【技术实现步骤摘要】
本专利技术主要涉及到雷达探测跟踪，特指一种对密集群目标雷达信号的关联跟踪方法。
技术介绍
1、传统技术中，在雷达探测场景内，一般目标个数是有限的，而且各个目标在距离、角度和速度维可以进行有效区分，雷达会对各个目标进行单独跟踪。但是在一些特殊应用场景中，例如临近空间的多飞行器、飞船返回舱、等离子光鞘、蜂群无人机以及高分辨4d点云汽车成像雷达等目标探测场景中，则可能存在密集的多个目标；且这些目标在距离、角度和速度上较为接近甚至是高度类似，此时雷达就无法对各个目标进行准确参数估计。而后，在进行雷达跟踪时，由于需要进行目标检测点迹与航迹进行关联，传统方法就可能形成点迹、航迹关联错误，航迹轨迹错乱，目标无法有效跟踪。
2、20世纪40年代初，单目标跟踪首次出现。随着技术的发展和实战的需要，1955年多目标跟踪的概念被提出。当对一个目标进行跟踪滤波时，目的是尽可能滤除各种噪声的干扰，得到尽可能接近目标真实状态的估计，可以利用上的有效信息有目标的当下检测信息、目标的先前检测信息、人为的先验知识。首先，可以使用当下的检测信息作为要跟踪目标的状态估计，但是由于观测噪声的存在，只使用当下的检测信息是不够准确的。接下来，可以根据目标的运动模型，匀速或者匀加速运动模型，加上目标的过去检测信息对目标的状态进行预测估计。但是由于使用的目标运动模型只能近似的描述目标的运动规律，故而只利用运动模型对目标状态进行估计也不够准确。
3、随着雷达分辨率的提高，目标会占据多个分辨单元，使雷达在接收时得到目标多个等效散射中心产生的量测值。此时，点
4、在学者不断地探索下，目前已形成了一套较成熟的多目标跟踪方案。多目标跟踪的关键是航迹关联，目前主要包括极大似然类多目标数据关联、贝叶斯类多目标数据关联和新型数据关联三大类算法。第一类算法主要包含航迹分叉法、联合极大似然法等关联算法；而第二类算法主要由最近邻域数据关联(nearest neighbor data association,nnda)、概率数据关联(probabilistic data association,pda)、联合概率数据关联(jointprobabilistic data association,jpda)等算法组成；最后一类则以基于模糊c均值聚类(fuzzy c-means,fcm)算法为代表。在多假目标干扰的情况下，传统的数据关联算法存在计算复杂度高和适用场景受限的问题，因此概率假设密度滤波算法应运而生。目前，这些研究成果可以应对大多数场景的目标跟踪，但缺乏对雷达应用的研究。
5、目标跟踪就是根据雷达信号处理后得到的量测信息，尽最大努力地减小噪声、干扰和杂波等的影响，较精确地估计出当前目标运动状态和预测之后目标运动状态的过程。目标跟踪过程通常包含对点迹的关联、跟踪滤波、平滑、预测等处理，这样处理后，可减小信号处理中引入的随机误差，提高目标位置等相关参数的估计精度，从而促成稳定航迹的建立，实现在跟踪精度和实时性两方面的高性能。
6、即使是当前的多目标跟踪算法，在解决密集多目标跟踪时，也会存在以下问题：
7、(1)存在于一个雷达检测单元中的密集多目标无法进行有效区分；
8、(2)测量误差的存在使得密集多目标会形成点迹、航迹关联失败；
9、(3)密集群目标的群体运动特性在航迹预测和跟踪滤波中未进行有效利用。
技术实现思路
1、本专利技术要解决的技术问题就在于：针对现有技术存在的技术问题，本专利技术提供一种原理简单、适用范围广、精确度高、跟踪效果好的对密集群目标雷达信号的关联跟踪方法。
2、为解决上述技术问题，本专利技术采用以下技术方案：
3、一种对密集群目标雷达信号的关联跟踪方法，其步骤包括：
4、步骤s1：雷达探测；
5、步骤s2：数据处理，形成密集群目标检测点迹；
6、步骤s3：基于群体运动特性的密集群目标航迹预测；
7、步骤s4：基于群体运动特性的点迹和航迹关联；
8、步骤s5：密集群目标航迹更新：基于关联信息，结合目标及其邻近目标的运动特性，进行航迹预测和更新。
9、作为本专利技术方法的进一步改进：所述步骤s1的流程包括：
10、步骤s101：雷达发射一组相参的脉冲串信号；雷达发射一组相参的脉冲串信号，各个脉冲的相参确保后续进行多脉冲积累操作，利用目标的多普勒效应进行目标速度测量；
11、步骤s102：接收目标回波；发射的雷达信号经有目标反射后，密集群目标的回波在空间进行叠加后被雷达接收，雷达接收采用阵列天线，在目标检测后对目标进行角度估计。
12、作为本专利技术方法的进一步改进：所述步骤s2的流程包括：
13、步骤s201：动目标mtd处理；
14、步骤s202：形成距离多普勒矩阵；
