一种基于角度信息的主瓣密集假目标剔除方法技术

本发明专利技术属于雷达信号处理技术领域，具体涉及一种基于角度信息的主瓣密集假目标剔除方法，包括：获取包括方位角信息和俯仰角信息的点迹集合；计算所述点迹集合中每个点迹和其他点迹的空间角度差，得到若干空间角度差；根据所述若干空间角度差得到所述点迹集合中每个点迹的领域；根据DBSCAN聚类算法与所述点迹集合中每个点迹的领域对所有点迹进行聚类，得到若干点迹簇；将所述若干点迹簇作为主瓣密集假目标从所述点迹集合中剔除得到剔除后的点迹集合。具有降低虚警概率、提高目标检测性能、聚类的准确度的有益效果，同时还改善了应用在雷达信号处理时的性能。

【技术实现步骤摘要】
一种基于角度信息的主瓣密集假目标剔除方法
本专利技术属于雷达信号处理
，具体涉及一种基于角度信息的主瓣密集假目标剔除方法。
技术介绍
近年来，随着干扰种类的增多和干扰技术的进步，雷达抗干扰技术已成为业界研究的热点。雷达抗干扰技术的目的是将影响雷达正常工作的各种干扰信号减弱到能容许的程度，保障雷达正常工作，因此，雷达抗干扰技术在现代战争中扮演着至关重要的角色。雷达是通过对回波信号的检测发现目标的存在并测量其参数信息的，而干扰的目的是破坏或阻碍雷达发现目标、测量目标参数。雷达干扰机可以分析雷达发射信号的各个参数，产生与原始发射信号匹配的干扰信号进入雷达接收机，在雷达接收机中干扰信号与目标回波信号难以区分，导致在雷达信号处理过程中会产生大量虚假点迹(主瓣密集假目标)，真实目标点迹包含在众多虚假点迹中，故虚警概率高，目标检测性能难以提升，给雷达目标跟踪和识别带来了困难。DBSCAN是一种基于密度信息的聚类算法，应用在点迹聚类中，一般只会用到距离信息，不会用到二维角度信息。用其对抗干扰带来的主瓣密集假目标点进行聚类的鲁棒性和准确度较差。
技术实现思路
为了解决现有技术中存在的上述问题，本专利技术提供了一种基于角度信息的主瓣密集假目标剔除方法。本专利技术要解决的技术问题通过以下技术方案实现：一种基于角度信息的主瓣密集假目标剔除方法，包括：获取包括方位角信息和俯仰角信息的点迹集合；计算所述点迹集合中每个点迹和其他点迹的空间角度差，得到若干空间角度差；根据所述若干空间角度差得到所述点迹集合中每个点迹的领域；根据DBSCAN聚类算法与所述点迹集合中每个点迹的领域对所有点迹进行聚类，得到若干点迹簇；将所述若干点迹簇作为主瓣密集假目标从所述点迹集合中剔除得到剔除后的点迹集合。在本专利技术的一个实施例中，所述空间角度差表达式为：其中，yi为第i个点迹，yj表示第j个点迹，i＝1,2,...,N，j＝1,2,...,N，N为所述点迹集合中包含的点迹总数，s(yi,yj)为第i个点迹和第j个点迹的空间角度差，θi为第i个点迹的方位角，θj为第j个点迹的方位角，为第i个点迹的俯仰角，为第j个点迹的俯仰角，w1为方位角空间加权系数，w2为俯仰角空间加权系数。在本专利技术的一个实施例中，所述点迹集合中每个点迹的领域表达式为：Mi＝{yj∈Y|s(yi,yj)≤Eps,i≠j}，其中，Eps为领域空间角度差阈值，Y为点迹集合。在本专利技术的一个实施例中，根据DBSCAN聚类算法与所述点迹集合中每个点迹的领域对所有点迹进行聚类，得到若干点迹簇，包括：(4a)输入N个点迹，设定最小包含点数MinPts和簇内最少点数MinCus；(4b)把所述N个点迹标记为未检索，并把它们按照序号进行排序；(4c)所述N个点迹中按照顺序选取点迹并判断是否为已检索：若已检索，则按顺序判断下一个点迹；否则，执行步骤(4d)；(4d)将该点迹标记为已检索，对其进行判断，若该点迹为孤立点，返回步骤(4c)；若该点迹为核心点，把该核心点领域内的所有点迹标记为已检索，执行步骤(4e)；(4e)将该核心点及其领域内的所有点迹作为新的点迹簇，并注上新的簇标号；(4f)判断所述核心点领域内所有点迹是否为核心点；若判断结果为核心点，把所述核心点领域内的所有点迹标记为已检索，注上和(4e)相同的簇标号并补充到所述点迹簇中，并重复步骤(4f)继续对所述核心点和所述点迹簇进行扩充，直至无核心点，执行步骤(4g)；(4g)返回步骤(4c)，直到所述N个点迹都已检索，执行步骤(4h)；(4h)判断得到的每个点迹簇中包含的点迹个数是否小于簇内最少点数MinCus；若小于，则删除该点迹簇；否则，保留该点迹簇。在本专利技术的一个实施例中，所述步骤(4d)中的核心点判断方法为：对于点迹yi，若满足mi≥MinPts，则该点迹为核心点；否则，该点迹为孤立点，其中：mi为点迹yi的领域Mi中所有点迹的数量。本专利技术的有益效果：第一，本专利技术基于角度信息对点迹进行空间划分和点迹簇提取，可以规避干扰带来的主瓣密集假目标的影响，使得本专利技术能够降低目标检测后由干扰带来的主瓣密集假目标点个数，进而降低虚警概率，提高目标检测性能；第二，本专利技术通过在DBSCAN聚类算法中加入二维空间权系数和簇内最少点数，使聚类后的点迹簇更符合干扰带来的主瓣密集假目标的特征，提高了聚类的准确度，改善了其应用在雷达信号处理时的性能。以下将结合附图及实施例对本专利技术做进一步详细说明。附图说明图1是本专利技术实施例提供的一种基于角度信息的主瓣密集假目标剔除方法的步骤示意图；图2是本专利技术实施例提供的一种基于角度信息的主瓣密集假目标剔除方法雷达回波数据的脉冲压缩结果和CFAR检测门限对比图；图3是本专利技术实施例提供的一种基于角度信息的主瓣密集假目标剔除方法方位维波束扫描方向图；图4是本专利技术实施例提供的一种基于角度信息的主瓣密集假目标剔除方法俯仰维波束扫描方向图；图5是本专利技术实施例提供的一种基于角度信息的主瓣密集假目标剔除方法的雷达二维极坐标显示界面图；图6是本专利技术实施例提供的一种基于角度信息的主瓣密集假目标剔除方法处理后的雷达二维极坐标显示界面图。具体实施方式下面结合具体实施例对本专利技术做进一步详细的描述，但本专利技术的实施方式不限于此。请参见图1，图1是本专利技术实施例提供的一种基于角度信息的主瓣密集假目标剔除方法的步骤示意图，包括：获取包括方位角信息和俯仰角信息的点迹集合；计算所述点迹集合中每个点迹和其他点迹的空间角度差，得到若干空间角度差；根据所述若干空间角度差得到所述点迹集合中每个点迹的领域；根据DBSCAN聚类算法与所述点迹集合中每个点迹的领域对所有点迹进行聚类，得到若干点迹簇；将所述若干点迹簇作为主瓣密集假目标从所述点迹集合中剔除得到剔除后的点迹集合。在本专利技术的一个实施例中，所述空间角度差表达式为：其中，yi为第i个点迹，yj表示第j个点迹，i＝1,2,...,N，j＝1,2,...,N，N为所述点迹集合中包含的点迹总数，s(yi,yj)为第i个点迹和第j个点迹的空间角度差，θi为第i个点迹的方位角，θj为第j个点迹的方位角，为第i个点迹的俯仰角，为第j个点迹的俯仰角，w1为方位角空间加权系数，w2为俯仰角空间加权系数。具体的，w1和w2的选取要结合实际雷达在方位维和俯仰维的测角精度，对于测角精度较高的维度，要让其加权系数高。在本专利技术的实施例中，N的个数为7，方位维和俯仰维的测角精度一致，故方位角空间加权系数w1＝1，俯仰角空间加权系数w2＝1。在本专利技术的一个实施例中，所述点迹集合中每个点迹的领域表达式为：Mi＝{yj∈Y|s(yi,yj)≤Eps,i≠j}，其中，Eps为领本文档来自技高网...

