ES2622287T3 - Un método de estimación de una densidad de trazado local en un sistema de radar; un estimador de la densidad de trazado y un sistema de radar con un estimador de la densidad de trazado - Google Patents

Abstract

Un método (100) de estimación de la densidad de trazado local (17) en un sistema de radar (1) que observa un volumen de observación (2) y configurado para generar trazados (15) con atributos de trazado (104), comprendiendo el método (100): - establecer (200) un conjunto no vacío de funciones base M-dimensionales y coeficientes correspondientes en un espacio de medición M-dimensional, representando el conjunto no vacío de funciones base (202) Mdimensionales y coeficientes correspondientes (204), una densidad de trazado local (17), en donde M es el número de atributos del trazado, representados los coeficientes correspondientes (204) que corresponden a un número de trazados (15) por las funciones base (202), a continuación repetidamente - actualizar (210) al menos un coeficiente (204) basado en al menos un trazado (15) tal como se ha obtenido del sistema de radar (1); ajustar (220) las funciones base (202) y los coeficientes correspondientes (204) para representar un número de trazados (222), estando el número de trazados representados por las funciones base ajustadas y los coeficientes correspondientes dentro de un intervalo de ajuste predeterminado (226); - estimar (230) la densidad de trazado local (17) caracterizado por que el ajuste de las funciones base (202) y los coeficientes correspondientes (204) comprende el particionado del espacio de medición (110) de modo que se obtenga o mantenga un cierto número de trazados (15) o permanezca dentro de un intervalo de ajuste predeterminado de trazados en cada partición.

Description

5

10

15

20

25

30

35

40

45

50

55

60

65

DESCRIPCION

Un metodo de estimacion de una densidad de trazado local en un sistema de radar; un estimador de la densidad de trazado y un sistema de radar con un estimador de la densidad de trazado

Sumario

La presente invencion se refiere un metodo de estimacion de la densidad de trazado local en un sistema de radar; un estimador de la densidad de trazado y un sistema de radar con un estimador de la densidad de trazado.

En particular la presente invencion se refiere a un metodo de estimacion de una densidad de trazado local en un sistema de radar observando un volumen de observacion y configurado para generar trazados con atributos de trazado, en el que el metodo comprende:

- establecer un conjunto no vaclo de funciones base M-dimensionales y coeficientes correspondientes; a continuacion repetidamente

- actualizar al menos un coeficiente basado en al menos un trazado tal como se ha obtenido del sistema de radar;

- ajustar las funciones base y coeficientes correspondientes para representar un numero de trazados en un intervalo de ajuste predeterminado

- estimar la densidad de trazado local en un punto dado en el volumen de observacion.

Antecedentes de la invencion

Los radares proporcionan en general un monton de direcciones objetivo potenciales, denominadas trazados, algunas son falsas y algunas son detecciones verdaderas de objetivos reales.

Dichos metodo se conoce, por ejemplo a partir de la solicitud de Patente Europea EP 2 386 874, que divulga un metodo de deteccion de pistas en un mapa de confusion mientras reduce el numero de falsas alarmas. El metodo comprende, en un mapa de confusion, identificar un objetivo aparente; generar una o mas celulas en el mapa dependiendo de la localization de los datos de trazado contenidos en el mapa; calcular una densidad de confusion asociada con la, o cada, celda; y determinar un estado del objetivo aparente dependiendo de, o de cada, densidad de confusion.

Es un objetivo de la presente invencion proporcionar un metodo e implementation que mejorara el seguimiento de objetivos as! como el descarte de trazados que es poco probable que representen objetivos reales.

Las mejoras incluyen mas fiabilidad, mas rapidez, mas simplicidad, y mas robustez as! como otras medidas relevantes en el rendimiento del radar.

En un aspecto esto lo pueden conseguir estimaciones mejoradas de la densidad de trazado.

En otros aspectos son deseables esquemas fiables o robustos para la estimacion de una densidad de trazado.

En otros aspectos mas son deseables esquemas o subesquemas simples para la estimacion de una densidad de trazado.

Descripcion

De acuerdo con la presente invencion se divulga un metodo de estimacion de una densidad de trazado local y un sistema de radar que implementa el metodo de acuerdo con las reivindicaciones 1-16.

En consecuencia se proporciona un metodo de estimacion de la densidad de trazado local en un sistema de radar que observa un volumen de observacion y configurado para generar trazados con atributos de trazado; comprendiendo el metodo:

- establecer un conjunto no vaclo de funciones base M-dimensionales y coeficientes correspondientes; posteriormente repetidamente

- actualizar al menos un coeficiente basado en al menos un trazado tal como se ha obtenido del sistema de radar;

- ajustar las funciones base y coeficientes correspondientes para representar un numero de trazados en un intervalo de ajuste predeterminado

5

10

15

20

25

30

35

40

45

50

55

60

65

- estimar la densidad de trazado local, que puede ser en cualquier punto dado que represente el volumen de observacion.

Para salir del ajuste se necesita obviamente una condition. Una condition de ese tipo podria ser cuando las funciones base se extienden un tamano minimo, normalmente una resolution dada en el sistema de radar.

El metodo puede usarse en un sistema de radar con un radar que funciona mediante la transmision de una senal tal como una senal de radio o microondas y escucha los ecos dispersados desde varios objetos en el volumen de observacion del radar.

El sistema de radar puede estar equipado con un extractor de trazados, que analiza la salida del radar e identifica picos en la senal de retorno del radar —normalmente despues de algun pre-procesamiento de la senal— como trazados que se interpretan como observaciones potenciales de objetivos.

En muchos casos el numero de trazados falsos que proceden de ruido o retornos no deseados de las olas, tierra u otros objetos reales, pero no interesantes, que combinados se denominan confusion, es mucho mas alto que el numero de trazados que se originan de los objetivos en los que el usuario esta realmente interesado.

Normalmente un trazado de radar, p, tiene un conjunto de atributos zp, caracteristicas o medidas. Sus atributos pueden ser el alcance y orientation relativos al emplazamiento del radar, pero son tambien comunes caracteristicas del trazado tales como la intensidad, como la intensidad del eco desde el radar, y la velocidad radial (Doppler).

