[发明专利]一种基于卫星侦测信息的雷达自适应被动定位方法在审
| 申请号： | 201811494482.5 | 申请日： | 2018-12-07 |
| 公开（公告）号： | CN109856621A | 公开（公告）日： | 2019-06-07 |
| 发明（设计）人： | 陆翔;夏厚培;匡华星;张宁;卫强 | 申请（专利权）人： | 中国船舶重工集团公司第七二四研究所 |
| 主分类号： | G01S13/66 | 分类号： | G01S13/66;G01S13/86;G01S19/42 |
| 代理公司： | 暂无信息 | 代理人： | 暂无信息 |
| 地址： | 210003 *** | 国省代码： | 江苏;32 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明提供一种基于卫星侦测信息的雷达自适应被动定位方法，方法包括：雷达对目标辐射源持续侦察定位；引接电子侦察卫星发送目标的辐射源参数信息；搜索雷达已发现的目标中与侦察卫星发送的目标为同平台的辐射源目标；判断卫星侦察目标与雷达侦察目标是否匹配成功；雷达结合侦察卫星侦测到的目标辐射源位置信息进行自适应被动定位滤波；输出目标位置信息。本发明实施例的有益效果在于，由于借助卫星高精度的目标定位结果修正雷达位置滤波模块的自适应滤波器的参数，使得雷达对辐射源目标位置的估计的精度提升，从而充分发挥雷达交叉定位的高数据率以及电子侦察卫星侦测信息的高精度特点，有效提升重点目标的侦察跟踪的能力。 | ||
| 搜索关键词： | 雷达 辐射源 侦测信息 自适应 电子侦察卫星 卫星 自适应滤波器 侦察 辐射源参数 辐射源位置 发送目标 高数据率 交叉定位 结果修正 精度提升 雷达位置 雷达侦察 滤波模块 目标定位 目标位置 匹配成功 输出目标 卫星侦察 滤波 侦测 搜索 发送 跟踪 发现 | ||
【主权项】：
1.一种基于卫星侦测信息的雷达自适应被动定位方法，其特征在于：步骤1：雷达组网对目标辐射源进行被动交叉定位，获得辐射源被动定位信息；步骤2：电子侦察卫星将侦测获得的包含目标辐射源参数以及目标辐射源的卫星侦测信息通过卫星下行链路发送给雷达；步骤3：雷达根据卫星发送的卫星侦测信息，判断卫星侦察目标与雷达侦察目标是否匹配成功；若匹配成功，转步骤6；若匹配不成功，转步骤4；步骤4：根据已知平台部署的辐射源类型，判断卫星截获的信号与雷达截获的信号是否为同平台不同辐射源的信号；若为是，则转步骤5；若为否，则转步骤1；步骤5：雷达根据侦察卫星侦测到的目标辐射源位置信息以及雷达组网对目标辐射源被动定位获得的辐射源被动定位信息进行自适应滤波；步骤6：雷达输出目标航迹。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于中国船舶重工集团公司第七二四研究所，未经中国船舶重工集团公司第七二四研究所许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201811494482.5/，转载请声明来源钻瓜专利网。
- 同类专利
- 一种针对单通道接收机在多径信道下稳定跟踪的方法和装置-201910666436.7
- 熊军;郭晓峰;景晓康;孙博韬 - 熊军;西安宇飞电子技术有限公司
- 2019-07-23 - 2019-11-12 - G01S13/66
- 本发明公开了一种针对单通道接收机在多径信道下稳定跟踪的方法和装置，方位差信号和俯仰差信号双通道差信号，在正交调制之后合成一路差信号，随后用四相低频调制信号进行调制后再与和信号合并，三路信号最终合成一个通道输出，合并后的信号经包络检波和解方程后得到角误差信号，将角误差信号解调后送给天线伺服控制系统，驱动天线向着角误差减小的方向运动，从而确保天线始终对准飞行目标。本发明根据一段数据不断迭代计算出目标位置，相对于其它跟踪系统他的实时性较好，稳定性较高，通过跟踪接收机的解调，把误差信号送给天线伺服控制系统，驱动天线向着角误差减小的方向运动，从而确保天线始终对准飞行目标，保证对飞行目标数据的可靠接收。
- 一种基于模型的联合跟踪与识别方法-201811430152.X
- 占荣辉;胡杰民;王威;张军;欧建平 - 中国人民解放军国防科技大学
- 2018-11-28 - 2019-09-27 - G01S13/66
- 本发明公开了一种基于模型的联合跟踪与识别方法，目的是提高跟踪和识别的准确率。技术方案是先对目标运动状态与传感器观测进行建模，对目标状态、目标识别概率进行初始化；根据观测数据预测目标运动状态模型和观测模型；对目标的状态和类别进行联合跟踪与识别，得到目标状态估计和目标识别概率估计值；判断目标识别概率估计值中的最大值是否大于阈值，若大于，则说明识别结果已经确定，输出跟踪和识别结果，跟踪识别结束。本发明实现了基于宽带雷达目标运动学和距离像观测的联合预测，实现了目标状态与类型的联合跟踪与识别，采用本发明可利用连续跟踪信息有效提高目标的正确识别概率和跟踪准确性，扩展联合传统目标跟踪与识别方法的适用范围。
- 针对无人机黑飞的网络防御技术-201810218055.8
- 宗鹏 - 宗鹏
- 2018-03-15 - 2019-09-24 - G01S13/66
- 无人机黑飞越来越成为严重的问题，直接影响着无人机的发展。无人机为工作和生活带来了便利，也带来了许多问题，甚至是危险。主要原因是黑飞无人机得不到控制。因此急需有效的防范措施。本发明的主要目的是提供一种无人机监管手段，避免无人机黑飞和乱飞。在之前提出的海量无人机控制技术基础上，利用网络手段对黑飞无人机进行识别，跟踪和抑制。在识别方面采用弱目标检测技术对可疑目标进行判断，在跟踪方面采用多运动目标提取和跟踪技术。最后，结合无人机干扰设备以无线电波抑制或释放伪GPS信号将无人机迫降至安全区域。由于整个过程都是通过网络实现，避免了单个干扰设备作用距离短和目标走失的问题。
- 一种改进的多目标雷达航迹处理方法-201810030053.6
- 李锋林;夏金艳;王鑫照;陈成;董晓波;赵刚;刘昊 - 西安艾索信息技术有限公司
- 2018-01-12 - 2019-07-19 - G01S13/66
- 本发明提供一种改进的多目标雷达航迹处理方法，属于电子信息处理技术领域。本发明航迹处理方法分为四个过程：(1)处理过程的航迹跟踪滤波完成稳定航迹的处理；(2)处理过程的航迹起始完成起始航迹的处理，(3)处理过程的航迹删除完成无效航迹的删除；(4)处理过程的航迹建立过程完成剩余点迹的航迹建立。通过上述四个部分，完成一个周期内全部点迹的航迹处理，完成多目标的航迹关联与跟踪的全部方法的处理过程。本发明为雷达数据处理技术，针对雷达扫描环境目标多、杂波强、虚警高的特点，提供一种数据处理算法，用以消除虚假点迹，抑制噪声干扰，并估计目标运动轨迹和运动参数，预测其下一时刻的可能位置，实现对目标的精确跟踪。
- 一种随机集理论下的多机动目标跟踪方法-201610516979.7
- 易伟;姜萌;陈方园;谌振华;王佰录;李溯琪;孔令讲 - 电子科技大学
- 2016-06-30 - 2019-07-19 - G01S13/66
