The invention discloses a centralized multi radar data processing weighted nearest neighbor data association method, through the gate, heading angle or angular velocity, acceleration, frequency response, attribute similarity, vertical distance and track the state of the seven part of the score Association, and the 7 part of the score calculated the correlation plot and track through the weighted scoring algorithm to get the final score update value; in association score, after track and track correlation calculation, the final score score associated update values are smaller, while matching relationship is stronger; the final score score associated update values greater than 0x9FFFF, then do not meet the matching requirements; in limited hardware resources, and high real-time requirements, provide a more efficient and accurate data processing; and in the original In the near neighborhood association processing mode, the other relevant reference factors are introduced, and the optimal matching group of point and track is gradually found.
【技术实现步骤摘要】
本专利技术涉及雷达数据处理
，具体的说，是一种集中式多雷达数据处理的加权最近邻域数据关联方法。
技术介绍
岸基空管集中式多雷达数据处理系统中，航迹的跟踪是整个系统的关键部分，而数据关联则是是多传感器多目标跟踪系统中核心且最重要的内容，可以说数据关联的正确与否，效率高低直接关系到雷达数据处理的效果与效率。数据关联要解决在于较低的漏警率的情况下，抑制虚警率的产生。尤其是在多雷达数据处理的情况，由来自一次雷达的位置信息、回波长度、回波幅度、多普勒速度等信息，来自二次雷达的位置、Mode3/A、ModeC、ModeS等信息数据，来自ADS数据的位置、ModeS、Mode3/A等信息数据。在机动跟踪中，系统处理对目标除了要进行机动检测外，还要适当对波门的大小进行控制，进行适当的缩放。在过顶空的目标跟踪中，需要对目标进行必要的外推，尤其是二次雷达此时会出现目标的反射，此时就需要对数据关联算法提出较高的要求。在多机编队飞行，多机交叉机动，尤其是对加油机和受油机的跟踪，位置相互靠近，且Mode3/A信号不稳定的情况下，对数据关联的精准性，正确性提出了较高的要求。数据关联过程是指确定传感器接收到的量测信息和目标源对应关系的过程。量测-航迹关联，是将有效回波(跟踪门逻辑的输出)与已知目标的预报航迹相比较并最终确定正确的量测-航迹对应关系的过程。常用的量测-航迹数据关联经典算法有最近邻域算法(NearestNeighbor，NN...
【技术保护点】
一种集中式多雷达数据处理的加权最近邻域数据关联方法，其特征在于：该加权最近邻域数据关联方法通过波门、航向角或角速度、属性相似度、加速度、应答次数、垂直距离、航迹状态七个部分进行计分关联，并将7个部分的计分通过加权计分算法进行点迹和航迹相关度的计算，得到最终的计分更新值；在进行计分关联时，当经过点迹和航迹相关度的计算后，计分关联结果的最终的计分更新值越小时，则配对关系越强；当经过点迹和航迹相关度的计算后，计分关联结果的最终的计分更新值大于0x9FFFF时，则不满足配对要求。
【技术特征摘要】
1.一种集中式多雷达数据处理的加权最近邻域数据关联方法，其特征在于：该加权最
近邻域数据关联方法通过波门、航向角或角速度、属性相似度、加速度、应答次数、垂直距
