一种多相控阵雷达目标融合及伪目标辨识系统与方法与流程

本发明涉及一种多相控阵雷达目标融合及伪目标辨识系统与方法。

背景技术：

目前，电子周界监控系统主要由红外对射、泄露电缆、微波对射等手段。这些手段容易受周围环境、天气、电磁干扰影响，识别性能差、误报多，易被突破。红外对射易受温度、空气流动影响产生误报；泄露电缆易受电磁干扰影响，需要远离金属体安装；微波对射盲区明显，容易漏报，且容易受小动物影响产生误报。

使用微带相控阵雷达作为周界防范监控手段，不易受环境、天气和电磁等因素干扰，同时可实现移动目标的准确定位、目标轨迹跟踪，及小目标过滤。

因此，亟待设计一种多相控阵雷达目标融合及伪目标辨识方法，实现微带相控阵雷达在电子周界监控系统的应用。

技术实现要素：

本发明为了解决上述问题，提出了一种多相控阵雷达目标融合及伪目标辨识系统与方法，本方法对相控阵雷达数据进行实时采集，然后对伪目标(噪声、干扰)进行滤除，处理后的数据进行坐标变换后，进行目标融合，最后进行小目标过滤并输出运动目标轨迹。

为了实现上述目的，本发明采用如下技术方案：

一种多相控阵雷达目标融合及伪目标辨识方法，包括以下步骤：

(1)实时同步采集每个相控阵雷达上报的数据，生成一组疑似目标；

(2)对每个雷达上报的疑似目标，分别进行噪声和干扰滤除，过滤伪目标，生成一组当前运动目标，将当前每个运动目标映射到统一的坐标系下；

(3)将当前运动目标与历史运动目标进行目标融合，进行历史运动目标位置预测及与当前运行目标匹配，生成新运动目标及目标轨迹；

(4)利用均值滤波方式对新运动目标及目标轨迹进行小目标过滤，识别伪目标。

所述步骤(1)中，每个疑似目标，均包括以下信息：横坐标(x)、纵坐标(y)和反射功率(p)，其中目标位置以相对应雷达为坐标原点，雷达探测方向的右侧为x轴的正方向，雷达探测方向为y轴的正方向。

所述步骤(2)中，对每台雷达上报的疑似目标，分别进行噪声和干扰滤除，过滤固定目标和疑似目标，消除固定噪声和环境干扰。

所述步骤(2)中，具体步骤包括：

(2-1)采集最新采集的N次数据，分别放置于不同的列表中；

(2-2)被检测目标的移动速度和雷达扫描频率确定参数上下限，从雷达读取数据，保存到临时列表；

(2-3)从临时列表中取出一个疑似目标，分别与N个列表中的数据进行比较，确认其差值与参数上下限的关系，并对每个列表的对比结果进行标记；

(2-4)根据标记结果判定疑似目标是否为固定噪声或干扰；

(2-5)不断重复(2-3)、(2-4)，直到对临时列表中的所有疑似目标分析判断完成；

(2-6)将判断为运动目标的数据作为当前运动目标。

所述步骤(3)中，坐标变换的目的是将雷达探测的数据，由相对坐标转换为绝对坐标，即将所有雷达探测的数据转换到同一个坐标系下。

所述步骤(3)中，历史运动目标为上一次计算时的运动目标及目标轨迹。

所述步骤(4)中，具体步骤包括：

(4-1)计算每个历史运动目标的移动速度；

(4-2)预测每个历史运动目标在上报当前运动目标的时刻所在的位置；

(4-3)分别计算每个历史运动目标与当前运动目标的距离，生成距离矩阵；

(4-4)从距离矩阵中，查抄距离最小且大于0的元素及该元素所在行和列，将矩阵的其置为-1，如果该元素值小于预设值，则历史运动目标和当前运动目标匹配成功，合并后生成新运动目标及目标轨迹；