- 本发明公开了一种基于随机集理论的多机动目标跟踪方法，它的特点是首先，对多目标状态空间进行増广，在原始动力学信息的基础上，增加模型维，从而实现对目标模型信息的表征；然后，基于跳跃马尔科夫系统，对状态转移函数和似然函数进行増广使其含有模型信息；最后，实现増广后的多模型广义标号多目标伯努利滤波器的预测和更新过程，并提取目标状态和估计目标运动模型，从而解决对机动多目标的跟踪问题。该方法具有鲁棒性强、适应性广、估计精度高的特点，可有效的解决在实际应用中常出现的多目标机动性强且不一致的问题，实现了在复杂场景下的机动多目标跟踪以及估计目标运动模型。
- 基于无迹卡尔曼滤波的机动扩展目标跟踪方法-201610809777.1
- 孙力帆;冀保峰;张森;普杰信 - 河南科技大学
- 2016-09-08 - 2019-07-19 - G01S13/66
- 本发明公开了一种基于无迹卡尔曼滤波的机动扩展目标跟踪方法，属于雷达机动目标跟踪领域，本发明的方法包括：根据高分辨率距离像量测信息的特点以及扩展目标的机动特性，利用支撑函数精确描述扩展目标的各种机动模式，最后基于无迹卡尔曼滤波与多模型算法相结合实现机动扩展目标运动状态和扩展形态的联合跟踪。本发明的方法可快速准确地利用高分辨率雷达距离像量测信息，对机动扩展目标的运动状态和扩展形态进行精确的联合估计，易于工程实现，具有较强的工程应用价值和推广前景。
- 基于高斯滤波的机动目标跟踪方法-201611174619.X
- 姜秋喜;刘方正;马建凯;祁建清;杨瑞民;陈立明;樊霖晖;曾瑞琪;杨丽;刘鑫 - 姜秋喜
- 2016-12-19 - 2019-07-12 - G01S13/66
- 本发明提供了一种基于高斯滤波的机动目标跟踪方法，其包括以下步骤：根据目标是否发生机动选择最佳滤波模型和滤波内存长度；生成总体观测矩阵，具体包括以下步骤：生成转移矩阵、生成量测矩阵；最后建立总体观测矩阵。本发明提供的基于高斯滤波的机动目标跟踪方法克服了现有跟踪滤波方法对高速高机动目标适用性差的缺点，进而改善了跟踪精度和跟踪稳定性。
- 一种面向弱扩展目标的检测前跟踪方法-201910273270.2
- 杨威;余若峰;付耀文;龚婷 - 中国人民解放军国防科技大学
- 2019-04-04 - 2019-07-09 - G01S13/66
- 本发明属于目标检测和跟踪技术领域，具体公开了一种面向弱扩展目标的检测前跟踪方法。本发明在贝叶斯滤波框架下，利用粒子近似手段递归预测和更新目标状态，从而实现弱扩展目标的检测与跟踪，其中在更新步骤中，通过粒子完成对目标所占据分辨单元的强度测量数据积累，当积累长度达到设定值后，估计目标所占据各分辨单元的功率，以此作为似然函数的参数对粒子权重进行更新。该方法可以在没有目标先验信息的情况下实现弱扩展目标的检测与跟踪，避免了传统方法复杂非线性参数估计过程，同时对强度测量数据类型没有特定要求，可广泛应用于视频监控系统、机器人导航系统、军事目标检测跟踪系统等各类民用和军用系统中，具有广阔的市场前景和应用价值。
- 基于目标预测的扩展目标量测集划分和跟踪方法-201811626739.8
- 李鹏;王文慧;邱俊达 - 江苏理工学院
- 2018-12-28 - 2019-06-21 - G01S13/66
- 本发明涉及信息处理技术领域，尤其是一种基于目标预测的扩展目标量测集划分和跟踪方法，其步骤为：(1)初始化参数：初始目标状态x0＝{m0,P0}，其中，m0为运动状态，P0为运动误差的协方差矩阵，状态噪声协方差为Q，目标初始权重为w0；(2)当k≥1帧时，对量测集Zk进行划分；(3)根据量测信息，利用ET‑GM‑PHD跟踪算法框架对目标运动状态进行多假设滤波；(4)对低权重目标分量进行删减，相似的目标分量进行合并，高权重目标分量进行状态提取；(5)若下一帧观测信息到达，转到步骤(2)进行迭代；否则，跟踪过程结束，本发明提高了紧邻目标的划分精度。
