CN110308442A - 强杂波环境下相控阵雷达的gm-phd目标跟踪方法 - Google Patents

强杂波环境下相控阵雷达的gm-phd目标跟踪方法 Download PDF

Info

Publication number
CN110308442A
CN110308442A CN201910495262.2A CN201910495262A CN110308442A CN 110308442 A CN110308442 A CN 110308442A CN 201910495262 A CN201910495262 A CN 201910495262A CN 110308442 A CN110308442 A CN 110308442A
Authority
CN
China
Prior art keywords
track
target
clutter
measurement
interim
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN201910495262.2A
Other languages
English (en)
Other versions
CN110308442B (zh
Inventor
杨建超
顾红
苏卫民
张利强
孙望
谭珂
陆星宇
徐杰
虞文超
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Nanjing Ganghe Keyi Electronic Technology Co Ltd
Nanjing Tech University
Original Assignee
Nanjing Ganghe Keyi Electronic Technology Co Ltd
Nanjing Tech University
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Nanjing Ganghe Keyi Electronic Technology Co Ltd, Nanjing Tech University filed Critical Nanjing Ganghe Keyi Electronic Technology Co Ltd
Priority to CN201910495262.2A priority Critical patent/CN110308442B/zh
Publication of CN110308442A publication Critical patent/CN110308442A/zh
Application granted granted Critical
Publication of CN110308442B publication Critical patent/CN110308442B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S7/00—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
    • G01S7/02—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00
    • G01S7/28—Details of pulse systems
    • G01S7/285—Receivers
    • G01S7/292—Extracting wanted echo-signals
    • G01S7/2923—Extracting wanted echo-signals based on data belonging to a number of consecutive radar periods
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
    • G01S13/66—Radar-tracking systems; Analogous systems
    • G01S13/72—Radar-tracking systems; Analogous systems for two-dimensional tracking, e.g. combination of angle and range tracking, track-while-scan radar
    • G01S13/723—Radar-tracking systems; Analogous systems for two-dimensional tracking, e.g. combination of angle and range tracking, track-while-scan radar by using numerical data
    • G01S13/726—Multiple target tracking
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S7/00—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
    • G01S7/02—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00
    • G01S7/35—Details of non-pulse systems
    • G01S7/352—Receivers
    • G01S7/354—Extracting wanted echo-signals
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S7/00—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
    • G01S7/02—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00
    • G01S7/41—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00 using analysis of echo signal for target characterisation; Target signature; Target cross-section
    • G01S7/414—Discriminating targets with respect to background clutter
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
    • Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
    • Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation

Landscapes

  • Engineering & Computer Science (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Radar Systems Or Details Thereof (AREA)

Abstract

本发明公开了一种强杂波环境下相控阵雷达的GM‑PHD目标跟踪方法，首先对量测数据进行预处理，标记杂波区域；然后根据时间戳外推航迹，利用筛选得到的量测数据更新航迹数据；最后剩余量测数据与临时航迹关联处理，计算新生目标的强度。本发明通过提取每帧数据的时间戳作为时间基础进行航迹预测，可适用于相控阵雷达变扫描周期的特点；同时通过对量测的统计处理对可能来源于杂波的量测进行识别和标记，并通过设置约束条件来对可能产生新目标的量测进行筛选，有效抑制了虚假目标的产生，提高了PHD滤波的计算效率。

