反无人机探测系统、方法和雷达设备与流程

文档序号:26000954发布日期:2021-07-23 21:17阅读:187来源:国知局
反无人机探测系统、方法和雷达设备与流程
本申请属于反无人机探测
技术领域
,尤其涉及一种反无人机探测系统、方法和雷达设备。
背景技术
:近年来,随着无人机技术的迅速发展,无人机数量成几何增长,但对无人机的管理却相对滞后,因此其对民用航空的飞行安全构成了新的威胁。那么,如何有效探测、识别和监视低空无人机,对于保障民航飞行安全具有重要意义。在现有的实际应用的反无人机探测系统中,因对目标进行宽波束搜索探测的探测雷达成本较高,用户的费用承受能力不足,则多数采用低成本的以通信链路侦察为主的反无人机系统,通过对无人机通信链路进行探测,根据接收到的电磁信号分析目标是否是无人机。但是,传统技术中的反无人机探测系统对无人机的识别探测结果准确率较低,无法较好的对无人机进行精确定位。技术实现要素:本申请实施例提供了一种反无人机探测系统、方法和雷达设备,可以解决传统技术中反无人机探测系统对无人机的识别探测结果准确率较低,无法较好的对无人机进行精确定位的问题。第一方面,本申请实施例提供了一种反无人机探测系统,包括:频谱探测设备、雷达设备和光电设备,当所述频谱探测设备接收到无人机频段电磁信号时,所述频谱探测设备获取目标的第一方位信息;若目标与所述雷达设备之间的距离小于或者等于第一距离阈值,所述频谱探测设备将所述第一方位信息发送至所述雷达设备,所述雷达设备根据所述第一方位信息,采用第一波束宽度对所述目标进行跟踪,获取所述目标的第二方位信息;若所述目标与所述光电设备之间的距离小于或者等于第二距离阈值,所述雷达设备将所述第二方位信息发送至所述光电设备,所述光电设备根据所述第二方位信息获取目标图像,并对所述目标图像进行识别,得到目标识别结果;若所述目标识别结果包括所述目标为无人机,所述光电设备对所述目标进行跟踪得到第一目标航迹,将所述第一目标航迹作为所述无人机的探测结果。上述反无人机探测系统,首先采用频谱探测设备探测无人机频段电磁信号,在目标距离雷达设备小于或者等于第一距离阈值时,频谱探测设备引导雷达设备对目标进行跟踪,然后在目标距离光电设备小于或者等于第二距离阈值时,雷达设备引导光电设备进行识别跟踪,由此,在频谱探测设备、雷达设备和光电设备的相互配合工作下,实现对无人机的精确探测过程,同时可提高对无人机定位的精确性。另外,将频谱探测设备、雷达设备和光电设备集成于一个系统中,实现高度集成化、一体化设计,各设备之间连接简单,结构零部件技术可靠,整体可靠性较高;且可成倍节省空间及安装时间,同时集成化设计可成倍减轻系统总重,大大减小系统架设时间,操作简单,便于快速部署。在第一方面的一种可能的实现方式中,若所述目标识别结果包括所述目标为无人机,还包括:所述雷达设备采用第二波束宽度对所述目标进行跟踪得到第二目标航迹,所述第二波束宽度小于所述第一波束宽度;所述将所述第一目标航迹作为所述无人机的探测结果,包括:所述雷达设备对所述第一目标航迹和所述第二目标航迹进行匹配,若匹配成功,将所述第一目标航迹或所述第二目标航迹作为所述无人机的探测结果。在第一方面的一种可能的实现方式中,所述雷达设备根据所述第一方位信息,采用第一波束宽度对所述目标进行跟踪,包括:所述雷达设备采用第一波束宽度发射电磁波,接收目标反射的回波信号,对所述回波信号进行处理得到所述第一方位信息对应的目标的点迹,以对所述目标进行跟踪。在第一方面的一种可能的实现方式中,所述雷达设备接收目标反射的回波信号之后,还包括:所述雷达设备采用预设的神经网络算法对接收到的回波信号进行分类识别,将不属于无人机类别的回波信号剔除。在第一方面的一种可能的实现方式中,所述第一方位信息包括所述目标的方位角,所述第二方位信息包括所述目标的方位角、俯仰角、以及所述目标与所述雷达设备的距离。在第一方面的一种可能的实现方式中,所述系统还包括显控终端;所述光电设备还用于将所述第一目标航迹和/或所述目标图像发送至所述显控终端,所述显控终端将第一目标航迹和/或所述目标图像进行显示。在第一方面的一种可能的实现方式中,所述系统还包括指挥控制平台;若所述目标识别结果包括所述目标为无人机,所述光电设备还用于向所述指挥控制平台发送报警信息。