- 一种非线性目标跟踪系统中平方根容积卡尔曼滤波方法-201710471328.5
- 刘小珠;林仕文;冉凡松;邓燕妮;赵东明 - 武汉理工大学
- 2017-06-20 - 2019-06-11 - G01S13/66
- 本发明公开了一种非线性目标跟踪系统中平方根容积卡尔曼滤波方法，针对自适应平方根容积卡尔曼滤波算法ASCKF，改进时间更新环节与Sage‑Husa噪声估计器环节，形成ASCKFNS算法；本发明适用于非线性离散系统，在保证算法的稳定性的前提下，进一步提高了算法精确性，且大量减小了计算量，提高了实时性。
- 基于并行模糊高斯和粒子滤波的目标跟踪方法及装置-201611249493.8
- 李良群;谢维信;刘宗香 - 深圳大学
- 2016-12-29 - 2019-06-11 - G01S13/66
- 本发明公开了一种基于并行模糊高斯和粒子滤波的目标跟踪方法，包括：将传感器系统划分为多个子系统；分别为每个子系统利用其边界状态对其在当前目标观测时刻对目标状态的观测结果使用模糊高斯和粒子滤波方法进行滤波，以获取子系统当前目标观测时刻的目标状态后验概率密度函数，其中不同的子系统在滤波过程中使用的状态粒子不共享；利用所有子系统当前目标观测时刻的目标状态后验概率密度函数获取传感器系统当前目标观测时刻的目标状态后验概率密度函数；利用传感器系统当前目标观测时刻的目标状态后验概率密度函数获取当前目标观测时刻的目标状态估计值。本发明还公开了一种目标跟踪装置。通过上述方式，本发明能保证跟踪结果的准确性和实时性。
- 一种基于卫星侦测信息的雷达自适应被动定位方法-201811494482.5
- 陆翔;夏厚培;匡华星;张宁;卫强 - 中国船舶重工集团公司第七二四研究所
- 2018-12-07 - 2019-06-07 - G01S13/66
- 本发明提供一种基于卫星侦测信息的雷达自适应被动定位方法，方法包括：雷达对目标辐射源持续侦察定位；引接电子侦察卫星发送目标的辐射源参数信息；搜索雷达已发现的目标中与侦察卫星发送的目标为同平台的辐射源目标；判断卫星侦察目标与雷达侦察目标是否匹配成功；雷达结合侦察卫星侦测到的目标辐射源位置信息进行自适应被动定位滤波；输出目标位置信息。本发明实施例的有益效果在于，由于借助卫星高精度的目标定位结果修正雷达位置滤波模块的自适应滤波器的参数，使得雷达对辐射源目标位置的估计的精度提升，从而充分发挥雷达交叉定位的高数据率以及电子侦察卫星侦测信息的高精度特点，有效提升重点目标的侦察跟踪的能力。
- 一种MIMO雷达多目标跟踪资源管理方法-201610771074.4
- 程婷;张洁;李姝怡;张宇轩;王栋 - 电子科技大学
- 2016-08-30 - 2019-05-10 - G01S13/66
- 本发明属于MIMO雷达技术领域，具体提供一种MIMO雷达多目标跟踪资源管理方法；首先将可控参数组合进行遍历，判断其是否能满足检测概率与波束指向的约束，从而形成MIMO雷达控制向量可行集；接下来在可行集中每个控制向量下，计算目标的预测跟踪误差协方差与期望协方差之间的偏差代价与能量资源消耗代价；综合两种代价，依据综合代价最小的准则获得最优雷达控制向量。在多目标环境下，本发明可以充分发挥MIMO雷达利用单个波束照射多个目标的优势，增加对各目标的采样次数，有效提高雷达的时间资源利用率并减小目标的实际跟踪误差协方差与期望协方差之间的偏差，并且该方法能够通过调整期望的跟踪误差协方差来控制方法的跟踪精度。
- 一种基于雷达数据的轻小型无人机与飞鸟分类识别方法-201610896005.6
- 陈唯实;李敬 - 中国民航科学技术研究院