Description

强杂波环境下相控阵雷达的GM-PHD目标跟踪方法
技术领域
本发明属于雷达数据处理领域，具体涉及一种强杂波环境下相控阵雷达的GM-PHD目标跟踪方法。
背景技术
雷达多目标跟踪一直以来都是一个重要的理论和实践问题。近年来，随着统计理论的不断发展，Mahler提出了基于概率假设密度(PHD)滤波器的雷达目标跟踪方法。相比与联合概率数据互联算法(JPDA)和多假设跟踪算法(MHT)等传统的多目标跟踪方法而言，该方法有效避免了数据关联带来的困难和麻烦，受到了国内外学者的广泛关注和研究。
传统PHD滤波在进行目标跟踪时，一般在固定位置进行新生目标的起航，然而在实际应用时通常难以得到目标起始位置的先验信息，因此很难正确起始航迹。为改善这一问题，有学者提出了基于量测的PHD新生目标强度计算方法，在量测处设立新生目标以解决该问题。该方法虽可解决无先验信息条件下PHD滤波中的目标起始问题，但在强杂波环境下会起始过多的虚假航迹，导致PHD滤波的效率降低。此外,对于相控阵雷达体制下的目标跟踪而言，随着雷达功能的切换，在TWS过程中加入TAS等，会随之带来雷达扫描周期不固定的问题，对航迹的预测和更新带来影响，因此要将PHD滤波方法应用于相控阵雷达，必需加以有效措施来解决该问题。
发明内容
本发明的目的在于提供一种强杂波环境下相控阵雷达的GM-PHD目标跟踪方法，解决相控阵雷达变扫描周期情况下的目标跟踪问题，同时提高强杂波环境下PHD滤波的效率，减少虚假航迹的产生。
实现本发明目的的技术解决方案为：一种强杂波环境下相控阵雷达的GM-PHD目标跟踪方法，包括以下步骤：
步骤1、对量测数据进行预处理，标记杂波区域；
步骤2、然后根据时间戳外推航迹，利用筛选得到的量测数据更新航迹数据；
步骤3、对剩余量测数据与临时航迹关联处理，计算新生目标的强度。
与现有技术相比，本发明的显著优点为：(1)本发明通过提取每帧数据的时间戳作为时间基础进行航迹的预测，而不是采用固定的处理周期，能有效适应相控阵雷达变扫描周期情况下的目标跟踪；(2)本发明通过对量测的统计处理对可能来源于杂波的量测进行自动识别和标记，并且在计算PHD滤波的新生目标强度时，通过设置起航条件和约束条件来对可能产生新目标的量测进行选择和确认，有效抑制了虚假目标的产生，提高了PHD滤波的计算效率。
附图说明
图1是本发明强杂波环境下相控阵雷达的GM-PHD目标跟踪方法流程图。
图2是采用本发明方法对仿真数据的目标轨迹跟踪结果示意图。
图3是采用本发明方法对仿真数据的目标数估计结果示意图。
图4是采用本发明方法对实测数据的目标轨迹跟踪结果示意图。
具体实施方式
本发明提供一种杂波环境下相控阵雷达的GM-PHD目标跟踪方法，该方法的基本思路是不根据预设的扫描周期进行航迹的预测，而是在接收每一帧数据后提取当前时间戳来为航迹预测提供时间基础，因此可适用于相控阵雷达扫描周期变化的特点；此外，在预处理阶段，本发明通过对量测的统计处理对可能来源于杂波的量测进行自动识别和标记，并且在PHD滤波中通过设置约束条件来对产生新生目标的潜在量测进行选择，以抑制杂波、减少虚假航迹。
如图1所示，本发明的目标跟踪方法包括以下步骤：
步骤1、对量测数据进行预处理，标记杂波区域；
