一种强干扰情况下基于参数筛选的雷达真假目标识别方法与流程

阅读：评论：0

1.本发明属于目标识别和航空技术领域，具体涉及一种强干扰情况下基于参数筛选的雷达真假目标识别方法。

背景技术：

2.空中作战过程中，雷达作为重要的探测器，具有检测、跟踪以及引导打击目标的重要作用。然而，欺骗式干扰以假目标信息作用于雷达的检测和跟踪系统，这些雷达假目标具有类似于真实目标回波信号的特征，使接收机无法对目标信息做出正确检测或是完成对真实目标的正确跟踪，从而迷惑和欺骗雷达，使雷达不能正常跟踪有效目标，进而无法实现侦查、打击等空中任务。因此对雷达探测目标的真假识别十分重要。
3.雷达真假目标识别实际是一个分类过程，根据现有目标运动轨迹数据，分析其属性特征，依据其类别，选择算法进行判别。目前运用于空战雷达真假目标判别的主要方法有依据统计特性差异的真假识别方法、机器学习相关分类算法(svm、knn等)以及人工神经网络模型(rnn、lstm等)，由于真假目标运动维度具有极强相关性，因此，各种判断方法都存在一定的适用性、局限性。其中，依据统计特性差异的真假识别方法利用目标的俯仰角、方位角差异构造统计鉴别量，利用虚假目标方差大于真实目标方差的特性，实现真假目标判别，该方法受测量误差影响较大，容易误判。传统机器学习方法需要手动提取特征，并且浅层机器学习在样本有限的情况下表示复杂函数的能力有限，针对复杂的非线性问题其泛化能力受到一定制约，而雷达真假目标运动存在极强的相似性，因此其判断准确率也相对较低。人工神经网络模型拥有更好的特征提取能力，学习能力更强，但是依赖数据驱动。而雷达假目标由多种因素造成，存在离散的无规律也存在连续的持续的假目标，有基于距离、角度、速度欺骗形成的假目标，也有基于复合欺骗形成的假目标，假目标形成因素复杂且真假目标之间有极强的运动相关性，使得人工神经网络难以有效对雷达真假目标进行识别。

