A method of radar target track initiation based on random forest. The invention relates to the method of radar target track initiation. The purpose of the invention is to solve the existing intuitive method, logic method, rough precision, need to manually set the threshold, the strong clutter environment; and the computation of modified Hough transform method, large batch data, need starting time consuming, and the target of non linear motion initiation probability the problem of low. The specific process is as follows: a historical observation data of radar track combination for feature extraction, the formation of the sample set D; sampling of the D, N training sample set; two: t training sample training set the T decision tree, then a random forest classifier combination; three: the test phase, radar observation area plot after data pre selection and feature extraction, the classifier obtained results of track initiation. The invention is used in the field of radar target track initiation.
【技术实现步骤摘要】
一种基于随机森林的雷达目标航迹起始方法
本专利技术涉及雷达目标航迹起始方法。
技术介绍
雷达目标航迹起始是指雷达系统对目标进行跟踪期间,未进入稳定跟踪(航迹维持)之前的航迹确立过程,主要作用是是减少多批次点迹间形成的组合爆炸所带来的计算负担。一般情况下,对实际量测环境进行航迹起始时,虚假点迹(杂波)常常对目标点迹之间的互联产生影响,易产生杂波与杂波互联或杂波与目标点互联的航迹起始结果,即虚警现象。这种航迹头会对后续关联、跟踪造成巨大影响。因此,复杂环境下的航迹起始往往是一个棘手的问题。传统的航迹起始方法主要分为两大类。一类是以直观法、逻辑法为代表的顺序处理方法。另一类是以Hough变换为代表的批处理方法。直观法、逻辑法的优点在于简单便捷,在杂波较弱环境下的航迹起始性能较好。且对雷达与目标的先验知识要求较低。但因其规则粗糙、精度差、需人工设定门限等缺点,对强杂波环境的适应能力差;修正的Hough变换法等能在一定程度上适应强杂波环境,但计算量较大,需要多批次量测数据,起始耗时较长,且对非直线运动的目标起始概率低。航迹起始方法的发展过程中,出现了很多数学模型更加复杂、理论更加完善的其他方法,例如贝叶斯航迹确定法、序列比检验法等。但因它们都涉及似然比、后验概率等参量,计算它们往往需要假设概率分布及其参数,而如果这些假设与实际系统偏差较大时,其性能会大打折扣,这使得它们在工程实践中的应用价值大大降低。
技术实现思路
本专利技术的目的是为了解决现有直观法、逻辑法规则粗糙、精度差、需人工设定门限,对强杂波环境的适应能力差;以及修正的Hough变换法等计算量较大,需要多批次量 ...
【技术保护点】
一种基于随机森林的雷达目标航迹起始方法,其特征在于:所述方法具体过程为:步骤一:对雷达历史观测数据的点迹组合进行特征提取,提取点迹组合之间的运动特征和点迹组合的非运动特征,形成训练样本集D;对训练样本集D进行bootstrap采样,形成n个训练样本采样集;所述Bootstrap为自助采样法;n为训练样本采样集个数,取值为正整数;步骤二:第t个训练样本采样集训练第t个决策树,训练样本采样集与决策树一一对应,训练后的各个决策树作为基分类器共同构成随机森林组合分类器,1≤t≤n;步骤三:在测试阶段,雷达观测区域点迹经过数据预选和特征提取后,形成待分类的点迹组合样本参数,通过随机森林组合分类器,得到航迹起始结果。