- 2016-10-14 - 2019-04-26 - G01S13/66
- 本发明公开了一种基于雷达数据的轻小型无人机与飞鸟分类识别方法。本发明提出的轻小型无人机与飞鸟分类识别方法基于雷达获取的目标量测信息，通过多模型目标跟踪、多模型概率提取、目标运动模式判断、目标运动特征提取等四个步骤，最终提取出目标运动模型转换频率等目标特征，用以区分轻小型无人机目标与飞鸟目标。本发明克服了低空空域雷达监视系统无法区分轻小型无人机与飞鸟的缺点，利用雷达数据提取出目标运动特征，用以区分轻小型无人机目标与飞鸟目标，提升低空空域雷达监视系统的识别能力。
- 基于有限步记忆的卡尔曼滤波方法-201611030384.7
- 杨志伟;郭永霞;辛金龙;杨桂娥;廖桂生;袁赛 - 西安电子科技大学
- 2016-11-16 - 2019-04-23 - G01S13/66
- 本发明公开了一种基于有限步记忆的卡尔曼滤波方法，主要解决现有技术中目标跟踪准确性与稳定性低的问题。其技术方案是：由传统卡尔曼滤波方法得到目标航迹的前N步状态及状态协方差；按当前状态向后回溯N步，得到目标航迹的参考状态；根据参考状态判断目标的机动性，若发生机动，则对上一帧滤波的速度作修正；再根据参考状态判断当前量测的有效性，若无效，则对新息加一个小于1的权值，得到新的新息；根据上一时刻的状态协方差得到一步预测协方差，再计算增益矩阵；根据预测状态和增益矩阵及新的新息更新当前的状态；根据一步预测协方差和增益矩阵更新状态协方差，完成目标跟踪。本发明提高了目标跟踪的准确性与稳定性，可用于雷达数据处理。
- 一种基于数字锁相环的自适应角度跟踪方法-201510787038.2
- 盛卫星;蒋兵兵;张仁李;韩玉兵;马晓峰 - 南京理工大学
- 2015-11-16 - 2019-04-16 - G01S13/66
- 本发明提出一种基于数字锁相环的自适应角度跟踪方法，该方法利用快速傅里叶变换将和波束、差波束的时域信号变换到频域中，再利用单脉冲测角技术得到角度误差；之后将所述角度误差送入一个环路等效噪声带宽按一定规律随目标角度变化而变化的环路滤波器中，得到角度误差的滤波值，最后将所述滤波值累加到数控振荡器上，实现对目标角度的自适应跟踪。本发明方法提高了目标角度跟踪过程中的角度误差收敛速度和角度跟踪精度。
- 一种高分辨率的多目标跟踪雷达及检测方法-201811510688.2
- 胡文;顾丹丹;王鹏立 - 南京慧尔视防务科技有限公司
- 2018-12-11 - 2019-04-12 - G01S13/66
- 本发明公开了一种高分辨率的多目标跟踪雷达，包括壳体，所述壳体包括前壳和后盖，且前壳和后盖的表面均开设有多个供其紧固的连接孔；还公开了运用一种高分辨率的多目标跟踪雷达进行检测的检测方法，包括如下步骤：数据预处理，同一目标的点数据聚类，目标初步分类，单目标跟踪，多目标跟踪；本发明的有益效果是：能够判别杂波中的干扰目标，将干扰目标剔除，并且具有良好的检测性能；大大提高跟踪的准确性和降低算法的复杂性。
- 基于距离分步聚类的雷达航迹抗差关联方法-201611247248.3
- 齐林;何友;熊伟;董凯;刘瑜;修建娟 - 中国人民解放军海军航空大学
- 2016-12-29 - 2019-04-12 - G01S13/66
- 本发明涉及雷达数据融合技术领域，针对目标密集分布、系统误差时变、传感器上报目标不一致等复杂环境下的雷达实时航迹关联问题，提供一种基于距离分步聚类的雷达航迹抗差关联方法。首先推导运动平台等价量测方程，基于等价量测的一阶Taylor级数展开得到全局直角坐标系中状态估计分解方程，基于真实状态对消得到航迹距离矢量，基于距离最小均值实施航迹粗关联，基于高斯随机矢量统计特性推导类间距离门限并基于距离分步聚类实施航迹细关联。本申请的主要特点是错误关联率低，关联准确性和复杂环境适应性相比现有方法有较大幅度的提升。
