CN108919268A - 一种基于无人机监视雷达的航迹起始算法 - Google Patents
一种基于无人机监视雷达的航迹起始算法 Download PDFInfo
- Publication number
- CN108919268A CN108919268A CN201810699176.9A CN201810699176A CN108919268A CN 108919268 A CN108919268 A CN 108919268A CN 201810699176 A CN201810699176 A CN 201810699176A CN 108919268 A CN108919268 A CN 108919268A
- Authority
- CN
- China
- Prior art keywords
- track
- temporary
- unilateral
- temporary track
- assumed
- 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
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
- G01S13/88—Radar or analogous systems specially adapted for specific applications
- G01S13/91—Radar or analogous systems specially adapted for specific applications for traffic control
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Physics & Mathematics (AREA)
- Electromagnetism (AREA)
- Computer Networks & Wireless Communication (AREA)
- General Physics & Mathematics (AREA)
- Radar Systems Or Details Thereof (AREA)
Abstract
本发明公开了一种基于无人机监视雷达的航迹起始算法，包括：系统对雷达扫描的点迹进行单边多假设相关判定，形成单边多假设的暂时航迹；对所述单边多假设的暂时航迹进行多模型暂时航迹起始判定，形成满足航迹起始条件的暂时航迹；对所述满足航迹起始条件的暂时航迹进行航迹滤波判定，形成稳定航迹。本发明解决了无人机航迹起始困难、杂波区虚警严重的问题，提高了无人机的监视效率。
Description
技术领域
本发明涉及三坐标有源相控阵雷达低空监视领域，尤其是一种基于无人机监视雷达的航迹起始算法。
背景技术
近几年，随着无人机技术的迅速发展，无人机已从原来的军用市场大范围扩展到民用市场，黑飞导致的安全事故屡见不鲜，使我国低空领域管制承受着巨大威胁。在边防、人防、公安等国家安全防御部门的迫切需求下，无人机监视雷达逐渐兴起。
由于民用无人机通常采用非金属机身且机身体积小，导致RCS反射截面积小，雷达检测回波弱，特别是飞行速度慢、飞行高度低、飞行灵活的特点，让无人机的检测和跟踪成为业内公认的难题，其中，由于先验信息不足、目标机动性大、目标检测不连续的特点，导致的无人机航迹起始困难、杂波区虚警严重已经成为无人机监视的难点问题。
发明内容
为了克服上述现有技术的缺陷，本发明提供一种基于无人机监视雷达的航迹起始算法，解决了无人机航迹起始困难、杂波区虚警严重的问题，提高了无人机的监视效率。
为实现上述目的，本发明采用以下技术方案，包括：
一种基于无人机监视雷达的航迹起始算法，其特征在于，包括如下步骤：
S1，系统接收雷达扫描的第一帧点迹数据，对所述第一帧点迹数据中的所有点迹均建立暂时航迹；所述点迹数据包括：点迹的三维坐标信息、时间信息、属性值、幅度值；
S2，系统接收雷达扫描的下一帧点迹数据，将此下一帧点迹数据中的每个点迹与已建立的每条暂时航迹均进行单边多假设相关判定，判断此下一帧点迹是否存与已建立的暂时航迹相关，若此下一帧点迹中的某一点迹与已建立的某一暂时航迹相关，则将该相关点迹关联到该已建立的暂时航迹上形成单边多假设的暂时航迹；若此下一帧点迹中的某一点迹与已建立的每条暂时航迹均不相关，则根据该点迹建立暂时航迹；
S3，对单边多假设的暂时航迹进行多模型暂时航迹起始判定，判断单边多假设的暂时航迹是否满足航迹起始条件，将单边多假设的暂时航迹级联多个暂时航迹起始模型，判断单边多假设的暂时航迹是否满足其中一个暂时航迹起始模型的起始条件，若满足，则该单边多假设的暂时航迹为满足航迹起始条件的暂时航迹；若均不满足，则该单边多假设的暂时航迹不满足航迹起始条件，该单边多假设的暂时航迹等待与下一帧点迹数据进行单边多假设相关判定，且若该单边多假设的暂时航迹在一定的连续帧数内均没有相关点迹，则删除该单边多假设的暂时航迹；