接收雷达信号处理器输入的目标量测位置信息，提取当前数据的时间戳Tk，并对量测点进行预处理，标记和剔除可能来源于杂波的量测。将雷达接收的量测数据划分网格，采用滑窗法实时统计和计算最近5-10个周期的以下4个统计量：
1)每帧数据中的平均量测数S1；
2)有量测点落入的网格数目S2；
3)当前量测数据中落入每个网格点的量测数S3；
4)根据S1和S2计算的到网格平均量测点数S4＝S1/S2；
比较S3和S4，将S3大于S4的网格判别为杂波网格，并对该部分网格域置上标识；再将杂波网格的S3值与设定的杂波判别门限Lup和Llow比较，当S3≤Llow时该网格判定为弱杂波区，当Lup＞S3＞Llow时该网格判定为中杂波区，当S3≥Lup该网格判定为强杂波区；对弱杂波区采用3点累积航迹起始条件，对于中杂波区再增加1-3点的航迹起始所需的积累点数，而对落入强杂波区域的量测直接剔除；Lup和Llow的取值参考下式进行设置：
max(S3)＞Lup＞min(S3)＞Llow＞S4
假设剔除强杂波后，第k帧数据的量测集合为其中Mk为量测数，中各分量分别为量测的距离、方位角和多普勒。
步骤2:根据时间戳外推航迹，利用筛选得到的量测数据更新航迹数据；
(1)目标状态预测
假设在处理完第k-1帧数据后，可靠航迹的高斯混合PHD(GM-PHD)为
其中，和分别为目标随机集强度第i个高斯成分的权值、均值和方差，N(·；m,P)为均值为m，方差为P的高斯分布，Nk-1为k-1时刻的可靠航迹数。同时，可靠航迹的标签集为可靠航迹的时间戳为Tk-1，即航迹上最新点的时间为Tk-1。
将所有可靠航迹都外推至Tk时刻，预测PHD可表示为
其中，Dk|k-1为Tk时刻的预测概率假设密度函数，Z1:k-1为至Tk-1时刻的量测序列，ps为目标存活概率， Fk|k-1为状态转移矩阵，Fk|k-1中的时间间隔为ΔT＝Tk-Tk-1，Qk|k-1为***噪声协方差。在预测后，各高斯项的标签不发生变化，因此可靠航迹的标签集也保持不变，即预测后各可靠航迹的时间戳变更为Tk。
(2)量测筛选。
根据所设定的量测筛选条件，对接收到的量测进行筛选，以确定可用于更新可靠航迹的量测。首先通过计算量测与航迹间的欧式距离进行粗筛选，然后通过计算量测与航迹的新息加权范数进一步精确筛选。
(2a)粗筛选
将量测Zk中的位置信息由极坐标转换为直角坐标下的量测值计算量测与可靠航迹预测值间的欧式距离其中当Δd(i,j)大于预设门限时，将该量测筛除，其余量测进入下一步精筛选。
(2b)精筛选
可靠航迹与量测间的新息加权范数为
其中
σr、σθ和σd分别为距离测量误差、方位角测量误差和多普勒测量误差。
当小于预设门限时，认为该量测可能源于可靠航迹，可用于下一步可靠航迹的状态更新。而通过筛选排除的量测则与临时航迹做关联处理，以计算PHD滤波中的新生目标信息。
(3)可靠航迹的目标状态更新。
假设筛选得到的量测集合为利用筛选得到的量测集合对目标状态进行更新
其中
其中，pD为检测概率，κ(z)为杂波强度，hk(·)为***观测方程，Rk为测量噪声协方差矩阵，z为量测集合Zc,k中的元素，I为单位矩阵。
更新后的目标标签集由预测部分和量测更新部分组成，预测部分标签集与Tk|k-1相同，而一个目标状态与Nc,k个量测作用会产生Nc,k个高斯项，即每个目标标签产生Nc,k副本。更新后的目标标签集为
其中为t(i)的Nc,k个副本标签。