- 基于代价参考粒子滤波的MIMO雷达目标检测前跟踪方法-201610960285.2
- 吕品品;秦文利;郑娜娥;陈松;赵远;王盛;高留洋 - 中国人民解放军信息工程大学
- 2016-10-28 - 2019-04-05 - G01S13/66
- 本发明涉及一种基于代价参考粒子滤波的MIMO雷达目标检测前跟踪方法，首先初始化，产生初始粒子序列，形成初始的粒子‑代价集合；计算k时刻的所有粒子的风险和重采样权值；利用重采样权值，选取重采样粒子，形成新的粒子‑代价集合；从新的粒子‑代价集合中产生第k＝k+1时刻的粒子；跳转至计算k时刻的所有粒子的风险和重采样权值的步骤执行，循环至k＝K，得到每一时刻的代价状态。本发明通过利用目标状态估计值与真实值之间的误差计算得到粒子代价，进而得到粒子权重，实施粒子滤波，无需动态系统的统计特性，在动态特性未知的情况下仍能进行目标的检测和估计，经仿真试验验证，其检测跟踪性能明显优于传统的粒子滤波算法。
- 一种适用于闪烁噪声的多目标跟踪方法及系统-201611090305.1
- 刘宗香;邹燕妮;谢维信;李良群 - 深圳大学
- 2016-11-29 - 2019-04-05 - G01S13/66
- 本发明适用于多传感器信息融合领域，提供了一种适用于闪烁噪声的多目标跟踪方法与系统，所述多目标跟踪方法包括：预测步骤、更新步骤、生成步骤以及提取步骤。本发明提供的技术方案在保证数据处理实时性的同时，有效地解决了闪烁噪声下非线性运动目标的跟踪问题。
- 一种基于Hough和粒子滤波的PD雷达扩展微弱目标检测方法-201611089729.6
- 于洪波;王国宏;吴巍;谭顺成;王娜;孙殿星;吉喆 - 中国人民解放军海军航空大学
- 2016-12-01 - 2019-02-01 - G01S13/66
- 本发明公开了一种基于Hough和粒子滤波的PD雷达扩展微弱目标检测方法，属于雷达微弱目标检测跟踪领域。通过Hough变换对PD雷达模糊量测进行区域积累；检测确定目标模糊航迹的范围，获得量测先验信息；进行粒子的距离匹配处理，递推预测粒子状态；通过散射粒子建立量测似然模型，递推求取粒子权值，从而实现对扩展目标模糊量测的非相参积累；最后检测目标真实航迹，并给出扩展参数的估计。本发明充分结合了Hough变换和粒子滤波的优点，利用目标量测的时空相关信息提高系统的检测性能和跟踪精度，并估计目标扩展参数，为解决该问题提供了一种新的思路，具有较强的实用性和推广应用价值。
- 基于高斯粒子势概率假设密度滤波的目标检测前跟踪方法-201610947014.3
- 魏帅;冯新喜;鹿传国 - 中国人民解放军空军工程大学
- 2016-10-26 - 2019-01-25 - G01S13/66
- 本发明公开了基于高斯粒子势概率假设密度滤波的目标检测前跟踪方法，其主要思路为：确定k时刻有Nk个目标，将k时刻第p个目标的运动状态记为
计算在k时刻第p个目标的运动状态
条件下直角坐标系下雷达观测区域中包含的Nk个目标的运动状态xk对应的似然函数；分别计算k时刻Nk个目标的状态均值估计和Nk个目标的协方差估计；依次计算k时刻目标数为Nk的概率和直角坐标系下的雷达观测区域内包含的目标个数Nk的估计值
令k加1，从而得到1时刻直角坐标系下的雷达观测区域内包含的目标个数N1的估计值
到D时刻直角坐标系下的雷达观测区域内包含的目标个数ND的估计值
。
