[发明专利]一种基于支持向量机的雷达目标航迹起始方法

说明书

一种基于支持向量机的雷达目标航迹起始方法，本发明涉及基于支持向量机的航迹起始方法。本发明的目的是为了解决现有顺序处理方法规则粗糙、需设定经验门限、在强杂波背景下性能急剧下降等缺点；以及批处理方法计算量巨大，需要量测数据批次多的问题。具体过程为：一：提取雷达探测目标的运动信息作为训练样本特征；二：利用训练样本特征训练支持向量机，获得雷达目标分类最优超平面的决策函数；三：利用传统启发式规则法对雷达待分类量测数据进行预选，形成初选航迹；四：将训练好的支持向量机作为分类器，对初选航迹进行分类，区分真实目标与虚假目标，得到航迹起始结果。本发明属于雷达目标数据处理和机器学习领域。

技术领域

本发明涉及雷达数据处理和机器学习，特别涉及基于支持向量机的航迹起始方法。

背景技术

航迹起始是雷达多目标跟踪的首要问题，其正确性是减少雷达多目标跟踪组合爆炸所带来的计算负担的有效措施。如果航迹起始错误，则会导致目标丢失，完全无法实现目标的跟踪。而且由于航迹起始时，目标距离较远，雷达探测分辨能力低、测量精度差，再加上真假目标的出现没有统计规律可言，所以航迹起始问题是一个很难处理的问题。

航迹起始的处理方法按雷达系统处理数据方式的不同主要分为顺序处理法和批处理法。顺序处理法主要包括直观法、逻辑法等，批处理法的代表是Hough变换起始算法等。顺序处理方法的优点在于简单便捷，在杂波较弱环境下的航迹起始性能较好。但其存在规则粗糙、需设定经验门限、在强杂波背景下性能急剧下降等缺点。批处理方法具有一定的适应强杂波的能力，但计算量巨大，需要量测数据的批次多，起始耗时较长。

发明内容

本发明的目的是为了解决现有顺序处理方法规则粗糙、需设定经验门限、在强杂波背景下性能急剧下降等缺点；以及批处理方法计算量巨大，需要量测数据的批次多，起始耗时较长的问题，而提出一种基于支持向量机的雷达目标航迹起始方法。

一种基于支持向量机的雷达目标航迹起始方法具体过程为：

步骤一：提取雷达探测目标的运动信息作为训练样本特征；

雷达探测目标包括真实目标和虚假目标；

步骤二：利用训练样本特征训练支持向量机，获得雷达目标分类最优超平面的决策函数；

步骤三：利用传统启发式规则法对雷达待分类量测数据进行预选，形成初选航迹；

步骤四：将步骤二训练好的支持向量机作为分类器，对步骤三获得的初选航迹进行分类，区分真实目标与虚假目标，得到航迹起始结果。

本发明的有益效果为：

将雷达目标航迹起始问题转化为点迹数据组合是真实目标还是虚假目标的分类问题，利用数据导向机器学习的方法来处理。支持向量机分类器是有监督学习中分类器的一种，具有获得分类最大间隔、可解决线性不可分问题、对避免过拟合有良好的理论保证等诸多优点。本发明采用支持向量机作为分类器，通过训练实现对真实目标与虚假目标的分类，从而实现航迹起始处理。

1、本发明创新性地提出了采用数据导向的机器学习方法进行真假航迹分类，代替传统利用先验知识和经验的人工门限分类，不仅减少了对先验知识的要求，而且不需设定经验门限，在强杂波背景下性能不会下降。解决了经验门限不准确的问题。

2、支持向量机分类器可以处理非线性分类问题，因此可解决真实目标与虚假目标的运动信息在特征空间线性不可分的问题，提升了航迹起始的准确性。

3、本发明所提出的方案可先通过离线训练生成分类器，然后在线对雷达量测数据进行航迹起始处理，在线运算量较小，不需要多批次量测数据，解决起始耗时较长的问题，可以满足实时性要求。

4、仿真数据处理结果表明：本发明提出的基于支持向量机分类的航迹起始方法相较于传统方法的航迹起始正确率更高。