一种基于支持向量机的雷达目标航迹起始方法技术

一种基于支持向量机的雷达目标航迹起始方法，本发明专利技术涉及基于支持向量机的航迹起始方法。本发明专利技术的目的是为了解决现有顺序处理方法规则粗糙、需设定经验门限、在强杂波背景下性能急剧下降等缺点；以及批处理方法计算量巨大，需要量测数据批次多的问题。具体过程为：一：提取雷达探测目标的运动信息作为训练样本特征；二：利用训练样本特征训练支持向量机，获得雷达目标分类最优超平面的决策函数；三：利用传统启发式规则法对雷达待分类量测数据进行预选，形成初选航迹；四：将训练好的支持向量机作为分类器，对初选航迹进行分类，区分真实目标与虚假目标，得到航迹起始结果。本发明专利技术属于雷达目标数据处理和机器学习领域。

A method of radar target track initiation based on support vector machine

A track initiation method for radar target based on support vector machine is presented, which relates to track initiation method based on support vector machine. The purpose of the invention is to solve the existing order processing method, rough set threshold, experience in strong clutter performance dramatically shortcomings; and batch calculation method of huge amount of data need many batches of measurement problems. The specific process is as follows: A: the extraction of radar target motion information as training samples; two: using training sample feature training support vector machines to obtain the optimal decision function of radar target classification hyper plane; three: the use of traditional heuristic rules method of radar measurement data were preselected to be classified, the formation of the primary route: four; support vector machine is trained as a classifier, the classification of the primary route, to distinguish the true target and the false target, get the results of track initiation. The invention belongs to the field of radar target data processing and machine learning.

