[发明专利]一种基于环境态势分析的雷达目标跟踪方法

说明书

本发明公开了一种基于环境态势分析的雷达目标跟踪方法，包括极坐标扇区划分、扇区驱动跟踪、目标环境态势分析、目标匹配关联、目标清理和目标建航等处理过程。将极坐标系划分为等距离等方位的扇形区域，当雷达视频数据跨越既定方位后，驱动跟踪模块处理相应扇区的雷达目标数据。首先对雷达目标进行环境态势分析，将雷达目标环境态势归为三类，即安全状态、预警状态和融合状态，再根据雷达目标的不同环境态势选择不同的跟踪处理策略。其次是删除符合删除条件的目标，最后对未关联到目标的点迹进行建航处理。本发明提供了一种目标跟踪处理策略，对于降低误跟踪、提高系统跟踪稳定性有一定的作用。

技术领域

本发明涉及雷达目标跟踪技术领域，特别是一种基于环境态势分析的雷达目标跟踪方法。

背景技术

水面船舶目标在不同区域呈现不同特征，有些区域船舶密集度低，而有些区域船舶密集度高，船舶密集度较低区域的目标跟踪处理较为简单，而密集度高的地区目标跟踪处理较为复杂，如内河航道或港口，由于船舶密集程度较高，船舶间经常会出现追越、会遇和交叉（汽渡区尤为明显）的情况。船舶在近岸航行或经过锚地边缘也会出现类似情况，给雷达目标跟踪提出了很高的要求。这些情况下，船舶的雷达视频回波会与其他船舶或岸边的固定物回波发生融合，形成一个回波。船舶的回波在与其他回波发生融合的过程中，很有可能有机动行为，这样会导致船舶的雷达回波在解融合的时候其航向航速已经发生改变，进而影响雷达目标跟踪处理过程，经常会出现误跟踪或者航迹丢失的情况，影响船舶的持续稳定跟踪。

因此，有必要将船舶的环境态势因素纳入船舶目标跟踪处理中，根据船舶目标不同的状态对目标实施不同的跟踪处理策略。

雷达目标跟踪的方法则有很多，具体包括如下几种。

1.Singer在上世纪70年代提出了的最近邻法，这是一种非常简单的数据关联方法，但在杂波环境下会产生很多错误关联。

2.Bar-Shalom在1975年提出了概率数据关联算法（PDA），该算法解决了杂波环境下的目标跟踪问题；随后他又提出了联合概率数据关联算法（JPDA），统计区域范围内的所有跟踪目标与量测目标回波间的所有可能的组合方式的联合事件，通过联合似然函数求解关联概率，较好的解决了密集目标的关联问题。

3.αβ滤波算法是一种简单的易于工程实现的常增益滤波方法，已被广泛应用于跟踪滤波器的设计过程。

4.IMM滤波算法也由Bar-Shalom提出，算法实行多个模型并行工作，模型间以概率矩阵进行转移，目标状态估计是多个滤波器共同决定，不需要机动检测，具备自适应能力，是目前机动目标跟踪的最有效算法。

如上所述，雷达目标跟踪中常用的几种关联滤波算法各有优劣，如最近邻法在杂波环境或密集目标情况下误关联率较高、JPDA算法随样本大小成指数增长的计算量问题、αβ滤波算法不适用于机动目标跟踪、.IMM滤波算法同样存在较大计算量等，单一的算法很难满足实际需要，如何有效利用这些经典算法，扬长避短，针对性的进行目标跟踪处理是提升雷达跟踪性能的一种途径。

发明内容

本发明要解决的技术问题是针对上述现有技术的不足，而提供一种基于环境态势分析的雷达目标跟踪方法，该基于环境态势分析的雷达目标跟踪方法能将雷达目标分级处理，为不同目标分配不同的跟踪处理策略，有利于提升船舶目标跟踪的准确性和稳定性。

为解决上述技术问题，本发明采用的技术方案是：

一种基于环境态势分析的雷达目标跟踪方法，包括如下步骤。

步骤1，极坐标扇区划分：将雷达极坐标系按方位等分为M个扇区，再把每个扇区都等距离划分为N个扇形格子，最终形成M*N个扇形格子。

步骤2，扇区驱动跟踪：获取雷达视频帧数据，并记录每个雷达视频帧数据的方位所在扇区；当相邻雷达视频帧数据跨越不同扇区后，驱动雷达跟踪模块将对目标跟踪扇区的数据进行跟踪处理。