Por ejemplo, la division de una celda una vez que la densidad del trazado es demasiado alta o si una celula tiene una densidad de confusion por encima del limite dara como resultado que la densidad de confusion en al menos una de las dos sub-cajas esta tambien por encima del mismo limite.

Un sub espacio tambien, y de modo importante, comprende dimensiones basadas en mediciones de intensidad.

Para un seguimiento efectivo es importante conocer la densidad de trazados falsos de los trazados, D(z). La unidad de este numero es la inversa de las unidades combinadas del espacio de medicion. Por ejemplo, si el espacio de medicion consiste en un alcance y una orientacion, la unidad de la densidad seria m-1 rad-1 cuando se eligen unidades del SI. Pueden establecerse otras medidas basandose en los atributos del trazado y se usaran sus unidades.

Adicionalmente, el metodo puede aplicarse en un sistema de radar con un seguidor que se configura para combinar trazados en pistas de objetivos supuestamente reales.

En contextos de radar como se ha indicado, o contextos equivalentes, el metodo y variantes del metodo son ventajosos. Adicionalmente, un experto en la materia estara inclinado a ajustar, modificar, o adaptar los equipos fisicos a los datos producidos en un formato requerido para hacer uso del metodo. De la misma forma, el experto en la materia estara inclinado a ajustar, modificar o adaptar el metodo segun se requiera para implementar el metodo en equipos de radar existentes.

Es en dicho contexto en el que se establece un conjunto no vacio de funciones base M-dimensionales y coeficientes correspondientes.

En general la confusion o densidad de trazado pueden expandirse sobre un conjunto de funciones base. Es decir la densidad en un punto dado viene dada por

[1] D(z) = I ai ei(z),

En la que ei, i = 1, 2, ... M, es un conjunto de funciones base en un espacio M-dimensional.

Cuando se normaliza, esto es

[2] lei dV = 1,

entonces ai es simplemente contar el numero de trazados representados por la funcion basica ei.

De acuerdo con una realization las funciones basicas se localizan para minimizar los acoplamientos entre coeficientes para limitar la carga computacional.

Cuando se anade nuevo trazado, p, el cambio para los coeficientes puede calcularse aproximadamente como

[3] Aai = ei(zp) / (I ej(zp))

5

10

15

20

25

30

35

40

45

50

55

60

65

y la inversa cuando se elimina un trazado.

En una implementation particular una celula corresponde a una funcion base que es Vc-1 en la celula y 0 en el exterior, e impllcitamente el ai se calcula como anteriormente, dado que ei(zp) / (£i ej(zp)) = 1 en este caso.

Estimar la densidad de trazado en cualquier punto dado en el espacio de medicion rodeado por una celula dentro de un volumen Vc puede venir dado por ejemplo mediante el uso de

[4] D(zp) = c (nc + s ralzc(nc + 1)) / (Vc S(p, po))

en la que nc es el numero de trazados dentro de la celula y Vc es el volumen de la celula y medida en, por ejemplo, m rad.

ralzc(nc + 1) es la incertidumbre estadlstica del numero de trazados en la celula.

c y s son parametros constantes elegidos para realizar la estimation tan conservadora como sea necesario.

Una selection serla c = 1 y s = 0 para la que D(zp) es la estimacion de probabilidad maxima:

[5] D(zp) = nc / (Vb S(p, p0))

S(p, po) es la diferencia en escaneados tal como se mide en numero de escaneados entre el trazado p llegado de nuevo y el trazado po mas antiguo considerado.

El metodo se inicia teniendo una celula que cubre la totalidad del espacio de medicion.

Para un radar giratorio, S(p, p0) puede calcularse como la cantidad total que ha girado la antena desde un trazado al otro calculada en radianes dividido por 2n.

Para un radar no giratorio, puede usarse el numero de imagenes, o simplemente la diferencia de tiempo entre los trazados dividida por un tiempo tlpico de revisita.

Ajustando, es decir dividiendo y mezclando, las celulas de acuerdo con el numero de trazados dentro de las cajas se mantendra la incertidumbre estadlstica, ralzc(nc + 1), dentro de llmites aceptables, y podran obtenerse densidades de trazado fiables.

Otra ventaja de la division del espacio para mantener un numero deseable de trazados en cada celula dividida en comparacion con solamente dividir y mezclar basandose en, digamos, una densidad de trazado estimada es que se eliminan o reducen efectos indeseables.

Por ejemplo, la division de la celula una vez la densidad de trazado es demasiado alta o si una celula tiene una densidad de confusion por encima del llmite dara como resultado que la densidad de confusion en al menos una de las dos sub-cajas esta tambien por encima del mismo llmite. Esto dara como resultado una nueva celula que tendra que ser asimismo dividida, etc. Este proceso continuara hasta que una celula alcance el tamano mlnimo.

Para evitar falsas pistas, podrlan elegirse los coeficientes c>1 y s>0. Se ha descubierto que el uso de c desde 1 a 10 y s = 0-3 son intervalos de parametros que funcionan. c>1 es util para compensar que la confusion no este distribuida uniformemente dentro de una celula.

Adicionalmente, tener s>0 evita una estimacion de confusion cero cuando el numero de trazados en una celula es nc = 0.

De acuerdo con la invention, el metodo es ventajoso cuando ajusta las funciones base, y ajustar o modificar los coeficientes correspondientes comprende una etapa de division de las funciones basicas y coeficientes correspondientes.

Se entiende que la division se realiza para particionar el espacio de medicion de tal manera que se obtenga o mantenga un cierto numero, o permanezca dentro de un intervalo, de trazados en cada partition o celula.

De ese modo el proceso de division proporciona una forma de particionar el espacio.

De acuerdo con un aspecto adicional de la invencion, el metodo es ventajoso en que el ajuste de las funciones base y coeficientes correspondientes comprende una etapa de actualization de al menos un coeficiente cuando se elimina un trazado.

