[发明专利]一种基于标准差椭圆的高分辨雷达检测点聚集方法

说明书

本发明公开了一种基于标准差椭圆的高分辨雷达检测点聚集方法。使用本发明能够在复杂场景下能够更准确地聚集检测点。本发明根据目标检测点的分布特征建立椭圆模型，并利用椭圆的特征参数聚集不同目标的检测点，判断目标个数并排除干扰点。该方法不需要场景目标的先验信息，也不需要给定初始的聚类中心，在任何复杂场景下，均可根据目标的检测点的分布特征进行点迹聚类，因此对检测点的聚集更加准确；在强杂波环境下，此方法能进一步减少“干扰杂波点”对目标点迹聚集的影响。

技术领域

本发明属于高分辨雷达技术领域，具体涉及一种基于标准差椭圆的高分辨雷达检测点聚集方法。

背景技术

高分辨雷达通过发射宽带波形获得高的距离分辨率，从而可以获取更丰富的目标特征信息，是现代雷达技术的重要发展方向，在这里，高分辨率雷达是指能分辨的两个目标物的最小实际距离在厘米级及以下的雷达。高分辨率雷达工作过程中，由于目标尺寸通常会大于距离分辨单元，单个目标的检测结果会表现为多个检测点，这给目标跟踪带来困难。在复杂环境下，能否将同一目标的多个检测点进行正确聚集，同时区分不同目标各自的检测点，是高分辨雷达目标跟踪前的一个重要步骤。传统的基于k-均值的检测点聚集方法需要场景中目标个数的先验信息，并且初始聚类中心的选取对聚集结果存在较大影响，这使复杂场景下目标的检测点聚集较为困难。

发明内容

针对上述现有技术，本发明提供了一种基于标准差椭圆的高分辨雷达检测点聚集方法，能够在复杂场景下能够更准确地聚集检测点，具体步骤如下:

步骤一、建立标准差椭圆：在距离多普勒平面图上，针对包含所有高分辨雷达检测点的集合，建立标准差椭圆；

步骤二、判断集合内的目标个数：计算标准差椭圆内过圆心且平行于距离采样单元轴的线段mn的长度l_mn，并将其与目标在雷达径向上的最大分布长度Dr进行比较；如果D_r＜l_mn，则判断检测点集合里包含多个目标，执行步骤三；否则，判断检测点集合里只包含一个目标，执行步骤四；

步骤三、子集合划分：将横坐标小于或等于圆心横坐标的检测点划分为一个子集合，将横坐标大于圆心横坐标的检测点划分为另一个子集合；然后针对每个子集合，采用步骤一～步骤三的方法，分别建立标准差椭圆模型、目标个数判断和子集合划分，直到每个子集合都只包含一个目标，执行步骤四；

步骤四、聚集检测点：针对每个只包含1个目标的集合或子集合，对该集合或子集合进行聚集，选取集合或子集合内幅值最大的点作为聚集结果或将集合或子集合内的检测点按幅值进行加权平均得到聚集结果。

其中，建立标准差椭圆模型的步骤如下：

步骤1.1：假设在距离多普勒平面目标经过检测后形成数量为n的检测点，这些检测点集合为G：

G＝{p₁(r₁,d₁),p₂(r₂,d₂),...,p_i(r_i,d_i),..,p_n(r_n,d_n)},1≤i≤n (1)

其中，r_i和d_i分别为检测点p_i所在的距离采样单元和多普勒通道号；

计算n个检测点的平均中心

步骤1.2：将所有的检测点进行坐标变换为：

步骤1.3：计算标准差椭圆圆心(C₁,C₂)：