[发明专利]雷达点迹凝聚方法、系统及存储介质

说明书

本发明公开了雷达点迹凝聚方法、系统及计算机可读存储介质，所述方法先将雷达每帧的点迹数据进行奇异值分解，根据求解的特征值选取数据量小于原始数据但能够最大程度表示原始数据的数据，对得到的数据使用DBSCAN算法进行聚类，形成的每个类簇内点迹认为是同一目标的分裂点迹，统计每一个类簇的距离和方位范围，对获取的范围进行区间划分，根据幅值统计落入各区间点迹的离散系数，将离散系数小的区间做为凝聚区间，计算该区间的平均距离和方位，从而完成点迹凝聚。采用本发明的方法实现在复杂环境下，从雷达点迹的分布密度角度出发，通过提取特征信息、降低噪声杂波影响的方式进行点迹提取，而提高对目标距离和方位参数估计的精确。

技术领域

本发明涉及雷达点迹凝聚技术领域，尤其涉及雷达点迹凝聚方法、系统及计算机可读存储介质。

背景技术

在雷达探测目标的过程中，因受到噪声干扰、目标自身的电磁散射效应等因素导致一个目标可能在不同位置产生多个点迹，即出现目标分裂现象。作为雷达另一重要功能的目标跟踪以点迹为前提，所以点迹凝聚结果对后续的跟踪有很大的影响。点迹凝聚的主要思想为：对分布在多个距离单元、方位单元的目标信息进行一定准则的筛选，剔除无效数据，对属于同一目标的目标数据进行凝聚处理，提取出能够表示目标的参数信息。

传统的点迹凝聚方法主要有两种：1.根据方位中心算法的基本原理，得到点迹的距离和方位，该方法简单易操作，但是没有利用目标的幅值信息，容易受到环境的影响，凝聚结果存在着较大的误差；2.根据质量中心算法的基本原理，得到点迹的距离和方位，该方法对幅值信息加以利用，但是由于它信任了所有点迹群内的点，比较容易受到虚假点迹的影响。

鉴于上述原因，有必要提出一种新的雷达点迹凝聚方法

发明内容

本发明的主要目的在于提供雷达点迹凝聚方法、系统及计算机可读存储介质，旨在解决现有的雷达点迹凝聚方法误差较大的问题，提供一种能够解决在相对复杂环境下从点迹分布角度考虑，用少于原始数据但能够在很大程度上表示原始数据的特征数据更为准确实现雷达点迹凝聚的方法。

为实现上述目的，本发明提供雷达点迹凝聚方法，所述方法包括：

步骤S10，对原始的点迹数据进行SVD处理；

步骤S20，对步骤S10得到的数据采用DBSCAN算法进行聚类，对所形成的每个类簇内点迹认定为统一目标的分裂点迹；

步骤S30，对步骤S20得到的每个类簇进行统计，以得到每个类簇的距离和方位范围；

步骤S40，对得到的距离和方位范围进行区间划分，统计离散系数获得凝聚区间；

步骤S50，计算凝聚区间的平均距离和方位以完成点迹凝聚。

优选地，所述对原始的点迹数据进行SVD处理的步骤包括：

步骤S11，输入雷达点迹数据，根据雷达点迹数据构造矩阵；

步骤S12，将根据点迹数据构造的矩阵进行奇异值分解，形成包含重要特征的奇异值分解矩阵。

优选地，所述步骤S11中根据雷达点迹数据构造矩阵中的矩阵为：

其中，m表示存储数据方位数，n表示每个方位上存储的点迹个数，A_(i，j)表示方位为i，距离为j的点迹幅值。

优选地，所述对步骤S10得到的数据采用DBSCAN算法进行聚类的步骤包括：

步骤S21，设置DBSCAN的参数：半径Eps以及最小样本点数MinPts；