基于目标特征信息的航迹起始

航迹起始的速度与航迹起始的质量是多目标航迹处理的关键问题,为保证对各种目标实时快速反应,要求航迹处理能快速起始目标航迹,但同时还要求航迹具备低虚警、高航迹起始质量的特性。针对以上问题,首先应用目标特征增值信息库对目标进行初步识别,然后通过Hough变换后再对目标进行相关,完成航迹起始处理,在工程应用中有比较明显的效果,在可有效降低航迹虚警率的同时,大大缩短了航迹起始的时间。     

基于网格连通的航迹自动起始方法

针对密集杂波环境下航迹自动起始困难的问题,根据杂波和目标的空间分布特征,采用了网格连通的概念对观测空间进行网格划分并基于相应的准则形成连通域,通过对连通域的分析实现对点迹的预处理,然后对预处理之后的点迹进行航迹起始处理,通过减少航迹起始判断的观测点数目来减少计算量,实现快速的航迹起始,并利用仿真试验和实际数据验证了该方法工程应用的可行性。     

回波幅度信息辅助的群目标航迹起始方法

航迹起始是群目标跟踪的首要环节,其性能好坏直接影响着目标跟踪航迹的质量。传统的群目标航迹起始方法仅利用目标的位置信息完成分群检测和等效量测求解等步骤,没有充分利用回波幅度信息,存在分群检测不理想、等效量测求解不准确等问题,有可能引起失跟现象。针对此问题,该文提出一种回波幅度信息辅助的群目标航迹起始方法。首先利用目标位置信息和幅度信息完成分群检测,然后综合采用幅度加权和位置加权求解等效量测,最后基于修正的逻辑法进行群目标航迹起始。该文方法在分群检测和求解等效量测等步骤充分利用了回波幅度信息,不仅可以在集群数量未知的情况下正确划分群,而且降低了失跟率,提高了群目标的跟踪性能。仿真结果验证了所提方法的有效性。      

基于深度学习的雷达目标航迹起始方法

本文提出了一种基于深度学习的雷达目标航迹起始方法,将目标航迹起始问题转化为深度神经网络模型二分类问题—“真实航迹”类和“虚假航迹”类。首先对空间配准后的目标点迹进行环形波门粗关联,得到粗关联暂时航迹;对粗关联暂时航迹进行特征向量建模,获得深度神经网络模型输入向量;利用仿真系统雷达数据,提取神经网络模型训练样本,设计深度全连接神经网络结构,训练网络模型得到优化的模型参数;使用训练好的模型参数实时计算目标起始航迹。仿真试验证明了该算法的有效性。     

基于编队目标重心的航迹起始方法研究

在分析了编队目标跟踪现有的K-方法和集群引晶方法的基本原理、步骤及存在问题的此基础上,针对编队目标不同于一般多目标的特点,提出了基于编队目标重心的航迹起始方法。该算法首先根据监视区域内多目标回波的空间距离进行分群检测预处理,以形成编队目标;在完成分群检测后,再利用目标回波幅度信息求解每个编队目标的重心,以编队目标重心为等效量测实现编队目标快速、稳定的航迹起始。仿真结果证明了该方法的正确性与有效性。     

基于LFM的双波段雷达航迹起始方法

线性调频(LFM)信号是一种重要的脉冲压缩信号。由于其具有众多优良性能,在工程实践中得到广泛应用。在不同工作频率下,LFM信号具有不同的距离多普勒耦合系数,脉压后带来的不同测距误差给双波段雷达的航迹起始带来困难。针对该问题,首先分析了多普勒耦合系数对双波段雷达测距的影响,导出了双波段雷达的非线性量测方程组;然后,采用加权最小二乘(高斯-牛顿迭代)法对运动目标进行定位;最后,提出了双波段雷达下的航迹起始方法。蒙特卡洛仿真结果表明:该方法可以在不同波段测量模式下有效提高目标航迹起始的准确率。     

