本發(fā)明涉及目標(biāo)跟蹤，特別涉及高頻地波雷達(dá)編隊(duì)目標(biāo)跟蹤方法和系統(tǒng)。

背景技術(shù)：

1、高頻地波雷達(dá)廣泛應(yīng)用于船舶目標(biāo)跟蹤，實(shí)現(xiàn)目標(biāo)的長(zhǎng)期穩(wěn)定跟蹤是一個(gè)具有挑戰(zhàn)性的難題。初始目標(biāo)跟蹤策略是在跟蹤前檢測(cè)目標(biāo)(dbt)，這將導(dǎo)致弱目標(biāo)被遺漏和軌跡中斷的問題。由于目標(biāo)檢測(cè)虛警嚴(yán)重，定位精度低，以檢測(cè)為基礎(chǔ)的跟蹤性能較差。

2、現(xiàn)有的高頻地波雷達(dá)主要通過獲取目標(biāo)的距離、速度、方位角信息，以此來實(shí)現(xiàn)對(duì)單目標(biāo)進(jìn)行跟蹤。為了提升目標(biāo)跟蹤性能：一方面通過改進(jìn)濾波器，提高檢測(cè)性能和軌跡一致性。另一方面通過改進(jìn)軌跡關(guān)聯(lián)算法，實(shí)現(xiàn)目標(biāo)長(zhǎng)期連續(xù)性跟蹤。目前，結(jié)合目標(biāo)的距離多普勒?qǐng)D像外觀特征來提高目標(biāo)跟蹤性能的技術(shù)較少。同時(shí)也沒有關(guān)于編隊(duì)目標(biāo)的跟蹤研究。

技術(shù)實(shí)現(xiàn)思路

1、本發(fā)明意在提供高頻地波雷達(dá)編隊(duì)目標(biāo)跟蹤方法和系統(tǒng)，解決了現(xiàn)有技術(shù)無法實(shí)現(xiàn)對(duì)編隊(duì)目標(biāo)進(jìn)行跟蹤的問題。

2、為了達(dá)到上述目的，本發(fā)明提供的一種技術(shù)方案如下：高頻地波雷達(dá)編隊(duì)目標(biāo)跟蹤方法，包括如下步驟：

3、s1、基于高頻地波雷達(dá)回波來構(gòu)建編隊(duì)目標(biāo)的位置特征向量和外觀特征向量；

4、s2、利用編隊(duì)目標(biāo)的位置特征向量和外觀特征向量來構(gòu)建節(jié)點(diǎn)；

5、s3、基于位置特征向量來篩選已知節(jié)點(diǎn)node的相鄰節(jié)點(diǎn)，并計(jì)算似然函數(shù)；

6、s4、基于編隊(duì)目標(biāo)外觀特征向量來構(gòu)建原型網(wǎng)絡(luò)模型，計(jì)算已知節(jié)點(diǎn)node和相鄰節(jié)點(diǎn)adjacent外觀特征向量的歐式距離；

7、s5、基于步驟s3得到的似然函數(shù)lsiran和步驟s4得到的歐式距離eud_dis，計(jì)算已知節(jié)點(diǎn)node和相鄰節(jié)點(diǎn)adjacent之間的關(guān)聯(lián)相似度，從而構(gòu)建連接邊；

8、s6、基于圖神經(jīng)網(wǎng)絡(luò)損失函數(shù)進(jìn)行訓(xùn)練，實(shí)現(xiàn)編隊(duì)目標(biāo)匹配跟蹤。

9、進(jìn)一步的，步驟s1的方法如下：

10、s101：對(duì)高頻地波雷達(dá)接收到的時(shí)域回波進(jìn)行二維傅里葉變換，獲得距離多普勒?qǐng)D像；

11、s102：對(duì)距離多普勒?qǐng)D像采用二維恒虛警檢測(cè)，獲得編隊(duì)目標(biāo)相對(duì)于雷達(dá)的距離r和編隊(duì)目標(biāo)的徑向速度vr；

12、s103：對(duì)高頻地波雷達(dá)接收到的時(shí)域回波進(jìn)行方位角估計(jì)，獲得編隊(duì)目標(biāo)相對(duì)于雷達(dá)的方位角θ；

13、s104：計(jì)算編隊(duì)目標(biāo)在全局坐標(biāo)系中的位置和速度；

14、s105：采用sobel算子，檢測(cè)步驟s101得到的距離多普勒?qǐng)D像的水平邊緣和垂直邊緣；

15、s106：構(gòu)建編隊(duì)目標(biāo)的外觀特征向量。

16、進(jìn)一步的，步驟s104中位置和速度的計(jì)算方法如下：

17、x＝r·cosθ

18、y＝r·sinθ

19、vx＝vr·cosθ

20、vy＝vr·sinθ

21、其中，x,y表示編隊(duì)目標(biāo)在全局坐標(biāo)系中的位置，vx,vy表示編隊(duì)目標(biāo)在全局坐標(biāo)系中的速度；