S4，对满足航迹起始条件的暂时航迹进行航迹滤波判定，判断满足航迹起始条件的暂时航迹是否通过航迹滤波处理，若通过航迹滤波处理，则满足航迹起始条件的暂时航迹形成稳定航迹；若不通过航迹滤波处理，则删除该满足航迹起始条件的暂时航迹；
其中，步骤S1、S2中，建立暂时航迹的点迹为航迹头。
步骤S2中，所述单边多假设相关判定采用综合隶属度相关算法，所述综合隶属度相关算法具体如下：根据已建立的每条暂时航迹与点迹特征因子的隶属度，且根据已建立的每条暂时航迹与点迹运动状态因子的隶属度，计算点迹与已建立的每条暂时航迹的综合隶属度，综合隶属度满足用户设定的门限为相关。
若已建立的暂时航迹与此下一帧点迹中的多个点迹均相关时，暂时航迹进行最优相关点迹遴选，已建立的暂时航迹仅保留一个相关点迹形成单边多假设暂时航迹，所述最优点迹遴选：根据已建立的暂时航迹与每个点迹的综合隶属度，遴选出综合隶属度最高的点迹为暂时航迹的最优相关点迹，保留此最优相关点迹。
步骤S3中，所述多模型暂时航迹起始判定，包括如下具体步骤：
S31，计算形成单边多假设的暂时航迹的每一帧点迹与单边多假设的暂时航迹的综合隶属度，统计综合隶属度属于高隶属度的帧数HighSubCnt，属于甚高隶属度的帧数VeryHighSubCnt；
S32，计算形成单边多假设的暂时航迹的每一帧点迹与单边多假设的暂时航迹的航向一致性，统计航向一致性属于航向一致的帧数HighCourseUniformCnt，属于航向高度一致的帧数VeryHighCourseUniformCnt；
S33，统计形成单边多假设的暂时航迹的每一帧点迹属于杂波区帧数CluterCnt；
S34，根据杂波区帧数CluterCnt判断单边多假设的暂时航迹是否属于杂波区，若否，则对该单边多假设的暂时航迹进行暂时航迹起始模型模型1的起始判定，执行步骤S35；若是，则对该单边多假设的暂时航迹进行暂时航迹起始模型2的起始判定，执行步骤S36；
S35，判断单边多假设的暂时航迹是否满足暂时航迹起始模型1的起始条件，若是，则该单边多假设的暂时航迹满足暂时航迹的起始条件；若否，则对该单边多假设的暂时航迹进行暂时航迹起始模型3的起始判定，执行步骤S38；
S36，判断单边多假设的暂时航迹是否满足暂时航迹起始模型2的起始条件，若是，则该单边多假设的暂时航迹满足暂时航迹的起始条件；若否，则执行步骤S37；
S37，判断该单边多假设的暂时航迹是否属于类似清洁区，若是，则对该单边多假设的暂时航迹进行暂时航迹起始模型3的起始判定,执行步骤S38；若否，则该单边多假设的暂时航迹不满足暂时航迹的起始条件；所述类似清洁区：暂时航迹属于杂波区帧数CluterCnt与暂时航迹形成帧数FrameCnt的比值小于杂波区帧数门限值CleanFrameThresold；
S38，判断单边多假设的暂时航迹是否满足暂时航迹起始模型3的起始条件，若是，则该单边多假设的暂时航迹满足暂时航迹的起始条件；若否，则该单边多假设的暂时航迹不满足暂时航迹的起始条件；
其中，暂时航迹起始模型1的航迹起始条件：
HighSubThresold为高隶属度帧数门限；
HighCourseUniformThresold为航向一致帧数门限；
暂时航迹起始模型2的航迹起始条件：
VeryHighSubThresold为甚高隶属度帧数门限；
VeryHighCourseUniformThresold为航向高度一致帧数门限；
暂时航迹起始模型3的航迹起始条件：
FrameCnt为单边多假设的暂时航迹的形成帧数；
CleanFrameThresold为杂波区帧数门限；
InitFrameCnt为单边多假设的暂时航迹起始帧数；
InitFrameThresold为起始门限；
LostCnt为丢点帧数；
FrameCnt为单边多假设的暂时航迹形成帧数；
Sub为综合隶属度；
SubThresold为相关门限。
步骤S31中，若所述综合隶属度为大于或等于0.8且小于0.85时，则属于高隶属度；若所述综合隶属度为大于或等于0.85且小于1时，则属于甚高隶属度。
步骤S32中，若所述航向一致性为大于0.5度且小于或等于1.5度时，则属于航向一致；若所述航向一致性为小于或等于0.5度且大于0度时，则属于航向高度一致。
步骤S4中，所述航迹滤波判定进行第一级滤波，所述第一级滤波：根据雷达扫描每一帧的点迹数据计算满足航迹起始条件的暂时航迹首尾点的距离与此满足航迹起始条件的暂时航迹历经的航程的比值，判断所述比值是否大于杂波晃动门限，若是，则通过第一级滤波；若否，则删除该满足航迹起始条件的暂时航迹。