基于幅度辅助的对海雷达航迹起始方法

针对复杂环境下不同雷达观测测量准确度存在差异而导致观测数据质量存在差异的问题,提出了一种基于幅度辅助的对海雷达航迹起始方法。该方法首先利用幅度信息计算幅度似然比,并以幅度似然比的大小来表示观测数据质量的高低,然后将这种幅度信息引起的数据质量差异用于Hough变换参数空间积累后的初选航迹参数的一次修正,提高迭代滤波初值的准确性;然后对一次修正后的初选航迹进行多尺度聚类,利用简单的二次迭代滤波方法分析得到目标的真实航迹起始数目和航迹起始参数;最后通过仿真数据证明了所提方法的有效性和优越性。     

基于雷达量测时空特征的航迹起始方法

日益拥挤、复杂的空域环境,使得确定真实目标航迹的起始尤为主要。现有关于雷达目标航迹起始的研究大多只考虑了实时性或起始率中的一种,难以在强杂波环境下完成快速而准确的航迹起始。本文提出一种适用于强杂波环境的基于深度学习和雷达量测时空(DLTS)特征的航迹起始算法。该算法首先从雷达量测组合中筛选出候选集,并从中提取出量测组合的时序变化和空间分布向量,作为一维卷积神经网络(1DCNN)和门控循环单元(GRU)混合模型的输入,获得量测组合的时间和空间维度特征,再将二者合并得到时空特征。最后对经过自注意力处理的时空特征进行真假航迹分类,完成航迹起始。在仿真实验中,DLTS算法在强杂波环境下能够在时间损耗与逻辑法相近的情况下有效提高真假航迹起始率性能。     

基于IPSNF的目标航迹起始算法

提出了一种杂波环境下目标的自动航迹起始算法。该算法在概率强近邻算法的基础上结合目标存在的不确定性,运用了贝叶斯结构中的独立马尔可夫链,并将其性能与传统算法进行了比较,仿真结果显示了新算法的有效性和优越性。     

一种基于跟踪信息的多基雷达系统航迹起始算法

多基雷达系统(MSRS)可以大大提高目标定位性能,然而由于各个雷达站信噪比的差异,通常存在一些雷达站尚未建立目标航迹,从而不能最大程度地提高目标定位精度。因此,如何利用其它雷达站提供的目标跟踪信息,提高尚未建立目标航迹的雷达站的探测性能是一个值得研究的问题。为此,该文提出一种基于跟踪信息的航迹起始算法。首先将已经跟踪到目标的雷达站提供的目标跟踪信息,送至尚未建立目标航迹的雷达站;然后利用目标跟踪信息和目标运动模型,建立目标预测波门;最终在虚假航迹起始概率恒定的条件下,调整预测波门内的检测门限,完成目标检测和航迹起始过程。仿真实验表明,该算法可以大大提高目标检测概率和目标航迹起始概率。     

一种临近空间高超声速目标航迹起始算法

提出一种三维空间中基于多普勒的改进修正霍夫变换快速航迹起始算法。利用传统航迹起始算法起始高超声速目标将导致目标容易丢失和虚假航迹增多,这不利于对高超声速目标的跟踪。文中提出的方法在三维空间中首先利用条件约束和多普勒信息辅助剔除部分虚假点,再利用修正霍夫变换法进行航迹起始。该算法不仅能有效起始航迹,而且极大地抑制虚假航迹。通过蒙特卡洛仿真实验表明,该算法能快速高效地起始航迹,是一种可行的临近空间高超声速目标的航迹起始算法。     

一种天波超视距雷达分级Hough变换航迹起始方法

天波超视距雷达固有的低数据率、低检测概率和低量测精度等特征对航迹起始方法提出新的挑战。本文提出了一种天波超视距雷达两级Hough变换航迹起始算法(TH-HT)。该方法首先采用时间-径向距离数据进行第1级Hough变换,将多普勒量测作为积累约束条件来避免无效积累,得到候选航迹;之后对与每条候选航迹相应的时间-方位角数据进行第2级Hough变换,最终得到确认航迹。通过描述各级积累单元获得杂波投票数期望的定理,给出两级阈值的确定方法。与MMUPDA的仿真比较表明,TH-HT不但具有较高的航迹起始概率和较低的虚假航迹概率,而且运行时间大大降低。     

