申请/专利权人：北京理工大学

申请日：2020-10-22

公开（公告）日：2024-02-27

公开（公告）号：CN112327290B

主分类号：G01S13/72

分类号：G01S13/72;G01S7/41

优先权：

专利状态码：有效-授权

法律状态：2024.02.27#授权;2021.02.26#实质审查的生效;2021.02.05#公开

摘要：本发明公开了一种基于多维特征融合JPDA的低空飞行小目标跟踪方法。本发明充分利用了雷达回波中的特征信息，利用模糊合成的方式对多维特征信息进行融合，得到量测与目标特征关联度，进而对传统JPDA算法中的关联概率进行加权。本发明方法充分挖掘了可有效区分目标和杂波量测点的多维特征信息，充分利用了目标与杂波特征的区分度及量测点信息，提高了杂波中低空小目标的跟踪精度，改善跟踪性能。

主权项：1.一种基于多维特征融合JPDA的低空飞行小目标跟踪方法，其特征在于，包括如下步骤：步骤1，从雷达回波的RCS和极化特征中选取出与Graves矩阵特征值相关的参数特征以及和极化方向图相关的参数特征；针对所述选取的各个参数特征，分别提取目标和杂波的该参数特征的PDF拟合函数；所述步骤1中，选取的参数特征包括：d、v、a0、a1；其中，DetG为Graves矩阵的行列式，λ1、λ2为Graves矩阵的特征值，φ为λS1与λS2的相位差值，λS1和λS2为SM矩阵的特征值；a0和a1为化简后极化方向图σα＝a0+a1cos2α-θ1+a2cos4α-θ2中的系数；α表示线性极化的方向，θ1和θ2为两个固定的相位因子；步骤2，对步骤1选取的参数特征进行模糊合成，得到多维特征融合后的量测与当前目标航迹的特征关联度；其中，参数特征p的模糊隶属度为目标和杂波的特征p的拟合PDF的比值，多维特征融合后的特征关联度为步骤1选取的所有参数特征的模糊隶属度的加权和；各参数特征的模糊隶属度的权重根据层次分析法获得；所述层次分析法中，首先针对各参数特征，计算出目标与杂波的该参数特征的PDF拟合函数的交叠面积S，对各参数特征的交叠面积S进行两两对比，获得参数特征的相对重要度比对关系判断矩阵，采用算术平均法计算获得各个参数特征的权值；步骤3，将所述多维特征融合后的特征关联度作为关联概率的加权系数，对传统的JPDA算法进行改进；步骤4，利用改进后的JPDA算法对杂波中低空飞行小目标进行跟踪。

全文数据：

权利要求：

百度查询： 北京理工大学 基于多维特征融合JPDA的低空飞行小目标跟踪方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD