本發(fā)明屬于高分辨雷達
技術(shù)領(lǐng)域：
，具體涉及一種基于標準差橢圓的高分辨雷達檢測點聚集方法。
背景技術(shù)：
：高分辨雷達通過發(fā)射寬帶波形獲得高的距離分辨率，從而可以獲取更豐富的目標特征信息，是現(xiàn)代雷達技術(shù)的重要發(fā)展方向，在這里，高分辨率雷達是指能分辨的兩個目標物的最小實際距離在厘米級及以下的雷達。高分辨率雷達工作過程中，由于目標尺寸通常會大于距離分辨單元，單個目標的檢測結(jié)果會表現(xiàn)為多個檢測點，這給目標跟蹤帶來困難。在復(fù)雜環(huán)境下，能否將同一目標的多個檢測點進行正確聚集，同時區(qū)分不同目標各自的檢測點，是高分辨雷達目標跟蹤前的一個重要步驟。傳統(tǒng)的基于k-均值的檢測點聚集方法需要場景中目標個數(shù)的先驗信息，并且初始聚類中心的選取對聚集結(jié)果存在較大影響，這使復(fù)雜場景下目標的檢測點聚集較為困難。技術(shù)實現(xiàn)要素：針對上述現(xiàn)有技術(shù)，本發(fā)明提供了一種基于標準差橢圓的高分辨雷達檢測點聚集方法，能夠在復(fù)雜場景下能夠更準確地聚集檢測點，具體步驟如下:步驟一、建立標準差橢圓：在距離多普勒平面圖上，針對包含所有高分辨雷達檢測點的集合，建立標準差橢圓。步驟二、判斷集合內(nèi)的目標個數(shù)：計算標準差橢圓內(nèi)過圓心且平行于距離采樣單元軸的線段mn的長度lmn，并將其與目標在雷達徑向上的最大分布長度Dr進行比較；如果Dr≤lmn，則判斷檢測點集合里包含多個目標，執(zhí)行步驟三；否則，判斷檢測點集合里只包含一個目標，執(zhí)行步驟四。步驟三、子集合劃分：將橫坐標小于或等于圓心橫坐標的檢測點劃分為一個子集合，將橫坐標大于圓心橫坐標的檢測點劃分為另一個子集合。然后針對每個子集合，采用步驟一～步驟三的方法，分別建立標準差橢圓模型、目標個數(shù)判斷和子集合劃分，直到每個子集合都只包含一個目標，執(zhí)行步驟四。步驟四、聚集檢測點：針對每個只包含1個目標的集合或子集合，對該集合或子集合進行聚集，選取集合或子集合內(nèi)幅值最大的點作為聚集結(jié)果或?qū)⒓匣蜃蛹蟽?nèi)的檢測點按幅值進行加權(quán)平均得到聚集結(jié)果。其中，建立標準差橢圓模型的步驟如下：步驟1.1：假設(shè)在距離多普勒平面目標經(jīng)過檢測后形成數(shù)量為n的檢測點，這些檢測點集合為G：G＝{p1(r1,d1),p2(r2,d2),...,pi(ri,di),..,pn(rn,dn)},1≤i≤n(1)其中，ri和di分別為檢測點pi所在的距離采樣單元和多普勒通道號。計算n個檢測點的平均中心R‾=Σi=1nri/n]]>D‾=Σi=1ndi/n---(2)]]>步驟1.2：將所有的檢測點進行坐標變換：ri′=ri-R‾]]>di′=di-D‾---(3)]]>步驟1.3：計算標準差橢圓圓心(C1,C2)：C1=Σi=1nri′/n]]>C2=Σi=1ndi′/n---(4)]]>步驟1.4：計算標準差橢圓轉(zhuǎn)角θ:tanθ=μ1+μ12+4μ222μ2---(5)]]>其中，μ1=Σi=1nri′2-Σi=1ndi′2]]>μ2=Σi=1nri′di′---(6)]]>其中，轉(zhuǎn)角θ為橢圓長軸與距離多普勒平面橫軸的夾角；。