1.本发明属于雷达目标数据处理领域。
背景技术:
2.随着当前战场电子环境的复杂化以及智能化作战水平的不断提升,雷达航迹的自动起始要求也越来越高。雷达航迹的自动起始既要保证真实目标航迹的准确起始,又要严格控制虚假航迹的起始概率,对于某些特殊使命的雷达,还需要对目标进行快速的自动起始,同时还要兼顾对海面慢速目标、无人机等低小慢目标的准确起始。另外,在不同的环境下,目标自动起始的点迹环境和杂波环境也不尽相同。为了满足在不同的环境和不同体制雷达下的航迹自动起始,需要采用一种通用的航迹自动起始方法。
3.在不同的杂波环境下,快/慢速目标的起始准则和起始判定方法不同,但是这只是涉及到不同的特征参数。密集杂波环境下的自动起始面临的主要问题是:当目标检测概率不高时,候选航迹在形成的过程中会包含杂波点迹,杂波点迹的参与会导致候选航迹在起始判定时不满足起始要求,而影响起始速度。密集杂波环境下的虚假点迹在航迹自动起始的判断过程中既容易产生虚假航迹,又会影响正确航迹的起始速度。
技术实现要素:
4.本发明提供了基于推理灰关联分析的密集虚假点迹抑制自动起始方法,充分利用候选航迹的各个点迹的有效特征信息,通过自相关匹配判决,提升目标航迹自动起始的判决效率和判决有效性。
5.本发明提出的基于推理灰关联分析的密集虚假点迹抑制自动起始方法,包括如下步骤:
6.步骤1:利用观测点迹形成候选航迹,构建候选航迹的模式特征矢量,包括目标点迹方位展宽δ
azispan
、距离展宽δ
disspan
、ep(过门限回波)个数δ
ep
、方位包络ε
azi
、距离包络ε
ele
、方位展宽变化δ
azispan
、距离展宽变化δ
disspan
、仰角质量δ
elequa
变化、ep个数变化δ
epnum
、幅度变化因子δ
amp
、速度δv、加速度δa、多普勒速度δ
doppler
、径向速度δ
vradial
、速度变化因子δv、速度方向变化因子δ
vdeg
、多普勒速度变化因子δ
doppler
、径向速度变化因子δ
vradial
;
7.步骤2:选取候选航迹的点迹序列子集形成比较数列,候选航迹原始点迹序列为参考序列,考虑d-s证据组合的空间复杂度,采用曲线拟合方法来筛选特征明显的特征矢量,并确定数列元素:
[0008][0009]
其中,参考序列的形成尤为重要,因为参考序列是用来进行计算灰关联度的基准,通过采用曲线拟合的方法选取拟合精度误差最低的前k的点迹形成参考序列;
[0010]
步骤3:计算候选航迹参考数列x0(j)和候选航迹子集比较数列xi(j)的灰关联系数和灰关联度:
[0011][0012]
其中ρ为分辨系数,ρ越小分辨力越大,取值可视具体情况确定,为两级最小差,为两级最大差;
[0013][0014]
其中a(j)为相应指标的加权系数;
[0015]
步骤4:运用d-s证据理论的组合公式对灰关联度进行组合判定,关联度大于判决门限的候选航迹进行航迹起始,不满足判决的候选航迹等候下次扫描判决。
[0016]
进一步的,所述步骤2还包括:
[0017]
①
通过不同的采样间隔获取候选航迹点迹序列的子集,将对候选航迹的判决拆分为多个子候选序列进行模糊关联判决;
[0018]
②
通过曲线拟合的方法选定拟合误差精度最小的k个点作为特征矢量。
[0019]
进一步的,所述步骤4包括:
[0020]
①
利用d-s证据理论的组合公式对候选航迹形成的各候选子集进行灰关联度判决;
[0021]
②
采用m/n判决机制,n次判决结果中m次判决成功则候选航迹为确认起始航迹;
[0022]
③
通过候选航迹点迹序列的子集的生成和灰关联度的组合判定规避密集虚假点迹抑制对航迹自动起始速度和成功率的影响。
[0023]
本发明充分分析了候选航迹的静态特征信息和动态特征信息,采用特定的采样准则建立候选子集并利用曲线拟合选取特征明显的参考向量,通过候选航迹和参考向量的灰关联分析和自相关匹配判决,抑制密集杂波环境下杂波点迹对候选航迹的起始判决影响,提升航迹自动起始的成功率和起始速度。
附图说明
[0024]