De acuerdo con un aspecto adicional de la invencion, el metodo es ventajoso en que el ajuste de las funciones base y coeficientes correspondientes comprende una etapa de union de las funciones base y modification de los coeficientes correspondientes.

5

10

15

20

25

30

35

40

45

50

55

60

65

En una implementation, esta etapa se realiza para mantener un numero predeterminado de trazados o para mantener un numero de trazados por funcion base dentro de un cierto intervalo.

De acuerdo con un aspecto adicional de la invention, el metodo es ventajoso en que las funciones base se normalizan.

As! por ejemplo para una funcion base Jei dV = 1, entonces el coeficiente ai es simplemente contar el numero de trazados representados por la funcion base ei.

Esto es para eliminar los trazados que se originan desde verdaderos objetivos de modo que la densidad de trazado estimada este mas proxima a la densidad de trazados falsos. Esto es importante en el caso en el que los objetivos reales estan estrechamente separados y cuando ya no es aplicable que el numero de trazados falsos es mucho mas alto que el numero de trazados verdaderos.

Para seguimiento efectivo, es importante conocer la densidad de trazados falsos en los trazados, D(z). La unidad de este numero es la inversa de las unidades combinadas del espacio de medicion. Por ejemplo, si el espacio de medicion consiste en alcance y orientation, la unidad de densidad serla m-1 rad-1 cuando se eligen unidades del SI. Cuanto se incluye el atributo de intensidad, la unidad es m-1 rad-1 dB-1.

En un seguidor, cada pista potencial, t, puede predecirse en el futuro. El resultado de esta prevision es una funcion de densidad de probabilidad I(z|t), que es la probabilidad de la densidad para que el objetivo genere un trazado desde el radar que tenga los atributos z.

Esto tiene la misma dimension que D(z) y se mide por espacio de medicion de volumen.

Para cada trazado, p, es importante la relation adimensional I(zp|t)/D/zp).

Primero, se usa como una probabilidad de asociacion, que proporciona information al seguidor de como de probable es que este trazado particular represente un objetivo especlfico, t.

Segundo, la probabilidad de que una pista represente un objetivo real se multiplica por este numero, cuando se decide que se asocian el trazado y la pista. Una pista se declara normalmente real cuando la probabilidad supera un cierto llmite.

Por ello, si D(zp) se estima demasiado alto, la probabilidad de una pista no se incrementa lo suficiente y la initialization de la pista es mas lenta de lo necesario.

O en el peor de los casos I(zp|t)<D/zp), de modo que la probabilidad de la pista disminuye, nunca se declarara real.

Si D(zp), por otro lado, se estima demasiado pequena, la probabilidad de que se anadan trazados de confusion/ruido y creen una pista falsa, que cuente como un incremento real. De ese modo el seguidor tendra una tasa de pistas falsas demasiado alta.

Asl, es ventajosa una estimation mas precisa de D(zp) incluso en escenarios muy no homogeneos.

Normalmente, habra muchos trazados falsos procedentes de la confusion proxima a la instalacion del radar, mientras que a larga distancia los trazados son verdaderas falsas alarmas (ruido).

En instalaciones marinas, pueden tener lugar abruptos cambios en las condiciones de confusion y zonas estrechas de confusion debido a las corrientes locales y la variation en la profundidad del agua, convirtiendo en un reto estimar la densidad de confusion local basandose solamente en una partition fija del espacio medido.

De acuerdo con un aspecto adicional de la invention, el metodo es ventajoso en que el espacio de medicion comprende el menos una medicion de la intensidad de un eco desde el sistema de radar.

En una realization, la medicion de intensidad se combina con al menos una medicion espacial.

Si la intensidad no se incluye, la election de umbral de extraction influye directamente en D(zp).

Si el umbral es mas bajo, se extraeran mas trazados y se incrementara D(zp) para todos los trazados, incluyendo trazados con una alta intensidad. Es decir I(zp|t)/D/zp) sera mas bajo y el seguidor no inicializara pistas reales tan rapidamente —o puede que en absoluto— incluso para objetivos que tengan una alta intensidad. Por lo tanto el radar y el extractor de trazados habran de configurarse para conducir a una densidad de trazados baja, lo que de nuevo conduce a una sensibilidad del radar mas baja.

Incluir la intensidad hace posible manejar muchos trazados de baja intensidad mientras aun se inicializan pistas

5

10

15

20

25

30

35

40

45

50

55

60

65

sobre trazados de alta intensidad.

Para trazados de baja intensidad proximos al umbral de extraccion, D(zp) es simplemente mas alto que para trazados con intensidad alta. La unica limitacion es el ancho de banda y recursos computacionales.

Sin embargo, cuando se incluye la dimension intensidad, la densidad de trazados es mucho mas no homogenea. Lejos del radar, habra una estrecha banda de trazados de ruido blanco proximos al umbral de extraccion de trazados, mientras que mas cerca del radar habra una expansion de trazados de confusion que tengan una dispersion mucho mas amplia en intensidad.

La densidad de trazado, D(z), puede usarse tambien en un discriminador de trazados sin realizar seguimiento: Sea f(z) una funcion de densidad de objetivos buscados. Si, por ejemplo, el espacio de medicion consiste en un alcance, azimut e intensidad esto describe la intensidad de objetivos de acuerdo con la posicion e intensidad. Ahora de acuerdo con el lema de Neyman-Pearson, comparando f(z)/D(z) contra un umbral fijo se proporcionara la mejor discriminacion de trazados falsos y verdaderos.

De acuerdo con un aspecto adicional de la invencion, el metodo es ventajoso en que el metodo comprende una etapa adicional de eliminacion de trazados antiguos.

En una realizacion, la eliminacion de trazados antiguos se realiza para mantener un numero predeterminado de trazados basandose en una memoria de trazados primero ultimo en salir.

En una realizacion diferente, los trazados, po, se eliminan siempre que en S(p, po) > N, siendo p el trazado que llega mas nuevo. N es algun numero de barridos.