技术实现要素：

4.为了解决空战中现有雷达真假目标识别准确率较低的问题，本发明提出了一种强干扰情况下雷达真假目标识别方法。从雷达真假目标的运动规律出发，考虑了不同影响因素下真假目标的数据差异，充分利用不同维度属性特征，有效地解决了真假目标运动规律强相似情况下难以区分的问题，提高了空战中雷达真假目标判断的准确率。
5.一种强干扰情况下基于参数筛选的雷达真假目标识别方法，包括如下步骤：
6.(1)数据提取与标定
7.在空战仿真平台中大量采集仿真数据，提取雷达观测数据与对应的真实值，使用真实值对仿真数据中的雷达观测目标进行真假性的标定。具体步骤如下：
8.(1a)采用分布式仿真环境进行2v2战斗机空战仿真，设置战斗机开启电子对抗系统，设置步长为1秒，并采集不少于1000场对战中的雷达目标数据；
9.(1b)仿真中包含雷达、光电、电子战三种不同的传感器数据，由于算法只针对雷达
数据产生假目标，因此提取雷达观测数据用于后续算法输入。对雷达观测数据属性进行选择，分为目标编号、位置、速度3类；所述目标编号在目标无中断时，相同编号可标志同一目标，目标丢失则编号重新赋予新机；所述位置参数包含：目标距离、目标方位角、目标俯仰角、目标水平航向角、目标北向位置、目标天向位置、目标东向位置7个参数；所述速度参数包含：目标北向速度、目标天向速度、目标东向速度、目标径向速度、目标距离变化率、目标马赫数6个参数。共计14个参数。
10.(1c)对雷达观测目标真假性进行标定，设定观测目标位置与实际目标位置最近，且误差不超过3000m的目标为真目标，其余目标均为假目标。
11.(2)真假目标特性分析
12.探索空战中真假目标产生原理，并对真假目标的航迹特征、角度特征、速度特征进行分析，提取具有区分度的数据特征，为制定真假目标识别策略提供理论支持。在不同干扰模式(0：自动；1：噪声假目标；2：噪声拖引干扰；3：都有)、不同机动类型(取值为0～9)下，将真假观测数据可视化，分析真假目标航迹、角度、速度特征，寻具有区分度的特征维度。具体步骤如下：
13.(2a)分析目标三维空间航迹点，北向、天向、东向坐标值，以及一维距离信息真假目标观测值的差异，提取真假目标特征，并观察观测值与真值的异同，考虑观测值误差带来的影响。
14.(2b)分析雷达数据的俯仰角、方位角信息，结合一维观测距离变化，观察真假目标差异，以及同一目标对应的真假目标的数据特征。
15.(2c)分析真假目标北向、天向、东向速度，观察异同。
16.(3)目标数据分组
17.当前仿真环境，雷达观测目标至多存在2个真目标，每个真目标存在若干假目标，对同一目标的真假目标以及不同目标的观测数据进行分析，利用目标方位角、距离、高度等信息对不同目标的观测数据分组，即将同一目标的一个真目标以及该真目标对应的若干假目标划为一组，便于后续真假目标识别。
18.(4)帧间目标关联
19.利用目标位置信息以及目标编号，对分组后的数据进行帧间关联。并根据目标编号对各组数据的频次进行更新。所述步骤(3)对帧内数据进行分组后，分组数据只保存当前观测信息，缺少历史信息，为了使用目标的历史信息，对当前分组目标进行帧间关联，已知帧间时间间隔以及飞机飞行最大速度可推测帧间同一个目标存在距离约束，且在目标无中断时，相同目标编号可标志同一目标，利用上述信息可实现帧间目标关联。
20.(5)雷达真假目标识别
21.利用真目标具有较长连续性，且目标运动受最大速度约束等条件对雷达真假目标进行识别，其中连续性可以有效滤除离散假目标，通过运动约束滤除引起跳变的假目标。具体步骤如下：
22.(5a)离散假目标只存在几个帧，利用目标连续性信息，滤除离散假目标。
23.(5b)真目标的运动受空间位置约束，当位置存在较大跳变时，可以断定跳变目标为假目标。
24.(5c)由数据分析可以观察到，以我机视角敌方假目标分布于真目标之后，即同一
目标的假目标相较于真目标其观测距离更远。利用该特性可实现真假目标的鉴别。
25.(5d)在目标无中断时，相同目标编号可标志同一目标，当一个目标被认定为假目标后，可推测其后出现的该目标均为假目标。
26.(6)模型效果评估
27.将算法模型集成到仿真环境中，对雷达观测目标进行实时的真假性判断，并根据评价标准对算法模型进行识别效果评估。当存在与真实值距离3km以内的雷达目标时，真目标为符合距离3km以内的雷达目标；当不存在与真实值距离3km以内的雷达目标时，真目标为最接近的雷达目标或输出无真实目标。
28.本发明充分利用雷达运动数据的不同维度属性特征，考虑不同影响因素下真假目标的数据差异，有效的解决了真假目标运动规律强相似情况下难以区分的问题。仿真结果表明，本发明对在1000场仿真中真假目标识别率至少有700场大于95％，提高了战斗机雷达目标真假性识别的精度。
附图说明
29.图1是本发明的流程图。
30.图2是本发明轨迹分析结果图。
31.图3是本发明角度分析结果图。
32.图4a是本发明分组结果图。
33.图4b是本发明识别结果图。
具体实施方式
34.下面结合某空战仿真平台中的雷达目标加以详细说明。应当指出，当本方法运用于不同仿真系统或真实环境中时，只是数据源不同。此外，所描述的实施例仅旨在便于对本发明的了解，不对任何实际应用起限定作用。
