公开(公告)号：CN114114242A

公开(公告)日：2022-03-01

申请号：CN202111565191.2

申请日：2021-12-20

Applicant: 北京理工大学

Inventor： 田黎育 ,  孙宝鹏 ,  欧颢 ,  刘宏宇

IPC: G01S13/72

Abstract: 本发明涉及一种基于点选航迹及航迹外推的雷达目标追赶跟踪方法，属于雷达目标跟踪技术领域。包括：1接收雷达一个扫描周期内的回波数据；2判断信号处理系统对这两个机动目标在此扫描周期内检测出的点迹个数，若只检测出了一个点迹，则进入3，否则跳至7；3点选航迹，将此目标点迹与其中的一条航迹相关联；4判断航迹是否与目标点迹关联上，对于已关联上的航迹进入5，未关联上的航迹跳至6；5对此航迹进行目标点迹的跟踪滤波并进行航迹更新；6对此航迹进行航迹外推；7接收下一扫描周期的回波数据。所述目标追赶跟踪方法能有效解决由目标追赶跟踪过程中发生的点迹合并而引起的目标误跟及航迹丢失的问题，提高目标跟踪的稳定度和准确性。

公开(公告)号：CN115061094B

公开(公告)日：2024-05-31

申请号：CN202210634773.X

申请日：2022-06-06

Applicant: 北京理工大学

Inventor： 田黎育 ,  欧颢 ,  孙宝鹏

IPC: G01S7/292 ,  G01S7/295 ,  G01S7/41 ,  G06N3/048 ,  G06N3/08 ,  G06V10/40 ,  G06V10/764 ,  G06V10/774 ,  G06V10/82 ,  G06V20/13

Abstract: 本发明涉及一种基于神经网络与SVM的雷达目标识别方法，属于雷达目标识别技术领域。包括：获取雷达回波数据；对雷达回波数据进行杂波抑制处理；对杂波抑制后的数据进行小波包分解，获取能量密度特征；将能量密度特征根据目标的速度以及信号积累的信噪比区间分类；分类后的能量密度特征输入到对应区间的神经网络中，并把输出结果转换为标签距离特征；使用雷达回波的频谱提取频域熵和相对RCS特征；使用雷达回波时域信号提取时域波形方差特征；将标签距离与频域熵、相对RCS特征、时域波形方差组合成特征向量输入到SVM分类器中；根据SVM的输出值判定识别结果。

公开(公告)号：CN114114233A

公开(公告)日：2022-03-01

申请号：CN202111563668.3

申请日：2021-12-20

Applicant: 北京理工大学

Inventor： 田黎育 ,  孙宝鹏 ,  欧颢 ,  汪泽

IPC: G01S13/10

Abstract: 本发明涉及一种雷达帧内目标合并的目标检测方法，属于雷达目标检测技术领域。包括：获取雷达一次扫描的雷达回波数据，经过下变频、脉冲压缩和MTD处理后得到频域数据；确定一帧回波的频域数据的最大峰值P0和其所对应的频率通道F0；最大峰值P0与有目标时的最低门限β比较后确定这帧数据内是否存在目标；如果有目标存在，则确定主峰所代表的目标的合并范围[F0‑ΔF，F0+ΔF]；在[F0‑ΔF，F0+ΔF]之外的频域中寻找较高的谱峰即疑似目标的峰值与动门限γ比较；最终确定这帧数据内目标存在的数量。所述目标检测方法可以对数据中存在多目标的情况进行有效的分离。

公开(公告)号：CN114114233B

公开(公告)日：2025-01-14

申请号：CN202111563668.3

申请日：2021-12-20

Applicant: 北京理工大学

Inventor： 田黎育 ,  孙宝鹏 ,  欧颢 ,  汪泽

IPC: G01S13/10

Abstract: 本发明涉及一种雷达帧内目标合并的目标检测方法，属于雷达目标检测技术领域。包括：获取雷达一次扫描的雷达回波数据，经过下变频、脉冲压缩和MTD处理后得到频域数据；确定一帧回波的频域数据的最大峰值P0和其所对应的频率通道F0；最大峰值P0与有目标时的最低门限β比较后确定这帧数据内是否存在目标；如果有目标存在，则确定主峰所代表的目标的合并范围[F0‑ΔF，F0+ΔF]；在[F0‑ΔF，F0+ΔF]之外的频域中寻找较高的谱峰即疑似目标的峰值与动门限γ比较；最终确定这帧数据内目标存在的数量。所述目标检测方法可以对数据中存在多目标的情况进行有效的分离。

公开(公告)号：CN115061094A

公开(公告)日：2022-09-16

申请号：CN202210634773.X

申请日：2022-06-06

Applicant: 北京理工大学

Inventor： 田黎育 ,  欧颢 ,  孙宝鹏

IPC: G01S7/292 ,  G01S7/295 ,  G01S7/41 ,  G06N3/04 ,  G06N3/08 ,  G06V10/40 ,  G06V10/764 ,  G06V10/774 ,  G06V10/82 ,  G06V20/13

Abstract: 本发明涉及一种基于神经网络与SVM的雷达目标识别方法，属于雷达目标识别技术领域。包括：获取雷达回波数据；对雷达回波数据进行杂波抑制处理；对杂波抑制后的数据进行小波包分解，获取能量密度特征；将能量密度特征根据目标的速度以及信号积累的信噪比区间分类；分类后的能量密度特征输入到对应区间的神经网络中，并把输出结果转换为标签距离特征；使用雷达回波的频谱提取频域熵和相对RCS特征；使用雷达回波时域信号提取时域波形方差特征；将标签距离与频域熵、相对RCS特征、时域波形方差组合成特征向量输入到SVM分类器中；根据SVM的输出值判定识别结果。