[发明专利]一种基于机器学习的点迹过滤处理方法

权利要求书

1.一种基于机器学习的点迹过滤处理方法，其特征在于：包括以下步骤：

步骤S1：雷达进行多周期扫描探测，对杂波图建立笛卡尔坐标系，然后设置初始化相应配置参数；

EchoMapCfg.xMin为雷达X方向距离最小值；EchoMapCfg.xMax为雷达X方向距离最大值；EchoMapCfg.yMin为雷达Y方向距离最小值；EchoMapCfg.yMax为雷达Y方向距离最大值；EchoMapCfg.xUnit为雷达X方向距离量化值；EchoMapCfg.yUnit为雷达Y方向距离量化值；EchoMapCfg.DetectPeriod为杂波图更新周期；

EchoMapCfg.Enable为杂波图有效标识；

步骤S2：在笛卡尔坐标系中按雷达X方向距离量化值和雷达Y方向距离量化值对雷达探测范围进行网格化处理；

步骤S3：将雷达每个扫描周期依次检测到的点迹映射到相应的杂波图网格内，累计对应杂波图上相同网格内的点迹数，存储点迹幅度；

步骤S4：若杂波网格内点迹幅度大于或等于点迹幅度门限，则对该点迹进行过滤处理；否则执行步骤S5；

步骤S5：构建非参数统计模型计算点迹数，若雷达扫描周期计数值满足杂波图更新条件，则更新杂波图区域信息，设置杂波图为有效状态；同时，将杂波图更新周期重置为零；

步骤S6：对于强杂波网格区域，对其网格内的点迹幅度按从小到大排序，建立非参数统计模型，计算点迹幅度门限值；

步骤S7：重复步骤S3~步骤S6，直至雷达不再运行。

2.根据权利要求1所述的基于机器学习的点迹过滤处理方法，其特征在于：所述步骤S2中网格化的公式为：

；

xMaxUnit和 yMaxUnit分别是雷达X方向距离和雷达Y方向距离上的最大网格数。

3.根据权利要求1所述的基于机器学习的点迹过滤处理方法，其特征在于：所述步骤S3的详细方法为：

步骤S3.1、设雷达扫描周期计数值ScanCnt，第i个回波点迹信息表示为(PlotDis,PlotAzi,PlotAmp)；

其中，PlotDis为点迹距离，PlotAzi为点迹方位，PlotAmp为点迹幅度；

计算该回波点迹i在杂波网格图中的网格编号Index，计算公式如下，

步骤S3.2、将点迹对应的杂波网格进行点迹累加更新，同时存储点迹幅度信息：累加更新的方法如下：

；

Cnt是杂波网格内点迹幅度的计数值，初始化值为零；

xMaxUnit和yMaxUnit分别是雷达X方向距离和雷达Y方向距离上的最大网格数。