(4-5)重复执行步骤(4-4)，直到所有元素均大于或等于预设值。

一种多相控阵雷达目标融合及伪目标辨识系统，包括数据采集模块、数据处理模块和目标融合处理模块，

所述数据采集模块，被配置为对多个相控阵雷达数据进行实时同步采集；

所述数据处理模块，被配置为接收数据采集模块的相控阵雷达数据，对疑似目标进行噪声和干扰滤除，过滤伪目标；

所述目标融合处理模块，被配置为对过滤后的疑似目标进行坐标变换，统一坐标系，将坐标变换后的目标与历史运动目标进行目标融合，生成新运动目标及目标轨迹，对新运动目标进行小目标过滤，并输出过滤后的目标及目标轨迹。

本发明的有益效果为：

(1)对相控阵雷达采集的数据，进行了噪声和干扰滤除，兼顾实时性的基础上，能够过滤固定噪声和偶然产生的环境干扰，为后续处理奠定了基础。

(2)采用预测方式预测历史目标在当前时刻所在的位置，然后再与当前运动目标进行融合处理，能够很好的保证目标轨迹的连续性。

(3)对运动目标进行小目标过滤，可以降低系统的误报。如：监狱、机场、变电站等周界安防监控系统，鸟、猫、狗等小动物产生的误报，是系统误报的主要来源，通过小目标过滤，可降低误报，提高报警准确性。

附图说明

图1为本发明的系统流程示意图；

图2为本发明的噪声、干扰滤除流程图；

图3为本发明的目标融合流程图。

具体实施方式：

下面结合附图与实施例对本发明作进一步说明。

一种多相控阵雷达目标融合及伪目标辨识系统，包括数据采集处理模块，目标融合处理模块。

所述数据采集处理模块，对多个相控阵雷达数据进行实时同步采集，采集的数据包括：疑似目标的横坐标、疑似目标的纵坐标、疑似目标的反射功率。然后，对疑似目标进行噪声和干扰滤除，过滤伪目标，最后将处理结果传送给目标融合处理模块。

目标融合处理模块，接收数据采集处理模块的输出结果；进行坐标变换，统一坐标系；然后将坐标变换后的目标与历史运动目标进行目标融合，生成新运动目标及目标轨迹；最后，对新运动目标进行小目标过滤，并输出过滤后的目标及目标轨迹。新运动目标及目标轨迹，在下一次运算时，作为历史运动目标。

如图1所示，一种多相控阵雷达目标融合及伪目标辨识方法，包括数据采集、噪声和干扰滤除、坐标变换、目标融合、小目标过滤等5个步骤：

(1)数据采集。数据采集处理模块实时同步采集相控阵雷达上报的数据，按雷达的不同分别生成一组疑似目标。每个疑似目标信息包括：横坐标(x)、纵坐标(y)、反射功率(p)，目标位置以雷达为坐标原点，雷达探测方向的右侧为x轴的正方向，雷达探测方向为y轴的正方向；

(2)噪声、干扰滤除。数据采集处理模块对每台雷达上报的疑似目标，分别进行噪声和干扰滤除，过滤固定目标(固定噪声)和疑似目标(环境干扰)。只有确认为运动目标才会上报；

(3)坐标变换。目标融合处理模块，定时接收经过滤波处理后的当前运动目标信息，并将每个目标的坐标映射到统一的坐标系下，最终生成一组当前运动目标。进行坐标变换前，需要在统一坐标系下，分别设置每台雷达在统一坐标系下的坐标(x0,y0)、雷达坐标系x轴正方向与统一坐标系x轴正方向的夹角β，雷达探测的目标，经过旋转和平移运算，即可得到统一坐标系下的目标坐标；

(4)目标融合。目标融合处理模块，将当前运动目标与历史运动目标进行目标融合，生成新运动目标及目标轨迹。目标融合包括历史运动目标位置预测及与当前运行目标匹配两个主要过程；

