一种强杂波环境下对弱小目标和高机动目标探测跟踪的数据处理方法技术

本发明专利技术公开了一种强杂波环境下对弱小目标和高机动目标探测跟踪的方法，将雷达全域探测范围内的目标和量测进行数据聚簇，基于K‑Best最优假设对每个聚簇做最优假设生成及假设概率计算，构建连续扫描周期下每个数据聚簇的轨迹树结构并基于N‑Scan假设剪枝，将保留的分枝k‑N时刻的航迹值送至用户航迹显示界面进行航迹更新。本发明专利技术将交互多模型算法与多假设跟踪算法相融合的方式，利用交互多模型算法对航迹进行滤波外推，减小目标机动所引起的跟踪误差，再使用多假设跟踪算法进行数据聚簇、基于K‑Best最优假设生成及假设概率计算、基于N‑Scan假设剪枝，减小由外推点迹较大的误差而导致数据关联错误的几率。

【技术实现步骤摘要】
一种强杂波环境下对弱小目标和高机动目标探测跟踪的数据处理方法
本专利技术涉及一种雷达数据处理方法。
技术介绍
雷达要探测的目标,通常是运动着的物体,如飞机,船舶等,但在目标的周围经常存在着各种杂波干扰,如地杂波,云雨杂波,海浪杂波,敌方施放的箔条杂波等，目前的技术是单独使用多假设跟踪算法或交互多模型算法对目标进行滤波外推和跟踪控制。单独使用多假设跟踪算法对目标进行滤波外推和跟踪控制，选用的运动模型与目标实际运动状态不能完全拟合，尤其是机动目标，运动状态多种多样，在目标运动状态拟合度不高的阶段，跟踪误差急剧增大。单独使用交互多模型算法对目标进行滤波外推和跟踪控制，虽然运动模型与目标实际运动状态能很好拟合，但目标虚警抑制能力差，对于弱小目标以及多目标跟踪时，关联错误率高，目标容易丢失。
技术实现思路
本专利技术要解决的技术问题是：针对采用单独算法对目标进行滤波外推和跟踪控制所存在的上述问题，将交互多模型算法和多假设跟踪算法的优化和融合，减小目标机动所引起的跟踪误差，降低数据关联错误的几率，实现雷达在强杂波环境下对本文档来自技高网...

【技术保护点】
1.一种强杂波环境下对弱小目标和高机动目标探测跟踪的方法，其特征在于包括：将雷达全域探测范围内的目标和量测进行数据聚簇，基于K-Best最优假设对每个聚簇做最优假设生成及假设概率计算，构建连续扫描周期下每个数据聚簇的轨迹树结构并基于N-Scan假设剪枝，将保留的分枝k-N时刻的航迹值送至用户航迹显示界面进行航迹更新。/n

【技术特征摘要】
1.一种强杂波环境下对弱小目标和高机动目标探测跟踪的方法，其特征在于包括：将雷达全域探测范围内的目标和量测进行数据聚簇，基于K-Best最优假设对每个聚簇做最优假设生成及假设概率计算，构建连续扫描周期下每个数据聚簇的轨迹树结构并基于N-Scan假设剪枝，将保留的分枝k-N时刻的航迹值送至用户航迹显示界面进行航迹更新。


2.根据权利要求1所述强杂波环境下对弱小目标和高机动目标探测跟踪的方法，其特征在于：将保留的所有分枝k时刻的轨迹输出值利用交互多模型算法对航迹进行滤波外推，将目标估计值反馈到数据聚簇中。


3.根据权利要求1或2所述强杂波环境下对弱小目标和高机动目标探测跟踪的方法，其特征在于：雷达全域探测范围内的目标和量测可以分割成若干独立的簇，为每个确认航迹创建一个簇，落入目标航迹跟踪门的量测都可以相关到簇内。


4.根据权利要求3所述强杂波环境下对弱小目标和高机动目标探测跟踪的方法，其特征在于：在新扫描周期内分别将新收到的量测与以前的簇（假设）进行互联，形成更新簇；若上一周期处理中2个独立的簇与同一个量测相关，则这2个簇形成1个新的超簇；不与任何旧簇相关的量测形成新簇。


5...

【专利技术属性】
技术研发人员：宋军，易显刚，吴永刚，
申请(专利权)人：贵州航天南海科技有限责任公司，
类型：发明
国别省市：贵州;52