第二方面,本申请实施例提供了一种反无人机探测方法,所述方法由雷达设备执行,包括:接收频谱探测设备发送的目标的第一方位信息;根据所述第一方位信息,采用第一波束宽度对所述目标进行跟踪,获取所述目标的第二方位信息;若所述目标与光电设备之间的距离小于或者等于第二距离阈值,将所述第二方位信息发送至所述光电设备,以使所述光电设备根据所述第二方位信息对所述目标进行跟踪得到第一目标航迹。在第二方面的一种可能的实现方式中,所述方法还包括:采用第二波束宽度对所述目标进行跟踪得到第二目标航迹,所述第二波束宽度小于所述第一波束宽度;对所述第一目标航迹和所述第二目标航迹进行匹配,若匹配成功,将所述第一目标航迹或所述第二目标航迹作为所述无人机的探测结果。第三方面,本申请实施例提供了一种雷达设备,包括:发射器、接收器和处理器,所述接收器,用于接收频谱探测设备发送的目标的第一方位信息;所述处理器,用于根据所述第一方位信息,采用第一波束宽度对所述目标进行跟踪,获取所述目标的第二方位信息;所述发射器,用于在所述目标与光电设备之间的距离小于或者等于第二距离阈值的情况下,将所述第二方位信息发送至所述光电设备,以使所述光电设备根据所述第二方位信息对所述目标进行跟踪得到第一目标航迹。可以理解的是,上述第二方面与第三方面的有益效果可以参见上述第一方面中的相关描述,在此不再赘述。附图说明为了更清楚地说明本申请实施例中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本申请的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。图1中的(a)图是本申请一实施例提供的反无人机探测系统的主视示意图;图1中的(b)图是本申请一实施例提供的反无人机探测系统的侧视示意图;图2为本申请一实施例提供的基于协同半监督的深度学习图像自动分类算法的协同训练过程;图3为本申请一实施例提供的基于神经网络的智能目标分类识别器的结构示意图;图4是本申请另一实施例提供的反无人机探测系统的结构示意图;图5是本申请又一实施例提供的反无人机探测系统的结构示意图;图6是本申请一实施例提供的反无人机探测方法的流程示意图;图7是本申请另一实施例提供的反无人机探测方法的流程示意图;图8是本申请一实施例提供的雷达设备的结构示意图。附图标记说明:1:频谱探测设备;2:光电设备;3:雷达设备;4:显控终端;5:指挥控制平台;31:发射器;32:接收器;33:处理器。具体实施方式以下描述中,为了说明而不是为了限定,提出了诸如特定系统结构、技术之类的具体细节,以便透彻理解本申请实施例。然而,本领域的技术人员应当清楚,在没有这些具体细节的其它实施例中也可以实现本申请。在其它情况中,省略对众所周知的系统、装置、电路以及方法的详细说明,以免不必要的细节妨碍本申请的描述。应当理解,当在本申请说明书和所附权利要求书中使用时,术语“包括”指示所描述特征、整体、步骤、操作、元素和/或组件的存在,但并不排除一个或多个其它特征、整体、步骤、操作、元素、组件和/或其集合的存在或添加。还应当理解,在本申请说明书和所附权利要求书中使用的术语“和/或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合,并且包括这些组合。如在本申请说明书和所附权利要求书中所使用的那样,术语“如果”可以依据上下文被解释为“当...时”或“一旦”或“响应于确定”或“响应于检测到”。类似地,短语“如果确定”或“如果检测到[所描述条件或事件]”可以依据上下文被解释为意指“一旦确定”或“响应于确定”或“一旦检测到[所描述条件或事件]”或“响应于检测到[所描述条件或事件]”。另外,在本申请说明书和所附权利要求书的描述中,术语“第一”、“第二”、“第三”等仅用于区分描述,而不能理解为指示或暗示相对重要性。在本申请说明书中描述的参考“一个实施例”或“一些实施例”等意味着在本申请的一个或多个实施例中包括结合该实施例描述的特定特征、结构或特点。由此,在本说明书中的不同之处出现的语句“在一个实施例中”、“在一些实施例中”、“在其他一些实施例中”、“在另外一些实施例中”等不是必然都参考相同的实施例,而是意味着“一个或多个但不是所有的实施例”,除非是以其他方式另外特别强调。