- 目标跟踪中带遗忘因子的自适应迭代容积卡尔曼滤波方法-201710436120.X
- 戴文战;黄晓姣;沈忱 - 浙江工商大学
- 2017-06-09 - 2018-12-18 - G01S13/66
- 本发明公开了目标跟踪中带遗忘因子的自适应迭代容积卡尔曼滤波方法，该方法对目标跟踪中目标状态估计的一种基本形式‑滤波进行分析，创新性提出把遗忘因子与自适应迭代容积卡尔曼滤波相结合的方法，既可以发挥遗忘因子的作用，减小历史数据对滤波结果的影响，又可以提高滤波算法本身精度和处理非线性问题的能力，最终将实现目标跟踪中对目标准确的估计。
- 一种基于幅度的对海雷达多目标融合跟踪方法-201810655799.6
- 彭志刚;张存;李大龙;李宝鹏;冯威;纪晓佳;李淑华 - 中国人民解放军海军航空大学青岛校区
- 2018-06-23 - 2018-12-18 - G01S13/66
- 本发明公开了一种基于幅度的对海雷达多目标融合跟踪方法，包括以下步骤：当前时刻量测值获取步骤；分别对各个目标的航迹进行处理步骤；基于幅度信息的量测值融合定向步骤；基于幅度信息和航迹质量的航迹融合定向步骤；对各目标状态信息进行预测更新，根据各目标的数据互联概率参数，对各目标状态更新，获取各目标在k时刻的状态信息。本发明的对海雷达多目标融合跟踪方法，在复杂情况下海面多目标跟踪过程中，通过利用代表目标特征的幅度信息等非运动学信息，将幅度信息与设置的门限参数进行比较来判断量测的有效性，能够避免目标间距较近带来的航迹聚集现象，有效区分目标量测和杂波，减少误相关，实现海面目标的高精度稳定跟踪。
- 具有形状信息的多个群目标跟踪方法-201810655809.6
- 戚甫峰;王婷婷;夏栋;郭维波;李大龙;彭志刚;杨玲芳 - 中国人民解放军海军航空大学青岛校区
- 2018-06-23 - 2018-12-18 - G01S13/66
- 本发明公开了一种具有形状信息的多个群目标跟踪方法，包括以下步骤：建立模型步骤，对群目标建立运动模型和雷达的量测模型；分群处理步骤，将雷达初始时刻所获得的量测划分到不同的群目标并给各群目标确定起始航迹；航迹关联步骤，将当前时刻的各量测分别与前一时刻的群目标航迹进行关联；分别对各群目标进行滤波跟踪步骤，对各个群目标的运动状态信息和形状进行预测更新。本发明的具有形状信息的多个群目标跟踪方法，通过在群状态中增加随机矩阵描述群目标形状，不仅节省了雷达跟踪资源并且通过实时估计群形状为驾驶员提供更多参考信息，更具有实际应用价值。
- 一种基于最近邻法的概率数据关联优化方法-201610597185.8
- 王翔;徐洋;王涛;庞树松;王晓翠;何展宏;杜培 - 北京航空航天大学
- 2016-07-26 - 2018-12-18 - G01S13/66
- 本发明提供一种基于最近邻法的概率数据关联优化方法，具体步骤如下：一、参数设置：设传感器每个时刻接收到量测值的数量为N，门限值为γ，常数M；二、残差向量及其统计距离的计算；三、统计落入跟踪门内量测值数量，记为mk；四、事件定义；五、有效量测值的选择；六、新状态方程的计算；七、判断跟踪是否结束；通过以上步骤，实现了一种基于最近邻法的概率数据关联优化方法，可以减少错误关联发生的概率和数据关联的计算量，从而有效的提高数据关联的正确率和速度，解决了目标跟踪过程中数据关联资源消耗大和错误关联的实际问题。
- 一种低重频体制下速度模糊时的目标稳健关联方法-201610969889.3
- 肖金国;刘庆波;周郁;许彦章;田原;汤振华 - 上海无线电设备研究所
- 2016-10-28 - 2018-12-11 - G01S13/66
