数的取值的方差，方差越大、表征的目标信息参数的离散程度越高；
对各项目标信息参数的方差进行加权，确定方差加权结果对应的参数稳定度，方差加权结果越大、参数稳定度越小。
其进一步的技术方案为，对视场范围内的检测区域进行虚拟网格划分得到若干个虚拟网格，包括：
对检测区域分别沿着方位角方向和俯仰角方向进行虚拟网格划分，得到若干个二维截面的虚拟网格，每个虚拟网格在方位角方向上的边长由方位角分辨率确定，每个虚拟网格在俯仰角方向上的边长由俯仰角分辨率确定。
本申请的有益技术效果是：
本申请公开了一种被动雷达寻的器的目标跟踪方法，该方法汇总当前检测周期及其之前的多个检测周期内探测到的所有历史目标的统计信息，结合虚拟网格划分的方法对历史目标进行聚类从而选出稳定性最高的目标所属的有效虚拟网格实现跟踪，该方法由于汇总了历史多个检测周期的数据，因此能够判断出相对稳定的目标，不会频繁更换跟踪目标，从而提高了跟踪稳定性和抗干扰能力。
另外相比于传统的利用滤波算法预测航迹来提高跟踪稳定性的方法来说，该方法的算法复杂度较小，数据计算量小，对处理平台的处理性能和算力要求降低，而且运算速度快，便于应用且可以满足实时性要求。
附图说明
图1是本申请一个实施例中的目标跟踪方法的方法流程图。
图2是本申请一个实施例中对检测区域进行虚拟网格划分的示意图。
图3是本申请一个实施例中的首先筛选候选虚拟网格再筛选确定有效虚拟网格的方法的流程图。
具体实施方式
下面结合附图对本申请的具体实施方式做进一步说明。
本申请公开了一种被动雷达寻的器的目标跟踪方法，请参考图1，该方法包括如下步骤：
步骤100，对视场范围内的检测区域进行虚拟网格划分得到若干个虚拟网格，每个虚拟网格覆盖视场范围内的局部检测区域。请参考图2，检测区域在图2横轴所示的方位角方向的两侧边界分别写为azmin和azmax，检测区域在图2纵轴所示的方位角方向的两侧边界分别写为elmin和elmax，在进行虚拟网格划分时，对检测区域分别沿着方位角方向和俯仰角方向进行虚拟网格划分，得到若干个二维截面的虚拟网格，每个虚拟网格在方位角方向上的边长azstride由被动雷达寻的器的方位角分辨率确定，每个虚拟网格在俯仰角方向上的边长elstride由被动雷达寻的器的俯仰角分辨率确定，由此划分得到的各个虚拟网格的规格均相等。
步骤200，根据当前检测周期对应的历史目标更新确定各个虚拟网格内包含的历史目标的目标信息参数的统计信息。
当前检测周期对应的历史目标包括当前检测周期及其之前最近的若干个检测周期内探测到的所有目标，也即不再像常规做法一样只考虑当前检测周期内探测到的目标，而是统计历史多个检测周期内探测的累积到的目标。
每个检测周期对应的历史目标包含相同数量的检测周期内探测到的目标，因此随着检测周期的推进，不同检测周期对应的历史目标是不断迭代更新的，比如假设每个检测周期对应的历史目标均包含最近3个探测周期内探测到的目标，则对于第10个检测周期，其对应的历史目标包含第8、9、10个检测周期内探测到的目标。而对于第11个检测周期，其对应的历史目标包含第9、10、11个检测周期内探测到的目标。因此不同检测周期对应的历史目标的数量和目标信息参数往往都是不同的，在每个检测周期都需要根据当前检测周期对应的历史目标更新虚拟网格内包含的历史目标的目标信息参数的统计信息。
被动雷达寻的器探测到的每个目标一般包括多项目标信息参数，目标信息参数的类别主要包括目标方位和目标频率等。
在更新确定各个虚拟网格内包含的历史目标的目标信息参数的统计信息时，实际需要确定各个历史目标都属于哪个虚拟网格，则确定每个虚拟网格内包含的历史目标的目标方位在该虚拟网格的覆盖范围内。
在每个检测周期进行迭代更新的过程中，可以承接上一个检测周期的统计结果，也即保持上一个检测周期中与当前检测周期重复的历史目标所属的虚拟网格不变，将上一个检测周期中不属于当前检测周期的历史目标从虚拟网格中删除，将当前检测周期相对于上一个检测周期新增的历史目标划分到相应的虚拟网格中。比如在上述举例中，在第10个检测周期内已经确定了第8、9、10个检测周期内探测到的历史目标所在的虚拟网格，则到第11个检测周期中，保持第9、10个检测周期内探测到的历史目标所在的虚拟网格不变，删除第8个检测周期内探测到的所有历史目标，然后确定第11个检测周期探测到的历史目标所属的虚拟网格，由此更新得到各个虚拟网格内包含的历史目标的目标信息参数的统计信息。
步骤300，根据各个虚拟网格内包含的历史目标的目标信息参数的统计信息，筛选出稳定性最高的目标所属的有效虚拟网格。考虑到在使用被动雷达寻的器探测辐射源时，辐射源的方位是相对稳定的，而诱饵辐射源的方位通常是随机出现的，因此基于这一特性，通过统计信息来确定历史一段时间内稳定性最高的目标所属的有效虚拟网格，往往是辐射源所在的方位。
筛选出有效虚拟网格的方法包括如下步骤，请参考图3：