步驟1.5：計算橢圓的長軸σ1和短軸σ2：σ1=2Σi=1n(ri′cosθ-di′sinθ)2/n]]>σ2=2Σi=1n(ri′sinθ+di′cosθ)2/n---(7)]]>步驟1.6：建立目標檢測點橢圓方程：λ1(r-C1)2+λ2(r-C1)(d-C2)+λ3(d-C2)2+λ4＝0(8)其中，λ1=σ12cos2θ+σ22sin2θλ2=2(σ12-σ22)sinθcosθλ3=σ12sin2θ+σ22cos2θλ4=-σ12σ22.---(9)]]>優(yōu)選的，在步驟四中，針對集合內(nèi)的橢圓內(nèi)的檢測點進行聚集。有益效果：該方法不需要場景目標的先驗信息，也不需要給定初始的聚類中心，在任何復(fù)雜場景下，均可根據(jù)目標的檢測點的分布特征進行點跡聚類，因此對檢測點的聚集更加準確；在強雜波環(huán)境下，此算法能進一步減少“干擾雜波點”對目標點跡聚集的影響。附圖說明圖1為標準差橢圓模型示意圖。圖2為建立檢測點的標準差橢圓的流程圖。圖3為基于標準差橢圓的檢測點聚集方法的流程圖。圖4為基于標準差橢圓的檢測點聚集方法的工作流程示意圖。具體實施方式本發(fā)明提供了一種基于標準差橢圓的高分辨雷達檢測點聚集方法。目標檢測點的分布特征能夠展現(xiàn)目標的空間結(jié)構(gòu)信息，而目標的空間結(jié)構(gòu)不隨時間變化，并且不同目標的結(jié)構(gòu)特征差異較大，因此，本發(fā)明利用目標的檢測點分布特征進行檢測點聚集。在空間分析領(lǐng)域，標準差橢圓是點數(shù)據(jù)分布特征分析的一個重要工具，利用標準差橢圓可識別一組數(shù)據(jù)的方向及分布趨勢，并得到該組數(shù)據(jù)的一些特性?；诖?，提出一種基于標準差橢圓的檢測點聚集方法，根據(jù)目標檢測點的分布特征建立橢圓模型，并利用橢圓的特征參數(shù)聚集不同目標的檢測點，判斷目標個數(shù)并排除干擾點。下面結(jié)合附圖對本發(fā)明的實施方式作詳細說明。具體流程如圖3所示，具體包括如下步驟：步驟1、建立檢測點的標準差橢圓高分辨雷達目標回波經(jīng)相參積累和檢測后形成檢測點通常具有一定的方向偏離性并且檢測點具有高斯分布的特點，所以采用標準差橢圓模型來描述檢測點的分布。假設(shè)目標經(jīng)過檢測后在距離多普勒平面上(以距離采樣單元為橫坐標，多普勒通道信號為縱坐標的構(gòu)成的平面)形成數(shù)量為n的檢測點，這些檢測點集合為G＝{p1(r1,d1),p2(r2,d2),...,pi(ri,di),..,pn(rn,dn)},1≤i≤n(1)其中，ri和di分別為檢測點pi所在的距離采樣單元和多普勒通道號。采用如下步驟建立檢測點標準差橢圓模型，如圖1所示：步驟1.1：計算n個檢測點的平均中心R‾=Σi=1nri/nD‾=Σi=1ndi/n---(2)]]>步驟1.2：將所有的檢測點進行坐標變換：ri′=ri-R‾di′=di-D‾---(3)]]>步驟1.3：計算標準差橢圓圓心(C1,C2)：C1=Σi=1nri′/nC2=Σi=1ndi′/n---(4)]]>步驟1.4：計算標準差橢圓轉(zhuǎn)角θ:tanθ=μ1+μ12+4μ222μ2---(5)]]>其中，μ1=Σi=1nri′2-Σi=1ndi′2]]>μ2=Σi=1nri′di′---(6)]]>其中，轉(zhuǎn)角θ為橢圓長軸與r軸的夾角，r軸為距離多普勒平面的橫軸，如圖1所示。