Esto asegura una base reciente de trazados y reduce la complejidad computacional. Adicionalmente permite un equilibrado de los recursos computacionales.

Es importante tambien que nh s N. Si hay un objetivo real presente, estara por encima de N escaneados generar N trazados casi identicos y por ello dar como resultado al menos una celula mas pequena que la incertidumbre del trazado alrededor del objetivo real, conduciendo de ese modo a una densidad de trazado muy alta para estos trazados. Un efecto de esto es que un seguidor no puede recoger el objetivo.

Se entiende que el ajuste de las funciones base y coeficientes correspondientes se realiza usando operaciones similares a las divulgadas, pero generalmente la operacion de division se sustituye por la operation de mezcla o union.

De acuerdo con un aspecto adicional de la invencion, el metodo es ventajoso en que el metodo incluye adicionalmente al menos una etapa de desvanecimiento de la memoria en la que la contribution desde el trazado se ajusta mediante una ponderacion del trazado que decae a lo largo del tiempo.

Alternativamente, cuando la etapa de desvanecimiento de memoria es derivativa, los coeficientes forman una combination ponderada de trazados con una ponderacion que decae a lo largo del tiempo.

De acuerdo con un aspecto adicional de la invencion, el metodo es ventajoso en que el desvanecimiento de la ponderacion de la memoria decae exponencialmente. Dicho decaimiento exponencial puede ser tal como exp(-S(p, pi)/S0). Alternativamente, el decaimiento puede ser reclproco; tal como 1/S(p, p0) o 1/(S0(1-S(p, pc)/S0).

Estas ponderaciones de decaimiento exponencial son particularmente faciles de implementar y proporcionan una implementation efectiva y operativa.

Un experto en la materia implementara estas ponderaciones para evitar errores computacionales tales como singularidades. Esto se realiza mediante la exclusion de ciertos valores tales como S(p, p0) = 0.

De acuerdo con un aspecto adicional de la invencion, el metodo es ventajoso en que al menos una sub-dimension de las funciones base es una celula con un valor finito dentro de la celula y 0 (cero) en el exterior.

Un valor preferido es 1/Vc dentro de la celula, en el que Vc es el volumen de la celula. Pueden usarse otras normalizaciones no unitarias. Ese modo la evaluation se simplifica y en casos se reduce a meramente el contaje.

De acuerdo con un aspecto adicional de la invencion, el metodo es ventajoso en que el ajuste de las celulas y coeficientes correspondientes se realiza mediante cualquiera de las siguientes etapas:

- ajustar celulas y coeficientes correspondientes mediante alternar clclicamente dimensiones en las que las celulas han de ajustarse;

- ajustar celulas y coeficientes correspondientes en la dimension que conduce a una posicion de trazado promedio

5

10

15

20

25

30

35

40

45

50

55

60

65

que es la mas distante desde una posicion central;

- ajustar celulas y coeficientes correspondientes en la dimension que conduce a una posicion de trazado mediano que es la mas distante desde una posicion central;

- ajustar celulas y coeficientes correspondientes en la dimension que conduce a una probabilidad maxima de trazado;

o cualquier combinacion de las mismas.

Cuando una celula con n trazados se divide en dos celdas en la que cada una tiene ni y n2 trazados y volumenes Vi y V2 la probabilidad de acuerdo con una distribucion de Poisson puede estimarse como:

[6] log L = -n + ni log(ni/Vi) + n2 log(n2/V2).

Se entiende que el ajuste es division o union/mezcla tal como se ha divulgado.

Como un ejemplo la division de una celula se realiza clclicamente entre un eje X y un eje Y en un espacio 2D. Esto es computacionalmente simple y efectivo.

Donde dividir o unir se determina basandose en el uso de una medicion o una metrica que puede basarse en una distancia o medida de probabilidad.

De acuerdo con un aspecto adicional de la invencion, el metodo es ventajoso en que el ajuste de una celula y

coeficientes correspondientes en una dimension realizado en una posicion determinada por cualquiera de las

siguientes metricas sobre al menos una celula en donde

la metrica determina la posicion central;

la metrica determina la posicion de trazado promedio;

la metrica determina la posicion de trazado mediana;

la metrica determina la posicion de probabilidad de trazado maxima;

y cualquier combinacion de las mismas.

El uso del metodo del centro es ventajoso dado que es simple de implementar y determinlstico con respecto al rendimiento. La complejidad de insertar y eliminar trazados es O(log2 del volumen total dividido por el volumen de celula mlnimo).

De ese modo el metodo del centro proporciona una forma rapida y simple de determinar una densidad de trazado.

El uso del metodo de la mediana asegura que hay igualmente muchos trazados en cada lado. Suponiendo que la distribucion subyacente no se cambia, esto da un mejor equilibrio y rendimiento en promedio. El inconveniente es que cuando cambia la distribucion, existe el riesgo de acabar con un arbol desequilibrado.

De ese modo el metodo de la mediana proporciona una forma fiable y robusta de determinar una densidad de trazado.

El uso del metodo del promedio proporciona una aproximacion simple al metodo de la mediana y es un compromiso entre la division del centro y la mediana.

El uso del metodo de la maxima probabilidad es muy bueno en encontrar la division entre dos densidades diferentes.

Por ejemplo, las sombras de los edificios, barcos y paisaje que lo rodea crean sectores diferenciados en la imagen del radar sin ninguna superficie de confusion. El metodo de la maxima probabilidad es bueno en hallar apoyos que definan estos sectores.

Sin embargo, un inconveniente puede ser cuando la distribucion cambia, lo que da lugar a un riesgo de acabar con un arbol desequilibrado.

De ese modo se proporcionan etapas del metodo alternativas para que el experto en la materia las aplique para optimizar para diferentes finalidades y en particular en diferentes implementaciones.

Si no se determina un metodo preferido, entonces puede usarse la experimentacion y calibracion simple para hallar el mejor metodo adecuado en una implementacion dada.

