一种杂波识别方法及系统及装置及介质制造方法及图纸

本发明专利技术公开了一种杂波识别方法及系统及装置及介质，涉及雷达数据处理领域，包括：获得雷达样本数据，包括杂波点迹数据和目标点迹数据；对所述样本数据进行预处理获得第一数据集合；对所述第一数据集合中的所有点迹数据进行点迹关联性计算，获得用于表征点迹连续程度的关联值，每个点迹数据对应一个关联值，将关联值加入到所述第一数据集合中的对应点迹数据中获得训练数据集；利用所述训练数据集训练第一分类模型获得第二分类模型；获得待处理雷达数据，将所述待处理雷达数据输入所述第二分类模型，所述第二分类模型输出所述待处理雷达数据中的杂波点迹数据和目标点迹数据的分类结果，本发明专利技术能够提高杂波识别的准确率。本发明专利技术能够提高杂波识别的准确率。本发明专利技术能够提高杂波识别的准确率。

【技术实现步骤摘要】
一种杂波识别方法及系统及装置及介质


[0001]本专利技术涉及雷达数据处理领域，具体地，涉及一种杂波识别方法及系统及装置及介质。

技术介绍

[0002]随着信息技术的高速发展，目标跟踪技术在军事和民用领域都展现出了不可取代的重要作用。而在目标跟踪的过程中，无法避免地会接收到虚假的点迹信息，即杂波。这无疑会使处理程序得到错误的跟踪结果，造成虚警、漏警等常见问题。而目前杂波抑制面临诸多困难，第一，杂波与目标点迹数据量差距过大，通常杂波目标比在10：1以上，属于数据严重不均衡的分类问题，而数据不均衡会对很多深度学习算法带来严重影响，导致算法会忽略目标点迹，注意力只集中在杂波上；第二，杂波与目标点迹区分不够明显，信噪比低，这使得很多传统的基于跟踪门（跟踪门：指以本次的目标预测位置为中心的多维空间区域，如果这一批次雷达测量的点迹有一个落入此区域，则判定该点与目标关联，如果有多个点迹落入此区域，则将这些点迹中与中心位置的距离最短的点迹判定为目标关联点迹）的航迹关联算法如多假设跟踪算法、联合概率跟踪等算法难以从包含众多杂波的数据中，准确找到关联的目标点迹；第三，数据量较少，由于涉及到雷达相关数据的来源问题，导致数据量较少，这使得难以验证模型的普适性，而较少的数据也有可能造成模型的过拟合，从而降低算法的适用性。
[0003]大量杂波环境下的目标跟踪可以归结为二分类问题，而在这种二分类的问题中，机器学习相关算法在各种分类问题上表现良好，能够解决目标点迹信噪比低、数据量较少等问题，并且拥有计算速度快，准确率高等特点，因此使用机器学习相关算法来处理目标跟踪问题是一个非常好的选择，但同时，为了使用机器学习相关算法达到更好的杂波抑制效果，需要使用更多维度的特征数据，因此考虑结合传统的基于跟踪门的航迹关联算法增加数据维度。一方面可以提升数据的维度，改善数据量较少的问题；另一方面，目标运动在空间中是连续的，因此其点迹信息在诸如距离、速度、俯仰角等特征上具备一定的连续性，但是机器学习在处理分类问题时，并没有关注到目标点迹在这些数据上连续特性，因此丢失掉了目标这一重要特征，因此可以通过这种方法保留目标的连续性特征。
[0004]下面介绍几种与本专利技术相关的
技术介绍
，现有技术中的杂波识别方法大致分为以下几种：现有技术1：方案来源：专利技术专利，《一种基于机器学习的雷达杂波抑制方法》，申请号 201811471743 .1具体方案：(1)将通过生成对抗网络产生的包含杂波和目标的数据集作为输入数据，并对输入数据作归一化处理；(2)选取合适特征，构建特征向量，并对其进行特征加权；
(3)对步骤(2)的特征向量进行快速聚类，将聚为不同类别结果进行评价；(4)将步骤(3)的评价结果，反馈到步骤(2)，利用梯度下降法直到找到评价指标戴维森保丁指数最优的一组权重和聚类数。
