[发明专利]基于KD-树空间搜索的DBSCAN生命探测雷达点迹凝聚方法和系统

说明书

本发明公开了一种基于KD‑树空间搜索的DBSCAN生命探测雷达点迹凝聚方法和系统，所述方法包括：获得生命探测雷达原始回波图像并利用所述原始回波图像的目标像素点创建KD‑树；利用所述KD‑树搜索树中每一点p的Eps邻域半径内的子样本集合；根据所述子样本集合获得p点的聚类簇；遍历所述原始回波图像中未判断的点，直到所有点判断结束，获得所述原始回波图像的聚类后图像；对所述聚类后图像做点迹凝聚处理，以获得点迹凝聚结果。本发明的方法在邻域查询过程中，只需遍历KD‑树中有限数量的路径，减少了目标点迹的聚类时间，极大地提高了点迹凝聚效率，有效满足雷达系统处理的实时性要求。

技术领域

本发明属于雷达点迹凝聚技术领域，具体涉及一种基于KD-树空间搜索的DBSCAN生命探测雷达点迹凝聚方法和系统。

背景技术

生命探测雷达是一种特殊的雷达，其不需要电极和传感器接触生命体，而是间隔一定的距离穿透非金属介质获取目标区域人体的呼吸和心跳信息。雷达发射的电磁波穿透介质照射到人体，受到人体体表微动的多普勒调制，对后向散射回波做相干处理可检测出回波中的多普勒信息，经放大滤波后可获得人的呼吸和心跳信息，由于该技术不受环境温度、热物体和声音干扰等优点，被广泛应用于地震、坍塌、建筑物倒塌下的废墟救援，反恐行动中对人员情况的掌握，生物医疗中对人体呼吸心跳信号的检测等领域。

早期雷达由于其分辨率较低，雷达目标仅由一个或少数几个点组成，目标点迹凝聚处理运算量相对较少。近些年，随着生命探测雷达系统向多发多收大实孔径阵列发展，并采用超宽带雷达体制及目标成像算法，使得目标成像后结果不再是点目标，而是围绕目标真实位置的点迹簇。高分辨率的雷达系统通常数据量较大，为了满足雷达高数据率的处理要求，需要尽可能快地对雷达数据进行凝聚处理。传统点迹凝聚算法对目标形状要求较高，其自适应窗宽并不能完全适应所有目标的形状，得到目标凝聚点迹的估值精度不够，远不能满足高分辨生命探测雷达目标凝聚处理的实时性与凝聚结果的精确性要求。

发明内容

为了解决现有技术中存在的上述问题，本发明提供了一种基于KD-树空间搜索的DBSCAN生命探测雷达点迹凝聚方法和系统。本发明要解决的技术问题通过以下技术方案实现：

本发明的一个方面提供了一种基于KD-树空间搜索的DBSCAN生命探测雷达点迹凝聚方法，包括：

S1：获得生命探测雷达原始回波图像并利用所述原始回波图像的目标像素点创建KD-树；

S2：利用所述KD-树搜索树中任一点p的Eps邻域半径内的子样本集合；

S3：根据所述子样本集合获得p点的聚类簇；

S4：重复S2至S3，遍历所述原始回波图像中未判断的点，直到所有点判断结束，获得所述原始回波图像的聚类后图像；

S5：对所述聚类后图像做点迹凝聚处理，以获得点迹凝聚结果。

在本发明的一个实施例中，所述S1包括：

S11：获取所述原始回波图像中所有的像素点坐标；

S12：计算所有像素点坐标在两个维度上的数据方差，获得最大方差值；

S13：选取最大方差值所在维度作为分割维Split-dim；

S14：在所述分割维Split-dim上对所述原始回波图像的所有像素点进行排序，取像素点中值作为KD-树超平面的分割点x_k；

S15：将所述原始回波图像除分割点x_k之外的所有像素点中，第Split-dim维小于等于x_k的像素点划分到左子树，其余划分到右子树；

S16：对所述左子树和所述右子树中的像素点重复执行S12至S15，直至只包含一个像素点，获得KD-树。