En una realization particular, el metodo es especial en que cada funcion base representa una celula M-dimensional en el espacio de medicion que alcanza un valor constante dentro de la celula y cero en el exterior, y el conjunto de funciones base no se solapan en el espacio de medicion M-dimensional.

Esta realizacion particular se implementa adicionalmente de modo que se divide una unica celula, cuando el

5

10

15

20

25

30

35

40

45

50

55

60

65

coeficiente de funcion base de la celula simple representa un numero de trazados, que supera un numero de umbral para division.

La division puede realizarse mediante la division de una unica celula en dos o mas celulas no solapadas que llenan el mismo volumen en el espacio de medicion que la celula simple, y con dos o mas nuevos coeficientes de funcion base que representan el mismo numero de trazados que el coeficiente de la funcion base para la celula unica.

La division de una unica celula puede realizarse mediante la division de la celula en dos celulas mediante un plano de interseccion en el espacio de medicion.

En un caso especial, el plano de interseccion es perpendicular a uno de los M ejes en el espacio de medicion y llamado el eje de division.

La division de un eje se realiza clclicamente alternando entre las M dimensiones en el espacio de medicion.

La division de un eje puede seleccionarse como el eje a lo largo del que la posicion de trazado promedio es la mas distante desde una posicion central de la celula bajo consideracion.

Un metodo alternativo es en el que se selecciona el eje de division, el eje a lo largo de donde la posicion de trazado mediana es la mas distante desde la posicion central de la celula bajo consideracion.

Otro metodo alternativo mas es en el que el eje de division se selecciona como el eje a lo largo de donde la posicion de division de probabilidad maxima es la mas distante desde la posicion central de la celula bajo consideracion.

En una llnea similar, y usando metricas similares, las celulas pueden mezclarse o unirse usando los mismos principios, pero opuestos.

Un objetivo de la invencion se consigue mediante un estimador de densidad de trazado que comprende una unidad computacional configurada para realizar un metodo de estimacion de la densidad de trazado local de acuerdo con lo divulgado en el presente documento.

Un objetivo de la invencion se consigue mediante un sistema de radar que comprende un radar configurado para comunicar un transceptor de radar y un extractor de trazados;

un estimador de densidad de trazado configurado para recibir trazados desde el extractor de trazados y configurado tal como se ha divulgado en el presente documento y configurado adicionalmente para al menos producir la salida de:

estimaciones de la densidad de trazado para un discriminador de trazados; configurado preferentemente con medios de salida para producir la salida de trazados utilizables para un usuario; y/o

trazados para un seguidor; preferentemente configurado con medios de salida para producir la salida de pistas utilizables para un usuario.

De ese modo se proporciona un sistema de radar que se configura para implementar y realizar lo divulgado de las etapas divulgadas en el metodo.

Breve descripcion de los dibujos

Se describiran en las figuras realizaciones de la invencion, en donde:

La Fig. 1 muestra una vision general de una realizacion de un sistema de radar con un estimador de intensidad de trazado;

la Fig. 2 muestra una vision general esquematica de un metodo de estimacion de la densidad de trazado;

la Fig. 3 muestra una vision general particular de un metodo de estimacion de la densidad de trazado;

la Fig. 4 ilustra una adicion de un trazado a una celula;

la Fig. 5 ilustra un ajuste basado en una metrica central;

la Fig. 6 ilustra un ajuste basado en una metrica de promedio;

la Fig. 7 ilustra un ajuste basado en una metrica de mediana;

la Fig. 8 ilustra un ajuste basado en una metrica de probabilidad;

la Fig. 9 ilustra las diferencias de ajuste o division usando diferentes metricas para una distribucion particular de trazados en un espacio;

5 la Fig. 10 muestra un sistema de radar giratorio que genera nuevos trazados y elimina trazados antiguos; la Fig. 11 muestra una prediccion de un objetivo desde un seguidor;

la Fig. 12 muestra una vision general esquematica de un metodo de estimacion de la densidad del trazado que 10 integra la adicion y eliminacion de trazados; y

la Fig. 13 muestra una particion alternativa del espacio de medicion usando funciones de elementos finitos.

Descripcion detallada

15

Numero de apartado

Caracteristica

1

Sistema de radar

2

Volumen de observacion

3

Objetos

4

Objetivo

5

Objetivo falso, confusion

10

Antena de radar

12

Transceptor del radar

14

Extractor de trazados

15

Trazados

16

Estimador de la densidad de trazados

17

Densidad de trazados

18

Discriminador de trazados

20

Medios de salida de los trazados para el usuario

22

Seguidor

23

Pista

24

Medios de salida de pistas para el usuario

26

Realimentacion del seguidor

100

Metodo

102

Densidad de trazado, D(z)

104

Atributos de trazado, zp

106

Densidad de trazado,

108

Densidad de trazado falso, D(z)

110

Espacio de medicion

112

Volumen de

200

Establecimiento

202

Funcion base

204

Coeficientes de la funcion base/coeficientes

206

M-dimensional

210

Actualizacion

212

Celula/caja

214

Volumen de celula, Vc

220

Ajuste

222

Numero de trazados en la celula c, nc

224

Numero de ajuste

226

Intervalo de ajuste

228

Division

230

Estimacion

240

Eliminacion

242

Trazado antiguo

244

Mezcla/union

300

Metrica

301

Posicion de ajuste

302

Metrica central

303

Posicion de trazado central

304

Metrica de promedio

305

Posicion de trazado de promedio

306

Metrica de mediana

307

Posicion de trazado de mediana

308

Metrica de la maxima probabilidad

309

Posicion de la maxima probabilidad

5

10

15

20

25

30

35

40

45

50

55

310 Barrido

312 Memoria el desvanecimiento

320 Probabilidad de objetivo/prediccion, l(z|t)

322 Relacion de probabilidad, l(Zp|t)/D(Zp),

400 Funciones de elementos finitos

402 Puntos de malla

404 Llmites

La Fig. 1 muestra una vista general esquematica de un sistema de radar 1 dispuesto para barrer un volumen de observacion 2 para objetos 31, cuyos objetos 3 que pueden ser un objetivo 4 o una confusion 5, ruido.