22、構(gòu)建編隊(duì)目標(biāo)的位置特征向量：

23、pos＝(x,y,vx,vy,rlen,dlen)

24、其中，pos表示編隊(duì)目標(biāo)的位置特征向量，rlen表示編隊(duì)目標(biāo)在距離多普勒譜中在距離向占據(jù)的單元格數(shù)量，dlen表示編隊(duì)目標(biāo)在距離多普勒譜中在多普勒向占據(jù)的單元格數(shù)量。

25、進(jìn)一步的，步驟s105的方法如下：

26、

27、其中，i表示距離多普勒?qǐng)D像，gx表示圖像i在水平方向上的梯度，gy表示圖像i在垂直方向上的梯度；

28、表示檢測(cè)圖像水平邊緣的橫向模板，表示檢測(cè)圖像垂直邊緣的縱向模板；表示將橫向模板與步驟s101得到的距離多普勒?qǐng)D像做平面卷積，表示將縱向模板與步驟s101得到的距離多普勒?qǐng)D像做平面卷積；

29、計(jì)算距離多普勒?qǐng)D像的梯度：

30、ga＝gx+gy

31、其中，ga表示距離多普勒?qǐng)D像的梯度；

32、步驟s106的構(gòu)建方法如下：

33、app＝(gx,gy,ga,nf,rgb,hsv,gabor)

34、其中，app表示編隊(duì)目標(biāo)外觀特征向量，nf表示距離多普勒?qǐng)D像的歸一化一階矩特征，rgb表示距離多普勒?qǐng)D像的灰度特征，hsv表示距離多普勒?qǐng)D像的色調(diào)、飽和度、值特征，gabor表示距離多普勒?qǐng)D像的紋理特征。

35、進(jìn)一步的，步驟s2的節(jié)點(diǎn)構(gòu)建方法如下：

36、node＝(pos,app,k,formation)

37、其中，k表示時(shí)刻，formation表示編隊(duì)類型。

38、進(jìn)一步的，步驟s3的方法如下：

39、s301：基于已知節(jié)點(diǎn)node的位置特征向量，預(yù)測(cè)下一時(shí)刻的位置特征向量：

40、pos_1＝fkpos

41、其中，pos_1表示下一時(shí)刻的位置特征向量預(yù)測(cè)值，fk表示狀態(tài)轉(zhuǎn)移矩陣；

42、s302：滿足abs(pos_adj-pos_1)＜dis的節(jié)點(diǎn)記錄為已知節(jié)點(diǎn)node的相鄰節(jié)點(diǎn)adjacent，其中，pos_adj表示相鄰節(jié)點(diǎn)adjacent的位置特征向量，dis表示門限值，abs(pos_adj-pos_1)表示求pos_adj和pos_1的距離；

43、s303：計(jì)算已知節(jié)點(diǎn)node和相鄰節(jié)點(diǎn)adjacent的位置向量似然函數(shù)：

44、

45、其中，lsiran表示似然函數(shù)，h表示轉(zhuǎn)換矩陣，ht表示矩陣h的轉(zhuǎn)置矩陣，p表示協(xié)方差矩陣，r表示觀測(cè)噪聲協(xié)方差，σ表示高頻地波雷達(dá)下一時(shí)刻的量測(cè)分布標(biāo)準(zhǔn)差。

46、進(jìn)一步的，步驟s4的方法如下：

47、s401：基于單縱編隊(duì)、v型編隊(duì)和對(duì)稱型編隊(duì)的距離多普勒?qǐng)D像，提取外觀特征向量，構(gòu)建訓(xùn)練數(shù)據(jù)集；

48、對(duì)骨干網(wǎng)為resnet的原型網(wǎng)絡(luò)進(jìn)行訓(xùn)練，得到原型網(wǎng)絡(luò)模型；

49、s402：采用聚類算法對(duì)已知節(jié)點(diǎn)node的外觀特征向量進(jìn)行分類，計(jì)算每一個(gè)類別的平均值，記錄為原型向量；

50、計(jì)算相鄰節(jié)點(diǎn)adjacent的外觀特征向量與原型向量的歐式距離eud_dis。

51、進(jìn)一步的，步驟s5的方法如下：

52、s501：基于步驟s3得到的似然函數(shù)lsiran和步驟s4得到的歐式距離eud_dis，計(jì)算已知節(jié)點(diǎn)node和相鄰節(jié)點(diǎn)adjacent之間的關(guān)聯(lián)相似度，計(jì)算公式如下：

53、simi＝qz1·lsiran+qz2·eud_dis

54、其中，simi表示已知節(jié)點(diǎn)node和相鄰節(jié)點(diǎn)adjacent之間的關(guān)聯(lián)相似度，qz1表示似然函數(shù)lsiran的權(quán)重，qz2表示歐式距離eud_dis的權(quán)重；

