基于合作目标与雷达位置关系的阵面指向误差校正方法

    公开(公告)号:CN119024284A

    公开(公告)日:2024-11-26

    申请号:CN202411130524.2

    申请日:2024-08-16

    Abstract: 本发明公开一种基于合作目标与雷达位置关系的阵面指向误差校正方法,其实现步骤为:雷达对所有合作目标进行测量获取目标测量参数;对坐标转换后的每个合作目标位置坐标进行插值;构建归一化方向向量;利用每个插值后的合作目标位置坐标与雷达对各合作目标的测量构建关系方程;将归一化方向向量在阵面指向误差处进行一阶泰勒展开,再带入到关系方程中;将雷达对所有合作目标的所有测量形成的方程组合,并计算加权矩阵,利用加权最小二乘法求解方程,得到阵面指向误差。本发明设计的雷达阵面指向误差校正方法在归一化方向向量中考虑阵面指向误差,阵面指向误差表现形式简单明了,求解更加快速便捷,应用范围更广。

    基于顺序统计量的分布式雷达目标检测方法

    公开(公告)号:CN117406192A

    公开(公告)日:2024-01-16

    申请号:CN202311379269.0

    申请日:2023-10-24

    Abstract: 本发明提出了一种基于顺序统计量的分布式雷达目标检测方法,实现步骤为:初始化分布式雷达目标检测系统;每个雷达传感器对空间分辨单元的噪声功率进行估计;每个雷达传感器计算局部数据的概率密度函数;每个雷达传感器计算局部似然比统计量并发送;融合中心获取目标检测结果。本发明中每个雷达传感器通过对参考窗口观测值按升序的方式进行排序得到顺序统计量,并选取其中的一个顺序统计量作为噪声功率的估计以构建局部数据,避免了现有技术中当参考窗口内存在强干扰目标时导致估计的噪声功率过高且容易漏警的缺陷,有效提高了检测概率。

    基于低通信量量测的分布式雷达数据配准及融合检测方法

    公开(公告)号:CN117192497A

    公开(公告)日:2023-12-08

    申请号:CN202311117717.X

    申请日:2023-08-31

    Abstract: 本发明提出了一种基于低通信量量测的分布式雷达数据配准及融合检测方法,主要解决现有融合检测算法由于未考虑量测失配从而难以进行工程应用的问题。其实现方案是:根据回波信号构建局部的原始检验统计量;根据初始数据通过率及量化区间数,设计初始门限、量化门限、量化值,构建低通信量量测点;融合中心基于低通信量量测点自适应地构建检测窗,并基于广义似然比准则构建全局检验统计量;将全局检验统计量与检测门限进行比较完成目标是否存在的判决。仿真结果表明,本发明可在极低的通信负担与计算负担条件下有效地完成数据配准,能使系统保持较好的检测概率,利于工程实现,可用于通信带宽受限下的分布式雷达数据配准及目标检测。

    基于多雷达协同的一维距离图像三维场景恢复方法及装置

    公开(公告)号:CN115113162A

    公开(公告)日:2022-09-27

    申请号:CN202210675844.0

    申请日:2022-06-15

    Abstract: 本发明涉及一种基于多雷达协同的一维距离图像三维场景恢复方法及装置,恢复方法包括:对多部雷达的回波信号进行预处理,得到一维投影距离矩阵;获取已知视线角的三个一维投影距离数据组成的所有关联样本并利用几何约束原理重建所有关联样本的三维坐标;将每个三维坐标反投影到各部雷达的观测姿态上,并对三维坐标进行筛选得到完备集合;利用完备集合中每个关联方案的相似度对完备集合分类,区分隶属于不同散射点的一维散射中心的关联方案,得到目标关联方案;利用目标关联方案进行三维场景恢复。该方法可以提供更为精细的多视角信息,消除由于单一视角带来的遮挡问题,降低了误差点的影响,达到提取较为完整的目标三维轮廓信息的目的。

    一种多雷达系统中目标跟踪的协同检测和功率分配方法

    公开(公告)号:CN108802720B

    公开(公告)日:2022-02-22

    申请号:CN201810395710.7

    申请日:2018-04-27

    Abstract: 本发明涉及一种多雷达系统中目标跟踪的协同检测和功率分配方法,包括:建立多雷达系统;运动模型;观测模型;以及检测模型;将发射功率分配结果发送给发射机,并且由虚警率计算每个所述雷达站的有效测量值,根据所述有效测量值计算互联概率,从而更新目标状态;上述发射功率的分配和虚警率的选择是由定义的检测模型代替放松后的信息缩减因子所得到的贝叶斯信息矩阵得到最终优化模型决定的;将最终优化模型最小化,得到优化发射功率和优化虚警率。本发明是针对多雷达系统中的目标跟踪闭环感知,对于检测器根据每个跟踪帧的融合中心的计算能力,适当选择每个雷达的虚警率,对于发射机在每个跟踪帧处正确地分配具有预定功率预算的发射功率资源。