El sistema de radar 1 comprende una antena de radar 10 conectada a un transceptor de radar 12 con un extractor de trazados 14, que puede estar embebido o ser un periferico, y configurado para alimentar una corriente de trazados 15 para un estimador de la densidad de trazados 16.

En la presente realizacion, el estimador de densidad de trazados 16 se configura adicionalmente para suministrar unas estimaciones de densidad de trazados 17, 17',... a un discriminador de trazados 18 con medios de salida de los trazados para un usuario 20.

Opcionalmente el estimador de la densidad de trazados 16 se configura adicionalmente para incrementar una estimacion de la densidad de trazados 17 para cada trazado 17, 17' y suministrar estos trazados incrementados 17 a un discriminador de trazados 18 con la salida 20 de los trazados objetivo mas probables para un usuario mediante la supresion de la publicacion de trazados con una densidad de trazado 17 que supere un umbral de publicacion del trazado.

Tambien en la presente realizacion el estimador de la densidad de trazados 16 se configura adicionalmente para suministrar estimaciones de densidad de trazados a un seguidor 22 configurado para suministrar pistas 23 a medios de salida de las pistas hacia un usuario 24.

En esta realizacion se divulga tambien un realimentador del seguidor 26 opcional desde el seguidor 22 al estimador de densidad de trazados 16, que se configura adicionalmente para utilizar la realimentacion del seguidor para eliminar los trazados verdaderos en la densidad de trazados 17.

La Fig. 2 muestra un metodo 100 de estimacion de una densidad de trazados local 17 en un estimador de la densidad de trazados 16 en un sistema de radar 1. El metodo 100 comprende una etapa de establecimiento 200 de un conjunto no vaclo de funciones basicas 202 y coeficientes correspondientes 204 en un espacio de medicion 206 M-dimensional; una etapa de actualization de los coeficientes 210; una etapa de ajuste 220 de las funciones base y/o coeficientes; y estimacion de la densidad de trazado 230. El metodo puede comprender una etapa adicional 240 de elimination de trazados antiguos.

El metodo requiere una corriente de trazados 15 desde un radar con una antena de radar 10 y genera una densidad de trazados 17; que en la presente realizacion se proporciona como una salida junto con el trazado 15.

La Fig. 3 muestra una realizacion particular del metodo 100 de estimacion de una densidad de trazados local 17.

La figura ilustra un caso, en el que las celulas 212 se eligen como funciones de base 202.

Un trazado 15, p se reciben desde el sistema de radar 1 con una antena 10 y el trazado 15, p se anade a la celula

212 que encierra el trazado 15, p. La celula 212 se detallara a continuation.

La etapa de ajustar 220 celulas 212 y coeficientes 204 se realiza si el numero de trazados 222, nc, en una celula 212

es mayor que un umbral de division nh, que es un numero de ajuste 224, definiendo en este caso un extremo

superior de un intervalo de ajuste 226.

En esta realizacion particular, el ajuste 220 es una etapa de division 228 de la celula 212.

Esto es equivalente a la division 228 de las funciones base 202 y coeficientes correspondientes 202 que representan mas de un numero predeterminado de trazados 222.

De la misma manera la etapa final de la eliminacion 240 de trazados 15 antiguos tendra una etapa de ajuste 202 que incluye las funciones base 202 de mezcla 242 o la union 242 de celulas.

La Fig. 4 ilustra graficamente una adicion de un trazado 15 a una celula 212, c, que se ha obtenido mediante una serie de divisiones 228', 228'' y division potencial 228''' de unas funciones base 202 que son una celula 212, c que encierra un trazado p, 15.

5

10

15

20

25

30

35

40

45

50

55

60

65

La celula 212''', c, que encierra el trazado 15, p, se halla mediante el inicio con la celula 212 mas alta (en una jerarqula). Si esa celula 228 se divide 228', entonces se intenta la siguiente celula 212'; si esa siguiente celula 212', es tambien dividida 228'', entonces el proceso continua hasta que se alcance la celula 212'''.

En todo momento se mantiene un registro de que trazados 15,... estan en que celula 212 y el numero de trazados 222 en cada celula 212'''.

Se entiende que el ajuste 220 o division 228 esta limitado por algun tamano mlnimo de cada dimension 206 en que el tamano mlnimo se termina el ajuste 220 o division 228. Un tamano mlnimo natural es la resolution del sensor o un tamano mlnimo directamente derivado del mismo.

Las Figs. 5 a 8 ilustran formas alternativas para el ajuste 220 en donde el ajuste 220 es la division 228 de una base 202 bidimensional 206 normalizada que se normaliza, es decir en un sistema de coordenadas 110' (Z1, Z2), representando 110' el espacio de medicion 110. Por razones ilustrativas los mismos trazados 15 se distribuyen en el espacio de medicion 110 en las figuras.

El ajuste 220 se realiza en una position de ajuste 301 determinada por una metrica 300.

En algunas realizaciones, la division 228 se realiza clclicamente en las M dimensiones 206. En esta realization esto es alternando entre el eje z1 y el eje z2.

La Fig. 5 ilustra la metrica 300 de division 228 basada en la division de cada celula 212 usando una metrica central 302 que define una posicion central 303 sobre las dimensiones de medicion 110', 110'' en una forma clclica o en este caso forma alternante. Esto es dividiendo cada celula 212 a la mitad.

Las divisiones 228', 228'', 228''' dan como resultado celulas 212, 212', 212'', 212''' teniendo cada una un numero de trazados 222 que esta en el intervalo de ajuste 226.

La Fig. 6 ilustra una division 228 basada en una metrica de promedio 304 que define una posicion promedio 305 sobre las bases 202', 202''. Las divisiones 228', 228'' dan como resultado tres celulas 212, 212', 212'' teniendo cada una un numero de trazados 222 que esta en el intervalo de ajuste 226.

