CN116520307B - 一种基于目标追踪的雷达协同检测***及方法 - Google Patents
一种基于目标追踪的雷达协同检测***及方法 Download PDFInfo
- Publication number
- CN116520307B CN116520307B CN202310133634.3A CN202310133634A CN116520307B CN 116520307 B CN116520307 B CN 116520307B CN 202310133634 A CN202310133634 A CN 202310133634A CN 116520307 B CN116520307 B CN 116520307B
- Authority
- CN
- China
- Prior art keywords
- target
- radar
- association
- characteristic
- judgment
- 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.)
- Active
Links
- 238000001514 detection method Methods 0.000 title claims abstract description 80
- 238000000034 method Methods 0.000 title claims abstract description 27
- 230000006855 networking Effects 0.000 claims abstract description 96
- 230000004927 fusion Effects 0.000 claims abstract description 55
- 238000012216 screening Methods 0.000 claims abstract description 37
- 238000004364 calculation method Methods 0.000 claims description 15
- 238000010276 construction Methods 0.000 claims description 15
- 238000000605 extraction Methods 0.000 claims description 10
- 230000001186 cumulative effect Effects 0.000 claims description 3
- 239000000284 extract Substances 0.000 claims description 3
- 230000009471 action Effects 0.000 description 3
- 230000015572 biosynthetic process Effects 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 238000009430 construction management Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000010287 polarization Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
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
- 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
-
- 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
- G01S13/87—Combinations of radar systems, e.g. primary radar and secondary radar
-
- 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
-
- 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
- G01S7/40—Means for monitoring or calibrating
-
- 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
本发明涉及战争雷达目标检测技术领域,具体为一种基于目标追踪的雷达协同检测***及方法,包括:对各节点雷达提取特征属性项;分别捕捉组网雷达内各节点雷达向融合中心传输的目标特征参数集,以及在每一历史目标追踪检测记录中实际的目标特征参数集,结合各节点雷达对应的特征属性项,对存在目标判决关联关系的目标判决关联结构进行捕捉并提取;对目标判决关联结构计算关联指数;筛选出特征目标判决关联结构;将特征目标判决关联结构反馈给组网雷达的融合中心,当出现满足特征目标判决关联结构发生的判决场景下,提示融合中心对从相关节点雷达中传输的目标特征参数集进行信息融合前的判决参数取舍。
Description
技术领域
本发明涉及战争雷达目标检测技术领域,具体为一种基于目标追踪的雷达协同检测***及方法。
背景技术
随着科学技术和武器装备的发展,现代雷达面临的作战环境越来越复杂;依靠单类型、单部雷达难以连续探测和跟踪现代飞行目标;针对各雷达特点进行战术配置后组网得到的雷达编队在一些性能上表现出来的优势是单部雷达所无法比拟的;