步驟1.5：計算橢圓的長軸σ1和短軸σ2：σ1=2Σi=1n(ri′cosθ-di′sinθ)2/nσ2=2Σi=1n(ri′sinθ+di′cosθ)2/n---(7)]]>步驟1.6：建立目標檢測點橢圓方程：λ1(r-C1)2+λ2(r-C1)(d-C2)+λ3(d-C2)2+λ4＝0(8)其中，λ1=σ12cos2θ+σ22sin2θλ2=2(σ12-σ22)sinθcosθλ3=σ12sin2θ+σ22cos2θλ4=-σ12σ22---(9)]]>步驟1.7：計算橢圓內(nèi)過圓心且平行于距離采樣單元軸的線段mn的長度lmn：lmn=2-λ4λ1---(10)]]>步驟1.8：得標準差橢圓的特征參數(shù)集合T：T＝{C1,C2,λ1,λ2,λ3,λ4,lmn}(11)步驟2、判斷檢測點集合內(nèi)含目標個數(shù)針對圖4(a)的檢測點集合G，經(jīng)計算后形成如圖4(b)所示的標準差橢圓，因單個目標所占距離單元數(shù)有限，所以可以通過線段mn的長度來判斷當前集合內(nèi)的檢測點是否屬于同一個目標，實現(xiàn)檢測點的聚集，具體流程：判斷線段mn長度是否滿足如下條件：lmn≤Dr(12)其中，Dr為已知的目標在雷達徑向上的最大分布長度；如果不滿足，則判定集合G內(nèi)包含多個目標的檢測點，執(zhí)行步驟3；否則判定集合G內(nèi)只包含一個目標的檢測點，執(zhí)行步驟4。步驟3、劃分檢測點集合為兩個子集合如果集合G內(nèi)包含多個目標的檢測點，則通過以下判斷條件ri≤C1(13)將集合G劃分為兩個子集合，即以圖4(c)中的虛線將檢測點分為左右兩個部分G1和G2，結(jié)果如圖4(d)；然后針對每個子集合重復(fù)步驟1～2計算兩個子集合的標準差橢圓，結(jié)果如圖4(e)所示，直到每個子集合的檢測點建立的標準差橢圓參數(shù)lmn都滿足式(12)；步驟4、排除干擾檢測點由于在復(fù)雜情況下，干擾回波經(jīng)檢測后形成干擾檢測點，干擾檢測點一般分布在目標檢測點的周圍，針對只包含一個目標的檢測點集合或子集，通過以下判斷條件排除所述標準差橢圓外的干擾點，即認為不滿足式(14)的檢測點為干擾點λ1(ri-C1)2+λ2(ri-C1)(di-C2)+λ3(di-C2)2+λ4＜0(14)圖4(f)和圖4(g)分別代表剔除前和剔除后的效果圖。最后形成兩個目標檢測點區(qū)域G1'和G2'，如圖4(h)所示。通過此方法能夠減少干擾檢測點對后續(xù)量測計算的影響。步驟5、聚集檢測點橢圓內(nèi)的多個檢測點均為同一目標的檢測結(jié)果，選取標準差橢圓內(nèi)幅值最大的點作為聚集結(jié)果或?qū)E圓圓內(nèi)的檢測點按幅值進行加權(quán)平均得到聚集結(jié)果，以進行后續(xù)的跟蹤處理。基于標準差橢圓的檢測點聚集方法利用了檢測點分布特征，建立檢測點的標準差橢圓模型，通過判斷橢圓的特征參數(shù)將不同目標的檢測點聚集起來，同時進一步減少了干擾噪聲對目標量測的影響。綜上所述，以上僅為本發(fā)明的較佳實施例而已，并非用于限定本發(fā)明的保護范圍。凡在本發(fā)明的精神和原則之內(nèi)，所作的任何修改、等同替換、改進等，均應(yīng)包含在本發(fā)明的保護范圍之內(nèi)。當前第1頁1 2 3