【技术实现步骤摘要】
一种基于支持向量机的雷达目标航迹起始方法
本专利技术涉及雷达数据处理和机器学习，特别涉及基于支持向量机的航迹起始方法。
技术介绍
航迹起始是雷达多目标跟踪的首要问题，其正确性是减少雷达多目标跟踪组合爆炸所带来的计算负担的有效措施。如果航迹起始错误，则会导致目标丢失，完全无法实现目标的跟踪。而且由于航迹起始时，目标距离较远，雷达探测分辨能力低、测量精度差，再加上真假目标的出现没有统计规律可言，所以航迹起始问题是一个很难处理的问题。航迹起始的处理方法按雷达系统处理数据方式的不同主要分为顺序处理法和批处理法。顺序处理法主要包括直观法、逻辑法等，批处理法的代表是Hough变换起始算法等。顺序处理方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。但其存在规则粗糙、需设定经验门限、在强杂波背景下性能急剧下降等缺点。批处理方法具有一定的适应强杂波的能力，但计算量巨大，需要量测数据的批次多，起始耗时较长。
技术实现思路
本专利技术的目的是为了解决现有顺序处理方法规则粗糙、需设定经验门限、在强杂波背景下性能急剧下降等缺点；以及批处理方法计算量巨大，需要量测数据的批次多，起始耗时较长的问题，而提出一种基于支持向量机的雷达目标航迹起始方法。一种基于支持向量机的雷达目标航迹起始方法具体过程为：步骤一：提取雷达探测目标的运动信息作为训练样本特征；雷达探测目标包括真实目标和虚假目标；步骤二：利用训练样本特征训练支持向量机，获得雷达目标分类最优超平面的决策函数；步骤三：利用传统启发式规则法对雷达待分类量测数据进行预选，形成初选航迹；步骤四：将步骤二训练好的支持向量机作为分类器，对步骤三获得的初选航迹进行分类，区分真实目标与虚假目标，得到航迹起始结果。本专利技术的有益效果为：将雷达目标航迹起始问题转化为点迹数据组合是真实目标还是虚假目标的分类问题，利用数据导向机器学习的方法来处理。支持向量机分类器是有监督学习中分类器的一种，具有获得分类最大间隔、可解决线性不可分问题、对避免过拟合有良好的理论保证等诸多优点。本专利技术采用支持向量机作为分类器，通过训练实现对真实目标与虚假目标的分类，从而实现航迹起始处理。1、本专利技术创新性地提出了采用数据导向的机器学习方法进行真假航迹分类，代替传统利用先验知识和经验的人工门限分类，不仅减少了对先验知识的要求，而且不需设定经验门限，在强杂波背景下性能不会下降。解决了经验门限不准确的问题。2、支持向量机分类器可以处理非线性分类问题，因此可解决真实目标与虚假目标的运动信息在特征空间线性不可分的问题，提升了航迹起始的准确性。3、本专利技术所提出的方案可先通过离线训练生成分类器，然后在线对雷达量测数据进行航迹起始处理，在线运算量较小，不需要多批次量测数据，解决起始耗时较长的问题，可以满足实时性要求。4、仿真数据处理结果表明：本专利技术提出的基于支持向量机分类的航迹起始方法相较于传统方法的航迹起始正确率更高。实施例中105m×105m的区域内有5个航行目标做匀速直线运动，初始位置随机，运动方向随机，运动速度范围为50m/s到500m/s，扫描周期为5s，每批次杂波个数服从参数为50的泊松分布，雷达距离量测误差与方位量测误差分别是40m和0.3°。分别采用3/3启发式规则法和本专利技术提出的基于支持向量机的方法对雷达连续三批次的量测数据进行航迹起始处理。进行100次MonteCarlo实验，分别统计两种方法的目标航迹漏警率、虚警率。启发式规则法的漏警率为6.40％，虚警率为96.60％；本专利技术支持向量机方法漏警率为6.00％，虚警率为25.20％。附图说明图1为本专利技术涉及的基于支持向量机的航迹起始方法的流程图；图2为利用遗传算法对支持向量机寻参的步骤；图3为杂波背景下仿真的雷达量测数据效果图；图4为杂波背景下利用启发式规则法对仿真数据进行航迹起始的效果图；图5为杂波背景下利用基于支持向量机方法对仿真数据进行航迹起始的效果图。具体实施方式具体实施方式一：结合图1说明本实施方式，本实施方式的一种基于支持向量机的雷达目标航迹起始方法，具体过程为：步骤一：提取雷达探测目标的运动信息作为训练样本特征；雷达探测目标包括真实目标和虚假目标；步骤二：利用训练样本特征训练支持向量机，获得雷达目标分类最优超平面的决策函数；步骤三：利用传统启发式规则法对雷达待分类量测数据进行预选，形成初选航迹；步骤四：将步骤二训练好的支持向量机作为分类器，对步骤三获得的初选航迹进行分类，区分真实目标与虚假目标，得到航迹起始结果。具体实施方式二、本实施方式与具体实施方式一不同的是：所述步骤一中提取雷达探测目标的运动信息作为训练样本特征；具体过程为：取雷达探测目标为训练样本，训练样本数量为L，雷达探测目标包括真实目标和虚假目标(其中部分来自真实目标，部分来自虚假目标)；每个训练样本为按雷达信号探测的批次顺序组成量测组合，设量测组合的点数为N，表示为下式：式中，MCk表示第k个雷达目标量测组合，表示第k个雷达目标量测组合中第i批次点的位置矢量，1≤i≤N；N、L为正整数；从量测组合MCk中提取相邻点迹间速度信息、加速度信息、夹角信息，计算公式如下：式中，表示第k个雷达目标量测组合中第i批次点迹的获取时刻，表示第k个雷达目标量测组合中第i批次时的速度估计(无符号)，表示第k个雷达目标量测组合中第i批次时的加速度估计(无符号)，表示第k个雷达目标量测组合中第i批次时的夹角估计(无符号)；通过计算，第k个雷达目标量测组合的特征向量表示为下式：式中，pk为第k个雷达目标量测组合的特征向量；为避免具有不同物理意义和量纲的输入变量不能平等使用，我们要将上述特征进行归一化。归一化一方面可以使后续的数据处理更方便，另一方面保证了程序运行时的收敛速度。对第k个雷达目标量测组合的特征向量进行归一化，特征向量归一化方式是线性归一化，计算公式如下：式中，pj为所有雷达目标量测组合的第j个特征所组成的向量，为第k个雷达目标量测组合的第j个特征；通过上式得到了经过归一化处理后的训练样本特征，表示为：式中，xk为第k个雷达目标量测组合的归一化特征向量；为归一化后的速度值，为归一化后的加速度值，为归一化后的夹角值；设置L个训练样本中真实目标的样本分类标签yk为1，虚假目标的样本分类标签yk为-1；至此，得到了训练样本特征与样本分类标签组成的集合{xk,yk},k＝1,2,…,L，其中，yk∈{1,-1}，为实数域。其它步骤及参数与具体实施方式一相同。具体实施方式三：本实施方式与具体实施方式一或二不同的是：所述步骤二中利用训练样本特征训练支持向量机，获得雷达目标分类最优超平面的决策函数；具体过程为：支持向量机训练的原理可以概括为：寻找一个满足分类标准，保证精度要求的同时，并在特征空间上两侧的间隔最大的超平面。间隔最大化是支持向量机的学习策略，超平面的求解问题最终可转化为一个凸二次规划问题的求解。设置一个超平面w·x+b＝0，w为法向量，x为特征向量，b为截距；如果w·xk+b≥0，则判定xk的样本分类结果为1，否则为-1，设置超平面w·x+b＝0对所有训练样本正确分类并且保证在特征空间上两侧(真实目标与虚假目标中间的超平面到两侧真实目标和虚假目标的距离)几何间隔最大；g(x)＝w·x+b；g(xk)＝本文档来自技高网...