【技术特征摘要】
1.一种基于随机森林的雷达目标航迹起始方法,其特征在于:所述方法具体过程为:步骤一:对雷达历史观测数据的点迹组合进行特征提取,提取点迹组合之间的运动特征和点迹组合的非运动特征,形成训练样本集D;对训练样本集D进行bootstrap采样,形成n个训练样本采样集;所述Bootstrap为自助采样法;n为训练样本采样集个数,取值为正整数;步骤二:第t个训练样本采样集训练第t个决策树,训练样本采样集与决策树一一对应,训练后的各个决策树作为基分类器共同构成随机森林组合分类器,1≤t≤n;步骤三:在测试阶段,雷达观测区域点迹经过数据预选和特征提取后,形成待分类的点迹组合样本参数,通过随机森林组合分类器,得到航迹起始结果。2.根据权利要求1所述一种基于随机森林的雷达目标航迹起始方法,其特征在于:所述步骤一中对雷达历史观测数据的点迹组合进行特征提取,提取点迹组合之间的运动特征和点迹组合的非运动特征,形成训练样本集D;对训练样本集D进行bootstrap自助采样,形成n个训练样本采样集;具体过程为:设有L个雷达历史观测数据的点迹组合作为训练样本,其中既包含真实目标互联的真实航迹,同时也包含假目标与假目标互联或假目标与真实目标互联的虚假航迹;首先,对雷达历史观测数据的点迹组合进行特征提取,得到其中,表示第j个点迹组合的第β个特征,M表示所提取特征的个数,取值为正整数;L为雷达历史观测数据的点迹组合的个数,取值为正整数;提取点迹组合之间的运动特征和点迹组合的非运动特征,令来自真实目标的点迹组合所对应的分类标签yj为+1,来自假目标的点迹组合所对应的分类标签yj为-1;得到训练样本集D={xj,yj};对训练样本集D={xj,yj}进行bootstrap自助采样:首先,从训练样本集D={xj,yj}中随机抽选一个训练样本放入第一个采样集D1中,作为第一个样本,然后将选中样本再放回到训练样本集D中,继续抽选训练样本放入第一个采样集D1中,并不断将选中训练样本放回到训练样本集D中,经过L次随机采样后,得到一个样本数量为L的第一个采样集D1;重复上述操作n次,得到n个样本数量为L的训练样本采样集D1,D2,…,Dn;D1为第一个样本数量为L的训练样本采样集,D2为第二个样本数量为L的训练样本采样集,Dn为第n个样本数量为L的训练样本采样集。3.根据权利要求2所述一种基于随机森林的雷达目标航迹起始方法,其特征在于:所述步骤二中第t个训练样本采样集训练第t个决策树,训练样本采样集与决策树一一对应,训练后的各个决策树作为基分类器共同构成随机森林组合分类器,1≤t≤n,n为训练样本采样集个数;具体过程为:第t个训练样本采样集训练第t个决策树:设Dt={xt~p,yt~p}为第t个训练样本采样集,xt~p表示第t个采样集第p个样本的特征向量,yt~p表示第t个采样集第p个样本的标签,p=1,2,…,L;A={a1,a2,…,aM}为属性集,a1为属性集A中第一个属性,a2为属性集A中第二个属性,aM为属性集A中第M个属性,M取值为正整数;利用Dt训练决策树的步骤如下:首先,产生一个根节点I0,以I0作为训练样本采样集Dt分裂的原点,然后以Gini系数最小准则的CART算法在属性集A={a1,a2,…,aM}中选择一个属性对训练样本采样集Dt进行分裂,产生新的节点;设所产生的新结点表示为Im,m=1,2,…,B,B为正整数,设结点Im所处理的训练样本采样集的子集为若分裂产生的训练样本采样集的子集符合停止条件,则停止分裂,相应的结点Im则被标记为叶子结点,以中样本最多的类作为结点I0—Im这一分支的类别标记;若分裂产生的训练样本采样集的子集不符合停止条件,则以结点Im为起点继续将训练样本采样集的子集进行分裂;最后得到n个不同的决策树,设第t棵决策树的判别函数为h(x,φt),t=1,2,…,n,φt为第t棵决策树的参数向量。4.根据权利要求3所述一种基于随机森林的雷达目标航迹起始方法,其特征在于:所述以Gini系数最小准则的CART算法在属性集A={a1,a2,…,aM}中选择一个属性对训练样本采样集Dt进行分裂,具体过程为:先从属性集A={a1,a2,…,aM}中随机选择q个属性,q...
【专利技术属性】
技术研发人员:李宏博,刘硕,张云,位寅生,白杨,
申请(专利权)人:哈尔滨工业大学,
类型:发明
国别省市:黑龙江,23
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。