15、步骤s203：目标恒虚警检测；
16、步骤s204：目标角度估计；
17、步骤s205：形成密集群目标检测点迹。
18、作为本专利技术方法的进一步改进：所述步骤s201中，多个脉冲进行mtd多脉冲处理，提供目标的多普勒速度，使得多个目标在速度维上具有区分能力。
19、作为本专利技术方法的进一步改进：所述步骤s202中，对于不同的接收通道，分别形成各自的距离多普勒矩阵，进行波束形成提升信噪比，以提高目标检测概率；或在目标信噪比较高时进行非相参合成，提升目标检测概率。
20、作为本专利技术方法的进一步改进：所述步骤s203中，对于距离多普勒矩阵，采用均值恒虚警检测方法ca-cfar，或采用序贯恒虚警检测方法os-cfar。
21、作为本专利技术方法的进一步改进：所述步骤s205中，得到密集群目标中的相关信息，包括距离、速度和角度信息。
22、作为本专利技术方法的进一步改进：所述步骤s3的流程中，在整个群体包络中，优化所有轨迹的误差为最小。
23、作为本专利技术方法的进一步改进：点迹和航迹基于关联选择最邻近的原则，假设目标检测点迹信息为xi(i＝1,...,n)，其中n表示所有检测点的数量；目标航迹信息为yj(j＝1,...,m)，其中m为所有轨迹的数量；所述步骤s4的流程中，本专利技术关联是要使得群体的关联误差最小，也就是：
24、
25、与现有技术相比，本专利技术的优点就在于：
26、本专利技术对密集群目标雷达信号的关联跟踪方法，原理简单、适用范围广、精确度高、跟踪效果好，本专利技术基于目标及其邻近目标的运动形成、协同整体包络的运动信息，联合进行目标点迹、航迹关联，航迹预测和滤波，使得本方法能够对密集群目标进行有效关联和跟踪，本文档来自技高网...
【技术保护点】
1.一种对密集群目标雷达信号的关联跟踪方法，其特征在于，其步骤包括：
2.根据权利要求1所述的对密集群目标雷达信号的关联跟踪方法，其特征在于，所述步骤S1的流程包括：
3.根据权利要求1所述的对密集群目标雷达信号的关联跟踪方法，其特征在于，所述步骤S2的流程包括：
4.根据权利要求3所述的对密集群目标雷达信号的关联跟踪方法，其特征在于，所述步骤S201中，多个脉冲进行MTD多脉冲处理，提供目标的多普勒速度，使得多个目标在速度维上具有区分能力。
5.根据权利要求3所述的对密集群目标雷达信号的关联跟踪方法，其特征在于，所述步骤S202中，对于不同的接收通道，分别形成各自的距离多普勒矩阵，进行波束形成提升信噪比，以提高目标检测概率；或在目标信噪比较高时进行非相参合成，提升目标检测概率。
6.根据权利要求3所述的对密集群目标雷达信号的关联跟踪方法，其特征在于，所述步骤S203中，对于距离多普勒矩阵，采用均值恒虚警检测方法CA-CFAR，或采用序贯恒虚警检测方法OS-CFAR。
7.根据权利要求3所述的对密集群目标雷达
8.根据权利要求1-7中任意一项所述的对密集群目标雷达信号的关联跟踪方法，其特征在于，所述步骤S3的流程中，在整个群体包络中，优化所有轨迹的误差为最小。
9.根据权利要求1-7中任意一项所述的对密集群目标雷达信号的关联跟踪方法，其特征在于，点迹和航迹基于关联选择最邻近的原则，假设目标检测点迹信息为xi(i＝1,...,N)，其中N表示所有检测点的数量；目标航迹信息为yj(j＝1,...,M)，其中M为所有轨迹的数量；所述步骤S4的流程中，本专利技术关联是要使得群体的关联误差最小，也就是：
...【技术特征摘要】
1.一种对密集群目标雷达信号的关联跟踪方法，其特征在于，其步骤包括：
2.根据权利要求1所述的对密集群目标雷达信号的关联跟踪方法，其特征在于，所述步骤s1的流程包括：
3.根据权利要求1所述的对密集群目标雷达信号的关联跟踪方法，其特征在于，所述步骤s2的流程包括：
4.根据权利要求3所述的对密集群目标雷达信号的关联跟踪方法，其特征在于，所述步骤s201中，多个脉冲进行mtd多脉冲处理，提供目标的多普勒速度，使得多个目标在速度维上具有区分能力。
5.根据权利要求3所述的对密集群目标雷达信号的关联跟踪方法，其特征在于，所述步骤s202中，对于不同的接收通道，分别形成各自的距离多普勒矩阵，进行波束形成提升信噪比，以提高目标检测概率；或在目标信噪比较高时进行非相参合成，提升目标检测概率。
6.根据权利要求3所述的对密集群目标雷达信号的关联跟踪方法...
【专利技术属性】
技术研发人员：张伟，韩明华，韩乃军，
申请(专利权)人：湖南华诺星空电子技术有限公司，
类型：发明
国别省市：
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。