对更新后的高斯项进行枝剪和合并处理，对处理后仍具有相同标签的分量，保持权值大的目标的标签不变，对权值小的分量重新分配新的标签。
步骤3：对剩余量测数据与临时航迹关联处理，计算新生目标的强度。
根据上一步设定的量测筛选条件得到的与当前可靠航迹都不相关联的量测，与临时航迹做关联处理，满足条件的临时航迹转为可靠航迹，并计算PHD滤波中的新生目标强度。
量测与临时航迹的关联按以下多假设航迹起始的思路进行：
(a)对于长度为1的临时航迹(即航迹头)，用速度法建立相关波门，对落入初始相关波门内的所有量测均建立临时航迹，即尝试起始多条航迹；
(b)对于长度大于1的临时航迹进行外推，以外推点为中心建立相关波门，对落入相关波门内的所有量测均与临时航迹互联，即尝试起始多条航迹；
为提高关联的可靠性、减少误关联，在步骤(a)和(b)中还可测设置一定的约束条件。考虑目标的运动特征，本发明在量测和临时航迹互联时还采用如下3个约束条件：
最大速度约束：
最小速度约束：
最大方向夹角约束：
其中，rk为目标的位置向量，Δt为时间间隔。
(c)若持续一段时间没有量测与某条临时航迹关联，则撤销此临时航迹；
(d)未与临时航迹产生关联的量测点作为航迹头，加入临时航迹文件中；
(e)持续上述步骤，直至某条临时航迹累计关联上一定数量的量测点(具体数量可根据杂波情况调节)，则将该临时航迹转为可靠航迹，并以航迹的起始状态作为PHD滤波中新生目标的信息：
其中，Nk,b是k时刻满足航迹起始条件的临时航迹数；为新生目标的权值，可根据杂波强度设定，在强杂波区域可减小该值，而在弱杂波区域可适当提高；和为根据航迹上的历史点计算得到的目标初始状态和初始协方差。同时，将新生目标加入目标标签集中。
下面结合实例对本发明的效果做进一步说明。
实施例
首先采用本发明方法对仿真数据进行处理，仿真数据是在强杂波环境下对多目标进行跟踪，设置6个目标，跟踪时间为0-60s，目标初始状态和出现时刻如表1所示。
表1目标出现时刻和初始状态
出现时刻(s) 初始位置(m) 速度(m/s)
0 (400,-300) (-10,5)
0 (400,-600) (-7,-4)
20 (-800,-200) (12,7)
20 (-200,800) (15,-10)
40 (100,50) (-20,-15)
40 (-200,500) (15,-5)
从图2中可以看到，采用本发明中的方法可在杂波较强的情况下，对多目标进行较好的跟踪。图3为跟踪过程中对目标数估计的结果。可以看到本发明方法对目标数目进行了准确的估计，有效抑制了强杂波可能带来的虚假航迹。由于引入了前后量测点的信息来进行新生目标强度的计算，因此在图3中可以看到本发明对新生目标的响应会出现一定的滞后。实际中，可根据杂波强度调节航迹起始的点数和约束条件中的阈值，以提升对新生目标的响应速度。
如图4所示，采用本发明对某相控阵雷达的实测数据进行处理，场景中包含一架进行机动转弯飞行的无人机目标和若干地面车辆，且回波数据中包含了大量杂波数据。相控阵雷达首先工作于TWS跟踪模式，在发现无人机目标后，加入TAS跟踪，而对其余目标保持TWS跟踪。从处理结果可以看到，本发明方法可在密集的杂波环境下对多目标进行稳定跟踪，且跟踪轨迹连续，并有效抑制虚假目标的产生，同时也能够在雷达添加TAS目标，扫描周期变化的情况下，对各目标良好的跟踪。