La Fig. 7 ilustra, de modo muy similar a la metrica de promedio 304, una division 228 basada en una metrica de mediana 306 que define una posicion mediana 307 sobre las bases 202', 202''. Las divisiones 228', 228'' dan como resultado tres celulas 212, 212', 212'' teniendo cada una un numero de trazados 222 que esta en el intervalo de ajuste 226.

La Fig. 8 ilustra una division 228 basada en una metrica de probabilidad 308, en particular una metrica de probabilidad maxima que define una posicion de probabilidad 309 sobre las bases 202', 202''. Las divisiones 228', 228'' dan como resultado tres celulas 212, 212', 212'' teniendo cada una un numero de trazados 222 que esta en el intervalo de ajuste 226.

La Fig. 9 resume las diferentes particiones del espacio 110 rellenado por un numero de trazados 15 mediante la division del eje z2 202'' usando diferentes metricas 300 tal como se ha indicado.

La Fig. 10 ilustra como un giro de antena en un sistema de radar 1 configurado para un giro de 360 grados, barre 310 un volumen de observation 2 y detecta y genera nuevos trazados 15, p, que son S(p, p0)>N escaneres mas nuevos.

La elimination de los trazados antiguos 242 sucede cuando el sensor oscila de nuevo.

En la implementation de radar giratorio ilustrado, se calcula S(p, po) como la cantidad total que ha girado la antena de radar desde un trazado 15 al otro calculada en radianes dividido por 2n.

Para un radar no giratorio, puede usarse el numero de imagenes, o simplemente la diferencia de tiempo entre los trazados dividida por un tiempo tlpico de revisita.

La Fig. 11 muestra una salida de prediction 320 de un seguidor 22. La prediction 320 I(z|t) refleja la densidad de probabilidad del objetivo para generar un trazado desde un radar que tenga los atributos z 104. Esto es —de modo equivalente— la probabilidad I(z|t) 320 de que un objetivo 4, t, genere un trazado 15 a partir del extractor de trazados 14 que tenga los atributos 104, z, en el espacio de medicion 110.

Para cada trazado 15, p, es importante la relation de menor probabilidad unitaria 322 entre la probabilidad del objetivo 320 y la densidad de trazado 102 I(zp|t)/D(z) y se usa como una probabilidad de asociacion, que dice al seguidor 22 como de probable es que este trazado particular represente el objetivo especlfico 4, t.

5

10

15

20

25

30

35

La Fig. 12 muestra un metodo 100 de estimacion de una densidad de trazado local 17 en un estimador de densidad de trazados 16 en un sistema de radar 1. La parte superior del diagrama de flujo es esencialmente una variacion del diagrama de flujo ilustrado en la Fig. 2.

Adicionalmente, la realizacion ilustrada tiene en cuenta la eliminacion 240 de trazados 15, y en este caso, la eliminacion de los puntos mas antiguos 242.

Si el numero de trazados 15, es decir S(p, P0), es suficientemente grande 330 y hay un trazado antiguo, p0, 242, entonces una celula 228' que encierra un trazado, p, 15 y una celula vecina 228'' identificada antes del trazado antiguo 242 se elimina 240 de la celula 228'. Si el numero de trazados 222 es menor que el numero de ajuste 224', entonces se mezclan 244 dos celulas 228', 228''.

Se observa que hay un numero de ajuste superior 224 y un numero de ajuste inferior 224' que determinan una division o una mezcla. Estos numeros o valores estan en un intervalo de ajuste 226.

De ese modo esta realizacion indica un metodo totalmente adaptativo para la estimacion de la densidad de trazado 17 continuamente segun llegan nuevos trazados 15 y los trazados se convierten en obsoletos y se descartan como trazados antiguos 242 o disminuyen el valor debido a ponderaciones decadentes.

La Fig. 13 muestra un metodo alternativo 100 que usa funciones de elementos finitos 400.

Esto se realiza estableciendo un conjunto de puntos de malla 402 en el espacio de medicion y creando llmites 404 y funciones base de elementos finitos 400 estandar. Cuando llega o se elimina un trazado 15, la actualization, ajuste o cambio de los coeficientes relevantes 204 puede realizarse segun se ha divulgado.

Por ejemplo, cuando un coeficiente 204, ai, se hace mayor que un numero de ajuste 224, nh, entonces se introduce un nuevo punto de malla 402' y nuevos llmites. La insertion del punto de malla 402 y la election de los llmites 404 tal como la probabilidad

[7] log L = -li ai + Ip log(Il ai ei(zp))

se maximiza.

La figura ilustra un espacio de medicion 110 bidimensional. El espacio de medicion 110 es dividido por los llmites 404 que transcurren entre los puntos de malla 402.

Alrededor de un punto de malla A, una funcion base 202 que es 0 en los llmites 404' en llnea gruesa define una celula. Los nuevos puntos de malla B 402' o C 402'' y los nuevos llmites de punto y raya 404'' o llmites de puntos 404''' pueden introducirse cuando hay demasiados trazados 15 proximos al punto de malla A 402.

Claims (16)

1. 5

   10

   15

   20

   25

   30

   35

   40

   45

   50

   55

   60

   65

   REIVINDICACIONES

   1. Un metodo (100) de estimacion de la densidad de trazado local (17) en un sistema de radar (1) que observa un volumen de observacion (2) y configurado para generar trazados (15) con atributos de trazado (104), comprendiendo el metodo (100):

   - establecer (200) un conjunto no vaclo de funciones base M-dimensionales y coeficientes correspondientes en un espacio de medicion M-dimensional, representando el conjunto no vaclo de funciones base (202) M- dimensionales y coeficientes correspondientes (204), una densidad de trazado local (17), en donde M es el numero de atributos del trazado, representados los coeficientes correspondientes (204) que corresponden a un numero de trazados (15) por las funciones base (202), a continuacion repetidamente

   - actualizar (210) al menos un coeficiente (204) basado en al menos un trazado (15) tal como se ha obtenido del sistema de radar (1);

   ajustar (220) las funciones base (202) y los coeficientes correspondientes (204) para representar un numero de trazados (222), estando el numero de trazados representados por las funciones base ajustadas y los coeficientes correspondientes dentro de un intervalo de ajuste predeterminado (226);

