CN102253375A - 雷达多目标数据互联方法 - Google Patents

Abstract

本发明公开了一种雷达多目标数据互联方法，包括如下步骤：(101)根据雷达回波计算多个探测目标的特性参数；(102)根据雷达性能指标要求及雷达设计状态计算目标观测的随机偏差；(103)根据步骤(101)得到的特性参数以及航迹的参数表，计算各探测目标的相似度系数与航迹中目标的相似度系数；(104)选择相似度系数小于航迹的探测目标进入预互联队列，继续步骤(104)，否则跳到步骤(106)；(105)在预互联队列中寻找最小相似度系数的探测目标与航迹互联；(106)更新航迹中的数据信息。本发明解决了现有技术中雷达多目标互联相关性能较低的问题，在降低设备计算量和复杂度的同时还提高了目标航迹相关的正确率。

Description

雷达多目标数据互联方法

技术领域

本发明涉及雷达技术，尤其涉及一种应用于数据处理的多探测目标与航迹互联方法。

背景技术

雷达是利用无线电技术发现目标并测定目标空间位置的装置，现代雷达通常包括雷达信号处理系统和雷达数据处理系统两大重要组成部分，其中雷达数据处理系统对雷达的回波数据进行目标位置、运动参数数据(例如径向距离、径向速度、方位等)后进行互联、跟踪、滤波、平滑和预测等计算，形成目标的航迹。

其中，目标数据的互联是建立某时刻雷达测量数据和其它时刻测量(或航迹)的关系。以确定测量数据是否来自同一个目标的处理过程以及确定正确的点迹和航迹配对的处理过程。

目前雷达目标的点迹与航迹数据互联的算法有“波门法”和“检索法”。

波门法航迹互联主要是目标的波门与录取目标设备得到新录取目标数据进行比较，进入目标波门的信号相关，为同一目标，但是当波门内多新录取目标时，不但增加计算量还使互联虚警概率增加。例如当目标跟踪不稳定时，在增大波门的情况下会使波门内出现多个目标，由于一般采取简单最近距离相关的判决，使互联目标与实际目标不一致，产生虚警。

检索法实现航迹互联的方法与波门法的区别在于：波门法是对应的预期目标到来之前，波门已经产生，一旦该目标到来之后，相关过程也就完成，而检索法是在目标到来后才开始判断与哪一个波门相关。

检索法和波门法的比较，优点在于利用存储单元代替波门设备，有更大的灵活性，有利于处理多个目标，缺点是工作量大，而且检索录取都是全程工作，而波门法只是在波门内的信号被检测录取。存在干扰时，检索法更容易引起计算设备过载。

发明内容

针对现有技术的缺点，本发明的目的是提供一种雷达多目标数据互联方法，解决了现有技术中雷达多目标互联相关性能较低的问题，在降低设备计算量和复杂度的同时还提高了目标航迹相关的正确率。

为了实现上述目的，本发明的技术方案为：一种雷达多目标数据互联方法，包括如下步骤：(101)根据雷达回波计算多个探测目标的特性参数；(102)根据雷达性能指标要求及雷达设计状态计算目标观测的随机偏差；(103)根据步骤(101)得到的特性参数以及航迹的参数表，计算各探测目标的相似度系数与航迹中目标的相似度系数；(104)选择相似度系数小于航迹的探测目标进入预互联队列，继续步骤(104)，否则跳到步骤(106)；(105)在预互联队列中寻找最小相似度系数的探测目标与航迹互联；(106)更新航迹中的数据信息。

步骤(101)中所述的特性参数包括目标回波的强度、目标回波的最大宽度、目标回波的最大长度、目标的方位以及目标的距离；步骤(103)中所述的相似度系数为方位相似度系数、距离相似度系数、目标宽度相似度系数、目标长度相似度系数以及目标强度相似度系数之和。

在步骤(106)中，当互联成功时，结合步骤(102)得到的随机偏差数据更新航迹数据，当互联失败时，直接在航迹相似度系数基础上增加一个常数。

步骤(102)中所述目标观测的随机偏差包括确定航迹目标的位置随机最大偏差、目标的最大方位偏差、目标的最大距离偏差。

在步骤(104)前增加步骤(104A)，选择方位相似度系数、距离相似度系数、目标宽度相似度系数、目标长度相似度系数以及目标强度相似度系数的其中之一或者某几项的组合之和先行预互联，快速淘汰不符合的部分目标；或者在步骤(104)后增加步骤(104B)，其中在判断目标是否与航迹互联时，先判断其中一个或几个相似度系数，以便减少计算量。

通过对目标的整个方位和距离平面内采集到的回波数据进行累加计算出当前目标的回波强度，通过方位方向的滑窗方式计算当前目标回波的最大宽度，通过距离方向的滑窗方式计算当前目标回波的最大长度，通过方位和距离滑窗方式计算当前目标的极坐标下点的中心位置。