通过第一级滤波的满足航迹起始条件的暂时航迹进行第二级滤波，所述第二级滤波：采用滑窗法判断满足航迹起始条件的暂时航迹中属于禁止起始区域中的连续点迹是否达到设定的门限值，若是，则删除该满足航迹起始条件的暂时航迹；若否，则通过第二级滤波，即通过航迹滤波判定，形成稳定航迹；所述禁止起始区域为用户设置的不允许建立暂时航迹的区域。
本发明的优点在于：
(1)本发明采用单边多假设相关判定，解决了由于目标机动性大和杂波干扰导致点迹不能与已建立的暂时航迹相关的问题，同时，避免暂时航迹的建立数量爆炸性增长，节省计算机资源。
(2)本发明采用多模型航迹起始判定，且暂时航迹起始模型根据目标的飞行状态和杂波环境进行扩展，保证了无人机在不同环境、不同飞行状态下都能快速起始。
(3)本发明的3个暂时航迹起始模型分别适用于暂时航迹属于杂波区、非杂波区、杂波区中的类似清洁区，保证了目标起始效率，同时能有效控制虚警。
(4)本发明采用航迹滤波判定，剔除了杂波对暂时航迹的干扰，降低了虚警率。
(5)本发明的两级航迹滤波处理，第一级滤波为抑制杂波干扰，第二级滤波为用户提供现场优化，这种方式适用于不同的用户团体和使用场景，提高用户体验。
附图说明
图1为本发明的航迹起始算法的算法流程图。
图2为本发明的单边多假设相关判定的方法流程图。
图3为本发明的多模型暂时航迹起始判定的方法流程图。
图4为本发明的暂时航迹滤波判定的方法流程图。
具体实施方式
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，所描述的实施例仅仅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他实施例，都属于本发明保护的范围。
由图1所示，一种基于无人机监视雷达的航迹起始算法，包括以下步骤：
S1，雷达进行第一帧的扫描，系统接收的第一帧点迹数据，点迹数据包括：点迹的三维坐标信息、时间信息、属性值、幅度值，并对第一帧点迹数据中的所有点迹均建立暂时航迹。
S2，雷达进行第二帧的扫描，系统接收的此帧点迹数据，将此帧点迹数据中的每个点迹与已建立的每条暂时航迹均进行单边多假设相关判定，判断将此帧点迹中的点迹是否与已建立的暂时航迹相关，若存在某一点迹与已建立的某一暂时航迹相关，则将该相关点迹关联到该已建立的暂时航迹上形成单边多假设的暂时航迹；若某一点迹与已建立的每条暂时航迹均不相关，则用该点迹建立暂时航迹。
S3，对单边多假设的暂时航迹进行多模型暂时航迹起始判定，判断单边多假设的暂时航迹是否满足航迹起始条件，将单边多假设的暂时航迹级联3个暂时航迹起始模型，判断单边多假设的暂时航迹是否满足其中一个暂时航迹起始模型的起始条件，若满足，则该单边多假设的暂时航迹为满足航迹起始条件的暂时航迹；若均不满足，则该单边多假设的暂时航迹不满足航迹起始条件，将该单边多假设的暂时航迹作为已建立的暂时航迹等待与第三帧点迹数据进行单边多假设相关判定，依次类推，不满足航迹起始条件的单边多假设的暂时航迹等待与下一帧点迹数据进行单边多假设相关判定，且若该单边多假设的暂时航迹在连续三帧内均没有相关点迹，则删除该单边多假设的暂时航迹。
S4，对满足航迹起始条件的暂时航迹进行航迹滤波判定，剔除杂波对暂时航迹起始的干扰，航迹滤波分为两级滤波，第一级滤波为杂波晃动点滤除，第二级滤波为禁止起始区域中的暂时航迹滤除，判断满足航迹起始条件的暂时航迹是否通过航迹滤波的两级滤波，若通过两级滤波，则该满足航迹起始条件的暂时航迹则形成稳定航迹；若不通过两级滤波，则删除该满足航迹起始条件的暂时航迹。
其中，步骤S1、S2中建立暂时航迹的点迹为航迹头。
步骤S2中，由图2所示，单边多假设暂时航迹相关判定的方法，包括以下步骤：
S21，计算已建立的暂时航迹与点迹特征因子的隶属度SubAttribute，如公式1所示，其中plotAttributei为点迹特征因子i的点迹属性值，TTAttributei为暂时航迹属性值，normalizedAttributei为归一化值，通常取该特征因子的最大波动范围，Factori为点迹特征因子i对点迹特征隶属度的贡献，最大值取1，点迹特征因子的隶属度为计算出n个点迹特征因子的综合隶属度。
S22，计算已建立的暂时航迹与点迹运动状态因子的隶属度SubDynamic，如公式2所示，其中plotDynamici为点迹运动状态因子i的运动状态值，TTDynamici为暂时航迹运动状态值，normalizedDynamici为归一化值，通常取该运动状态因子的最大波动范围，Factori为点迹运动状态因子i对点迹运动状态隶属度的贡献，最大值取1，点迹运动状态的隶属度为计算出m个点迹运动状态的综合隶属度。