(5)小目标过滤。目标融合处理模块，对新运动目标及目标轨迹进行小目标过滤，并输出过滤结果。小目标过滤的依据是：反射功率与目标大小及目标材质有关，通常目标越大，目标电磁反射率高，目标的反射功率越大。疑似目标反射功率在35-60之间，人的反射功率在45-55之间，小动物(小鸟、猫、狗)的反射功率在38-48之间。由于人体的反射区间与小动物的反射区间存在重叠，所以，采用均值滤波方式，实现小目标过滤。

如图2所示，噪声、干扰滤除的处理流程包括：

(2-1)设置5个列表l1、l2、l3、l4、l5记录雷达最近5次采集的数据，如果采集次数未超过5，则重复步骤(2-1)；

(2-2)预设两个参数：pMax，pMin，两个参数依据被检测目标的移动速度和雷达扫描频率确定，如：成人平均移动速度为1.2米/秒至8米/秒，雷达每秒扫描10次，则pMax可设置为0.8(8米/秒×1/10)，pMin可设置为0.12(1.2米/秒×1/10)；

(2-3)预设6个标志位：p1、p2、p3、p4、p5、pw，默认值为0，从雷达读取数据，保存到临时列表temp；

(2-4)从temp中取出一个疑似目标target，与l1中的疑似目标进行比较，如果l1中至少存在一个疑似目标与target的距离小于pMin，则p1置为1，否则置为零；target依次与l2、l3、l4、l5中的数据进行比较，并置标志位p2、p3、p4、p5。target与l5中的疑似目标进行比较，如果l5中至少存在一个疑似目标与target的距离大于pMin且小于pMax，则pw置为1，否则置为0；

(2-5)如果p4和p5为0，pw为1，则target为运动目标；如果p4或p5为1，且p1、p2、p3中至少有两个为1，则target为固定噪声或干扰；剩余目标为可疑目标；

(2-6)重复步骤(2-4)和(2-5)，直到对temp中的所有疑似目标分析判断完成；

(2-7)将判断为运动目标的数据作为当前运动目标，发送给目标融合处理模块。

所述步骤(3)中，坐标变换的目的是将雷达探测的数据，由相对坐标转换为绝对坐标，即将所有雷达探测的数据转换到同一个坐标系下。

如图3所示，目标融合的处理流程包括：

(4-1)计算每个历史运动目标的移动速度v，用(x2,y2)和(x1,y1)分别表示目标最后一次和上一次上报的坐标位置，用t2和t1表示目标最后一次和上一次上报的时间，则：

$v=\frac{\sqrt{{(x1-x2)}^2+{(y1-y2)}^2}}{t2-t1}$

(4-2)将数据采集处理模块上报当前运动目标的时刻记为t，对历史运动目标进行位置预测，即预测每个历史运动目标在t时刻所在的位置，记为(X，Y)；

$X=x2+v\×(t-t2)\×\frac{x2-x1}{\sqrt{{(x1-x2)}^2+{(y1-y2)}^2}}$

$Y=y2+v\×(t-t2)\×\frac{y2-y1}{\sqrt{{(x1-x2)}^2+{(y1-y2)}^2}}$

(4-3)设历史运动目标为ai(i＝1、2、3…n)，当前运动目标为bj(j＝1、2、3…m)，分别计算ai和bj的距离，生成n×m的距离矩阵S。历史运动目标使用预测坐标(X，Y)参与运算；

(4-4)从距离矩阵中，查抄距离最小且大于0的值Sij及该值所在行(i)和列(j)，将矩阵的第i行和第j列置为-1。如果Sij小于预设值sMax，则历史运动目标ai和当前运动目标匹配成功，合并后生成新运动目标及目标轨迹；

(4-5)重复执行步骤4，直到Sij大于或等于sMax。

上述虽然结合附图对本发明的具体实施方式进行了描述，但并非对本发明保护范围的限制，所属领域技术人员应该明白，在本发明的技术方案的基础上，本领域技术人员不需要付出创造性劳动即可做出的各种修改或变形仍在本发明的保护范围以内。