术语“包括”、“包含”、“具有”及它们的变形都意味着“包括但不限于”,除非是以其他方式另外特别强调。本申请实施例提供的反无人机探测方法可以应用于图1所示的反无人机探测系统中,其中,图1中的(a)图为该系统结构的主视图,图1中的(b)图为该系统结构的侧视图。如图1所示,该系统包括频谱探测设备1、光电设备2和雷达设备3;频谱探测设备1可以为无线电频谱探测设备,用于360°实时接收无人机频段电磁信号,并在接收到无人机频段电磁信号后联动雷达设备3;雷达设备3首先对目标进行粗跟踪,引导光电设备2对目标进行识别取证;在光电设备2确定目标为无人机后,雷达设备3再对目标进行精确跟踪,并可以将雷达设备3获得的目标航迹与光电设备获得的目标航迹进行匹配,以输出精确的反无人机探测结果。在图1所示的反无人机探测系统工作过程中,当频谱探测设备1接收到无人机频段电磁信号时,频谱探测设备1获取目标的第一方位信息。其中,无人机在飞行过程中需要接收遥控终端的遥控信号,同时遥控终端接收无人机下行的图传信号,这些无线通信链路均会占用频谱资源,频谱探测设备1可实现对这些信号的实时搜索和探测。具体地,频谱探测设备1可以对防护空域进行360°的搜索探测,在无人机的工作频段实时接收电磁信号,并采用基于微带天线的幅度比值查表算法,使频谱探测设备1的探测精度≤3°;其中,频谱探测设备1的监测天线实时360°接收无人机频段电磁信号,一旦发现该频段有电磁信号,电子开关开启多通道测向天线,利用多个测向天线进行多通道联合接收无人机频段电磁信号,对接收的信号进行电平检测,并可以获取目标的第一方位信息(如方位角信息等)。频谱探测设备1工作时的技术指标可以参见表1所示。在一种可能的实现方式中,频谱探测设备1还可以在全频段进行探测,当探测到无线电信号时,将该无线电信号频率特征与频谱特征数据库(包括433m、900m、1.6g、2.4g、5.8g五个频段)中的无人机频段进行对比,若比对成功则确认接收到无人机频段电磁信号,并获取目标的第一方位信息。可选地,当确认接收到无人机频段电磁信号时,频谱探测设备1还可以生成报警信息。表1频谱探测设备技术指标探测距离≥3km(高度1km以下全覆盖)探测范围0°~360°探测精度方位精度:≤3°探测频段范围433m、900m、1.6g、2.4g、5.8g五个频段工作模式实现无人机测向,可识别无人机型号多目标能力同时搜索目标数目:≥10个若上述探测到的目标与雷达设备3之间的距离小于或者等于第一距离阈值,则频谱探测设备1将上述第一方位信息发送至雷达设备3,雷达设备3根据第一方位信息,采用第一波束宽度对该目标进行跟踪,以获取该目标的第二方位信息。具体地,上述第一距离阈值可以为雷达设备3的跟踪距离上限,如2km,第一波束宽度可以为较宽的波束宽度,如3°。若上述探测到的目标与雷达设备3之间的距离大于第一距离阈值,说明此时雷达设备3还可能跟踪不到该目标,则继续由频谱探测设备1跟踪目标;若目标与雷达设备3之间的距离小于或者等于第一距离阈值,说明此时雷达设备3可以跟踪到该目标,则雷达设备3可以根据频谱探测设备1获取的第一方位信息,对目标进行定位跟踪。其中,在雷达设备3对目标跟踪过程中,若未发现目标,则返回由频谱探测设备1探测跟踪目标的过程。若发现目标,则采用第一波束宽度对该目标进行粗跟踪,并可以实时获取目标在移动过程中的第二方位信息,如目标的方位角、俯仰角、以及目标与雷达设备3的距离等。可选地,当雷达设备3发现目标后,也可以生成报警信息。在本实施例中,可以将传统的探测雷达替换为跟踪雷达,相对于探测雷达波束较窄,且仅在第一距离阈值内探测,成本较低;该雷达采用脉冲多普勒相控阵技术体制,通过模块化、精细化设计,综合运用数字t/r、dbf、自适应目标检测、卡尔曼滤波等技术手段,以实现重点监控无人机目标,具有机动跟踪能力强、地杂波抑制程度高、功耗低、成本低等特点,雷达设备3工作时的技术指标可以参见表2所示,其中rcs为雷达散射截面(radarcrosssection,rcs)。