组网雷达***是目前电子对抗中广泛应用的一种重要手段,它不是简单的雷达组合,而是将不同频段、不同体制、不同极化方式且能独立工作的单站雷达通过组网技术形成的一个有机整体;网内各部雷达的信息以“网”的形式收集和传递,通过中心站进行综合处理、控制和管理,从而完成整个覆盖范围内的探测、定位和跟踪任务。
发明内容
本发明的目的在于提供一种基于目标追踪的雷达协同检测***及方法,以解决上述背景技术中提出的问题。
为了解决上述技术问题,本发明提供如下技术方案:一种基于目标追踪的雷达协同检测方法,方法包括:
步骤S100:基于组网雷达内各节点雷达与组网雷达整体在各项性能指标之间的指标数值偏差情况,对各节点雷达提取特征属性项;
步骤S200:对组网雷达的每一历史目标追踪检测记录进行信息汇集;在每一历史目标追踪检测记录中,分别捕捉组网雷达内各节点雷达向融合中心传输的目标特征参数集,以及在每一历史目标追踪检测记录中实际的目标特征参数集,结合各节点雷达对应的特征属性项,从每一历史目标追踪检测记录中对存在目标判决关联关系的目标判决关联结构进行捕捉并提取;
步骤S300:对从各历史目标追踪检测记录中捕捉提取得到的目标判决关联结构计算关联指数;基于关联指数筛选出特征目标判决关联结构;
步骤S400:将筛选出的所有特征目标判决关联结构反馈给组网雷达的融合中心,当出现满足特征目标判决关联结构发生的判决场景下,提示融合中心对从相关节点雷达中传输的目标特征参数集进行信息融合前的判决参数取舍。
进一步的,步骤S100包括:
步骤S101:对组网雷达整体在各项性能指标上呈现的信息进行采集,汇集得到组网雷达整体的性能指标集{[a1,Ya1],[a2,Ya2],…,[an,Yan]};分别对组网雷达内各节点雷达在各项性能指标上呈现的信息进行采集,分别汇集得到各节点雷达的性能指标集{[a1,Xia1],[a2,Xia2],…,[an,Xian]};其中,a1、a2、…、an分别表示第1、2、…、n项性能指标;其中,Ya1、Ya2、…、Yan分别表示组网雷达整体在a1、a2、…、an上所呈现的指标数值;其中,Xia1、Xia2、…、Xian分别表示组网雷达内第i个节点雷达在a1、a2、…、an上所呈现的指标数值;
步骤S102:分别对组网雷达内各节点雷达计算与组网雷达整体在相同项性能指标上呈现的性能指标偏差值,Dk[aj]=Yaj-Xkaj;其中,Dk[aj]表示组网雷达内第k个节点雷达与组网雷达整体在第j项性能指标aj上存在的指标偏差值;Yaj表示组网雷达整体在第j项性能指标aj上所呈现的指标数值;Xkaj表示组网雷达内第k个节点雷达在第j项性能指标aj上所呈现的指标数值;
步骤S103:依次对组网雷达内各节点雷达筛选出性能指标偏差值大于0,且大于偏差阈值的所有目标性能指标项;将目标性能指标项作为各节点雷达的特征属性项;分别对组网雷达内各节点雷达捕捉对应的特征属性项;
因为多部雷达通过战术配置和组网后在各项性能指标上都能得到一定程度的提升,通常雷达编队在某一项性能指标上呈现出的指标数值,会受到编队内所有节点雷达在该项性能指标上具体指标值分布的影响,因为在该项性能指标上指标数值最差的节点雷达在一定程度上决定了组网雷达在该项性能指标上能达到的上限。
进一步的,步骤S200包括:
步骤S201:分别在每一历史目标追踪检测记录中,将组网雷达内各节点雷达向融合中心传输的目标特征参数集设为第一目标特征参数集,将每一历史目标追踪检测记录对应的实际目标特征参数集设为第二目标特征参数集;分别将每一历史目标追踪检测记录中,每一个第一目标特征参数集与对应的第二目标特征参数集之间做偏差比对,筛选出与第二目标特征参数集之间偏差值大于偏差阈值的特征参数项;
步骤S202:若某一历史目标追踪检测记录中捕捉到的第一目标特征参数集包括{A1,A2,…,Ag};其中,A1,A2,…,Ag分别表示组网雷达内第1、2、…、g个节点雷达向融合中心传输的目标特征参数集;某一历史目标追踪检测记录中的第二目标特征参数集合为B;设{A1,A2,…,Ag}内任意第一目标特征参数集Ar与B之间做偏差比对后筛选得到的特征参数项包括{F1,F2,…,Fz};其中,F1,F2,…,Fz分别表示Ar与B之间偏差值大于偏差阈值的第1、2、…、z个特征参数项;
步骤S203:捕捉与任意第一目标特征参数集Ar对应的节点雷达,提取节点雷达对应的特征属性项包括{U1,U2,…,Up};其中,U1,U2,…,Up分别表示与任意第一目标特征参数集Ar对应的节点雷达的第1、2、…、p种特征属性;依次将{U1,U2,…,Up}内各特征属性与{F1,F2,…,Fz}内各特征参数项之间建立目标判决关联关系,构建得到若干目标判决关联结构:Ue→Fh;其中,Fh∈{F1,F2,…,Fz};
步骤S204:循环步骤S202-步骤S203,对在每一历史目标追踪检测记录中存在的目标判决关联结构进行捕捉并汇集。
进一步的,步骤S300包括:
步骤S301:将特征属性项与特征参数项完全相同的目标判决关联结构设为一种目标判决关联结构;将从所有历史目标追踪检测记录中捕捉提取到的目标判决关联结构进行分类整理;
步骤S302:分别对各种目标判决关联结构计算第一关联指数:其中,w1表示各种目标判决关联结构出现的总次数;M1表示从所有历史目标追踪检测记录中捕捉提取到的目标判决关联结构的总个数;
步骤S303:分别对各种目标判决关联结构计算第二关联指数:其中,G表示构建得到各种目标判决关联结构时所涉及的节点雷达总台数;M2表示组网雷达中存在的节点雷达总台数;
步骤S304:分别对各种目标判决关联结构计算综合关联指数μ=ρ1*ρ2;判断综合关联指数大于综合关联指数阈值的目标判决关联结构为特征目标判决关联结构。