图1是基于推理灰关联分析的航迹自动起始流程图。
具体实施方式
[0025]
本发明通过对候选航迹静态特征信息和动态特征信息的分析判断,通过计算各点迹序列特征参数的灰关联系数,然后根据相关信息统计各参数的权值,计算候选航迹和候选航迹子集的灰关联度,通过对灰关联度的有效判决来确定候选航迹是否转为自动起始航迹。
[0026]
本发明优选实施例步骤如下所述:
[0027]
(1)对接收到的扇区量测点迹进行周期间的关联,通过位置和速度的判定量测是否关联,多个周期的关联量测序列形成候选航迹,具体量测关联方法如下:
[0028]
设当前扇区内有mk个量测点迹,是k时刻扇区内的第i个量测的第l个分量,其中l=1,...,p,i=1,...,mk。则前后两个周期同一个扇区内观测点zi(k)和zi(k 1)之间距离矢量d
ij
的第l个分量定义为:
[0029][0030]
式中,t为两次扫描间的时间间隔。若假设观测误差是独立、零均值、高斯分布的,协方差为ri(t),则归一化距离平方为:
[0031][0032]
式中,d
ij
(k)为服从自由度为p的χ2分布的随机变量。由给定的门限概率查自由度为p的χ2分布表可得门限γ,若d
ij
(k)≤γ,则可判定zi(k)和zi(k 1)两个量测关联。
[0033]
(2)对候选航迹进行实时判定,当候选航迹有效量测点数大于n时,构建候选航迹的模式特征矢量,具体的特征矢量元素包含:
[0034][0035]
其中,v为候选航迹速度,δv为速度变化率,φ为候选航迹航向,δφ为航向变化率,其他矢量元素包含目标点迹方位展宽δ
azispan
、距离展宽δ
disspan
、过门限回波ep个数δ
ep
、方位包络ε
azi
、距离包络ε
ele
、方位展宽变化δ
azispan
、距离展宽变化δ
disspan
、仰角质量δ
elequa
变化、ep个数变化δ
epnum
、幅度变化因子δ
amp
、速度δv、加速度δa、多普勒速度δ
doppler
、径向速度δ
vradial
、速度变化因子δv、速度方向变化因子δ
vdeg
、多普勒速度变化因子δ
doppler
、径向速度变化因子δ
vradial
。
[0036]
(3)对候选航迹进行曲线拟合,利用曲线拟合结果确定参考序列,在曲线拟合的过程中去除位置变化或速度变化异常的点迹,得到拟合度较高的曲线并将其作为参考序列,通过固定时间间隔或随机时间间隔的方法进行采样,确定多个候选航迹子集为比较序列:
[0037]
考虑d-s证据组合的空间复杂度,采用曲线拟合方法来筛选特征明显的特征矢量,并确定数列元素:
[0038][0039]
其中,参考序列的形成尤为重要,因为参考序列是用来进行计算灰关联度的基准,通过采用曲线拟合的方法选取拟合精度误差最低的前k的点迹形成参考序列;通过不同的采样间隔获取候选航迹点迹序列的子集,将对候选航迹的判决拆分为多个比较序列进行模糊关联判决;
[0040]
(4)计算比较序列和参考序列的灰关联系数和灰关联度:
[0041]
计算候选航迹参考数列x0(j)和候选航迹子集比较数列xi(j)的灰关联系数和灰关联度:
[0042]
灰关联系数:
[0043]
其中ρ为分辨系数,ρ越小分辨力越大,取值可视具体情况确定,为两级最小差,为两级最大差:
[0044]
灰关联度:
[0045]
其中a(j)为相应指标的加权系数;
[0046]
(5)利用d-s推理组合公式进行灰关联排序判决:
[0047]
对于多个比较数列和参考序列的综合判决,采用d-s组合规则对证据进行两两综合判决,利用组合的模糊判决来规避密集虚假点迹抑制对航迹自动起始速度和成功率的影响,具体可采用m/n判决机制,n次判决结果中m次判决成功则候选航迹为确认起始航迹;
[0048]
(6)判决成功的候选航迹进行航迹自动起始,进行批号分配,并利用多周期点迹进行航迹滤波,形成起始航迹信息,判决不成功的候选航迹进行下一周期的点迹关联和关联分析,即转步骤(1)。
再多了解一些
本文用于创业者技术爱好者查询,仅供学习研究,如用于商业用途,请联系技术所有人。