S23，根据已建立的暂时航迹与点迹特征因子的隶属度SubAttribute，且根据已建立的暂时航迹与点迹运动状态因子的隶属度SubDynamic，计算综合隶属度Sub，如公式3所示，其中k为点迹特征因子隶属度比，最大值取1，衡量了点迹特征因子与点迹运动状态因子对点迹隶属度贡献的比例。
Sub＝SubAttribute×k+SubDynamic×(1-k)； 公式3
S24，判断综合隶属度Sub是否大于用户设定的门限，本实施例中，将此门限设定为0.6，若是，则暂时航迹与点迹相关，执行步骤S25；若否，则执行步骤S26。
S25，对已建立暂时航迹的所有相关点迹进行最优相关点迹遴选，已建立的暂时航迹最终仅保留一个相关点迹形成单边多假设暂时航迹；所有相关点迹遴选：对比已建立的暂时航迹与每个点迹的综合隶属度，综合隶属度最高的点迹为暂时航迹的最优相关点迹，保留此最优相关点迹。
S26，将最终仅保留的一个相关点迹关联到已建立的暂时航迹上形成单边多假设的暂时航迹。
其中，已建立的暂时航迹在每一帧点迹数据中至多仅与一个点迹相关，形成单边多假设的暂时航迹。
步骤S3中，如图3所示，多模型暂时航迹起始判定的方法，包括以下步骤：
S31，计算形成单边多假设的暂时航迹的点迹与单边多假设的暂时航迹的综合隶属度，统计综合隶属度属于高隶属度的帧数HighSubCnt，属于甚高隶属度的帧数VeryHighSubCnt；
所述综合隶属度为步骤S23中计算得出的综合隶属度Sub，本实施例中，综合隶属度为大于或等于0.8且小于0.85，则属于高隶属度；综合隶属度为大于或等于0.85且小于1，则属于甚高隶属度。
S32，计算形成单边多假设的暂时航迹的点迹与单边多假设的暂时航迹的的航向一致性，统计航向一致性属于航向一致的帧数HighCourseUniformCnt，属于航向高度一致的帧数VeryHighCourseUniformCnt；
所述航向一致性为形成单边多假设的暂时航迹的点迹与此单边多假设的暂时航迹的航向差，本实施例中，航向一致性为小于或等于1.5度且大于0.5度，则属于航向一致；航向一致性为小于或等于0.5度且大于0度，则属于航向高度一致。
S33，统计形成单边多假设的暂时航迹的点迹属于杂波区帧数CluterCnt，对暂时航迹进行杂波区判定，若属于非杂波区，即杂波区帧数CluterCnt为0，则执行步骤S34；若属于杂波区，即杂波区帧数CluterCnt大于0，则执行步骤S35。
S34，判断是否满足暂时航迹起始模型1的起始条件，若满足，则执行步骤S38；若不满足，则执行步骤S37；所述起始条件：高隶属度的帧数HighSubCnt，航向一致的帧数HighCourseUniformCnt满足高隶属度帧数门限HighSubThresold、航向一致帧数门限HighCourseUniformThresold，如关系表达式1所示。
S35，判断是否满足暂时航迹起始模型2的起始条件，若满足，则执行步骤S38；若不满足，则执行步骤S36；所述起始条件：甚高隶属度的帧数VeryHighSubCnt、航向高度一致的帧数VeryHighCourseUniformCnt满足甚高隶属度帧数门限VeryHighSubThresold、航向高度一致帧数门限VeryHighCourseUniformThresold，如关系表达式2所示。
S36，判断是否属于类似清洁区，若是，则执行步骤S37；若否，则执行步骤上S39；所述类似清洁区：单边多假设的暂时航迹属于杂波区的帧数CluterCnt与单边多假设的暂时航迹形成帧数FrameCnt比值小于杂波区帧数门限值CleanFrameThresold。
S37，判断是否满足暂时航迹起始模型3的起始条件，若满足，则执行步骤S38；若不满足，则执行步骤S39；所述起始条件：目标飞行轨迹不连续，即存在丢点帧数LostCnt，起始帧数InitFrameCnt在起始门限InitFrameThresold的基础上动态增加丢点帧数，判断单边多假设的暂时航迹形成帧数FrameCnt是否满足大于起始帧数，且综合隶属度Sub是否满足大于隶属度门限值SubThresold，如关系表达式3所示。
S38，该单边多假设的暂时航迹即为满足航迹起始条件的暂时航迹。
S39，将该单边多假设的暂时航迹作为已建立的暂时航迹等待与下一帧点迹数据进行单边多假设相关判定，且若该单边多假设的暂时航迹在连续三帧内均没有相关点迹，则删除该单边多假设的暂时航迹。
其中，多模型暂时航迹起始判定对所有暂时航迹均适用，在本实施例中，对步骤S2中形成的单边多假设的暂时航迹进行多模型暂时航迹起始判定。