表2雷达设备技术指标跟踪距离≥2km(rcs=0.01m2)跟踪范围仰角覆盖18°,方位覆盖±45°测速范围0.3m/s~100m/s工作频段c频段测量精度距离精度≤10m,方位精度≤1°,速度精度≤0.1m/s数据处理能力跟踪方式:连续跟踪;地图数据:可叠加地图、海图多目标能力跟踪并记录目标数目:≥50个在目标移动过程中,若目标与光电设备2之间的距离小于或者等于第二距离阈值,雷达设备3将上述第二方位信息发送至光电设备2,光电设备根据第二方位信息获取目标图像,并对目标图像进行识别,得到目标识别结果。具体地,上述第二距离阈值可以为光电设备2的探测距离上限,如1km。若上述探测到的目标与光电设备2之间的距离大于第二距离阈值,说明此时光电设备2还可能探测不到该目标,则继续由雷达设备3宽波束跟踪目标;若目标与光电设备2之间的距离小于或者等于第二距离阈值,说明此时光电设备2可以探测到该目标,则雷达设备3可以将第二方位信息输出至光电设备2,进而光电设备2根据第二方位信息指向目标,获得目标图像;其中,光电设备2具备了可见光和红外两种探测器,可见光探测器用于白天对目标成像,红外探测器用于夜间对目标成像。光电设备2工作时的技术指标可以参见表3所示。在获取目标图像后,光电设备2可以对目标图像进行分类识别,确认图像中的目标是否为无人机;可选地,光电设备2可以采用深度学习算法对目标图像进行识别。其中,若目标识别结果中目标不是无人机,则继续使用频谱探测设备1探测无人机频段电磁信号;若目标识别结果中目标为无人机,则采用光电设备2对目标进行跟踪,根据目标移动过程中的点迹形成第一目标航迹,将该第一目标航迹作为无人机的探测结果,以对无人机的航迹进行分析监视;同时,还可以测量出目标的高精度方位、俯仰角,并实时显示目标的高清图像,能对目标进行缩放识别。可选地,若光电设备2识别出目标为无人机时,同样可以生成报警信息。表3光电设备技术指标可选地,上述深度学习算法可以为基于协同半监督的深度学习视频图像目标分类算法,半监督分类的主要优势在于利用少量的已标记样本来确定未标记样本的标签以此不断更新扩充训练集;本申请实施例针对在仅有少量已标记样本和大量未标签数据的情况下,结合协同训练的思想,将深度学习图像分类算法引入半监督学习领域,提出一种基于协同半监督的深度学习图像自动分类算法。该算法主要完成了使用少量的标记样本对大量未标记样本进行标记的工作,并利用最终模型对目标图像进行目标分类;该算法利用三个不同的cnn模型(vggnet、googlenet、resnet)分类器进行协同训练来给未标记样本打标签,算法的协同训练过程如图2所示,其主要思想为:利用相同的已标记的样本数据作为训练集,三个不同的学习器分别进行有监督训练,得到三个不同的分类器;用训练好的分类器对未标注的测试集进行测试,若三个模型预测标签一致,则将其标签作为正确标签并加入训练集;若只有两个模型的预测结果一致,则将置信度较高的样本及标签加入训练集,置信度较低的样本留在测试集;若三个模型的预测结果都不一致的,继续留在测试集。上述反无人机探测系统,首先采用频谱探测设备探测无人机频段电磁信号,在目标距离雷达设备小于或者等于第一距离阈值时,频谱探测设备引导雷达设备对目标进行跟踪,然后在目标距离光电设备小于或者等于第二距离阈值时,雷达设备引导光电设备进行识别跟踪,由此,在频谱探测设备、雷达设备和光电设备的相互配合工作下,实现对无人机的精确探测过程,同时可提高对无人机定位的精确性。另外,将频谱探测设备、雷达设备和光电设备集成于一个系统中,实现高度集成化、一体化设计,各设备之间连接简单,结构零部件技术可靠,整体可靠性较高;且可成倍节省空间及安装时间,同时集成化设计可成倍减轻系统总重,大大减小系统架设时间,操作简单,便于快速部署。在另一个实施例中,若上述目标识别结果包括目标为无人机,则雷达设备3还可以将第一波束宽度调整为第二波束宽度(例如从3°变换为1°),采用第二波束宽度对目标进行跟踪得到第二目标航迹;然后采用模糊逻辑算法对光电设备2得到的第一目标航迹与第二目标航迹进行匹配,若匹配成功说明光电设备2与雷达设备3对目标进行跟踪的结果比较接近,得到的目标航迹精确度较高,则雷达设备3可以将第一目标航迹或者第二目标航迹作为无人机的探测结果。