【技术保护点】
一种基于支持向量机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：提取雷达探测目标的运动信息作为训练样本特征；雷达探测目标包括真实目标和虚假目标；步骤二：利用训练样本特征训练支持向量机，获得雷达目标分类最优超平面的决策函数；步骤三：利用传统启发式规则法对雷达待分类量测数据进行预选，形成初选航迹；步骤四：将步骤二训练好的支持向量机作为分类器，对步骤三获得的初选航迹进行分类，区分真实目标与虚假目标，得到航迹起始结果。

【技术特征摘要】
1.一种基于支持向量机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：提取雷达探测目标的运动信息作为训练样本特征；雷达探测目标包括真实目标和虚假目标；步骤二：利用训练样本特征训练支持向量机，获得雷达目标分类最优超平面的决策函数；步骤三：利用传统启发式规则法对雷达待分类量测数据进行预选，形成初选航迹；步骤四：将步骤二训练好的支持向量机作为分类器，对步骤三获得的初选航迹进行分类，区分真实目标与虚假目标，得到航迹起始结果。2.根据权利要求1所述一种基于支持向量机的雷达目标航迹起始方法，其特征在于：所述步骤一中提取雷达探测目标的运动信息作为训练样本特征；具体过程为：取雷达探测目标为训练样本，训练样本数量为L，雷达探测目标包括真实目标和虚假目标；每个训练样本为按雷达信号检测的批次顺序组成量测组合，设量测组合的点数为N，表示为下式：式中，MCk表示第k个雷达目标量测组合，rik表示第k个雷达目标量测组合中第i批次点的位置矢量，1≤i≤N；N、L为正整数；从量测组合MCk中提取相邻点迹间速度信息、加速度信息、夹角信息，计算公式如下：式中，表示第k个雷达目标量测组合中第i批次点迹的获取时刻，表示第k个雷达目标量测组合中第i批次时的速度估计，表示第k个雷达目标量测组合中第i批次时的加速度估计，表示第k个雷达目标量测组合中第i批次时的夹角估计；通过计算，第k个雷达目标量测组合的特征向量表示为下式：式中，pk为第k个雷达目标量测组合的特征向量；对第k个雷达目标量测组合的特征向量进行归一化，计算公式如下：式中，pj为所有雷达目标量测组合的第j个特征所组成的向量，为第k个雷达目标量测组合的第j个特征；通过上式得到了经过归一化处理后的训练样本特征，表示为：式中，xk为第k个雷达目标量测组合的归一化特征向量；为归一化后的速度值，为归一化后的加速度值，为归一化后的夹角值；设置L个训练样本中真实目标的样本分类标签yk为1，虚假目标的样本分类标签yk为-1；至此，得到了训练样本特征与样本分类标签组成的集合{xk,yk},k＝1,2,…,L，其中，yk∈{1,-1}，为实数域。3.根据权利要求2所述一种基于支持向量机的雷达目标航迹起始方法，其特征在于：所述步骤二中利用训练样本特征训练支持向量机，获得雷达目标分类最优超平面的决策函数；具体过程为：设置一个超平面w·x+b＝0，w为法向量，x为特征向量，b为截距；如果w·xk+b≥0，则判定xk的样本分类结果为1，否则为-1，设置超平面w·x+b＝0对所有训练样本正确分类并且保证在特征空间上两侧几何间隔最大；g(x)＝w·x+b；g(xk)＝w·xk+b；将雷达起始的目标航迹是真实目标还是虚假目标的分类问题转换成一个带约束的最小值求解问题：s.t.yk·(w·xk+b)-1≥0,k＝1,2,…,Ls.t.表示约束条件；引入拉格朗日函数：式中，αk≥0为拉格朗日乘子，k＝1,2,…,L；T为转置；根据KKT条件，令KKT条件为卡罗需-库恩-塔克条件；将上面两式结果带入...

【专利技术属性】
技术研发人员：李宏博，刘硕，张云，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