多模型暂时航迹起始判定的暂时航迹起始模型为根据目标的飞行状态和杂波环境进行扩展的，本实施例中，多模型暂时航迹起始判定包括3个暂时航迹起始模型，其中，暂时航迹起始模型1：适用于属于非杂波区的暂时航迹；暂时航迹起始模型2：适用于属于杂波区的暂时航迹；暂时航迹起始模型3：适用于属于非杂波区中不满足航迹起始模型1的暂时航迹，且还适用于属于杂波区中的类似清洁区的暂时航迹。
本实施例中，高隶属度帧数门限HighSubThresold为3帧；
甚高隶属度帧数门限VeryHighSubThresold为4帧；
航向一致帧数门限HighCourseUniformThresold为3帧；
航向高度一致帧数门限VeryHighCourseUniformThresold为4帧；
杂波区帧数门限CleanFrameThresold为3/8；
隶属度门限值SubThresold为0.8。
步骤S4中，如图3所示，暂时航迹滤波判定的方法，包括以下步骤：
S41,记录满足航迹起始条件的暂时航迹创建时的首点位置信息FirstX、FirstY；记录满足航迹起始条件的暂时航迹每一帧的航程信息TotalRoute；记录满足航迹起始条件的暂时航迹的尾点位置信息EndX、EndY。
S42，计算满足航迹起始条件的暂时航迹首尾点的距离与航程之比。
S43，判断满足航迹起始条件的暂时航迹是否通过第一级滤波，判断满足航迹起始条件的暂时航迹首尾点的距离与航程之比是否小于杂波晃动门限ShakeThresold，本实施例中，杂波晃动门限ShakeThresold为0.7，如公式4所示，若是，则不通过，执行步骤S47；否则，通过第一级滤波，执行步骤S44。
S44，用户设置一个扇形区域为禁止起始区域，禁止起始区域为不允许建立暂时航迹的区域。
S45，判断暂时航迹是否通过第二级滤波，第二级滤波采用滑窗滤波的方法，滑动扇形的起始起始区域，遍历形成暂时航迹的所有点迹，判断满足航迹起始条件的暂时航迹中属于禁止起始区域中的连续点迹是否达到设定的数量，本实施例中，设定的数量为3个，若是，则不通过，执行步骤S47；否则，通过第二级滤波，执行步骤S46；
S46，形成稳定航迹。
S47，删除该满足航迹起始条件的暂时航迹。
其中，所述第一级滤波为滤除杂波晃动点，当暂时航迹的形成点迹为杂波晃动点时，则暂时航迹首尾点的距离为小于暂时航迹历经的航程；所述第二级滤波为滤除禁止起始区域中形成的暂时航迹。
以上仅为本发明创造的较佳实施例而已，并不用以限制本发明创造，凡在本发明创造的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明创造的保护范围之内。
Claims (8)
1.一种基于无人机监视雷达的航迹起始算法，其特征在于，包括如下步骤：
S1，系统接收雷达扫描的第一帧点迹数据，对所述第一帧点迹数据中的所有点迹均建立暂时航迹；所述点迹数据包括：点迹的三维坐标信息、时间信息、属性值、幅度值；
S2，系统接收雷达扫描的下一帧点迹数据，将此下一帧点迹数据中的每个点迹与已建立的每条暂时航迹均进行单边多假设相关判定，判断此下一帧点迹是否存与已建立的暂时航迹相关，若此下一帧点迹中的某一点迹与已建立的某一暂时航迹相关，则将该相关点迹关联到该已建立的暂时航迹上形成单边多假设的暂时航迹；若此下一帧点迹中的某一点迹与已建立的每条暂时航迹均不相关，则根据该点迹建立暂时航迹；
S3，对单边多假设的暂时航迹进行多模型暂时航迹起始判定，判断单边多假设的暂时航迹是否满足航迹起始条件，将单边多假设的暂时航迹级联多个暂时航迹起始模型，判断单边多假设的暂时航迹是否满足其中一个暂时航迹起始模型的起始条件，若满足，则该单边多假设的暂时航迹为满足航迹起始条件的暂时航迹；若均不满足，则该单边多假设的暂时航迹不满足航迹起始条件，该单边多假设的暂时航迹等待与下一帧点迹数据进行单边多假设相关判定，且若该单边多假设的暂时航迹在一定的连续帧数内均没有相关点迹，则删除该单边多假设的暂时航迹；
S4，对满足航迹起始条件的暂时航迹进行航迹滤波判定，判断满足航迹起始条件的暂时航迹是否通过航迹滤波处理，若通过航迹滤波处理，则满足航迹起始条件的暂时航迹形成稳定航迹；若不通过航迹滤波处理，则删除该满足航迹起始条件的暂时航迹；
其中，步骤S1、S2中，建立暂时航迹的点迹为航迹头。
2.根据权利要求1所述的一种基于无人机监视雷达的航迹起始算法，其特征在于，步骤S2中，所述单边多假设相关判定采用综合隶属度相关算法，所述综合隶属度相关算法具体如下：根据已建立的每条暂时航迹与点迹特征因子的隶属度，且根据已建立的每条暂时航迹与点迹运动状态因子的隶属度，计算点迹与已建立的每条暂时航迹的综合隶属度，综合隶属度满足用户设定的门限为相关。