可选地,雷达设备3得到的第二目标航迹、光电设备2得到的第一目标航迹以及频谱探测设备1得到的目标数据都可以存入数据库中,以供后续分析处理。可选地,雷达设备3除了调整波束宽度之外,还可以调整距离波门,如将距离波门从20微秒调整为5微秒,实现进一步的精跟踪过程。在另一个实施例中,上述雷达设备3根据第一方位信息,采用第一波束宽度对目标进行跟踪的过程,可以包括:雷达设备3采用第一波束宽度发射电磁波,若在发射区域存在目标,则目标接收到电磁波后可以反射回波信号,雷达设备接收到该回波信号后,可以对回波信号进行滤波并处理,以得到与上述第一方位信息对应的目标的点迹(包括目标的方位角、俯仰角及位置等信息);雷达设备3通过不断的发射电磁波,以及不断的接收目标的回波信号,可实现对目标的跟踪过程。通过本实施例中跟踪雷达对目标进行跟踪,可减少成本并提高跟踪结果的精确性。同理,雷达设备3采用第二波束宽度对目标进行跟踪的过程类似,在此不再赘述。可选地,在雷达设备3接收到目标反射的回波信号后,还可以采用预设的神经网络算法对接收到的回波信号进行分类识别,将不属于无人机类别的回波信号剔除,以过滤掉干扰信号。作为示例而非限定性的,所采用的神经网络算法可以为基于循环神经网络的目标分类智能识别分类器算法。其中,基于循环神经网络的智能目标分类识别器的结构可以如图3所示,传统上的目标分类识别是基于判决准则匹配的,基本过程为首先根据雷达探测数据,计算和判定出目标特征,根据目标特征进行目标类型匹配,得出目标类型。特征集中有一些特征可以直接计算和提取,例如航路捷径、俯冲角、rcs等,但是也有不便于量化的特征需要人为判断,例如无人机的飞行速度通常较慢等。针对传统技术的复杂判断过程,神经网络可以解决这一难题,采用基于神经网络的目标识别,利用足够多的训练数据便可以训练出识别准确率高和实时性好的网络;目标分类识别往往要求从序列数据的角度对目标的参数或者特征序列进行考虑,不但从特征数据的层面,更能从行为的层面辅助分类,循环神经网络是一种能够对序列数据进行处理和分类的神经网络,具有记忆性,可以较好的解决目标智能识别等需要结合序列数据进行分类的问题。在另一个实施例中,如图4所示,上述反无人机探测系统还可以包括显控终端4;其中,光电设备2可以将生成的第一目标航迹和/或采集的目标图像发送至该显控终端4,显控终端4便可以将第一目标航迹和/或目标图像进行显示,以供监控人员观看,并确定是否进行干扰处置。可选地,频谱探测设备1也可以将探测到的目标数据发送至显控终端4,雷达设备3也可以将第二目标航迹发送至显控终端4,显控终端4实现对目标各种数据的显示和监控,同时还可以对目标的各种数据进行存储,供后续取证调查使用。另外,当各设备将目标数据发送至显控终端4后,可以由频谱探测设备1重新执行无人机频段电磁信号探测的过程。在另一个实施例中,如图5所示,上述反无人机探测系统还可以包括指挥控制平台5;其中,若上述目标识别结果包括目标为无人机,则光电设备2可以向指挥控制平台5发送报警信息,以提示监控人员有无人机出现。可选地,频谱探测设备1和雷达设备3也可以将报警信息发送至指挥控制平台5。另外,频谱探测设备1、光电设备2和雷达设备3也可以将获取的各种目标数据发送至指挥控制平台5,指挥控制平台5根据接收到的数据生成管控调度信息推送至监控人员;或者,指挥控制平台5也可以接收监控人员输入的控制指令,并将控制指令下发至频谱探测设备1、光电设备2和雷达设备3。作为示例而非限定性的,指挥控制平台5接收到频谱探测设备1、光电设备2和雷达设备3发送的目标数据后,可以先进行数据校验筛选,筛选出识别的报文数据进行解析及转换,最终可以由绘制线程进行绘制显示,并可以在显控终端4上以二维gis显示方式进行信息实时显示,同时提供监控人员进行引导控制的操控界面和日志管理显示界面、以及各设备的布防位置、覆盖范围、标示显示等。在另一个实施例中,当上述频谱探测设备1探测到无人机频段电磁信号后,还可以通过信号检测技术从电磁信号中提取信号特征,并与建立的频谱特征库进行比对,该频谱特征库中存储有信号特征与无人机机型的对应关系;那么,若所提取的信号特征与频谱特征库中的某个信号特征比对成功,则可以得到该信号特征对应的无人机机型。