【技術(shù)實(shí)現(xiàn)步驟摘要】
本專利技術(shù)屬于雷達(dá)數(shù)據(jù)處理，具體涉及一種基于多雷達(dá)目標(biāo)探測(cè)數(shù)據(jù)融合方法及系統(tǒng)。
技術(shù)介紹
1、雷達(dá)作為運(yùn)用電磁波對(duì)目標(biāo)進(jìn)行探測(cè)感知和信息獲取的核心傳感器，被廣泛運(yùn)用于電子對(duì)抗、低空突防等領(lǐng)域，隨應(yīng)用環(huán)境的復(fù)雜變化，單雷達(dá)目標(biāo)跟蹤精度低，有效探測(cè)范圍窄，系統(tǒng)反應(yīng)時(shí)間長(zhǎng)，以無(wú)法滿足需求，為此并行多雷達(dá)應(yīng)運(yùn)而生。
2、多雷達(dá)數(shù)據(jù)采集過(guò)程中，采用點(diǎn)跡數(shù)據(jù)融合技術(shù)可按需進(jìn)行信息的獲取與處理，以減小信息損失，獲得更加精準(zhǔn)的航跡狀態(tài)，其中，數(shù)據(jù)融合技術(shù)是通過(guò)獲取準(zhǔn)確的估計(jì)狀態(tài)和屬性判斷進(jìn)行關(guān)聯(lián)、估計(jì)和融合的過(guò)程。
3、例如，公布號(hào)為cn106680806a的中國(guó)專利技術(shù)專利公開(kāi)了一種多雷達(dá)點(diǎn)跡融合方法，該方法針對(duì)不同雷達(dá)的輸入點(diǎn)跡，在進(jìn)行時(shí)空處理、綜合相關(guān)等預(yù)處理基礎(chǔ)上，給出一種高性能的點(diǎn)跡融合處理算法，并進(jìn)一步給出合理的航跡關(guān)聯(lián)、濾波算法，得到目標(biāo)航跡的估計(jì)結(jié)果。
4、又例如，公布號(hào)為cn117805805a的中國(guó)專利技術(shù)專利公開(kāi)了一種基于交通場(chǎng)景下的毫米波雷達(dá)多車輛跟蹤方法，該方法結(jié)合車輛目標(biāo)的雷達(dá)量測(cè)分布與運(yùn)動(dòng)模式的特點(diǎn)，實(shí)現(xiàn)了多車輛目標(biāo)的穩(wěn)健跟蹤。
5、但是，如何提高疏散點(diǎn)跡融合精度，進(jìn)而提升目標(biāo)跟蹤精度和魯棒性，仍是當(dāng)前亟待解決的問(wèn)題。
技術(shù)實(shí)現(xiàn)思路
1、本專利技術(shù)的目的在于提供一種基于多雷達(dá)目標(biāo)探測(cè)數(shù)據(jù)融合方法及系統(tǒng)，以部分地解決或緩解上述問(wèn)題，在不影響雷達(dá)數(shù)據(jù)融合效率的情況下，提升目標(biāo)跟蹤精度和魯棒性。
2、為了解決上述所
3、一種基于多雷達(dá)目標(biāo)探測(cè)數(shù)據(jù)融合方法，包括步驟：
4、s101，通過(guò)n個(gè)雷達(dá)分別獲取到至少一個(gè)目標(biāo)的n個(gè)初始軌跡；
5、s102，將n個(gè)所述初始軌跡分別定義為多個(gè)點(diǎn)跡集合，并根據(jù)所述多個(gè)點(diǎn)跡集合計(jì)算聚類范圍數(shù)；其中，所述點(diǎn)跡集合包括：一個(gè)所述雷達(dá)探測(cè)到的所述目標(biāo)在多個(gè)時(shí)刻下對(duì)應(yīng)的點(diǎn)跡，所述點(diǎn)跡為所述目標(biāo)的空間坐標(biāo)；
6、s103，在所述聚類范圍數(shù)中選取多個(gè)聚類數(shù)，所述聚類數(shù)取正整數(shù)；
7、s104，分別根據(jù)多個(gè)所述聚類數(shù)對(duì)所述點(diǎn)跡集合進(jìn)行聚類，以對(duì)應(yīng)獲取到多個(gè)聚類質(zhì)心列表；其中，s104包括：