Claims (4)

1.一种强杂波环境下相控阵雷达的GM-PHD目标跟踪方法，其特征在于，包括以下步骤：
步骤1、对量测数据进行预处理，标记杂波区域；
步骤2、根据时间戳外推航迹，利用筛选得到的量测数据更新航迹数据；
步骤3、对剩余量测数据与临时航迹关联处理，计算新生目标的强度。
2.根据权利要求1所述的强杂波环境下相控阵雷达的GM-PHD目标跟踪方法，其特征在于，步骤1具体为：
接收雷达信号处理器输入的目标量测位置信息和当前时间信息Tk；对接收的量测数据划分网格，采用滑窗法实时统计和计算最近5-10个周期的以下4个统计量：
1)每帧数据中的平均量测数S1；
2)有量测点落入的网格数目S2；
3)当前量测数据中落入每个网格点的量测点数S3；
4)根据S1和S2计算的到网格平均量测点数S4＝S1/S2；
比较S3和S4，将S3大于S4的网格判别为杂波网格，并对该部分网格域置上标识；再将杂波网格的S3值与设定的杂波判别门限Lup和Llow比较，当S3≤Llow时该网格判定为弱杂波区，当Lup＞S3＞Llow时该网格判定为中杂波区，当S3≥Lup该网格判定为强杂波区；对弱杂波区采用3点累积航迹起始条件，对于中杂波区再增加1-3点的航迹起始所需的积累点数，而对落入强杂波区域的量测直接剔除；Lup和Llow的取值采用下式进行设置：
max(S3)＞Lup＞min(S3)＞Llow＞S4。
3.根据权利要求1所述的强杂波环境下相控阵雷达的GM-PHD目标跟踪方法，其特征在于，步骤2具体为：
(1)目标状态预测；
将所有可靠航迹均外推至当前时刻Tk，预测PHD表示为
其中，Dk|k-1为Tk时刻的预测概率假设密度函数，Z1：k-1为至Tk-1时刻的量测序列，N(·；m，P)为均值为m、方差为P的高斯分布，ps为目标存活概率，Fk|k-1为状态转移矩阵，Fk|k-1中的时间间隔为ΔT＝Tk-Tk-1，Qk|k-1为***噪声协方差，和分别为Tk-1时刻目标随机集强度第i个高斯成分的权值、均值和方差；Nk-1为k-1时刻的可靠航迹数，预测后所有可靠航迹的时间戳变更为Tk；
(2)量测筛选；
根据所设定的量测筛选条件，对接收到的量测进行筛选，首先通过计算量测与航迹最新点之间的欧式距离进行粗筛选，然后通过计算量测与航迹的新息加权范数进一步筛选；
(3)可靠航迹的目标状态更新；
假设上一步筛选得到的量测集合为利用筛选得到的量测集合对目标状态进行更新：
其中
其中，pD为检测概率，κ(z)为杂波强度，hk(·)为***观测方程，Rk为测量噪声协方差矩阵，z为量测集合ze，k中的元素，I为单位矩阵。
4.根据权利要求1所述的强杂波环境下相控阵雷达的GM-PHD目标跟踪方法，其特征在于，量测筛选中排除的量测数据与临时航迹做关联处理，满足条件的临时航迹转为可靠航迹，并计算PHD滤波中的新生目标强度，具体方法为：
a)对于长度为1的临时航迹，用速度法建立相关波门，对落入初始相关波门内的所有量测均建立临时航迹；
b)对于长度大于1的临时航迹进行外推，以外推点为中心建立相关波门，对落入相关波门内的所有量测均与临时航迹互联；
c)若持续设定时间没有量测与某条临时航迹关联，则撤销此临时航迹；
d)未与临时航迹产生关联的量测点作为航迹头，加入临时航迹文件中；
e)循环上述步骤，直至某条临时航迹累计关联上一定数量的量测点，则将该临时航迹转为可靠航迹，并以航迹的起始状态作为PHD滤波中新生目标的信息：
其中，Nk，b为k时刻满足航迹起始条件的临时航迹数，为新生目标的权值，和为根据航迹上的历史点计算得到的目标初始状态和初始协方差。
CN201910495262.2A 2019-06-10 2019-06-10 强杂波环境下相控阵雷达的gm-phd目标跟踪方法 Active CN110308442B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910495262.2A CN110308442B (zh) 2019-06-10 2019-06-10 强杂波环境下相控阵雷达的gm-phd目标跟踪方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910495262.2A CN110308442B (zh) 2019-06-10 2019-06-10 强杂波环境下相控阵雷达的gm-phd目标跟踪方法

Publications (2)

Publication Number Publication Date
CN110308442A true CN110308442A (zh) 2019-10-08
CN110308442B CN110308442B (zh) 2023-04-28

Family

ID=68075858

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910495262.2A Active CN110308442B (zh) 2019-06-10 2019-06-10 强杂波环境下相控阵雷达的gm-phd目标跟踪方法

Country Status (1)

Country Link
CN (1) CN110308442B (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111273249A (zh) * 2020-03-04 2020-06-12 清华大学 一种基于雷达虚警预处理时间的智能杂波分区方法
CN112068121A (zh) * 2020-09-09 2020-12-11 中国航空工业集团公司雷华电子技术研究所 基于随机有限集的编队目标跟踪方法
CN116008945A (zh) * 2023-03-24 2023-04-25 中安锐达(北京)电子科技有限公司 一种基于车载四面二维相控阵雷达航迹关联方法

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104156984A (zh) * 2014-05-30 2014-11-19 西北工业大学 一种不均匀杂波环境下多目标跟踪的概率假设密度方法
EP2980604A1 (en) * 2014-07-31 2016-02-03 Honeywell International Inc. Merging intensities in a phd filter based on a sensor track id
CN107423539A (zh) * 2017-03-29 2017-12-01 中国电子科技集团公司第三十八研究所 一种gm‑phd滤波器的标签分配方法
CN109031229A (zh) * 2017-11-27 2018-12-18 电子科技大学 一种杂波环境下目标跟踪的概率假设密度方法
CN109100714A (zh) * 2018-06-28 2018-12-28 中国船舶重工集团公司第七0七研究所 一种基于极坐标系的低慢小目标跟踪方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104156984A (zh) * 2014-05-30 2014-11-19 西北工业大学 一种不均匀杂波环境下多目标跟踪的概率假设密度方法
EP2980604A1 (en) * 2014-07-31 2016-02-03 Honeywell International Inc. Merging intensities in a phd filter based on a sensor track id
CN107423539A (zh) * 2017-03-29 2017-12-01 中国电子科技集团公司第三十八研究所 一种gm‑phd滤波器的标签分配方法
CN109031229A (zh) * 2017-11-27 2018-12-18 电子科技大学 一种杂波环境下目标跟踪的概率假设密度方法
CN109100714A (zh) * 2018-06-28 2018-12-28 中国船舶重工集团公司第七0七研究所 一种基于极坐标系的低慢小目标跟踪方法

