基于图神经网络的雷达目标数据关联方法技术

本发明专利技术涉及一种基于图神经网络的雷达目标数据关联方法，包括如下步骤：对雷达点迹和AD数据进行多维特征提取；构建图数据：利用提取的多维特征、目标航迹和待关联的点迹构成图数据；实现图神经网络：包括进行图神经网络边更新、进行图神经网络节点更新、进行图神经网络全局变量更新和图神经网络边分类。本发明专利技术与传统的基于专家规则的方法不同，是数据驱动的，能够利用标注的样本学习数据关联准则，本发明专利技术是端到端的架构，将雷达目标数据关联建模成图数据结构中边的分类问题，利用先进的图神经网络对图模型一次求解。经网络对图模型一次求解。经网络对图模型一次求解。

【技术实现步骤摘要】
基于图神经网络的雷达目标数据关联方法


[0001]本专利技术涉及信息
，尤其涉及一种基于图神经网络的雷达目标数据关联方法。

技术介绍

[0002]目标数据关联是雷达多目标跟踪最为关键的技术，目前典型的数据关联方法包括全局最近邻(GNN)、联合概率数据关联(JPDA)、多假设跟踪(MHT)。GNN将数据关联建模成最小代价工作分配问题，利用匈牙利算法对该问题求解，给出航迹
‑
点迹确定性关联结果；JPDA通过计算关联事件的概率，给出航迹
‑
点迹概率性关联结果，JPDA相较于GNN数据关联正确率更高，计算复杂度也更高。MHT将航迹和点迹关联问题描述成树结构，通过延迟决策和航迹裁剪的方法确定关联关系，与GNN和JPDA相比，MHT跟踪效果最好，计算复杂度也最高。传统的雷达目标数据关联主要的特点在于：工程技术人员使用正向推导的方法，力争推导最逼近客观世界的数学模型，而模型的好坏完全取决于设计人员的自身认知。
[0003]也有专家、学者应用深度学习、神经网络进行雷达目标数据关联技术研究。一种毫米波雷达与深度学本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于图神经网络的雷达目标数据关联方法，其特征在于：包括如下步骤：对雷达点迹和AD数据进行多维特征提取；构建图数据：利用提取的多维特征、目标航迹和待关联的点迹构成图数据；实现图神经网络：包括进行图神经网络边更新、进行图神经网络节点更新、进行图神经网络全局变量更新和图神经网络边分类。2.根据权利要求1所述的基于图神经网络的雷达目标数据关联方法，其特征在于：模型构建完成后，利用标注的样本训练图神经网络模型，自动学习雷达目标数据关联准则；将待测试的点迹输入图神经网络模型，完成雷达多目标跟踪。3.根据权利要求1所述的基于图神经网络的雷达目标数据关联方法，其特征在于：利用探测的雷达点迹和AD数据提取的多维特征包括目标幅度包络特征、相位特征、多普勒特征、信噪比、RCS、目标距离尺寸、方位尺寸、俯仰尺寸。4.根据权利要求1所述的基于图神经网络的雷达目标数据关联方法，其特征在于：构建图数据中，图的节点包括目标航迹和待关联的点迹，图的边由目标航迹和待关联的点连接而成，边的连接权重表示相应的关联关系。5.根据权利要求1所述的基于图神经网络的雷达目标数据关联方法，其特征在于：图神经网络边更新的输入为目标航迹、目标点迹、更新前的边、全局变量，输出为更新后的边，该模块包括两个全连接层和一个ReLU函数。6.根据权利要求1所述的基于图神经网络的雷达目标数据关联方法，其特征在于：图神经网络节点更新通过将历史的特征凝聚到探测节点特征，对探测节点特征进行更新，输入为目标航迹、目标点迹、更新的边、全局变量，输出为更新的目标点迹。7.根据权利要求1所述的基于图神经网络的雷达目标数据关联方法，其特征在于：图神经网络全局变量更新利用目标航迹和目标点迹连接信息，挖掘图结构全局...

【专利技术属性】
技术研发人员：张强，于俊朋，李大圣，杨予昊，
申请(专利权)人：中国电子科技集团公司第十四研究所，
类型：发明
国别省市：