步骤312，根据各个虚拟网格内包含的历史目标的数量确定各个虚拟网格的孤立度。
虚拟网格的孤立度反映的是该虚拟网格内的历史目标的分布集中度，虚拟网格的孤立度越高、表示该虚拟网格内的历史目标的分布集中度越高，这些历史目标对应的是方位相对稳定的辐射源的概率越大。
在一个实施例中，计算虚拟网格的孤立度的方法是：计算虚拟网格内包括的历史目标的数量与周边目标数量的比值，作为虚拟网格的孤立度。每个虚拟网格的周边目标数量是虚拟网格相邻周边的其他各个虚拟网格内包含历史目标最多的一个虚拟网格内的历史目标的数量。
基于图2所示的虚拟网格的划分方式，位于检测区域四周的每个虚拟网格包括3个相邻周边的其他虚拟网格，位于检测区域边界但不位于顶点处的每个虚拟网格包括5个相邻周边的其他虚拟网格，其他的每个虚拟网格包括8个相邻周边的其他虚拟网格。
在一个实例中，假设如图2中黑色方框所在的一个虚拟网格内包含30个历史目标，该虚拟网格包括8个相邻周边的其他虚拟网格，分别为其周围虚线覆盖到的8个虚拟网格，这8个虚拟网格依次包含3、0、5、0、10、2、3、2个历史目标，则该虚拟网格的周边目标数量为10，由此计算得到的该虚拟网格的孤立度为3。
在一个实施例中，可以计算划分得到的所有虚拟网格的孤立度。或者在另一个实施例中，在上述步骤312之前，还包括步骤310：从所有虚拟网格中筛选出候选虚拟网格，候选虚拟网格是所有虚拟网格中包含的历史目标的数量达到数量阈值，且包含的历史目标的数量大于相邻周边的其他各个虚拟网格内包含的历史目标的数量的虚拟网格。这些候选虚拟网格内包含的历史目标的数量较多且在周边区域范围内分布集中度较大，对应辐射源的概率较大，是后续考虑的重点。而其他虚拟网格对应辐射源的概率较小，可以不作考虑。
则上述步骤312并不需要计算检测区域内每一个虚拟网格的孤立度，而只需要计算各个候选虚拟网格的孤立度，计算方法如上所述。也即若一个虚拟网格内包含的历史目标的数量太小，或者，一个虚拟网格内的历史目标的数量小于其相邻周边的其他虚拟网格内的历史目标，则该虚拟网格后续被选作为有效虚拟网格的概率非常小，因此不再计算其孤立度，由此可以减少对冗余数据的处理，减少计算量，提高数据处理速度和效率。
步骤314，根据各个虚拟网格的孤立度以及包含的历史目标的目标信息参数的统计信息筛选出有效虚拟网格。
若上述步骤312计算了所有虚拟网格的孤立度，则该步骤需要从所有虚拟网格中筛选出有效虚拟网格。若上述步骤312已经首先筛选出候选虚拟网格，然后仅计算了候选虚拟网格的孤立度，那么该步骤仅需计算根据各个候选虚拟网格的孤立度及其包含的历史目标的目标信息参数的统计信息，从所有候选虚拟网格内筛选出有效虚拟网格。
不管是从所有虚拟网格中筛选出有效虚拟网格，还是仅从候选虚拟网格内筛选出有效虚拟网格，方法都是类似的：
(1)首先根据虚拟网格内包含的历史目标的目标信息参数的统计信息计算得到参数稳定度，一个虚拟网格内的历史目标的目标信息参数的离散程度越低、该虚拟网格的参数稳定度越高。
在一个实施例中，通过方差来衡量离散程度，继而确定参数稳定度：对于每一项目标信息参数，计算虚拟网格内所有历史目标的目标信息参数的取值的方差，方差越大、表征的目标信息参数的离散程度越高。如上所述，被动雷达寻的器在探测到目标时，一般会获取到目标的多项目标信息参数，则对各项目标信息参数的方差进行加权得到方差加权结果。比如分别计算一个虚拟网格内所有历史目标的目标方位的方差，以及所有历史目标的目标频率的方差，然后对两个方差进行加权得到方差加权结果，各项目标信息参数的权重可以相同也可以不同，可以根据实际情况自定义设置。
然后确定方差加权结果对应的参数稳定度，方差加权结果越大、参数稳定度越小，不同的方差加权结果对应的参数稳定度可以预先配置，由此目标信息参数的离散程度越高、方差加权结果越大、参数稳定度越小，表征的参数稳定度越低。
(2)对虚拟网格的孤立度、包含的历史目标的数量以及参数稳定度进行加权计算确定虚拟网格的稳定性指数。孤立度、包含的历史目标的数量以及参数稳定度各自对应的权重可以相等也可以不等，可以根据实际情况自定义设置。
(3)选取稳定性指数最高的虚拟网格作为有效虚拟网格。一个虚拟网格的稳定性指数越大，表示该虚拟网格内的历史目标分布的越集中且越稳定，由于辐射源的方位相对稳定，因此历史时段内对辐射源的探测结果分布较为稳定和集中，所以选取稳定性指数最高的作为有效虚拟网格，由此确定的有效虚拟网格内的历史目标一般是对辐射源在不同检测时刻探测到的结果。
步骤400，在下一个检测周期内对有效虚拟网格覆盖范围内的目标进行跟踪，并执行根据当前检测周期对应的历史目标更新确定各个虚拟网格内包含的历史目标的目标信息参数的统计信息的步骤。
以上所述的仅是本申请的优选实施方式，本申请不限于以上实施例。可以理解，本领域技术人员在不脱离本申请的精神和构思的前提下直接导出或联想到的其他改进和变化，均应认为包含在本申请的保护范围之内。