3.根据权利要求2所述的一种基于无人机监视雷达的航迹起始算法，其特征在于，若已建立的暂时航迹与此下一帧点迹中的多个点迹均相关时，暂时航迹进行最优相关点迹遴选，已建立的暂时航迹仅保留一个相关点迹形成单边多假设暂时航迹，所述最优点迹遴选：根据已建立的暂时航迹与每个点迹的综合隶属度，遴选出综合隶属度最高的点迹为暂时航迹的最优相关点迹，保留此最优相关点迹。
4.根据权利要求3所述的一种基于无人机监视雷达的航迹起始算法，其特征在于，步骤S3中，所述多模型暂时航迹起始判定，包括如下具体步骤：
S31，计算形成单边多假设的暂时航迹的每一帧点迹与单边多假设的暂时航迹的综合隶属度，统计综合隶属度属于高隶属度的帧数HighSubCnt，属于甚高隶属度的帧数VeryHighSubCnt；
S32，计算形成单边多假设的暂时航迹的每一帧点迹与单边多假设的暂时航迹的航向一致性，统计航向一致性属于航向一致的帧数HighCourseUniformCnt，属于航向高度一致的帧数VeryHighCourseUniformCnt；
S33，统计形成单边多假设的暂时航迹的每一帧点迹属于杂波区帧数CluterCnt；
S34，根据杂波区帧数CluterCnt判断单边多假设的暂时航迹是否属于杂波区，若否，则对该单边多假设的暂时航迹进行暂时航迹起始模型模型1的起始判定，执行步骤S35；若是，则对该单边多假设的暂时航迹进行暂时航迹起始模型2的起始判定，执行步骤S36；
S35，判断单边多假设的暂时航迹是否满足暂时航迹起始模型1的起始条件，若是，则该单边多假设的暂时航迹满足暂时航迹的起始条件；若否，则对该单边多假设的暂时航迹进行暂时航迹起始模型3的起始判定，执行步骤S38；
S36，判断单边多假设的暂时航迹是否满足暂时航迹起始模型2的起始条件，若是，则该单边多假设的暂时航迹满足暂时航迹的起始条件；若否，则执行步骤S37；
S37，判断该单边多假设的暂时航迹是否属于类似清洁区，若是，则对该单边多假设的暂时航迹进行暂时航迹起始模型3的起始判定,执行步骤S38；若否，则该单边多假设的暂时航迹不满足暂时航迹的起始条件；所述类似清洁区：暂时航迹属于杂波区帧数CluterCnt与暂时航迹形成帧数FrameCnt的比值小于杂波区帧数门限值CleanFrameThresold；
S38，判断单边多假设的暂时航迹是否满足暂时航迹起始模型3的起始条件，若是，则该单边多假设的暂时航迹满足暂时航迹的起始条件；若否，则该单边多假设的暂时航迹不满足暂时航迹的起始条件；
其中，暂时航迹起始模型1的航迹起始条件：
HighSubThresold为高隶属度帧数门限；
HighCourseUniformThresold为航向一致帧数门限；
暂时航迹起始模型2的航迹起始条件：
VeryHighSubThresold为甚高隶属度帧数门限；
VeryHighCourseUniformThresold为航向高度一致帧数门限；
暂时航迹起始模型3的航迹起始条件：
FrameCnt为单边多假设的暂时航迹的形成帧数；
CleanFrameThresold为杂波区帧数门限；
InitFrameCnt为单边多假设的暂时航迹起始帧数；
InitFrameThresold为起始门限；
LostCnt为丢点帧数；
FrameCnt为单边多假设的暂时航迹形成帧数；
Sub为综合隶属度；
SubThresold为相关门限。
5.根据权利要求4所述的一种基于无人机监视雷达的航迹起始算法，其特征在于，步骤S31中，若所述综合隶属度为大于或等于0.8且小于0.85时，则属于高隶属度；若所述综合隶属度为大于或等于0.85且小于1时，则属于甚高隶属度。
6.根据权利要求4所述的一种基于无人机监视雷达的航迹起始算法，其特征在于，步骤S32中，若所述航向一致性为大于0.5度且小于或等于1.5度时，则属于航向一致；若所述航向一致性为小于或等于0.5度且大于0度时，则属于航向高度一致。
7.根据权利要求1所述的一种基于无人机监视雷达的航迹起始算法，其特征在于，步骤S4中，所述航迹滤波判定进行第一级滤波，所述第一级滤波：根据雷达扫描每一帧的点迹数据计算满足航迹起始条件的暂时航迹首尾点的距离与此满足航迹起始条件的暂时航迹历经的航程的比值，判断所述比值是否大于杂波晃动门限，若是，则通过第一级滤波；若否，则删除该满足航迹起始条件的暂时航迹。