[0005]方案缺点：这种算法思想比较简单，初始类簇中心点的选组对于聚类效果影响较大，且该方法仅适用于球形分布数据（指集合内的每一对点，连接两个点的直线段上的每个点也在该集合内）。
[0006]现有技术2：方案来源：专利技术专利，《一种岸基雷达杂波抑制处理方法及系统》，申请号 202111072368 .5具体方案：步骤1：在当前帧雷达回波图像中，确定当前扫描线和上一扫描线所在的方位单元是否为同一方位单元，如果是同一方位单元则进入步骤2，反之更新所述当前扫描线所在的方位单元的数据后进入步骤2；步骤2：确定所述当前扫描线上回波所在的距离单元在上一帧雷达回波图像中对应位置处的距离单元是否被标记为回波，如果已被标记为回波，则在所述当前帧雷达回波图像中显示所述当前扫描线上的回波，反之删除所述当前扫描线上的回波；步骤3：记录所述当前扫描线所在的方位，并进入下一扫描线，重复上述流程(1)~(2)直至最后一根扫描线；步骤4：对连续多帧雷达回波图像，重复上述流程(1)~(3)，以从所述连续多帧雷达回波图像中滤波杂波。
[0007]方案缺点：本方案通过雷达图像上的分格检测寻找连续帧的微小目标，但其精度受限于分格大小，分格太大容易丢失目标，分格太小会严重影响运算速度，且整体算法对大量杂波背景的环境下处理能力有限。
[0008]现有技术3：方案来源：《部分均匀环境中的双子空间信号检测方法、系统及装置》，申请号 202111147240 .0具体方案：步骤1：构造信号左矩阵、信号右矩阵、待检测数据矩阵和训练样本矩阵；步骤2：利用所述训练样本矩阵构造采样协方差矩阵和白化矩阵；步骤3：利用所述白化矩阵对所述待检测数据矩阵和所述信号左矩阵进行白化，分别得到白化待检测数据矩阵和白化信号左矩阵；步骤4：利用所述信号右矩阵和所述白化信号左矩阵分别构造正交投影矩阵的正交补；步骤5：利用所述白化待检测数据矩阵和所述正交投影矩阵的正交补构造中间变量矩阵，并计算所述中间变量矩阵的非零特征值；步骤6：求解系统维数与所述非零特征值相关方程的解；步骤7：利用所述白化待检测数据矩阵、所述中间变量矩阵和所述方程的解构造检测统计量；步骤8：利用所述检测统计量和虚警概率预设值确定检测门限；
步骤9：比较所述检测统计量与所述检测门限的大小，小于门限则判定为目标，大于门限则判定为杂波。
[0009]方案缺点：该方案默认了杂波与信号是在空间中均匀分布的，这种环境与实际情况并不相符，适用范围较为局限；同时靠设计门限对杂波进行滤波，但门限设计的合适与否会严重影响杂波滤波效果。
[0010]现有技术4：方案来源：硕士论文《基于机器学习的复杂场景杂波识别算法》，四川大学，唐若男。
[0011]具体方案：步骤1：经过双层耦合模型提取杂波特征，处理后得到区域特征数据集A与B；步骤2：将数据集A载入机器学习模型进行训练；步骤3：对数据集B进行预测；步骤4：获取预测结果。
[0012]方案缺点：论文提出的杂波识别算法在特征提取的时候，选择了粗关联，因此需要设定的滑动累积周期不能太小，否则得到的拟合曲线不容易从距离误差等方面判断其与真实轨迹的差别，但是周期偏大会造成杂波识别过程的延时，并且论文提出的方法并没考虑到目标数据本身具备的连续性特征。
[0013]现有技术5：方案来源：段克清等，基于卷积神经网络的天基预警雷达杂波抑制方法，雷达学报，2021年，网络优先出版。
[0014]具体方案：步骤1：利用雷达系统和卫星轨道参数，仿真随机生成不同纬度、距离门、阵元误差、杂波起伏和地貌散射系数的回波数据集；步骤2：设计并调优了含 5 个权重层的二维 CNN，实现由小样本所估低分辨杂波谱到高分辨谱的非线性映射；步骤3：基于高分辨空时谱构造空时滤波器实现杂波抑制和目标检测；方案缺点：本文所提方法主要提升了小样本条件下杂波抑制能力，仿真雷达数据较为均衡，对于大量杂波环境下的不均衡数据效果有待验证。