离、航迹状态七个部分进行计分关联，并将7个部分的计分通过加权计分算法进行点迹和航
迹相关度的计算，得到最终的计分更新值；在进行计分关联时，当经过点迹和航迹相关度的
计算后，计分关联结果的最终的计分更新值越小时，则配对关系越强；当经过点迹和航迹相
关度的计算后，计分关联结果的最终的计分更新值大于0x9FFFF时，则不满足配对要求。
2.根据权利要求1所述的一种集中式多雷达数据处理的加权最近邻域数据关联方法，
其特征在于：所述通过波门、航向角或角速度、属性相似度、加速度、应答次数、垂直距离、航
迹状态七个部分进行计分关联具体包括以下步骤：
1)依据不同的距离对计分进行初始化：将波门按权值由小到大分为14个，并分别对每
个波门进行初始化，且进行初始化时从小权值开始，包括：
1-1)中心区域外初始化，采用直接投影差相比较、笛卡尔距离与归一化距离三者相结
合的方式分别进行波门初始化得每个波门的初始化值；
1-2)中心区域内初始化，采用笛卡尔距离进行波门初始化得每个波门的初始化值；
1-3)将航迹预测值、点迹的笛卡尔距离与波门对比，若航迹预测值与点迹的笛卡尔距
离在某一个波门预设的范围内，则对应的波门的初始化值为计分的初始值；
2)经步骤1)后，依据不同的航向关系对计分进行更新：设定压缩系数，并通过点迹和航
迹之间的属性关系对压缩系数缩放来控制航相差的允许偏差门限，再计算计分的增减值，
从而得到计分的更新值；
3)经步骤2)后，依据属性相似度对计分进行更新：根据属性相似度的值，并与不同门限
作比较，对计分进行相应的增减，从而得到计分的更新值；
4)经步骤3)后，依据加速度的大小关系对计分进行更新：依据航迹的历史位置点和点
迹计算的不同的加速度，然后再对计分进行相应的增减，从而得到计分的更新值；
5)经步骤4)后，依据目标应答的不同情况对计分进行更新：根据ModeS与Mode3/A相
关的应答次数和应答模式，得到相应的计分的增加量，从而得到计分的更新值；
6)经步骤5)后，依据航迹和点迹的高度差处于不同的区间内对计分进行更新：若点迹
和航迹的高度均有效，则进行高度差的判断，根据不同的差值得出计分的增加量，从而得到
计分的更新值；
7)经步骤6)后，根据航迹状态对计分进行更新：根据航迹的不同状态，得到不同的航迹
状态限制关联计分的增加量，进而得到计分的更新值，并得到最终的计分更新值。
3.根据权利要求2所述的一种集中式多雷达数据处理的加权最近邻域数据关联方法，
其特征在于：所述中心区域外初始化包括以下具体步骤：
1-1-1)将前七个波门均进行归一化距离，再比较归一化距离和门的关系，从而得到前
七个波门在中心区域外的初始化值；
1-1-2)对于波门8和9首先对残差的协方差Sk进行Cholesky分解，得到对角线上代表距
离ρ的门限值S1和代表方位角θ的门限值S2，并通过距离与方位角的预测值和量测值比较公
式完成波门8和波门9初始化，得到波门8和波门9在中心区域外的初始化值；
1-1-3)对于波门10，计算测量值与当前预测值的航向，以及上一时刻的航向，计算测量
值与当前预测值的角度偏差dAngle，根据判断条件|θest-θk|＜3°和dAngle＜φ，完成波门10初
始化，得到波门10在中心区域外的初始化值；
1-1-4)对于波门11～13，采用笛卡尔距离，计算距离与门限的关系，完成波门11～13初
始化，得到波门11～13在中心区域外的初始化值；
1-1-5)对于波门14，中心区域外初始化时，波门14的初始化值直接计记为0xF0000；
所述中心区域内初始化具体为，采用实际距离，计算预测位置与测量位置的笛卡尔实
际距离dL，根据笛卡尔实际距离dL与各波门门限的关系，完成各波门在中心区域内初始化，
得到各波门在中心区域内的初始化值。
4.根据权利要求2所述的一种集中式多雷达数据处理的加权最近邻域数据关联方法，
其特征在于：所述步骤2)包括以下具体步骤：
2-1)依据点迹和航迹的属性信息，对压缩系数进行首次缩放，若前端采用转弯模型，则
从转弯角度上对点迹和航迹关联做筛选；
2-2)计算点迹和航迹的属性相似度SimScore，并对压缩系数再次进行缩放；
2-3)根据航迹的历史轨迹信息，计算点迹与航迹之间的航向差；
2-4)计算基于航向差的计分增减，当满足时，则不罚分；否则计分
在计分的初始值的基础上加上0x08000*θrate，完成计分更新。
5.根据权利要求4所述的一种集中式多雷达数据处理的加权最近邻域数据关联方法，
其特征在于：所述步骤2-3)根据航迹的历史轨迹信息，计算点迹与航迹之间的航向差，包括
以下步骤：
2-3-1)...
【专利技术属性】
技术研发人员：唐伟，
申请(专利权)人：成都能通科技有限公司，
类型：发明
国别省市：四川;51
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。