方位相似度系数As＝abs(T_Azi-P_Azi)×a，其中As为方位相似度系数，abs()为求该数值的绝对值，T_Azi航迹中目标的平滑滤波后的预测方位位置，a为加权系数；距离相似度系数Ds＝abs((T_Dis-P_Dis)×b，其中Ds为距离相似度系数，abs()为求该数值的绝对值，T_Dis航迹中目标的平滑滤波后的预测距离位置，b为加权系数；目标宽度相似系度数Ws＝abs(Tw-W_det)×c，其中Ws为目标宽度相似度系数，abs()为求该数值的绝对值，Tw航迹中目标的宽度，c为加权系数；目标长度相似度系数Ls＝abs(T_L-L_det)×d；其中Ls为目标长度相似度系数，abs()为求该数值的绝对值，T_L航迹中目标的长度，d为加权系数；目标强度相似度系数Es＝abs(E_L-E_det)×e，其中Es为目标强度相似度系数，abs()为求该数值的绝对值，E_L航迹中目标的强度，e为加权系数。

根据目标的最大加速度和平滑滤波算法的准确度确定航迹目标的位置随机最大偏差，根据雷达热噪声误差、天线指向误差、方位量化误差、角闪烁误差确定目标的最大方位偏差，根据雷达热噪声误差、目标回波数字化时的量化误差、目标定时不稳、目标距离闪烁确定测量目标的最大距离偏差。

目标回波强度

其中S_i是目标有效区域内AD采集的数据；目标回波的最大宽度W_det＝TW_end-TW_start其中TW_end为目标的终止角度，TW_start为目标的起始角度；目标回波的最大长度L_det＝TL_end-TL_start，其中TL_end为目标的终止距离，TL_start为目标的起始距离；目标的方位位置P_Azi＝TW_start+W_det/2；目标的距离位置P_Dis＝TL_start+L_det/2。

与现有技术相比，本发明利用探测目标的相似度系数作为目标互联的判读依据，代替目标相关波门的技术，减少计算复杂度，同时根据目标的相似度提高目标互联的准确性。

附图说明

下面结合附图对本发明作进一步的详细说明。

图1是本发明实施例目标与航迹数据互联的处理流程示意图。

图2是本发明实施例雷达探测到的5个目标示意图。

图3是本发明实施例目标与航迹数据互联中相似度系数的比较步骤示意图。

具体实施方式

请参阅图1，本实施例的雷达多目标数据互联方法包括如下步骤：(S11)计算探测到目标的特性参数；(S12)计算目标观测的随机偏差；(S13)计算航迹中的目标与探测目标的相似度系数；(S14)多目标情况下的点迹与航迹数据互联。

请参阅图2，在步骤S11中，雷达探测到5个目标，各目标的特性参数如表1所示。目标回波强度可以用公式(1)计算出来：

$E_{\det }=\underset{i=1}{\overset{n}{\mathrm{\Σ}}}{S}_i---\left(1\right)$

其中S_i是目标有效区域内AD采集的数据。目标回波的最大宽度为极坐标下，目标所跨的角度，可以用公式(2)计算出来：

W_det＝TW_end-TW_start(2)

其中TW_end为目标的终止角度，TW_start为目标的起始角度。目标回波的最大长度为目标径向所占的长度，可以用公式(3)计算出来：

L_det＝TL_end-TL_start(3)

其中TL_end为目标的终止距离，TL_start为目标的起始距离。目标的方位位置为目标的中心方位位置，可以用公式(4)计算出来：

P_Azi＝TW_start+W_det/2(4)

目标的距离位置为目标的中心距离位置，可以用公式(5)计算出来：

P_Dis＝TL_start+L_det/2(5)

表1雷达探测到5个目标的特性参数

	目标1	目标2	目标3	目标4	目标5
						目标回波强度Edet	11880	69300	41505	28518	60550
目标最大宽度Wdet(°)	1.05	2.20	1.85	1.85	2.20
						目标最大长度Ldet(m)	27	76	54	38	76
目标的方位PAzi(°)	88.86	90.52	91.67	94.75	98.35
						目标的距离PDis(m)	3503	3611	3492	3303	3335

在步骤S12中，目标方位向随机最大偏差随目标的运动有关，可以用式(6)计算出来做为参考使用，当目标距离较远时，此参数可忽略。

Pp_Azi＝990×a×T÷π÷P_Dis(6)

其中α为目标加速度，T为天线旋转周期。目标的最大方位偏差计算可以用公式(7)～(10)计算出来：

δ_A＝δ_A1+δ_A2+δ_A3+δ_A4(7)