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111273249A (zh) * 2020-03-04 2020-06-12 清华大学 一种基于雷达虚警预处理时间的智能杂波分区方法
CN111273249B (zh) * 2020-03-04 2022-07-08 清华大学 一种基于雷达虚警预处理时间的智能杂波分区方法
CN112068121A (zh) * 2020-09-09 2020-12-11 中国航空工业集团公司雷华电子技术研究所 基于随机有限集的编队目标跟踪方法
CN116008945A (zh) * 2023-03-24 2023-04-25 中安锐达(北京)电子科技有限公司 一种基于车载四面二维相控阵雷达航迹关联方法

Also Published As

Publication number Publication date
CN110308442B (zh) 2023-04-28

Similar Documents

Publication Publication Date Title
CN110308442A (zh) 强杂波环境下相控阵雷达的gm-phd目标跟踪方法
US7606416B2 (en) Landmark detection apparatus and method for intelligent system
CN108802722B (zh) 一种基于虚拟谱的弱目标检测前跟踪方法
CN102881024A (zh) 一种基于tld的视频目标跟踪方法
CN108303684A (zh) 基于径向速度信息的地基监视雷达多目标跟踪方法
CN116128932B (zh) 一种多目标跟踪方法
CN106405537B (zh) 基于位置信息和多普勒信息的雷达航迹起始方法
CN109946671A (zh) 一种基于双门限判决的水下机动弱目标检测跟踪方法
CN107436434B (zh) 基于双向多普勒估计的航迹起始方法
CN109946694A (zh) 基于随机有限集的圆周sar多目标跟踪方法
Arnold Detection and tracking of low-observable targets through dynamic programming
Georgescu et al. GM-CPHD and ML-PDA applied to the Metron multi-static sonar dataset
CN106405510B (zh) 一种基于伪滑窗l判决准则的航迹删除方法
CN109239702B (zh) 一种基于目标状态集的机场低空飞鸟数量统计方法
CN109298413A (zh) 一种针对性解决复杂电磁环境下的多目标跟踪数据关联问题的方法
CN104637070A (zh) 基于概率假设密度的目标数变化的视频跟踪算法
CN103577833A (zh) 基于运动模板的异常闯入检测方法
Ma et al. Radiation intensity Gaussian mixture PHD filter for close target tracking
Marron et al. Comparing a Kalman filter and a particle filter in a multiple objects tracking application
CN110363791B (zh) 一种融合单目标跟踪结果的在线多目标跟踪方法
Svensson et al. Performance evaluation of MHT and GM-CPHD in a ground target tracking scenario
Sun et al. Multiple object tracking for yellow feather broilers based on foreground detection and deep learning.
Wood et al. Comparison of algorithms for finding the air-ground interface in ground penetrating radar signals
Yazdian-Dehkordi et al. An improvement on GM-PHD filter for target tracking in presence of subsequent miss-detection
CN108983205A (zh) 一种量测不可靠时的滤波初值获取方法

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant
CB03 Change of inventor or designer information
CB03 Change of inventor or designer information

Inventor after: Tan Ke

Inventor after: Yang Jianchao

Inventor after: Gu Hong

Inventor after: Su Weimin

Inventor after: Zhang Liqiang

Inventor after: Sun Wang

Inventor after: Lu Xingyu

Inventor after: Xu Jie

Inventor after: Yu Wenchao

Inventor before: Yang Jianchao

Inventor before: Gu Hong

Inventor before: Su Weimin

Inventor before: Zhang Liqiang

Inventor before: Sun Wang

Inventor before: Tan Ke

Inventor before: Lu Xingyu

Inventor before: Xu Jie

Inventor before: Yu Wenchao