8.根据权利要求7所述的一种基于无人机监视雷达的航迹起始算法，其特征在于，通过第一级滤波的满足航迹起始条件的暂时航迹进行第二级滤波，所述第二级滤波：采用滑窗法判断满足航迹起始条件的暂时航迹中属于禁止起始区域中的连续点迹是否达到设定的门限值，若是，则删除该满足航迹起始条件的暂时航迹；若否，则通过第二级滤波，即通过航迹滤波判定，形成稳定航迹；所述禁止起始区域为用户设置的不允许建立暂时航迹的区域。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810699176.9A CN108919268B (zh) | 2018-06-29 | 2018-06-29 | 一种基于无人机监视雷达的航迹起始算法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810699176.9A CN108919268B (zh) | 2018-06-29 | 2018-06-29 | 一种基于无人机监视雷达的航迹起始算法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN108919268A true CN108919268A (zh) | 2018-11-30 |
| CN108919268B CN108919268B (zh) | 2020-11-24 |
Family
ID=64424362
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201810699176.9A Active CN108919268B (zh) | 2018-06-29 | 2018-06-29 | 一种基于无人机监视雷达的航迹起始算法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN108919268B (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110346789A (zh) * | 2019-06-14 | 2019-10-18 | 北京雷久科技有限责任公司 | 一种多面阵雷达系统及数据融合处理方法 |
| CN111175738A (zh) * | 2020-01-08 | 2020-05-19 | 中国船舶重工集团公司第七二四研究所 | 一种基于多模型隶属控制的相控阵雷达目标快速建航方法 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101893441A (zh) * | 2010-06-13 | 2010-11-24 | 南京航空航天大学 | 基于离差最大化及灰色关联分析的无人机航迹优选方法 |
| WO2010138696A1 (en) * | 2009-05-27 | 2010-12-02 | Sensis Corporation | System and method for passive range-aided multilateration using time lag of arrival (tloa) measurements |
| CN102194332A (zh) * | 2011-03-24 | 2011-09-21 | 中国船舶重工集团公司第七○九研究所 | 一种自适应航迹数据相关方法 |
| CN103471592A (zh) * | 2013-06-08 | 2013-12-25 | 哈尔滨工程大学 | 一种基于蜂群协同觅食算法的多无人机航迹规划方法 |
| CN105223559A (zh) * | 2015-10-13 | 2016-01-06 | 长安大学 | 一种可并行切换的远程雷达航迹起始方法 |
| CN106908066A (zh) * | 2017-04-25 | 2017-06-30 | 西安电子科技大学 | 基于遗传算法的无人机监视覆盖单步寻优的航迹规划方法 |
-
2018
- 2018-06-29 CN CN201810699176.9A patent/CN108919268B/zh active Active
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2010138696A1 (en) * | 2009-05-27 | 2010-12-02 | Sensis Corporation | System and method for passive range-aided multilateration using time lag of arrival (tloa) measurements |
| CN101893441A (zh) * | 2010-06-13 | 2010-11-24 | 南京航空航天大学 | 基于离差最大化及灰色关联分析的无人机航迹优选方法 |
| CN102194332A (zh) * | 2011-03-24 | 2011-09-21 | 中国船舶重工集团公司第七○九研究所 | 一种自适应航迹数据相关方法 |
| CN103471592A (zh) * | 2013-06-08 | 2013-12-25 | 哈尔滨工程大学 | 一种基于蜂群协同觅食算法的多无人机航迹规划方法 |
| CN105223559A (zh) * | 2015-10-13 | 2016-01-06 | 长安大学 | 一种可并行切换的远程雷达航迹起始方法 |
| CN106908066A (zh) * | 2017-04-25 | 2017-06-30 | 西安电子科技大学 | 基于遗传算法的无人机监视覆盖单步寻优的航迹规划方法 |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110346789A (zh) * | 2019-06-14 | 2019-10-18 | 北京雷久科技有限责任公司 | 一种多面阵雷达系统及数据融合处理方法 |
| CN111175738A (zh) * | 2020-01-08 | 2020-05-19 | 中国船舶重工集团公司第七二四研究所 | 一种基于多模型隶属控制的相控阵雷达目标快速建航方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN108919268B (zh) | 2020-11-24 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US11120270B2 (en) | Spatiotemporal action detection method | |
| Zhou et al. | GM-PHD-based multi-target visual tracking using entropy distribution and game theory | |
| CN102509078B (zh) | 基于视频分析的烟火检测装置 | |
| US9465997B2 (en) | System and method for detection and tracking of moving objects | |
| CN115661204B (zh) | 一种无人机集群对运动目标的协同搜寻与跟踪定位方法 | |
| CN110275153A (zh) | 一种基于激光雷达的水面目标检测与跟踪方法 | |
| CN113628245B (zh) | 多目标跟踪方法、装置、电子设备和存储介质 | |
| CN110472612A (zh) | 人体行为识别方法及电子设备 | |
| CN108919268A (zh) | 一种基于无人机监视雷达的航迹起始算法 | |
| CN110544269A (zh) | 基于特征金字塔的孪生网络红外目标跟踪方法 | |
| CN105654516B (zh) | 基于目标显著性的卫星图像对地面弱小运动目标检测方法 | |
| CN108734091A (zh) | 车厢异常行为检测方法、计算机装置和计算机可读存储介质 | |
| CN108509834B (zh) | 基于多元对数高斯分布下视频特征的图结构规约方法 | |
| CN108663686A (zh) | 一种基于激光雷达的游泳池溺水监控装置及方法 | |
| CN105894540A (zh) | 一种基于移动终端的上下往复移动计数方法及系统 | |
| CN113791411A (zh) | 一种基于轨迹判断的毫米波雷达手势识别方法及装置 | |
| KR102717607B1 (ko) | Cctv 영상 기반 이상 행동 감지 방법 및 이를 위한 장치 | |
| Shi et al. | Image edge detection based on the Canny edge and the ant colony optimization algorithm | |
| CN103985139B (zh) | 基于颜色模型与预测向量簇模型信息融合的粒子滤波目标跟踪方法 | |
| CN108919269A (zh) | 基于无人机监视雷达的多模型暂时航迹起始判定方法 | |
| CN112084854B (zh) | 一种障碍物检测方法、障碍物检测装置及机器人 | |
| Tsetsos et al. | A forest fire detection system: The Meleager approach | |
| CN111833377A (zh) | 一种基于tbd复杂环境下运动小目标检测方法 | |
| CN112327266B (zh) | 一种基于多维信息融合的杂波点迹剔除方法 | |
| CN117078715A (zh) | 高空抛物轨迹检测方法及计算机可读存储介质 |
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 |