进一步的,步骤S400包括:
步骤S401:将筛选出的所有特征目标判决关联结构反馈给组网雷达的融合中心;在每一次的目标检测任务中,操作融合中心在传输自全部节点雷达的目标特征参数集中,分别在各项特征参数项上进行参数值比对;分别对各节点雷达计算与其他节点雷达在各项特征参数项上的参数值累计相似度:ω=θ1*θ2*…*θd;其中,θ1、θ2、…、θd分别表示各节点雷达与其他第1、2、…、d个节点雷达在某项特征参数项上的参数值相似度;
步骤S402:当捕捉到某节点雷达在某特征参数项上的参数值累计相似度小于累计相似度阈值,且与某特征参数项之间构成特征目标判决关联结构的所有特征属性项中,存在属于某节点雷达的特征属性项时,判定此时满足特征目标判决关联结构发生的判决场景,提示融合中心将从某节点雷达中传输的目标特征参数集中剔除掉对应某特征参数项的参数值后,再将某节点雷达中传输的目标特征参数集与其他节点雷达传输的目标特征参数集之间进行信息融合。
上述步骤中,判断是否满足特征目标判决关联结构发生的判决场景的过程就是判断当前是否发生了基于某个节点雷达自身性能以及目标的分布特征,导致某个节点雷达对目标在某项特征参数项上的检测出现偏差较大的情况,将这种数据情况在进行数据融合之前进行预警或者剔除,可有效的提高雷达信息融合中心的判决精确度。
为更好的实现上述方法还提出了一种雷达协同检测***,***包括特征属性项提取管理模块、目标判决关联关系建立管理模块、目标判决关联结构构建模块、特征目标判决关联结构筛选管理模块、融合中心管理模块;
特征属性项提取管理模块,用于根据组网雷达内各节点雷达与组网雷达整体在各项性能指标之间的指标数值偏差情况,对各节点雷达提取特征属性项;
目标判决关联关系建立管理模块,用于对组网雷达的每一历史目标追踪检测记录进行信息汇集;在每一历史目标追踪检测记录中,分别捕捉组网雷达内各节点雷达向融合中心传输的目标特征参数集,以及在每一历史目标追踪检测记录中实际的目标特征参数集,结合各节点雷达对应的特征属性项,从每一历史目标追踪检测记录中对存在目标判决关联关系的特征属性项和特征参数项进行捕捉;
目标判决关联结构构建模块,用于接收目标判决关联关系建立管理模块中的数据,对存在目标判决关联关系的特征属性项和特征参数项之间构建目标判决关联结构;
特征目标判决关联结构筛选管理模块,用于接收目标判决关联结构构建模块中的数据,对各目标判决关联结构计算关联指数,基于关联指数筛选出特征目标判决关联结构;
融合中心管理模块,用于接收特征目标判决关联结构筛选管理模块中的数据,将筛选出的所有特征目标判决关联结构反馈给组网雷达的融合中心,当出现满足特征目标判决关联结构发生的判决场景下,提示融合中心对从相关节点雷达中传输的目标特征参数集进行信息融合前的判决参数取舍。
进一步的,特征属性项提取管理模块包括性能指标偏差值计算单元、特征属性项捕捉提取单元;
性能指标偏差值计算单元,用于分别对组网雷达内各节点雷达计算与组网雷达整体在相同项性能指标上呈现的性能指标偏差值;
特征属性项捕捉提取单元,用于接收性能指标偏差值计算单元中的数据,对各节点雷达提取特征属性项。
进一步的,特征目标判决关联结构筛选管理模块包括关联指数计算单元、特征目标判决关联结构筛选单元;
关联指数计算单元,用于接收目标判决关联结构构建模块中的数据,对各目标判决关联结构计算关联指数;
特征目标判决关联结构筛选单元,用于接收关联指数计算单元中的数据,基于关联指数筛选出特征目标判决关联结构。
与现有技术相比,本发明所达到的有益效果是:本发明适用于采用信息融合和组网雷达,对布局构成组网雷达的各节点雷达进行性能属性分析,即捕捉基于各节点雷达自身性能与目标的分布特征之间呈现出的偏差检测关系,对各节点雷达捕捉提取特征属性,构建特征属性与检测目标的特征参数项之间的判决关联结构,为融合中心在进行信息融合之前提供帮助,辅助融合中心最终判决得到的目标检测结果尽可能的准确。
附图说明
附图用来提供对本发明的进一步理解,并且构成说明书的一部分,与本发明的实施例一起用于解释本发明,并不构成对本发明的限制。在附图中:
图1是本发明一种基于目标追踪的雷达协同检测***的结构示意图;
图2是本发明一种基于目标追踪的雷达协同检测方法的流程示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
请参阅图1-图2,本发明提供技术方案:一种基于目标追踪的雷达协同检测方法,方法包括:
步骤S100:基于组网雷达内各节点雷达与组网雷达整体在各项性能指标之间的指标数值偏差情况,对各节点雷达提取特征属性项;
其中,步骤S100包括:
步骤S101:对组网雷达整体在各项性能指标上呈现的信息进行采集,汇集得到组网雷达整体的性能指标集{[a1,Ya1],[a2,Ya2],…,[an,Yan]};分别对组网雷达内各节点雷达在各项性能指标上呈现的信息进行采集,分别汇集得到各节点雷达的性能指标集{[a1,Xia1],[a2,Xia2],…,[an,Xian]};其中,a1、a2、…、an分别表示第1、2、…、n项性能指标;其中,Ya1、Ya2、…、Yan分别表示组网雷达整体在a1、a2、…、an上所呈现的指标数值;其中,Xia1、Xia2、…、Xian分别表示组网雷达内第i个节点雷达在a1、a2、…、an上所呈现的指标数值;
步骤S102:分别对组网雷达内各节点雷达计算与组网雷达整体在相同项性能指标上呈现的性能指标偏差值,Dk[aj]=Yaj-Xkaj;其中,Dk[aj]表示组网雷达内第k个节点雷达与组网雷达整体在第j项性能指标aj上存在的指标偏差值;Yaj表示组网雷达整体在第j项性能指标aj上所呈现的指标数值;Xkaj表示组网雷达内第k个节点雷达在第j项性能指标aj上所呈现的指标数值;
步骤S103:依次对组网雷达内各节点雷达筛选出性能指标偏差值大于0,且大于偏差阈值的所有目标性能指标项;将目标性能指标项作为各节点雷达的特征属性项;分别对组网雷达内各节点雷达捕捉对应的特征属性项;
步骤S200:对组网雷达的每一历史目标追踪检测记录进行信息汇集;在每一历史目标追踪检测记录中,分别捕捉组网雷达内各节点雷达向融合中心传输的目标特征参数集,以及在每一历史目标追踪检测记录中实际的目标特征参数集,结合各节点雷达对应的特征属性项,从每一历史目标追踪检测记录中对存在目标判决关联关系的目标判决关联结构进行捕捉并提取;
其中,步骤S200包括:
步骤S201:分别在每一历史目标追踪检测记录中,将组网雷达内各节点雷达向融合中心传输的目标特征参数集设为第一目标特征参数集,将每一历史目标追踪检测记录对应的实际目标特征参数集设为第二目标特征参数集;分别将每一历史目标追踪检测记录中,每一个第一目标特征参数集与对应的第二目标特征参数集之间做偏差比对,筛选出与第二目标特征参数集之间偏差值大于偏差阈值的特征参数项;
步骤S202:若某一历史目标追踪检测记录中捕捉到的第一目标特征参数集包括{A1,A2,…,Ag};其中,A1,A2,…,Ag分别表示组网雷达内第1、2、…、g个节点雷达向融合中心传输的目标特征参数集;某一历史目标追踪检测记录中的第二目标特征参数集合为B;设{A1,A2,…,Ag}内任意第一目标特征参数集Ar与B之间做偏差比对后筛选得到的特征参数项包括{F1,F2,…,Fz};其中,F1,F2,…,Fz分别表示Ar与B之间偏差值大于偏差阈值的第1、2、…、z个特征参数项;
步骤S203:捕捉与任意第一目标特征参数集Ar对应的节点雷达,提取节点雷达对应的特征属性项包括{U1,U2,…,Up};其中,U1,U2,…,Up分别表示与任意第一目标特征参数集Ar对应的节点雷达的第1、2、…、p种特征属性;依次将{U1,U2,…,Up}内各特征属性与{F1,F2,…,Fz}内各特征参数项之间建立目标判决关联关系,构建得到若干目标判决关联结构:Ue→Fh;其中,Fh∈{F1,F2,…,Fz};
步骤S204:循环步骤S202-步骤S203,对在每一历史目标追踪检测记录中存在的目标判决关联结构进行捕捉并汇集;
步骤S300:对从各历史目标追踪检测记录中捕捉提取得到的目标判决关联结构计算关联指数;基于关联指数筛选出特征目标判决关联结构;
其中,步骤S300包括:
步骤S301:将特征属性项与特征参数项完全相同的目标判决关联结构设为一种目标判决关联结构;将从所有历史目标追踪检测记录中捕捉提取到的目标判决关联结构进行分类整理;
步骤S302:分别对各种目标判决关联结构计算第一关联指数:其中,w1表示各种目标判决关联结构出现的总次数;M1表示从所有历史目标追踪检测记录中捕捉提取到的目标判决关联结构的总个数;
步骤S303:分别对各种目标判决关联结构计算第二关联指数:其中,G表示构建得到各种目标判决关联结构时所涉及的节点雷达总台数;M2表示组网雷达中存在的节点雷达总台数;
例如说,组网雷达中存在节点雷达1、节点雷达2、节点雷达3、节点雷达4;
其中:
节点雷达1中存在第1特征属性项、第2特征属性项、第3特征属性项;
节点雷达2中存在第1特征属性项、第2特征属性项;
节点雷达3汇总存在第1特征属性项、第2特征属性项;
节点雷达4汇总存在第3特征属性项、第4特征属性项;
在第1次历史目标追踪检测记录中,捕捉到节点雷达1的第1特征属性项与特征参数项E之间满足目标判决关联关系,构建得到目标判决关联结构第1特征属性项→特征参数项E;捕捉到节点雷达2的第1特征属性项与特征参数项E之间也满足目标判决关联关系,构建得到目标判决关联结构第1特征属性项→特征参数项E;
同时在第2次历史目标追踪检测记录中,捕捉到节点雷达3的第1特征属性项与特征参数项E之间满足目标判决关联关系,构建得到目标判决关联结构第1特征属性项→特征参数项E;
综上,关于第1特征属性项→特征参数项E涉及提取到的节点雷达总台数为3台;
步骤S304:分别对各种目标判决关联结构计算综合关联指数μ=ρ1*ρ2;判断综合关联指数大于综合关联指数阈值的目标判决关联结构为特征目标判决关联结构;
步骤S400:将筛选出的所有特征目标判决关联结构反馈给组网雷达的融合中心,当出现满足特征目标判决关联结构发生的判决场景下,提示融合中心对从相关节点雷达中传输的目标特征参数集进行信息融合前的判决参数取舍;
其中,步骤S400包括:
步骤S401:将筛选出的所有特征目标判决关联结构反馈给组网雷达的融合中心;在每一次的目标检测任务中,操作融合中心在传输自全部节点雷达的目标特征参数集中,分别在各项特征参数项上进行参数值比对;分别对各节点雷达计算与其他节点雷达在各项特征参数项上的参数值累计相似度:ω=θ1*θ2*…*θd;其中,θ1、θ2、…、θd分别表示各节点雷达与其他第1、2、…、d个节点雷达在某项特征参数项上的参数值相似度;
步骤S402:当捕捉到某节点雷达在某特征参数项上的参数值累计相似度小于累计相似度阈值,且与某特征参数项之间构成特征目标判决关联结构的所有特征属性项中,存在属于某节点雷达的特征属性项时,判定此时满足特征目标判决关联结构发生的判决场景,提示融合中心将从某节点雷达中传输的目标特征参数集中剔除掉对应某特征参数项的参数值后,再将某节点雷达中传输的目标特征参数集与其他节点雷达传输的目标特征参数集之间进行信息融合。
为更好的实现上述方法还提出了一种雷达协同检测***,***包括特征属性项提取管理模块、目标判决关联关系建立管理模块、目标判决关联结构构建模块、特征目标判决关联结构筛选管理模块、融合中心管理模块;