55、基于關(guān)聯(lián)相似度，建立已知節(jié)點(diǎn)node和相鄰節(jié)點(diǎn)adjacent之間的邊。

56、進(jìn)一步的，步驟s6的方法如下：

57、s601：構(gòu)建圖神經(jīng)網(wǎng)絡(luò)損失函數(shù)：

58、lsunsi＝lnode+qz3·line

59、其中，lsunsi表示圖神經(jīng)網(wǎng)絡(luò)損失函數(shù)，lnode表示節(jié)點(diǎn)損失函數(shù)，line表示邊損失函數(shù)，qz3表示邊損失函數(shù)的權(quán)重；

60、對(duì)圖神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練，通過已知節(jié)點(diǎn)node獲得具有最高相似性分?jǐn)?shù)的邊和對(duì)應(yīng)的相鄰節(jié)點(diǎn)adjacent；

61、s602：更新相鄰節(jié)點(diǎn)的位置特征向量：

62、pos_2＝pos_1+kalz(pos_adj-h·pos_1)

63、其中，pos_2表示相鄰節(jié)點(diǎn)的位置特征向量更新值，kalz表示卡爾曼增益。

64、本發(fā)明提供的另一種技術(shù)方案：高頻地波雷達(dá)編隊(duì)目標(biāo)跟蹤系統(tǒng)，包括：

65、特征向量構(gòu)建模塊：基于高頻地波雷達(dá)回波來計(jì)算編隊(duì)目標(biāo)的位置和速度，同時(shí)計(jì)算編隊(duì)目標(biāo)距離多普勒?qǐng)D像的梯度，從而構(gòu)建位置特征向量和外觀特征向量；

66、節(jié)點(diǎn)構(gòu)建模塊：利用位置特征向量和外觀特征向量來構(gòu)建節(jié)點(diǎn)；

67、相鄰節(jié)點(diǎn)計(jì)算模塊：基于位置特征向量來預(yù)測(cè)下一時(shí)刻的位置特征向量，通過位置特征向量篩選相鄰節(jié)點(diǎn)，計(jì)算似然函數(shù)；

68、相鄰節(jié)點(diǎn)外觀特征比較模塊：通過外觀特征向量來構(gòu)建訓(xùn)練數(shù)據(jù)集，通過訓(xùn)練數(shù)據(jù)集來訓(xùn)練原型網(wǎng)絡(luò)，從而計(jì)算原型向量，最終計(jì)算歐式距離；

69、連接邊構(gòu)建模塊：計(jì)算已知節(jié)點(diǎn)和相鄰節(jié)點(diǎn)之間的關(guān)聯(lián)相似度，構(gòu)建連接邊；

70、目標(biāo)匹配追蹤模塊：構(gòu)建圖神經(jīng)網(wǎng)絡(luò)損失函數(shù)，對(duì)圖神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練，估計(jì)下一時(shí)刻的位置特征向量。

71、與現(xiàn)有技術(shù)相比，本方案的有益效果：

72、1、本方案提出了一種高頻地波雷達(dá)編隊(duì)目標(biāo)跟蹤方法和系統(tǒng)，有利于利用編隊(duì)目標(biāo)的多維特征，提高跟蹤精度和連續(xù)性。本方案基于編隊(duì)目標(biāo)特征和相似度，分別構(gòu)建節(jié)點(diǎn)和邊，有利于利用圖神經(jīng)網(wǎng)絡(luò)的訓(xùn)練方法來提高跟蹤的準(zhǔn)確性。

73、2、本方案基于編隊(duì)目標(biāo)的位置、速度和大小，構(gòu)建了位置特征向量，有利于利用目標(biāo)多維運(yùn)動(dòng)特征，提高軌跡濾波性能；本方案基于sobel算子構(gòu)建外觀特征向量，有利于充分挖掘距離多普勒?qǐng)D像的特征，利用編隊(duì)目標(biāo)的外觀特征。

74、3、本方案基于下一時(shí)刻的位置特征向量預(yù)測(cè)值篩選相鄰節(jié)點(diǎn)，減少了后續(xù)計(jì)算的工作量；采用似然函數(shù)為已知節(jié)點(diǎn)與相鄰階段的匹配程度提供了衡量標(biāo)準(zhǔn)；采用原型網(wǎng)絡(luò)模型以減少訓(xùn)練過程對(duì)編隊(duì)目標(biāo)樣本的需求；采用聚類算法能夠提高了原型向量的準(zhǔn)確性。

75、4、本發(fā)明基于似然函數(shù)和歐式距離，設(shè)置關(guān)聯(lián)相似度，利用多維特征有利于提高關(guān)聯(lián)準(zhǔn)確率；構(gòu)建圖神經(jīng)網(wǎng)絡(luò)損失函數(shù)有利于綜合考慮節(jié)點(diǎn)和邊，進(jìn)行訓(xùn)練；對(duì)確定的相鄰節(jié)點(diǎn)位置特征向量進(jìn)行更新，有利于更新編隊(duì)目標(biāo)的位置，提高后續(xù)跟蹤精確度。