【技术保护点】
1.一种基于角度信息的主瓣密集假目标剔除方法，其特征在于，包括：/n获取包括方位角信息和俯仰角信息的点迹集合；/n计算所述点迹集合中每个点迹和其他点迹的空间角度差，得到若干空间角度差；/n根据所述若干空间角度差得到所述点迹集合中每个点迹的领域；/n根据DBSCAN聚类算法与所述点迹集合中每个点迹的领域对所有点迹进行聚类，得到若干点迹簇；/n将所述若干点迹簇作为主瓣密集假目标从所述点迹集合中剔除得到剔除后的点迹集合。/n

【技术特征摘要】
1.一种基于角度信息的主瓣密集假目标剔除方法，其特征在于，包括：
获取包括方位角信息和俯仰角信息的点迹集合；
计算所述点迹集合中每个点迹和其他点迹的空间角度差，得到若干空间角度差；
根据所述若干空间角度差得到所述点迹集合中每个点迹的领域；
根据DBSCAN聚类算法与所述点迹集合中每个点迹的领域对所有点迹进行聚类，得到若干点迹簇；
将所述若干点迹簇作为主瓣密集假目标从所述点迹集合中剔除得到剔除后的点迹集合。


2.根据权利要求1所述的基于角度信息的主瓣密集假目标剔除方法，其特征在于，所述空间角度差表达式为：



其中，yi为第i个点迹，yj表示第j个点迹，i＝1,2,...,N，j＝1,2,...,N，N为所述点迹集合中包含的点迹总数，s(yi,yj)为第i个点迹和第j个点迹的空间角度差，θi为第i个点迹的方位角，θj为第j个点迹的方位角，为第i个点迹的俯仰角，为第j个点迹的俯仰角，w1为方位角空间加权系数，w2为俯仰角空间加权系数。


3.根据权利要求2所述的基于角度信息的主瓣密集假目标剔除方法，其特征在于，所述点迹集合中每个点迹的领域表达式为：
Mi＝{yj∈Y|s(yi,yj)≤Eps,i≠j}，
其中，Eps为领域空间角度差阈值，Y为点迹集合。


4.根据权利要求1所述的基于角度信息的主瓣密集假目标剔除方法，其特征在于，根据DBSCAN聚类算法与所述点迹集合中每个点...

【专利技术属性】
技术研发人员：赵永波，李嘉隆，刘宏伟，苏涛，苏洪涛，
申请(专利权)人：西安电子科技大学，
类型：发明
国别省市：陕西;61