${\mathrm{\δ}}_{A1}=\frac{{\mathrm{\θ}}_A}{\sqrt{2(S/N)N}}---\left(8\right)$

${\mathrm{\δ}}_{A3}=\frac{360}{\sqrt{12}\×2^N}---\left(9\right)$

${\mathrm{\δ}}_{A4}=0.02\×\frac{L_X}{R}---\left(10\right)$

其中δ_A1为热噪声误差，θ_A为天线波束宽度，S/N为雷达接收机噪声系数，N为单次搜索积累脉冲数；δ_A2为天线指向误差，包括天线座、天线的机械及传动误差，此误差的大小由设计决定；δ_A3为方位量化误差，其中N为方位量化位数；δ_A4为角闪烁误差，其中L_X为目标横向尺寸，R为目标距离。

目标距离向随机最大偏差计算可以用公式(11)～(15)计算出来：

σ_R＝σ_R1+σ_R2+σ_R3+σ_R4(11)

${\mathrm{\σ}}_{R1}=\frac{C\×\mathrm{\τ}}{\sqrt{2(S/N)\×N}}---\left(12\right)$

${\mathrm{\σ}}_{R2}=\frac{R_m}{2^n\×\sqrt{12}}---\left(13\right)$

${\mathrm{\σ}}_{R3}=\frac{C\×\mathrm{\Δt}}{2\×\sqrt{12}}---\left(14\right)$

σ_R4＝0.35×L_R    (15)

其中σ_R1为热噪声误差，C为光速，τ雷达脉冲宽度，S/N为雷达接收机噪声系数，N为单次搜索积累脉冲数；σ_R2为波门量化误差，R_m为目标距离，n为目标幅度量化位数；σ_R3为定时不稳误差，Δt为定时误差；σ_R4为距离闪烁误差，L_R目标纵向(距离向)尺寸。

在步骤S13中，航迹的参数表信息如表2所示，共有4条航迹信息；计算方位相似度系数按照公式As＝abs(T_Azi-P_Azi)×a计算，其中abs()为求该数值的绝对值，T_Azi航迹中目标的平滑滤波后的预测方位位置，a为加权系数，实施例中a＝11。

表2航迹参数表

计算距离相似度系数按照公式Ds＝abs((T_Dis-P_Dis)×b计算，其中T_Dis航迹中目标的平滑滤波后的预测距离位置，b为加权系数；实施例中b＝0.5。

计算目标宽度相似度系数按照公式Ws＝abs(Tw-W_det)×c计算，其中Tw航迹中目标的宽度，c为加权系数，实施例中c＝50。

计算目标长度相似度系数按照公式Ls＝abs(T_L-L_det)×d；其中Ls为目标长度相似度系数，abs()为求该数值的绝对值，T_L航迹中目标的长度，d为加权系数，实施例中b＝50。

计算目标强度相似度系数按照公式Es＝abs(E_L-E_det)×e；其中Es为目标强度相似度系数，abs()为求该数值的绝对值，E_L航迹中目标的强度，e为加权系数，实施例中e＝0.001。

计算目标总相似度系数按照公式Zs[i]＝As+Ds+Ws+Ls+Es；其中Zs[i]为目标i的总相似度系数。本实施例中选表2的航迹2与表1中的5个目标的计算相似度系数如表3所示。

表3航迹2与5个目标的相似度系数参数表

请参阅图3，在步骤S14中，首先进行预互联，小于航迹相似度系数的进入互联队列，然后选择最小的相似度系数目标，即航迹中相似度系数(Ps)与目标的相似度系数比较Zs[i]，当存在Zs[i]＜Ps时，说明有目标与航迹互联成功，其中目标相似度系数(Zs[i])最小值的目标即为航迹互联目标，其中Ps为航迹中目标的相似度系数。其中在判断目标是否与航迹互联时，可以先判断其中一个或几个相似度系数，以便减少计算量。

本实施例中航迹2进入预互联的目标有两个，其中目标3最小，则目标3和航迹2互联成功。如果没有进入预互联的目标，说明此航迹互联失败。

更新航迹的相似度系数，根据公式(6)～(15)分别计算Pp_Azi、δ_A、Pp_Dzi、σ_R，与目标2的相似度系数代入公式：

Ps＝Zs[i]+(Pp_Azi+δ_A+Pp_Dzi+σ_R)×d；(16)

其中Zs[i])为与航迹互联的目标，d为偏差系数因子，一般数值范围0～1。更新航迹数据，如果互联失败，可以在原航迹相似度系数基础上进行增加一个常数。

通过实施例可以看出目标3和目标4在仅考虑方位和距离因素时，即采用最近位置相关时，会使目标4与航迹2互联，产生错误的互联结果，若采用本发明可提高互联的正确率。

以上所述仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化，例如极坐标可以改为平面坐标，目标位置中心可以采用质心或重心等；在互联上述的本发明的算法和步骤可以进行调整，例如可以先通过方位、距离等先预互联，淘汰不符合的目标，在进行深入的预互联，已减少计算；可以对某些参数进行变化，可以减少其中的考虑因素，或者调整因素的权重，可以多个航迹联合，先取出最小总相似度系数的航迹和目标进行互联。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (10)