特征属性项提取管理模块,用于根据组网雷达内各节点雷达与组网雷达整体在各项性能指标之间的指标数值偏差情况,对各节点雷达提取特征属性项;
其中,特征属性项提取管理模块包括性能指标偏差值计算单元、特征属性项捕捉提取单元;
性能指标偏差值计算单元,用于分别对组网雷达内各节点雷达计算与组网雷达整体在相同项性能指标上呈现的性能指标偏差值;
特征属性项捕捉提取单元,用于接收性能指标偏差值计算单元中的数据,对各节点雷达提取特征属性项;
目标判决关联关系建立管理模块,用于对组网雷达的每一历史目标追踪检测记录进行信息汇集;在每一历史目标追踪检测记录中,分别捕捉组网雷达内各节点雷达向融合中心传输的目标特征参数集,以及在每一历史目标追踪检测记录中实际的目标特征参数集,结合各节点雷达对应的特征属性项,从每一历史目标追踪检测记录中对存在目标判决关联关系的特征属性项和特征参数项进行捕捉;
目标判决关联结构构建模块,用于接收目标判决关联关系建立管理模块中的数据,对存在目标判决关联关系的特征属性项和特征参数项之间构建目标判决关联结构;
特征目标判决关联结构筛选管理模块,用于接收目标判决关联结构构建模块中的数据,对各目标判决关联结构计算关联指数,基于关联指数筛选出特征目标判决关联结构;
其中,特征目标判决关联结构筛选管理模块包括关联指数计算单元、特征目标判决关联结构筛选单元;
关联指数计算单元,用于接收目标判决关联结构构建模块中的数据,对各目标判决关联结构计算关联指数;
特征目标判决关联结构筛选单元,用于接收关联指数计算单元中的数据,基于关联指数筛选出特征目标判决关联结构;
融合中心管理模块,用于接收特征目标判决关联结构筛选管理模块中的数据,将筛选出的所有特征目标判决关联结构反馈给组网雷达的融合中心,当出现满足特征目标判决关联结构发生的判决场景下,提示融合中心对从相关节点雷达中传输的目标特征参数集进行信息融合前的判决参数取舍。
需要说明的是,在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。
最后应说明的是:以上所述仅为本发明的优选实施例而已,并不用于限制本发明,尽管参照前述实施例对本发明进行了详细的说明,对于本领域的技术人员来说,其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换。凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (7)
1.一种基于目标追踪的雷达协同检测方法,其特征在于,所述方法包括:
步骤S100:基于组网雷达内各节点雷达与组网雷达整体在各项性能指标之间的指标数值偏差情况,对所述各节点雷达提取特征属性项;
步骤S200:对组网雷达的每一历史目标追踪检测记录进行信息汇集;在每一历史目标追踪检测记录中,分别捕捉组网雷达内各节点雷达向融合中心传输的目标特征参数集,以及在每一历史目标追踪检测记录中实际的目标特征参数集,结合各节点雷达对应的特征属性项,从每一历史目标追踪检测记录中对存在目标判决关联关系的目标判决关联结构进行捕捉并提取;
所述步骤S200包括:
步骤S201:分别在每一历史目标追踪检测记录中,将组网雷达内各节点雷达向融合中心传输的目标特征参数集设为第一目标特征参数集,将所述每一历史目标追踪检测记录对应的实际目标特征参数集设为第二目标特征参数集;分别将每一历史目标追踪检测记录中,每一个第一目标特征参数集与对应的第二目标特征参数集之间做偏差比对,筛选出与所述第二目标特征参数集之间偏差值大于偏差阈值的特征参数项;
步骤S202:若某一历史目标追踪检测记录中捕捉到的第一目标特征参数集包括{A1,A2,…,Ag};其中,A1,A2,…,Ag分别表示组网雷达内第1、2、…、g个节点雷达向融合中心传输的目标特征参数集;所述某一历史目标追踪检测记录中的第二目标特征参数集合为B;设{A1,A2,…,Ag}内任意第一目标特征参数集Ar与B之间做偏差比对后筛选得到的特征参数项包括{F1,F2,…,Fz};其中,F1,F2,…,Fz分别表示Ar与B之间偏差值大于偏差阈值的第1、2、…、z个特征参数项;
步骤S203:捕捉与所述任意第一目标特征参数集Ar对应的节点雷达,提取所述节点雷达对应的特征属性项包括{U1,U2,…,Up};其中,U1,U2,…,Up分别表示与所述任意第一目标特征参数集Ar对应的节点雷达的第1、2、…、p种特征属性;依次将{U1,U2,…,Up内各特征属性与所述{F1,F2,…,Fz}内各特征参数项之间建立目标判决关联关系,构建得到若干目标判决关联结构:Ue→Fh;其中,Fh∈{F1,F2,…,Fz};
步骤S204:循环步骤S202-步骤S203,对在每一历史目标追踪检测记录中存在的目标判决关联结构进行捕捉并汇集;
步骤S300:对从各历史目标追踪检测记录中捕捉提取得到的目标判决关联结构计算关联指数;基于所述关联指数筛选出特征目标判决关联结构;
步骤S400:将筛选出的所有特征目标判决关联结构反馈给组网雷达的融合中心,当出现满足特征目标判决关联结构发生的判决场景下,提示融合中心对从相关节点雷达中传输的目标特征参数集进行信息融合前的判决参数取舍。
2.根据权利要求1所述的一种基于目标追踪的雷达协同检测方法,其特征在于,所述步骤S100包括:
步骤S101:对组网雷达整体在各项性能指标上呈现的信息进行采集,汇集得到组网雷达整体的性能指标集{[a1,Ya1],{a2,Ya2],…,[an,Yan]};分别对组网雷达内各节点雷达在各项性能指标上呈现的信息进行采集,分别汇集得到所述各节点雷达的性能指标集{[a1,Xia1],[a2,Xia2],…,[an,Xian]};其中,a1、a2、…、an分别表示第1、2、…、n项性能指标;其中,Ya1、Ya2、…、Yan分别表示组网雷达整体在a1、a2、…、an上所呈现的指标数值;其中,Xia1、Xia2、…、Xian分别表示组网雷达内第i个节点雷达在a1、a2、…、an上所呈现的指标数值;