8、s41，計(jì)算當(dāng)前聚類數(shù)下所述多個(gè)點(diǎn)跡集合的平均密度參數(shù)；
9、s42，根據(jù)所述平均密度參數(shù)分別計(jì)算所述點(diǎn)跡集合中的每個(gè)點(diǎn)跡的區(qū)域節(jié)點(diǎn)密度，選取滿足第一規(guī)則的所述點(diǎn)跡形成高密度點(diǎn)跡集；其中，所述第一規(guī)則要求所述點(diǎn)跡的所述區(qū)域節(jié)點(diǎn)密度大于或等于所述平均密度參數(shù)；
10、s43，根據(jù)所述高密度點(diǎn)跡集計(jì)算得到至少兩個(gè)初始質(zhì)心，并形成初始質(zhì)心集合；其中，s43包括：
11、選取所述高密度點(diǎn)跡集中的所述區(qū)域節(jié)點(diǎn)密度最大的質(zhì)心作為第一個(gè)初始質(zhì)心，根據(jù)所述第一個(gè)初始質(zhì)心采用第二規(guī)則在所述高密度點(diǎn)跡集中依次選取至少一個(gè)初始質(zhì)心，所述初始質(zhì)心的總數(shù)量與所述聚類數(shù)相同；
12、其中，所述第二規(guī)則要求所述至少一個(gè)初始質(zhì)心的選取需要滿足最大距離條件；
13、s44，計(jì)算所述點(diǎn)跡集合中的各個(gè)所述點(diǎn)跡與各個(gè)所述初始質(zhì)心之間的密度敏感距離，并選取所述密度敏感距離最短的所述初始質(zhì)心作為當(dāng)前點(diǎn)跡的歸屬結(jié)果，以形成多個(gè)聚類集合；
14、s45，根據(jù)所述聚類集合采用以下公式計(jì)算得到聚類質(zhì)心；其中，
15、；
16、其中，為第個(gè)聚類質(zhì)心，的范圍為1-，為第個(gè)初始質(zhì)心形成的聚類集合中點(diǎn)跡的數(shù)量，為聚類集合中點(diǎn)跡的三維坐標(biāo)；
17、s46，判斷所述聚類質(zhì)心是否滿足迭代條件，若滿足，則將所述聚類質(zhì)心存入聚類質(zhì)心列表，若不滿足，則將所述聚類質(zhì)心作為初始質(zhì)心重復(fù)執(zhí)行s44-s46；
18、s105，分別計(jì)算多個(gè)所述聚類質(zhì)心列表的均方差，并選取均方差最小的一組所述聚類質(zhì)心列表中的所述聚類質(zhì)心為融合后的軌跡。
19、作為一種改進(jìn)，s101包括：
20、s11，設(shè)置初始時(shí)刻目標(biāo)的狀態(tài)，并通過(guò)所述狀態(tài)獲取所述目標(biāo)的初始狀態(tài)協(xié)方差矩陣；
21、s12，通過(guò)所述初始狀態(tài)協(xié)方差矩陣，采用卡爾曼濾波算法預(yù)測(cè)得到所述目標(biāo)在時(shí)刻的第一狀態(tài)協(xié)方差矩陣；
22、s13，將時(shí)刻預(yù)測(cè)的所述第一狀態(tài)協(xié)方差矩陣與時(shí)刻實(shí)際測(cè)得的第二狀態(tài)協(xié)方差矩陣的差值，與目標(biāo)測(cè)量噪聲協(xié)方差矩陣作乘積，得到所述目標(biāo)的相似程度，并設(shè)置跟蹤門(mén)限，若滿足，則，即第個(gè)量測(cè)落入所述目標(biāo)的跟蹤門(mén)中，此時(shí)依據(jù)的值形成確認(rèn)矩陣；若不滿足，則，即第個(gè)量測(cè)未落入所述目標(biāo)的跟蹤門(mén)中，該數(shù)據(jù)不屬于當(dāng)前目標(biāo)；
23、其中，表示第個(gè)量測(cè)落入所述目標(biāo)的跟蹤門(mén)的二進(jìn)制變量；