- 本发明公开了一种低重频体制下速度模糊时的目标稳健关联方法，包含以下步骤：S1、确定检测阈值；S2、取每帧雷达回波距离‑速度维平面大于检测阈值的目标点，得到距离维目标点矩阵R(n mR)和速度维目标点矩阵V(n mV)，其中，n表示帧索引，mR表示距离维索引，mV表示速度维索引，矩阵值为0或者1，0表示无目标，1表示有目标；S3、在距离维，根据第一预设算法去除距离上相差较大的杂噪点，得到更新后的距离维目标点矩阵R′(n mR)；S4、在速度维，根据第二预设算法去除速度维上的杂噪点，得到更新后的速度维目标点矩阵V′(n mV)；所述的步骤S3与步骤S4的顺序可换。本发明计算量较小，实时性较高，适用于速度模糊情况下雷达目标的跟踪关联。
- 风暴天气自动追踪导航系统-201810290513.9
- 王加才 - 河北泽华伟业科技股份有限公司
- 2018-04-03 - 2018-11-30 - G01S13/66
- 本发明提供一种风暴天气自动追踪导航系统，包括：实时雷达数据获取模块获取雷达扫描资料；风暴识别与追踪模块识别风暴位置并进行追踪预报；实时风暴追踪路径获取模块获取实时风暴追踪路径；实时路况信息获取模块获取实时路况；地图数据模块提供数字地图数据；动态路径规划模块规划动态行驶路径；通信模块实现所述风暴识别与追踪模块与所述实时雷达数据获取模块、实时风暴追踪路径获取模块之间的通信，以及实现所述动态路径规划模块与所述实时风暴追踪路径获取模块、实时路况信息获取模块之间的通信；导航操作模块接收显示行驶路径。本发明可为气象监测人员服务，降低误报率，又可为民生出行服务，保障用户的出行安全，具有良好的可扩展性。
- 基于多核数字信号处理器穿墙雷达运动目标跟踪成像方法-201810501899.3
- 欧阳缮;张晨华;叶金才;王鲁豫;马荣华 - 桂林电子科技大学
- 2018-05-23 - 2018-10-30 - G01S13/66
- 一种基于多核数字信号处理器穿墙雷达运动目标跟踪成像方法，涉及数字信号处理技术领域，解决的问题是满足超宽带雷达成像实时性要求，具体步骤如下：（1）对移动目标进行信息数据采集并输入PC端；（2）将信息数据进行数据封装并传至多核数字信号处理器进行处理；（3）将数据分为8份，存入公共存储区；（4）以Core0作为主核，控制系统的初始化，通知其他从核执行各自任务；（5）以Core1‑7作为从核，访问公共存储区的数据；（6）每一个核读取信息数据并进行时延计算，将结果送至原有存储区；（7）主核Core0进行最后算法的叠加整理，并原路送回至PC端。本发明运算效率高，满足了运动目标跟踪成像的实时性要求。
- 基于当前统计模型的雷达机动目标跟踪优化方法-201810436518.8
- 王彤;李杰;刘程;位翠萍 - 西安电子科技大学
- 2018-05-09 - 2018-10-12 - G01S13/66
- 本发明公开了一种基于当前统计模型的雷达机动目标跟踪优化方法，思路为：确定雷达，所述雷达检测范围内存在目标；建立当前统计模型，确定目标的初始机动频率α0，然后分别计算目标状态转移矩阵F和输入控制矩阵G；将k‑1时刻目标的状态估计记为
将k时刻目标的机动频率记为αk，分别计算k时刻目标的状态一步预测
和k时刻目标的过程噪声协方差矩阵Q(k)；然后分别计算k时刻目标的量测预测新息v(k)、k时刻目标的卡尔曼增益K(k)和k时刻目标的新息协方差矩阵S(k)；进而分别计算k时刻目标状态的估计值
k时刻的误差协方差矩阵P(k|k)和k+1时刻目标的机动频率αk+1；所述k时刻的误差协方差矩阵P(k|k)、k时刻目标状态的估计值
和k+1时刻目标的机动频率αk+1，为基于当前统计模型的雷达机动目标跟踪优化结果。
- 专利分类