步骤S102:分别对组网雷达内各节点雷达计算与组网雷达整体在相同项性能指标上呈现的性能指标偏差值,Dk[aj]=Yaj-Xkaj;其中,Dk[aj]表示组网雷达内第k个节点雷达与组网雷达整体在第j项性能指标aj上存在的指标偏差值;Yaj表示组网雷达整体在第j项性能指标aj上所呈现的指标数值;Xkaj表示组网雷达内第k个节点雷达在第j项性能指标aj上所呈现的指标数值;
步骤S103:依次对组网雷达内各节点雷达筛选出性能指标偏差值大于0,且大于偏差阈值的所有目标性能指标项;将所述目标性能指标项作为所述各节点雷达的特征属性项;分别对组网雷达内各节点雷达捕捉对应的特征属性项。
3.根据权利要求1所述的一种基于目标追踪的雷达协同检测方法,其特征在于,所述步骤S300包括:
步骤S301:将特征属性项与特征参数项完全相同的目标判决关联结构设为一种目标判决关联结构;将从所有历史目标追踪检测记录中捕捉提取到的目标判决关联结构进行分类整理;
步骤S302:分别对各种目标判决关联结构计算第一关联指数:其中,w1表示各种目标判决关联结构出现的总次数;M1表示从所有历史目标追踪检测记录中捕捉提取到的目标判决关联结构的总个数;
步骤S303:分别对各种目标判决关联结构计算第二关联指数:其中,G表示构建得到所述各种目标判决关联结构时所涉及的节点雷达总台数;M2表示组网雷达中存在的节点雷达总台数;
步骤S304:分别对各种目标判决关联结构计算综合关联指数μ=ρ1*ρ2;判断综合关联指数大于综合关联指数阈值的目标判决关联结构为特征目标判决关联结构。
4.根据权利要求1所述的一种基于目标追踪的雷达协同检测方法,其特征在于,所述步骤S400包括:
步骤S401:将筛选出的所有特征目标判决关联结构反馈给组网雷达的融合中心;在每一次的目标检测任务中,操作融合中心在传输自全部节点雷达的目标特征参数集中,分别在各项特征参数项上进行参数值比对;分别对各节点雷达计算与其他节点雷达在各项特征参数项上的参数值累计相似度:ω=θ1*θ2*…*θd;其中,θ1、θ2、…、θd分别表示所述各节点雷达与其他第1、2、…、d个节点雷达在某项特征参数项上的参数值相似度;
步骤S402:当捕捉到某节点雷达在某特征参数项上的参数值累计相似度小于累计相似度阈值,且与所述某特征参数项之间构成特征目标判决关联结构的所有特征属性项中,存在属于所述某节点雷达的特征属性项时,判定此时满足特征目标判决关联结构发生的判决场景,提示融合中心将从所述某节点雷达中传输的目标特征参数集中剔除掉对应所述某特征参数项的参数值后,再将所述某节点雷达中传输的目标特征参数集与其他节点雷达传输的目标特征参数集之间进行信息融合。
5.一种应用权利要求1-4中任意一项所述的基于目标追踪的雷达协同检测方法的雷达协同检测***,其特征在于,所述***包括特征属性项提取管理模块、目标判决关联关系建立管理模块、目标判决关联结构构建模块、特征目标判决关联结构筛选管理模块、融合中心管理模块;
所述特征属性项提取管理模块,用于根据组网雷达内各节点雷达与组网雷达整体在各项性能指标之间的指标数值偏差情况,对所述各节点雷达提取特征属性项;
所述目标判决关联关系建立管理模块,用于对组网雷达的每一历史目标追踪检测记录进行信息汇集;在每一历史目标追踪检测记录中,分别捕捉组网雷达内各节点雷达向融合中心传输的目标特征参数集,以及在每一历史目标追踪检测记录中实际的目标特征参数集,结合各节点雷达对应的特征属性项,从每一历史目标追踪检测记录中对存在目标判决关联关系的特征属性项和特征参数项进行捕捉;
所述目标判决关联结构构建模块,用于接收所述目标判决关联关系建立管理模块中的数据,对存在目标判决关联关系的特征属性项和特征参数项之间构建目标判决关联结构;
所述特征目标判决关联结构筛选管理模块,用于接收所述目标判决关联结构构建模块中的数据,对各目标判决关联结构计算关联指数,基于所述关联指数筛选出特征目标判决关联结构;
所述融合中心管理模块,用于接收所述特征目标判决关联结构筛选管理模块中的数据,将筛选出的所有特征目标判决关联结构反馈给组网雷达的融合中心,当出现满足特征目标判决关联结构发生的判决场景下,提示融合中心对从相关节点雷达中传输的目标特征参数集进行信息融合前的判决参数取舍。
6.根据权利要求5所述的一种雷达协同检测***,其特征在于,所述特征属性项提取管理模块包括性能指标偏差值计算单元、特征属性项捕捉提取单元;
所述性能指标偏差值计算单元,用于分别对组网雷达内各节点雷达计算与组网雷达整体在相同项性能指标上呈现的性能指标偏差值;
所述特征属性项捕捉提取单元,用于接收所述性能指标偏差值计算单元中的数据,对所述各节点雷达提取特征属性项。
7.根据权利要求5所述的一种雷达协同检测***,其特征在于,所述特征目标判决关联结构筛选管理模块包括关联指数计算单元、特征目标判决关联结构筛选单元;
所述关联指数计算单元,用于接收所述目标判决关联结构构建模块中的数据,对各目标判决关联结构计算关联指数;