    一种用于异步多基地雷达系统的检测跟踪一体化方法

    公开(公告)号:CN108089183B

    公开(公告)日:2021-10-08

    申请号:CN201711214007.3

    申请日:2017-11-28

    Abstract: 本发明公开了一种用于异步多基地雷达系统的目标检测跟踪一体化方法,其思路为:建立异步多基地雷达系统,所述异步多基地雷达系统包含N个雷达站和一个融合中心,N个雷达站的探测区域中存在目标;令k表示第k时刻,k的初始值为1,K为预先设定的最大跟踪时刻;构建目标量测模型,确定第k时刻融合中心的目标状态,并确定目标的运动方程,以及第时刻异步多基地雷达系统得到的所有有效量测值;进而计算第1时刻融合中心得到的目标状态估计值x1|1至第K时刻融合中心得到的目标状态估计值xK|K,以及第1时刻融合中心得到的目标状态估计值的协方差C1|1至第K时刻融合中心得到的目标状态估计值的协方差CK|K,并记为一种用于异步多基地雷达系统的目标检测跟踪一体化结果。

    一种异步多目标跟踪性能驱动的异构雷达网资源分配方法

    公开(公告)号:CN110376580B

    公开(公告)日:2021-04-02

    申请号:CN201910482654.5

    申请日:2019-06-04

    Abstract: 本发明公开了一种异步多目标跟踪性能驱动的异构雷达网资源分配方法,首先建立异构雷达网,并建立目标运动模型和异步观测模型;然后基于融合时间间隔内的异步量测值集合将异构雷达网异质资源分配问题制定为凸问题,并根据其待优化资源变量可分为若干个互不重叠的块的特殊结构设计相应的块坐标下降方法搜索其最优解;基于资源分配的最优解和来自多个雷达对目标的异步测量值集合采用最大似然法估计目标的扩展状态,并将该状态作为卡尔曼滤波器的输入最终得到目标扩展状态的滤波值。该方法适用于异构雷达网有限异质发射资源条件下的资源分配,可以提高多目标跟踪精度。

    基于全极化共形MIMO雷达的目标极化参数估计方法

    公开(公告)号:CN112068082A

    公开(公告)日:2020-12-11

    申请号:CN202010964509.3

    申请日:2020-09-15

    Abstract: 本发明提出了基于全极化共形MIMO雷达的目标极化参数估计方法,用于解决目标极化参数估计精度低,计算复杂度高的问题,其实现步骤是:设置全极化共形MIMO雷达的天线排列形式;全极化共形MIMO雷达的接收端接收回波信号矩阵;计算接收波束形成的权值;获得极化通道回波信号;计算脉冲压缩权值;获取目标极化参数估计。本发明利用共形阵列和接收波束形成的权值,使得目标极化参数估计精度提高,可用于全极化共形MIMO雷达对运动目标的识别,跟踪和检测。

    一种雷达跟踪状态下的目标RCS的预测方法

    公开(公告)号:CN107544063B

    公开(公告)日:2020-05-01

    申请号:CN201710670059.5

    申请日:2017-08-08

    Abstract: 本发明属于雷达技术领域,公开了一种雷达跟踪状态下的目标RCS的预测方法,用于预测雷达跟踪过程中目标下一时刻的RCS值,包括:设定目标雷达截面积RCS的预测滤波器的阶数为M,根据目标跟踪算法得到目标自NP‑M+1时刻至NP时刻目标的距离与速度,以及自NP‑M+1时刻至NP时刻雷达对目标的观测角度,求得在自NP‑M+1时刻至NP时刻的目标距离以及运动模型,得到目标在第NP+1时刻的目标速度与目标距离的夹角预测值,由目标的观测角度求得目标RCS值的自相关矩阵和目标RCS值的互相关列向量,通过多普勒向量调节目标观测分量的协方差矩阵,求得目标RCS的预测滤波器系数,得到在第NP+1时刻的目标RCS的预测值。

    基于NRP-LSTM的非线性滤波方法

    公开(公告)号:CN110212891A

    公开(公告)日:2019-09-06

    申请号:CN201910473938.8

    申请日:2019-06-02

    Abstract: 本发明公开了一种基于非递归处理长短期记忆网络NRP-LSTM的非线性滤波方法,本发明实现的步骤如下:(1)构建非递归处理长短期记忆网络NRP-LSTM;(2)生成训练数据集;(3)构建训练非递归处理长短期记忆网络NRP-LSTM的代价函数;(4)训练非递归处理长短期记忆网络NRP-LSTM;(5)对待滤波目标进行非线性滤波。本发明通过基于非递归处理长短期记忆网络NRP-LSTM的非线性滤波方法,能够对非线性传感器观测下的非线性目标实施高精度的滤波,并提供滤波状态的方差信息。

Patent Agency Ranking