1.一种雷达多目标数据互联方法，包括如下步骤：

(101)根据雷达回波计算多个探测目标的特性参数；

(102)根据雷达性能指标要求及雷达设计状态计算目标观测的随机偏差；

(103)根据步骤(101)得到的特性参数以及航迹的参数表，计算各探测目标的相似度系数与航迹中目标的相似度系数；

(104)选择相似度系数小于航迹的探测目标进入预互联队列，继续步骤(104)，否则跳到步骤(106)；

(105)在预互联队列中寻找最小相似度系数的探测目标与航迹互联；

(106)更新航迹中的数据信息。

2.根据权利要求1的雷达多目标数据互联方法，其特征在于，步骤(101)中所述的特性参数包括目标回波的强度、目标回波的最大宽度、目标回波的最大长度、目标的方位以及目标的距离；步骤(103)中所述的相似度系数为方位相似度系数、距离相似度系数、目标宽度相似度系数、目标长度相似度系数以及目标强度相似度系数之和。

3.根据权利要求1的雷达多目标数据互联方法，其特征在于，在步骤(106)中，当互联成功时，结合步骤(102)得到的随机偏差数据更新航迹数据，当互联失败时，直接在航迹相似度系数基础上增加一个常数。

4.根据权利要求1的雷达多目标数据互联方法，其特征在于，步骤(102)中所述目标观测的随机偏差包括确定航迹目标的位置随机最大偏差、目标的最大方位偏差、目标的最大距离偏差。

5.根据权利要求2的雷达多目标数据互联方法，其特征在于，在步骤(104)前增加步骤(104A)，选择方位相似度系数、距离相似度系数、目标宽度相似度系数、目标长度相似度系数以及目标强度相似度系数的其中之一或者某几项的组合之和先行预互联，快速淘汰不符合的部分目标。

6.根据权利要求2的雷达多目标数据互联方法，其特征在于，在步骤(104)后增加步骤(104B)，其中在判断目标是否与航迹互联时，先判断其中一个或几个相似度系数，以便减少计算量。

7.根据权利要求2的雷达多目标数据互联方法，其特征在于，通过对目标的整个方位和距离平面内采集到的回波数据进行累加计算出当前目标的回波强度，通过方位方向的滑窗方式计算当前目标回波的最大宽度，通过距离方向的滑窗方式计算当前目标回波的最大长度，通过方位和距离滑窗方式计算当前目标的极坐标下点的中心位置。

8.根据权利要求2的雷达多目标数据互联方法，其特征在于，方位相似度系数As＝abs(T_Azi-P_Azi)×a，其中As为方位相似度系数，abs()为求该数值的绝对值，T_Azi航迹中目标的平滑滤波后的预测方位位置，a为加权系数；距离相似度系数Ds＝abs((T_Dis-P_Dis)×b，其中Ds为距离相似度系数，abs()为求该数值的绝对值，T_Dis航迹中目标的平滑滤波后的预测距离位置，b为加权系数；目标宽度相似系度数Ws＝abs(Tw-W_det)×c，其中Ws为目标宽度相似度系数，abs()为求该数值的绝对值，Tw航迹中目标的宽度，c为加权系数；目标长度相似度系数Ls＝abs(T_L-L_det)×d；其中Ls为目标长度相似度系数，abs()为求该数值的绝对值，T_L航迹中目标的长度，d为加权系数；目标强度相似度系数Es＝abs(E_L-E_det)×e，其中Es为目标强度相似度系数，abs()为求该数值的绝对值，E_L航迹中目标的强度，e为加权系数。

9.根据权利要求4的雷达多目标数据互联方法，其特征在于，根据目标的最大加速度和平滑滤波算法的准确度确定航迹目标的位置随机最大偏差，根据雷达热噪声误差、天线指向误差、方位量化误差、角闪烁误差确定目标的最大方位偏差，根据雷达热噪声误差、目标回波数字化时的量化误差、目标定时不稳、目标距离闪烁确定测量目标的最大距离偏差。

10.根据权利要求7的雷达多目标数据互联方法，其特征在于，目标回波强度其中S_i是目标有效区域内AD采集的数据；目标回波的最大宽度W_det＝TW_end-TW_start，其中TW_end为目标的终止角度，TW_start为目标的起始角度；目标回波的最大长度L_det＝TL_end-TL_start，其中TL_end为目标的终止距离，TL_start为目标的起始距离；目标的方位位置P_Azi＝TW_start+W_det/2；目标的距离位置P_Dis＝TL_start+L_det/2。

Images