技术实现思路

[0015]为了提高杂波识别的准确率，本专利技术提供了一种杂波识别方法及系统及装置及介质。
[0016]为实现上述专利技术目的，本专利技术提供了一种杂波识别方法，所述方法包括：获得样本数据，所述样本数据为雷本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种杂波识别方法，其特征在于，所述方法包括：获得样本数据，所述样本数据为雷达数据，所述样本数据中包括杂波点迹数据和目标点迹数据；对所述样本数据进行预处理获得第一数据集合；对所述第一数据集合中的所有点迹数据进行点迹关联性计算，获得用于表征点迹连续程度的关联值，每个点迹数据对应一个关联值，将关联值加入到所述第一数据集合中的对应点迹数据中获得训练数据集；利用所述训练数据集训练第一分类模型获得第二分类模型；获得待处理雷达数据，将所述待处理雷达数据输入所述第二分类模型，所述第二分类模型输出所述待处理雷达数据中的杂波点迹数据和目标点迹数据的分类结果。2.根据权利要求1所述的一种杂波识别方法，其特征在于，所述对所述样本数据进行预处理包括：对所述样本数据进行归一化处理。3.根据权利要求2所述的一种杂波识别方法，其特征在于，本方法采用以下公式对所述样本数据进行归一化处理：其中，max为所述样本数据的最大值，min为所述样本数据的最小值，x为原始数据，为归一化处理之后的数据。4.根据权利要求1所述的一种杂波识别方法，其特征在于，所述对所述样本数据进行预处理包括：对所述样本数据中的重复数据进行清洗。5.根据权利要求4所述的一种杂波识别方法，其特征在于，本方法采用以下方式对所述样本数据中的重复数据进行清洗：步骤1，随机选取特征的类型；步骤2，将所述样本数据按照选取的特征进行排序，获得排序后的样本数据；步骤3，设定滑动窗口的大小为f，利用所述滑动窗口对排序后的样本数据进行处理，包括：按照滑入所述滑动窗口的时间先后顺序获得当前所述滑动窗口内最后一条滑入的数据A，按照滑出所述滑动窗口的时间先后顺序获得数据滑出所述滑动窗口的排序结果，当排序结果中数据的条数大于或等于f
‑
1时，则抽取所述排序结果中的后f
‑
1条数据，将所述数据A与所述f
‑
1条数据逐条进行相似度判断，获得所述f
‑
1条数据中与所述数据A相似数据的条数P，基于所述条数P获得所述数据A对应的相似特征数，当排序结果中数据的条数小于f
‑
1时，则忽略；步骤4，返回执行步骤1至步骤3直至所有类型的特征选取完毕，将对应相似特征数大于第一设定值的数据删除。6.根据权利要求1所述的一种杂波识别方法，其特征在于，所述对所述样本数据进行预处理包括：对所述样本数据中的杂波点迹数据和目标点迹数据进行均衡处理。7.根据权利要求6所述的一种杂波识别方法，其特征在于，所述对所述样本数据中的杂波点迹数据和目标点迹数据进行均衡处理，包括：对目标点迹数据进行上采样处理。8.根据权利要求7所述的一种杂波识别方法，其特征在于，本方法使用smote算法对目
标点迹数据进行上采样。9.根据权利要求1所述的一种...

【专利技术属性】
技术研发人员：ꢀ七四专利代理机构，
申请(专利权)人：成都数之联科技股份有限公司，
类型：发明
国别省市：