24、s14，定義第個(gè)聯(lián)合關(guān)聯(lián)事件，根據(jù)所述聯(lián)合關(guān)聯(lián)事件采用第三規(guī)則和第四規(guī)則將所述確認(rèn)矩陣拆分得到聯(lián)合事件關(guān)聯(lián)矩陣；
25、其中，所述第三規(guī)則是指每個(gè)目標(biāo)只能產(chǎn)生一個(gè)有效測(cè)量結(jié)果，所述第四規(guī)則是指每個(gè)測(cè)量結(jié)果只能來(lái)自某個(gè)目標(biāo)或雜波；
26、s15，對(duì)所述聯(lián)合關(guān)聯(lián)事件和所述聯(lián)合事件關(guān)聯(lián)矩陣進(jìn)行計(jì)算，得到關(guān)聯(lián)事件條件概率；
27、s16，由所述關(guān)聯(lián)事件條件概率計(jì)算得到時(shí)刻的第個(gè)量測(cè)與所述目標(biāo)的關(guān)聯(lián)概率；
28、s17，將所述關(guān)聯(lián)概率值最大的量測(cè)與所述目標(biāo)進(jìn)行關(guān)聯(lián)，形成所述目標(biāo)的局部跟蹤軌跡，并將所述量測(cè)歸入所述目標(biāo)的軌跡列表；
29、s19，重復(fù)執(zhí)行s12-s17，形成下一時(shí)刻的局部跟蹤軌跡，直至形成完整的初始軌跡。
30、作為一種改進(jìn)，s41中，所述平均密度參數(shù)的計(jì)算公式為：
31、；
32、其中，為點(diǎn)跡集合，為平均密度參數(shù)，為聚類數(shù)。
33、作為一種改進(jìn)，s42中，所述區(qū)域節(jié)點(diǎn)密度函數(shù)的計(jì)算公式為：
34、；
35、其中，為第個(gè)點(diǎn)跡的區(qū)域節(jié)點(diǎn)密度函數(shù)，的范圍為1-，分別表示點(diǎn)跡和點(diǎn)跡的位置。
36、作為一種改進(jìn)，s19之前，還包括步驟：
37、s18，對(duì)未被關(guān)聯(lián)的量測(cè)生成新的跟蹤軌跡，并更新當(dāng)前軌跡列表狀態(tài)。
38、作為一種改進(jìn)，s12中的所述第一狀態(tài)協(xié)方差矩陣為：
39、；
40、其中，為目標(biāo)，為第一狀態(tài)協(xié)方差矩陣，為狀態(tài)轉(zhuǎn)移矩陣，為時(shí)刻目標(biāo)的狀態(tài)協(xié)方差矩陣，t為矩陣的轉(zhuǎn)置，為時(shí)刻的目標(biāo)的過(guò)程噪聲矩陣。
41、作為一種改進(jìn)，s15中，關(guān)聯(lián)事件條件概率的計(jì)算公式為：
42、；
43、其中：為關(guān)聯(lián)事件條件概率，為歸一化常數(shù)；為雜密度；為聯(lián)合關(guān)聯(lián)事件中沒(méi)有與目標(biāo)關(guān)聯(lián)的量測(cè)數(shù)量；為量測(cè)的先驗(yàn)高斯概率分布；為時(shí)刻第個(gè)量測(cè)，聯(lián)合關(guān)聯(lián)事件中第個(gè)量測(cè)與目標(biāo)的互聯(lián)指示；為聯(lián)合關(guān)聯(lián)事件的目標(biāo)檢測(cè)指示；其與取值均為1或0；為目標(biāo)的檢測(cè)概率；為量測(cè)總數(shù)；為跟蹤目標(biāo)總數(shù)。
44、作為一種改進(jìn)，s16中，時(shí)刻的第個(gè)量測(cè)與目標(biāo)的關(guān)聯(lián)概率采用如下公式計(jì)算：
45、；
46、其中，本文檔來(lái)自技高網(wǎng)...