所述特征目标判决关联结构筛选单元,用于接收所述关联指数计算单元中的数据,基于所述关联指数筛选出特征目标判决关联结构。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310133634.3A CN116520307B (zh) | 2023-02-20 | 2023-02-20 | 一种基于目标追踪的雷达协同检测***及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310133634.3A CN116520307B (zh) | 2023-02-20 | 2023-02-20 | 一种基于目标追踪的雷达协同检测***及方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116520307A CN116520307A (zh) | 2023-08-01 |
CN116520307B true CN116520307B (zh) | 2023-10-27 |
Family
ID=87405355
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310133634.3A Active CN116520307B (zh) | 2023-02-20 | 2023-02-20 | 一种基于目标追踪的雷达协同检测***及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116520307B (zh) |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102680955A (zh) * | 2012-06-08 | 2012-09-19 | 中国电子科技集团公司第二十八研究所 | 一种雷达组网***误差配准方法 |
CN103886196A (zh) * | 2014-03-14 | 2014-06-25 | 中国电子科技集团公司第二十八研究所 | 一种抗大***误差的航迹关联方法 |
CN105354356A (zh) * | 2015-09-29 | 2016-02-24 | 中国人民解放军63892部队 | 一种基于雷达情报仿真的空情融合性能评估***及方法 |
CN111679269A (zh) * | 2020-06-18 | 2020-09-18 | 中国人民解放军空军研究院战略预警研究所 | 一种基于变分的多雷达融合航迹状态估计方法 |
CN112924943A (zh) * | 2021-01-29 | 2021-06-08 | 中国人民解放军海军航空大学 | 协方差阵-位置偏差联合检验的虚假航迹鉴别方法及*** |
CN114355336A (zh) * | 2021-12-29 | 2022-04-15 | 中国人民解放军国防科技大学 | 一种基于辅助信息的航迹关联剔除虚假目标的方法 |
CN114755644A (zh) * | 2022-04-18 | 2022-07-15 | 扬州宇安电子科技有限公司 | 一种基于仿真技术的雷达抗干扰性检测优化***及方法 |
CN114971436A (zh) * | 2022-08-02 | 2022-08-30 | 中国电子科技集团公司第十五研究所 | 雷达情报组网融合中的装备贡献计算方法及装置 |
CN114971283A (zh) * | 2022-05-25 | 2022-08-30 | 中国人民解放军国防科技大学 | 一种面向分布式组网雷达多目标跟踪的资源优化调度方法 |
CN115113155A (zh) * | 2022-07-22 | 2022-09-27 | 中国航空工业集团公司沈阳飞机设计研究所 | 一种机载分布式孔径相参合成雷达测试与评估方法 |
CN115407297A (zh) * | 2022-08-30 | 2022-11-29 | 电子科技大学 | 强通信受限下的分布式多雷达信号级协同检测与定位方法 |
-
2023
- 2023-02-20 CN CN202310133634.3A patent/CN116520307B/zh active Active
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102680955A (zh) * | 2012-06-08 | 2012-09-19 | 中国电子科技集团公司第二十八研究所 | 一种雷达组网***误差配准方法 |
CN103886196A (zh) * | 2014-03-14 | 2014-06-25 | 中国电子科技集团公司第二十八研究所 | 一种抗大***误差的航迹关联方法 |
CN105354356A (zh) * | 2015-09-29 | 2016-02-24 | 中国人民解放军63892部队 | 一种基于雷达情报仿真的空情融合性能评估***及方法 |
CN111679269A (zh) * | 2020-06-18 | 2020-09-18 | 中国人民解放军空军研究院战略预警研究所 | 一种基于变分的多雷达融合航迹状态估计方法 |
CN112924943A (zh) * | 2021-01-29 | 2021-06-08 | 中国人民解放军海军航空大学 | 协方差阵-位置偏差联合检验的虚假航迹鉴别方法及*** |
CN114355336A (zh) * | 2021-12-29 | 2022-04-15 | 中国人民解放军国防科技大学 | 一种基于辅助信息的航迹关联剔除虚假目标的方法 |
CN114755644A (zh) * | 2022-04-18 | 2022-07-15 | 扬州宇安电子科技有限公司 | 一种基于仿真技术的雷达抗干扰性检测优化***及方法 |
CN114971283A (zh) * | 2022-05-25 | 2022-08-30 | 中国人民解放军国防科技大学 | 一种面向分布式组网雷达多目标跟踪的资源优化调度方法 |