图6为本申请实施例提供的一种反无人机探测方法的流程示意图,该方法由雷达设备执行,包括:s101,接收频谱探测设备发送的目标的第一方位信息。s102,根据所述第一方位信息,采用第一波束宽度对所述目标进行粗跟踪,获取所述目标的第二方位信息。s103,若所述目标与光电设备之间的距离小于或者等于第二距离阈值,将所述第二方位信息发送至所述光电设备,以使所述光电设备根据所述第二方位信息对所述目标进行跟踪得到第一目标航迹。在另一个实施例中,上述方法还包括:采用第二波束宽度对所述目标进行精跟踪得到第二目标航迹,所述第二波束宽度小于所述第一波束宽度;对所述第一目标航迹和所述第二目标航迹进行匹配,若匹配成功,将所述第一目标航迹或所述第二目标航迹作为所述无人机的探测结果。关于本实施例反无人机探测方法中各步骤的实现过程,可以参见上述系统实施例的描述,其实现原理和技术效果类似,在此不再赘述。图7为本申请实施例提供的另一种反无人机探测方法的流程示意图,该方法包括:s201,频谱探测设备360°实时探测无人机频段电磁信号。s202,当频谱探测设备接收到无人机频段电磁信号时,获取目标的第一方位信息。s203,判断探测到的目标与雷达设备之间的距离是否小于或者等于第一距离阈值,若是,执行s204,若否,执行s201。s204,频谱探测设备将第一方位信息发送至雷达设备。s205,雷达设备确定是否发现目标;若是,执行s206,若否,执行s201。s206,雷达设备根据第一方位信息,采用第一波束宽度对目标进行粗跟踪,获取目标的第二方位信息。s207,雷达设备接收到目标反射的回波信号后进行初步识别,将不属于无人机类别的回波信号剔除。s208,判断目标与光电设备之间的距离是否小于或者等于第二距离阈值,若是,执行s209,若否,执行s206。s209,雷达设备将第二方位信息发送至光电设备。s210,光电设备根据第二方位信息获取并识别目标图像,得到目标识别结果。s211,判断目标识别结果中目标是否为无人机,若是,执行s212,若否,执行s201。s212,光电设备对目标进行跟踪得到第一目标航迹,雷达设备采用第二波束宽度对目标进行精跟踪得到第二目标航迹。s213,若第一目标航迹和第二目标航迹匹配成功,将第一目标航迹或第二目标航迹作为无人机的探测结果。关于本实施例各步骤的实现过程可以参见上述实施例的描述,其实现原理和技术效果类似,在此不再赘述。如图8所示,本申请实施例还提供了一种雷达设备,该雷达设备包括:发射器31、接收器32和处理器33;其中,接收器32用于接收频谱探测设备发送的目标的第一方位信息;处理器33,用于根据所述第一方位信息,采用第一波束宽度对所述目标进行跟踪,获取所述目标的第二方位信息;发射器31,用于在所述目标与光电设备之间的距离小于或者等于第二距离阈值的情况下,将所述第二方位信息发送至所述光电设备,以使所述光电设备根据所述第二方位信息对所述目标进行跟踪得到第一目标航迹。在上述实施例中,对各个实施例的描述都各有侧重,某个实施例中没有详述或记载的部分,可以参见其它实施例的相关描述。本领域普通技术人员可以意识到,结合本文中所公开的实施例描述的各示例的单元及算法步骤,能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本申请的范围。在本申请所提供的实施例中,应该理解到,所揭露的系统/设备和方法,可以通过其它的方式实现。例如,以上所描述的系统/设备实施例仅仅是示意性的,例如,模块或单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通讯连接可以是通过一些接口,装置或单元的间接耦合或通讯连接,可以是电性,机械或其它的形式。所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。以上所述实施例仅用以说明本申请的技术方案,而非对其限制;尽管参照前述实施例对本申请进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本申请各实施例技术方案的精神和范围,均应包含在本申请的保护范围之内。当前第1页12
当前第1页1 2 
网友询问留言 已有0条留言
  • 还没有人留言评论。精彩留言会获得点赞!
1