Claims (7)
1.一种被动雷达寻的器的目标跟踪方法，其特征在于，所述方法包括：
对视场范围内的检测区域进行虚拟网格划分得到若干个虚拟网格，每个虚拟网格覆盖所述视场范围内的局部检测区域；
根据当前检测周期对应的历史目标更新确定各个虚拟网格内包含的历史目标的目标信息参数的统计信息，每个虚拟网格内包含的历史目标的目标方位在所述虚拟网格的覆盖范围内；当前检测周期对应的历史目标包括当前检测周期及其之前最近的若干个检测周期内探测到的所有目标；
根据各个虚拟网格内包含的历史目标的目标信息参数的统计信息，筛选出稳定性最高的目标所属的有效虚拟网格；
在下一个检测周期内对所述有效虚拟网格覆盖范围内的目标进行跟踪，并执行所述根据当前检测周期对应的历史目标更新确定各个虚拟网格内包含的历史目标的目标信息参数的统计信息的步骤。
2.根据权利要求1所述的方法，其特征在于，所述筛选出稳定性最高的目标所属的有效虚拟网格，包括：
根据各个虚拟网格内包含的历史目标的数量确定各个虚拟网格的孤立度，虚拟网格的孤立度反映所述虚拟网格内的历史目标的分布集中度，孤立度越高、虚拟网格内的历史目标的分布集中度越高；
根据各个虚拟网格的孤立度以及包含的历史目标的目标信息参数的统计信息筛选出所述有效虚拟网格。
3.根据权利要求2所述的方法，其特征在于，所述根据各个虚拟网格内包含的历史目标的数量确定各个虚拟网格的孤立度，包括对于任意一个虚拟网格：
计算所述虚拟网格内包括的历史目标的数量与周边目标数量的比值，作为所述虚拟网格的孤立度，每个虚拟网格的周边目标数量是所述虚拟网格相邻周边的其他各个虚拟网格内包含历史目标最多的一个虚拟网格内的历史目标的数量。
4.根据权利要求2所述的方法，其特征在于，计算虚拟网格的孤立度并筛选出所述有效虚拟网格的方法包括：
计算各个候选虚拟网格的孤立度，并根据各个候选虚拟网格的孤立度以及包含的历史目标的目标信息参数的统计信息，从所有候选虚拟网格内筛选出所述有效虚拟网格；
其中，候选虚拟网格是所有虚拟网格中包含的历史目标的数量达到数量阈值，且包含的历史目标的数量大于相邻周边的其他各个虚拟网格内包含的历史目标的数量的虚拟网格。
5.根据权利要求2所述的方法，其特征在于，所述根据各个虚拟网格的孤立度以及包含的历史目标的目标信息参数的统计信息筛选出所述有效虚拟网格，包括：
根据虚拟网格内包含的历史目标的目标信息参数的统计信息计算得到参数稳定度，历史目标的目标信息参数的离散程度越低、参数稳定度越高；
对虚拟网格的孤立度、包含的历史目标的数量以及参数稳定度进行加权计算确定所述虚拟网格的稳定性指数；
选取稳定性指数最高的虚拟网格作为所述有效虚拟网格。
6.根据权利要求5所述的方法，其特征在于，所述根据虚拟网格内包含的历史目标的目标信息参数的统计信息计算得到参数稳定度，包括：
对于每一项目标信息参数，计算所述虚拟网格内所有历史目标的所述目标信息参数的取值的方差，方差越大、表征的所述目标信息参数的离散程度越高；
对各项目标信息参数的方差进行加权，确定方差加权结果对应的参数稳定度，方差加权结果越大、参数稳定度越小。
7.根据权利要求1所述的方法，其特征在于，所述对视场范围内的检测区域进行虚拟网格划分得到若干个虚拟网格，包括：
对所述检测区域分别沿着方位角方向和俯仰角方向进行虚拟网格划分，得到若干个二维截面的虚拟网格，每个虚拟网格在方位角方向上的边长由方位角分辨率确定，每个虚拟网格在俯仰角方向上的边长由俯仰角分辨率确定。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211088852.1A CN116299254B (zh) | 2022-09-07 | 2022-09-07 | 一种被动雷达寻的器的目标跟踪方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211088852.1A CN116299254B (zh) | 2022-09-07 | 2022-09-07 | 一种被动雷达寻的器的目标跟踪方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN116299254A true CN116299254A (zh) | 2023-06-23 |
| CN116299254B CN116299254B (zh) | 2023-10-13 |
Family
ID=86787446
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202211088852.1A Active CN116299254B (zh) | 2022-09-07 | 2022-09-07 | 一种被动雷达寻的器的目标跟踪方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116299254B (zh) |
Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20110084871A1 (en) * | 2009-10-13 | 2011-04-14 | Mcmaster University | Cognitive tracking radar |
| JP2012088289A (ja) * | 2010-10-22 | 2012-05-10 | Fujitsu Ltd | 目標物管理装置および目標物管理方法 |
| CN105549005A (zh) * | 2015-11-04 | 2016-05-04 | 上海大学 | 一种基于网格划分的动态目标波达方向跟踪方法 |
| CN110187344A (zh) * | 2019-05-31 | 2019-08-30 | 天津大学 | 基于逆合成孔径雷达的传送带上标记物品识别定位方法 |
| WO2020069025A1 (en) * | 2018-09-28 | 2020-04-02 | Zoox, Inc. | Radar spatial estimation |
| CN111708020A (zh) * | 2020-07-14 | 2020-09-25 | 南京理工大学 | 基于反辐射导引头的雷达信号分选跟踪方法及系统 |
| CN111736142A (zh) * | 2019-03-25 | 2020-10-02 | 通用汽车环球科技运作有限责任公司 | 用于雷达交叉交通跟踪和操纵风险评估的系统和方法 |
| CN112098992A (zh) * | 2020-09-14 | 2020-12-18 | 大连海事大学 | 一种基于网格聚类的多假设多目标航迹起始方法 |
| CN112513679A (zh) * | 2020-04-15 | 2021-03-16 | 华为技术有限公司 | 一种目标识别的方法和装置 |
| CN113093121A (zh) * | 2021-04-12 | 2021-07-09 | 北京无线电测量研究所 | 基于点迹密度反馈的自适应门限检测方法 |
-
2022
- 2022-09-07 CN CN202211088852.1A patent/CN116299254B/zh active Active
Patent Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20110084871A1 (en) * | 2009-10-13 | 2011-04-14 | Mcmaster University | Cognitive tracking radar |
| JP2012088289A (ja) * | 2010-10-22 | 2012-05-10 | Fujitsu Ltd | 目標物管理装置および目標物管理方法 |
| CN105549005A (zh) * | 2015-11-04 | 2016-05-04 | 上海大学 | 一种基于网格划分的动态目标波达方向跟踪方法 |
| WO2020069025A1 (en) * | 2018-09-28 | 2020-04-02 | Zoox, Inc. | Radar spatial estimation |
| CN111736142A (zh) * | 2019-03-25 | 2020-10-02 | 通用汽车环球科技运作有限责任公司 | 用于雷达交叉交通跟踪和操纵风险评估的系统和方法 |
| CN110187344A (zh) * | 2019-05-31 | 2019-08-30 | 天津大学 | 基于逆合成孔径雷达的传送带上标记物品识别定位方法 |
| CN112513679A (zh) * | 2020-04-15 | 2021-03-16 | 华为技术有限公司 | 一种目标识别的方法和装置 |
| CN111708020A (zh) * | 2020-07-14 | 2020-09-25 | 南京理工大学 | 基于反辐射导引头的雷达信号分选跟踪方法及系统 |
| CN112098992A (zh) * | 2020-09-14 | 2020-12-18 | 大连海事大学 | 一种基于网格聚类的多假设多目标航迹起始方法 |
| CN113093121A (zh) * | 2021-04-12 | 2021-07-09 | 北京无线电测量研究所 | 基于点迹密度反馈的自适应门限检测方法 |
Non-Patent Citations (2)
| Title |
|---|