【技術(shù)保護(hù)點(diǎn)】
1.一種基于多雷達(dá)目標(biāo)探測(cè)數(shù)據(jù)融合方法，其特征在于，包括步驟：
2.根據(jù)權(quán)利要求1所述的一種基于多雷達(dá)目標(biāo)探測(cè)數(shù)據(jù)融合方法，其特征在于，S101包括：
3.根據(jù)權(quán)利要求1所述的一種基于多雷達(dá)目標(biāo)探測(cè)數(shù)據(jù)融合方法，其特征在于，S41中，所述平均密度參數(shù)的計(jì)算公式為：
4.根據(jù)權(quán)利要求3所述的一種基于多雷達(dá)目標(biāo)探測(cè)數(shù)據(jù)融合方法，其特征在于，S42中，所述區(qū)域節(jié)點(diǎn)密度函數(shù)的計(jì)算公式為：
5.根據(jù)權(quán)利要求2所述的一種基于多雷達(dá)目標(biāo)探測(cè)數(shù)據(jù)融合方法，其特征在于，S19之前，還包括步驟：
6.根據(jù)權(quán)利要求2所述的一種基于多雷達(dá)目標(biāo)探測(cè)數(shù)據(jù)融合方法，其特征在于，S12中的所述第一狀態(tài)協(xié)方差矩陣為：
7.根據(jù)權(quán)利要求2所述的一種基于多雷達(dá)目標(biāo)探測(cè)數(shù)據(jù)融合方法，其特征在于，S15中，關(guān)聯(lián)事件條件概率的計(jì)算公式為：
8.根據(jù)權(quán)利要求7所述的一種基于多雷達(dá)目標(biāo)探測(cè)數(shù)據(jù)融合方法，其特征在于，S16中，時(shí)刻的第個(gè)量測(cè)與目標(biāo)的關(guān)聯(lián)概率采用如下公式計(jì)算：
9.一種基于多雷達(dá)目標(biāo)探測(cè)數(shù)據(jù)融合系統(tǒng)，其特征在于，包括：<...
【技術(shù)特征摘要】
1.一種基于多雷達(dá)目標(biāo)探測(cè)數(shù)據(jù)融合方法，其特征在于，包括步驟：
2.根據(jù)權(quán)利要求1所述的一種基于多雷達(dá)目標(biāo)探測(cè)數(shù)據(jù)融合方法，其特征在于，s101包括：
3.根據(jù)權(quán)利要求1所述的一種基于多雷達(dá)目標(biāo)探測(cè)數(shù)據(jù)融合方法，其特征在于，s41中，所述平均密度參數(shù)的計(jì)算公式為：
4.根據(jù)權(quán)利要求3所述的一種基于多雷達(dá)目標(biāo)探測(cè)數(shù)據(jù)融合方法，其特征在于，s42中，所述區(qū)域節(jié)點(diǎn)密度函數(shù)的計(jì)算公式為：
5.根據(jù)權(quán)利要求2所述的一種基于多雷達(dá)目標(biāo)探測(cè)數(shù)據(jù)融合方法，其特征在于，s19之前，還包括步驟：
6.根據(jù)權(quán)利要求...
【專利技術(shù)屬性】
技術(shù)研發(fā)人員：包富瑜，王宇，陳功，鐘宇，張俊傲，李航，葉志強(qiáng)，
申請(qǐng)(專利權(quán))人：成都流體動(dòng)力創(chuàng)新中心，
類型：發(fā)明
國(guó)別省市：
還沒(méi)有人留言評(píng)論。發(fā)表了對(duì)其他瀏覽者有用的留言會(huì)獲得科技券。