[发明专利]一种基于标准差椭圆参数辅助的高分辨雷达航迹关联方法

摘要

本发明公开了一种基于标准差椭圆参数辅助的高分辨雷达航迹关联方法。本发明是基于标准差椭圆的航迹关联算法，较其他的特征辅助关联算法具有更好的关联准确度。本发明首先利用标准差椭圆对目标的检测点迹群进行聚类处理，不同的目标点迹群聚类为不同特征的椭圆，之后提出了椭圆的相似度的概念辅助帧间目标的关联处理。

主权项

1.一种基于标准差椭圆参数辅助的高分辨雷达航迹关联方法，其特征在于，包括以下步骤：步骤1、获取当前帧和下一帧的目标及其对应的标准差椭圆，具体包括如下子步骤：步骤1.1、建立标准差椭圆：在当前帧和下一帧的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1.2、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lmn，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Dr≤lmn，则判断检测点集合里包含多个目标，执行步骤1.3；否则，判断检测点集合里只包含一个目标，执行步骤1.4；步骤1.3、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1.1～1.3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1.4；步骤1.4、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目标或将集合或子集合内的检测点按幅值进行加权平均作为目标，由此获得当前帧和下一帧的目标及其对应的标准差椭圆；步骤2、建立目标的椭圆特征参数矩阵及量测矩阵：针对当前帧的第k个目标，其椭圆特征参数Tk(i)为：Tk(i)＝[σk1(i) σk2(i) θk(i) nk(i)]T   (1)其中，T代表转置，σk1(i)、σk2(i)、θk(i)和nk(i)分别为该目标对应的标准差椭圆的长轴、短轴、方向角和椭圆内的检测点个数；该目标在当前第i帧的量测矩阵Zk(i)为：Zk(i)＝[xk(i) yk(i) zk(i) Vkx(i) Vky(i) Vkz(i) σk1(i) σk2(i) θk(i) nk(i)]T  (2)其中，xk(i)、yk(i)和zk(i)分别为目标位置在空间直角坐标系下x、y、z轴上的分量；Vkx(i)、Vky(i)和Vkz(i)分别为目标速度在x、y、z轴方向上的分量；步骤3、筛选候选点迹：根据当前帧目标k的量测矩阵计算量测预测值，以量测预测值为中心建立椭圆波门；从步骤1中获得的下一帧的目标中，筛选落入波门内的下一帧的目标为目标k的候选点迹；步骤4、判断候选点迹个数：如果没有候选点迹，则本次航迹关联失败，终止本次关联；如果只有一个候选点迹，则直接用该点迹更新航迹；如果有多个候选点迹，则执行步骤5；步骤5、计算当前帧的目标k与每个候选点迹之间的相似度：假设当前帧目标k的标准差椭圆和候选点迹m的标准差椭圆的特征参数分别为步骤5.1：计算角度相似度Sθ＝|cos(θk(i)‑θm(i+1))|   (4)步骤5.2：计算长轴相似度步骤5.3：计算短轴相似度步骤5.4:计算检测点个数相似度步骤5.5：计算目标相似度步骤5.6：选取目标相似度最大者对应的候选点迹更新航迹。