一种适合多频连续波体制雷达的航迹起始算法

作为多目标航迹处理中的首要问题,航迹起始的好与坏直接影响着后续航迹的处理.现有的航迹起始算法主要分为顺序处理技术和批处理两大类,包括直观法、逻辑法、Hough变换法、修正的Hough变换法等.本文对几种航迹起始算法的性能进行了仿真分析,并在此基础上研究了一种基于逻辑法的航迹起始算法,工程应用表明这是一种适用于多频连续波体制雷达的航迹起始算法.     

临近空间高超声速目标跟踪技术及展望

临近空间高超声速目标对空间防御系统和跟踪技术提出了挑战。文中简要介绍了临近空间高超声速目标的特点;从跟踪算法和目标探测技术两个方面概述了当前临近空间高超声速目标跟踪技术的研究现状;从滤波算法、目标运动模型、目标探测系统和信号处理方法等方面分析了临近空间高超声速目标跟踪技术的发展趋势,提出了一些思考及可行性建议。     

两级Hough变换航迹起始算法

密集杂波环境中低信噪比目标的航迹起始是目标跟踪面临的主要困难.考虑一类具有多普勒量测的目标跟踪问题,提出了一种两级Hough变换航迹起始算法.该算法将时间信息引入Hough变换,利用多普勒与斜距的相关性构造约束条件,将三维空间的轨迹检测转化为两个二维空间的轨迹检测问题.给出了四个描述算法特性的定理,为算法参数设计提供了依据.仿真表明算法的有效性.     

基于确定参数Hough变换的航迹起始

Hough变换具有对局部缺损不敏感,抗噪声、杂波等特点,适用于杂波环境下的航迹起始。但Hough变换运算量大、占用内存多,这限制了其在航迹起始中的应用。文中提出了一种利用Hough变换实现航迹起始的新算法,舍弃了传统Hough变换采用观测空间中各点对参数空间投票的方法,改用几个点确定的唯一曲线进行投票。在该方法中每个观测点只对经过该点的部分曲线投票,减少了投票运算的次数。同时该方法利用了观测数据的时序信息和目标的运动信息,抑制了虚假航迹的产生。仿真结果表明:该算法运算速度和内存使用率要好于修正Hough变换,对杂波生成的虚假航迹有更好的抑制效果,并且不容易丢失真实目标的航迹。     

一种基于多普勒信息的雷达目标跟踪方法

机载预警雷达采用脉冲多普勒体制,具有良好的低空探测性能,但其存在不可忽略的多普勒盲区问题。在目标跟踪的过程中,该盲区容易造成目标中断和重起批。针对多普勒盲区条件下的目标连续跟踪问题,文中提出了一种基于多普勒预测的扩展卡尔曼滤波算法(Doppler Prediction EKF,DP-EKF),该方法将多普勒盲区的先验信息并入到扩展卡尔曼滤波算法中,通过状态预测判断目标在未来时刻是否落入多普勒盲区,从而自适应地调整跟踪滤波规则,解决多普勒盲区条件下目标连续跟踪问题。仿真结果表明,该算法对于运动模型已知的航迹不连续目标具有较好的跟踪效果,能够维持其航迹的连续性。     

一种基于Hough变换的航迹起始新方法

针对Hough变换法计算量大、存储量大以及在参数空间量化间隔和积累方式难于选取的问题,提出一种改进的Hough变换法,避免了参数空间间隔的选取问题。密集杂波背景下多目标的航迹起始仿真实验表明,该方法能大大改善航迹起始的正确性和反应时间,有效改善局部峰值簇拥现象,而且对杂波干扰具有更好的稳健性,比较适合于密集杂波下目标的航迹起始。