CN115113155A (zh) * | 2022-07-22 | 2022-09-27 | 中国航空工业集团公司沈阳飞机设计研究所 | 一种机载分布式孔径相参合成雷达测试与评估方法 |
CN114971436A (zh) * | 2022-08-02 | 2022-08-30 | 中国电子科技集团公司第十五研究所 | 雷达情报组网融合中的装备贡献计算方法及装置 |
CN115407297A (zh) * | 2022-08-30 | 2022-11-29 | 电子科技大学 | 强通信受限下的分布式多雷达信号级协同检测与定位方法 |
Non-Patent Citations (1)
Title |
---|
雷达组网中联合数据关联与偏差估计方法研究;石;王钺;周淑华;万昊;任勇;山秀明;;***工程与电子技术(第11期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN116520307A (zh) | 2023-08-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US8037533B2 (en) | Detecting method for network intrusion | |
EP2151787A2 (en) | System for automatic social network construction from image data | |
CN111460312A (zh) | 空壳企业识别方法、装置及计算机设备 | |
US7310591B2 (en) | Factor estimating device, method and program recording medium therefor | |
CN112287251B (zh) | 线上门店的异常状态检测方法、装置及*** | |
CN112309126B (zh) | 车牌检测方法、装置、电子设备及计算机可读存储介质 | |
CN103246896A (zh) | 一种鲁棒性车辆实时检测与跟踪方法 | |
CN114022904B (zh) | 一种基于两阶段的噪声鲁棒行人重识别方法 | |
CN111476160A (zh) | 损失函数优化方法、模型训练方法、目标检测方法及介质 | |
CN111444075B (zh) | 一种自动发现关键影响力指标的方法 | |
KR102140606B1 (ko) | 가상공간을 이용한 영상정보 기반 급경사지 위험 감시 방법 | |
CN115759492A (zh) | 一种基于卷积神经网络算法的仓储管理方法及*** | |
CN116520307B (zh) | 一种基于目标追踪的雷达协同检测***及方法 | |
CN117312591B (zh) | 一种基于虚拟现实的图像数据存储管理***及方法 | |
CN116911500A (zh) | 一种基于大数据监测的草原鼠情智能监管***及方法 | |
Werner et al. | Near real-time intrusion alert aggregation using concept-based learning | |
CN112733170A (zh) | 一种基于证据序列提取的主动信任评估方法 | |
CN115174263B (zh) | 攻击路径动态决策方法与装置 | |
CN113420646B (zh) | 一种基于深度学习的锁站连接锁检测***及方法 | |
CN114580482A (zh) | 基于边缘计算节点与数据中心的无线电信号特征采集方法 | |
CN113240005A (zh) | 基于静态网络表示的电力***复杂网络虚假数据检测方法 | |
Cui et al. | Multi-layer anomaly detection for internet traffic based on data mining | |
CN106845355A (zh) | 一种人脸识别的方法、服务器及*** | |
CN118314531A (zh) | 政务服务行为位姿监测管理方法及*** | |
CN117408644B (zh) | 一种基于多维数据的综合分析管理***及方法 |
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 | ||
CP03 | Change of name, title or address |
Address after: Building 4, Dongyuan, Jiangguang wisdom City, 15 Wenchang East Road, Yangzhou City, Jiangsu Province, 225000 Patentee after: Yangzhou Yuan Electronic Technology Co.,Ltd. Country or region after: China Address before: Building 4, Dongyuan, Jiangguang wisdom City, 15 Wenchang East Road, Yangzhou City, Jiangsu Province, 225000 Patentee before: YANGZHOU YU'AN ELECTRONIC TECHNOLOGY CO.,LTD. Country or region before: China |
|
CP03 | Change of name, title or address |