   - estimar (230) la densidad de trazado local (17)

   caracterizado por que el ajuste de las funciones base (202) y los coeficientes correspondientes (204) comprende el particionado del espacio de medicion (110) de modo que se obtenga o mantenga un cierto numero de trazados (15) o permanezca dentro de un intervalo de ajuste predeterminado de trazados en cada particion.
2. 2. Metodo (100) de acuerdo con la reivindicacion 1, en el que el ajuste (220) de las funciones base (204) y los coeficientes correspondientes (206) comprende una etapa de division (228) de las funciones base (204) y modificacion de los coeficientes correspondientes (206).
3. 3. Metodo (100) de acuerdo con las reivindicaciones 1 o 2, en el que el ajuste (220) de las funciones base (202) y los coeficientes correspondientes (206) comprende una etapa de actualizacion (210) de al menos un coeficiente (210) cuando se elimina un trazado (15).
4. 4. Metodo (100) de acuerdo con cualquiera de las reivindicaciones 1 a la reivindicacion 3, en el que el ajuste (220) de las funciones base (202) y los coeficientes correspondientes (204) comprende una etapa de union (244) de las funciones base (202) y modificacion de los coeficientes correspondientes (204).
5. 5. Metodo (100) de acuerdo con cualquiera de las reivindicaciones 1 a 4, en el que se normalizan las funciones base (202).
6. 6. Metodo (100) de acuerdo con cualquiera de las reivindicaciones 1 a 5, en el que el espacio de medicion (110) comprende el menos una medicion de la intensidad (114) de un eco desde el sistema de radar (2).
7. 7. Metodo (100) de acuerdo con cualquiera de las reivindicaciones 1 a 6, en donde el metodo (100) incluye adicionalmente al menos una etapa de ajuste de las funciones base (204) y los coeficientes correspondientes (202) basandose en una realimentacion (26) de una pista (23), t.
8. 8. Metodo (100) de acuerdo con cualquiera de la reivindicacion 1 a la reivindicacion 7, en donde el metodo (100) comprende una etapa adicional de eliminar trazados antiguos (310).
9. 9. Metodo (100) de acuerdo con cualquiera de la reivindicacion 1 a la reivindicacion 8, en donde el metodo (100) incluye adicionalmente al menos una etapa de desvanecimiento de la memoria (312) en donde los coeficientes (204) se deducen de una combinacion ponderada de trazados (100) con una ponderacion (312) que decae a lo largo del tiempo.
10. 10. Metodo (100) de acuerdo con la reivindicacion 9, en el que en el desvanecimiento de la memoria (312) la ponderacion decae exponencialmente; tal como exp(-S(p, p1)/S0), o reclprocamente; tal como 1/S(p, p0) o 1/(Sq(1-S(p, pq)/Sq).
11. 11. Metodo (100) de acuerdo con cualquiera de la reivindicacion 1 a la reivindicacion 10, en el que al menos una sub-dimension de las funciones base (202) es una celula (212) con un valor finito dentro de la celula (212) y 0 (cero) en el exterior; preferentemente 1/Vc dentro de la celula (212), donde Vc es el volumen de la celula (212)
12. 12. Metodo (100) de acuerdo con la reivindicacion 11, en el que el ajuste (220) de las celulas (212) y los coeficientes correspondientes (204) se realiza mediante cualquiera de las siguientes etapas:

    - ajustar (220) celulas (212) y coeficientes correspondientes (204) alternando clclicamente dimensiones en las que las celulas (212) han de ajustarse;

    - ajustar (220) celulas (212) y coeficientes correspondientes (204) en la dimension (206) que conduce a una

    5

    10

    15

    20

    25

    30

    35

    posicion de trazado promedio (305) que es la mas distante desde una posicion central (303);

    - ajustar (220) celulas (212) y coeficientes correspondientes (204) en la dimension que conduce a una posicion de trazado mediano (307) que es la mas distante desde una posicion central (303);

    - ajustar (220) celulas (212) y coeficientes correspondientes (204) en la dimension que conduce a una probabilidad de trazado maxima (309);

    0 cualquier combinacion de las mismas.
13. 13. Metodo (100) de acuerdo con cualquiera de la reivindicacion 11 o la reivindicacion 12, en el que el ajuste (220) de una celula (212) y los coeficientes correspondientes (204) en una dimension realizada en una posicion (301) determinada por cualquiera de las metricas (300) siguientes sobre al menos una celula (212), en donde la posicion en la que cada celula se ajusta viene dada por

    una metrica (302) que determina la posicion central (303);

    una metrica (304) que determina la posicion de trazado promedio (305);

    una metrica (306) que determina la posicion de trazado mediana (307);

    una metrica (308) que determina la posicion de probabilidad de trazado maxima (309);

    y cualquier combinacion de las mismas.
14. 14. Un metodo de acuerdo con cualquiera de las reivindicaciones 1-13, en el que los atributos comprenden uno o mas de los siguientes atributos: intensidad de trazado, velocidad radial, velocidad Doppler, alcance, direccion y posicion.
15. 15. Estimador de densidad de trazado (16) que comprende una unidad computacional configurada para realizar un metodo de estimacion de una densidad de trazado local (17, 106) de acuerdo con cualquiera de las reivindicaciones

    1 a 14.
16. 16. Sistema de radar (1) que comprende:

    - un radar (10) configurado para comunicar con un transceptor de radar (12) y un extractor de trazados (14);

    - un estimador de densidad de trazado (16) configurado para recibir trazados (15) desde el extractor de trazados (14) y configurado de acuerdo con la reivindicacion 15 y configurado adicionalmente para producir al menos:

    - estimaciones de densidad de trazado (17) para un discriminador de trazados (18); configurado preferentemente con medios de salida para producir trazados utilizables para un usuario; y/o

    - trazados (15) para un seguidor (22); preferentemente configurado con medios de salida para producir pistas utilizables para un usuario.