| XU L 等: "Hybrid grid multiple-model estimation with application to maneuvering target tracking", IEEE TRANSACTIONS ON AEROSPACE AND ELECTRONIC SYSTEMS, vol. 52, no. 1, pages 122 - 136, XP011604951, DOI: 10.1109/TAES.2015.140423 * |
| 张磊 等: "无人船目标探测与跟踪系统", 《船舶工程》, vol. 40, no. 8, pages 56 - 60 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN116299254B (zh) | 2023-10-13 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN112329934A (zh) | 一种基于改进麻雀搜索算法的rbf神经网络优化算法 | |
| Zhou et al. | Robust CFAR detector with weighted amplitude iteration in nonhomogeneous sea clutter | |
| 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 | |
| CN111624567B (zh) | 一种恒虚警检测方法及装置 | |
| CN108845300B (zh) | 一种场面监视雷达恒虚警处理方法 | |
| KR102065980B1 (ko) | 표적 탐지 방법 | |
| US8325082B2 (en) | Predictive and adaptive wide area surveillance | |
| CN110780289A (zh) | 基于场景雷达的多目标车辆跟踪方法及装置 | |
| Maherin et al. | Multistep information fusion for target detection using UWB radar sensor network | |
| Sahal et al. | Comparison of CFAR methods on multiple targets in sea clutter using SPX-radar-simulator | |
| CN116299254B (zh) | 一种被动雷达寻的器的目标跟踪方法 | |
| CN111562569A (zh) | 基于加权群稀疏约束的Weibull背景下多目标恒虚警检测方法 | |
| CN110231602B (zh) | 一种基于二维分区处理的大批量海面目标点迹提取算法 | |
| Chen et al. | Maneuvering target tracking from nautical radar images using particle-Kalman filters | |
| CN109239677B (zh) | 一种环境自适应恒虚警检测门限确定方法 | |
| CN106249241B (zh) | 一种自适应杂波功率统计算法 | |
| CN111723808B (zh) | 一种基于最大值背景预测的红外弱目标提取方法 | |
| CN108646235B (zh) | 基于点迹位置聚合识别空间散布固定杂波的方法 | |
| CN113721237B (zh) | 一种多隶属度的目标智能匹配算法 | |
| KR20100092760A (ko) | 탐색레이더에서의 정밀 표적탐지방법 | |
| CN116879863B (zh) | 一种连续波4d毫米波雷达多目标测量方法及系统 | |
| KR102302421B1 (ko) | 파라미터 추정을 통한 표적 검출 방법 및 기록 매체 | |
| CN117372462B (zh) | 一种高精度的水下低光目标边缘检测方法 | |
| Van Der Werk et al. | Approximately optimal radar resource management for multi-sensor multi-target tracking | |
| US20150301170A1 (en) | A method of estimating a local plot density in a radar system; a plot density estimator and a radar system with a plot density estimator |
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 |