35.一种强干扰情况下基于参数筛选的雷达真假目标识别方法，实现流程如图1所示，包括如下步骤：
36.(1)数据提取与标定
37.在空战仿真平台中大量采集仿真数据，提取雷达观测数据与对应的真实值，使用真实值对仿真数据中的雷达观测目标进行真假性的标定。具体如下：
38.(1a)采用分布式仿真环境进行2v2战斗机空战仿真，设置战斗机开启电子对抗系统，设置步长为1秒，并采集不少于1000场对战中的雷达目标数据；
39.(1b)仿真中包含雷达、光电、电子战三种不同的传感器数据，由于算法只针对雷达数据产生假目标，因此提取雷达观测数据用于后续算法输入。对雷达观测数据属性进行选择，分为目标编号、位置、速度3类；目标编号在目标无中断时，相同编号可标志同一目标，目标丢失则编号重新赋予新机；位置参数包含：目标距离(米)、目标方位角(弧度)、目标俯仰角(弧度)、目标水平航向角(弧度)、目标北向位置(米)、目标天向位置(米)、目标东向位置(米)7个参数；速度参数包含：目标北向速度(米每秒)、目标天向速度(米每秒)、目标东向速度(米每秒)、目标径向速度(米每秒)、目标距离变化率(米每秒)、目标马赫数(马赫)6个参数。共计14个参数。
40.(1c)对雷达观测目标真假性进行标定，设定观测目标位置与实际目标位置最近，且误差不超过3000m的目标为真目标，其余目标均为假目标。
41.(2)真假目标特性分析
42.探索空战中真假目标产生原理，并对真假目标的航迹特征、角度特征、速度特征进行分析，提取具有区分度的数据特征，为制定真假目标识别策略提供理论支持。在不同干扰模式(0：自动；1：噪声假目标；2：噪声拖引干扰；3：都有)、不同机动类型(取值为0～9)下，将真假观测数据可视化，分析真假目标航迹、角度、速度特征，寻具有区分度的特征维度。步骤如下：
43.(2a)分析目标三维空间航迹点，北向、天向、东向坐标值，以及一维距离信息真假目标观测值的差异，提取真假目标特征，并观察观测值与真值的异同，考虑观测值误差带来的影响。
44.(2b)分析雷达数据的俯仰角、方位角信息，结合一维观测距离变化，观察真假目标差异，以及同一目标对应的真假目标的数据特征。
45.(2c)分析真假目标北向、天向、东向速度，观察异同。
46.本实施案例中，其可视化图如图2、图3所示。可以观察到假目标的规律：有平行于真实航迹产生的类似距离假目标的航迹特征，有与真实航迹不平行但假目标各自是平行的航迹，也存在一些离散没有规律的假目标。不同目标的方位角大多数情况下，其值不同，但存在交叉值。而同一目标的若干假目标与真实目标同一时刻在方位角维度上大小基本一致。在俯仰角维度，观测值与真实值具有相似的趋势，但俯仰角整体变化小于1
°
，所以趋势并不很重要，可以认为俯仰角由于很相近，不具有区分度。从距离中可以看出，观测的真假目标大多数都比真实值点迹到我机的距离远，但也存在少部分点迹更近的情况。真假目标在距离上具有可区分度。
47.(3)目标数据分组
48.当前仿真环境，雷达观测目标至多存在2个真目标并且每个真目标存在若干假目标，由步骤(2)可知，虽然不同目标在方位角维度具有可区分度，但也存在少数帧值相等，因此仅有方位角信息分组，存在误差。本实施例中利用目标方位角、距离、高度等信息对不同目标的观测数据分组，同一目标组包含一个真目标及该真目标对应的若干假目标。分组结果如图4a所示，具体步骤如下：
49.(3a)基于当前帧已采集的多个雷达目标数据，计算各目标之间方位角的最大差值，如果方位角的差值大于2度，则认为方位角维度可分。选取方位角的最大、最小值，依据两个端点进行两个观测目标的分组。
50.(3b)若方位角不可分，判断当前观测目标之间的距离是否具有区分度，即各目标之间最远距离是否大于100000米，若距离可分，选取具有最大距离的两个点作为基准进行分组划分。
51.(3c)否则判断观测目标的高度值是否具有区分度，即各目标之间的高度值的最大差值是否大于800米。若高度可分，依据最大、最小高度进行分组划分，否则认为当前只观测到一组飞机数据，即只存在一个真实目标与若干个假目标。
52.(4)帧间目标关联
53.对分组后的数据进行帧间关联。步骤(3)对帧内数据进行分组后，分组数据只保存
当前观测信息，缺少历史信息，为了使用目标的历史信息，对当前分组目标进行帧间关联。具体步骤如下：
54.(4a)在目标无中断时，相同目标编号可标志同一目标。根据历史分组信息，搜索目标编号是否属于某一组，查询到结果则直接分组。否则进行下一步判断。
55.(4b)当前帧观测分组到前一帧两个分组真目标之间的距离，进行帧间关联，距离越近认为相关性越高。
56.(4c)当前一帧与当前帧只存在一个目标时，步骤(4b)策略不生效，此时根据帧间时间间隔1s以及飞机飞行最大速度(小于声速340m/s)，可推测帧间同一个目标存在距离约束，考虑到观测误差，该约束阈值取500m。
57.(4d)根据目标编号对各组数据的频次更新，并删除过期数据。
58.(5)雷达真假目标识别
59.利用真目标具有较长连续性，且目标运动受最大速度约束等条件对雷达真假目标进行识别，其中连续性可以有效滤除离散假目标，通过运动约束滤除引起跳变的假目标。
60.(5a)离散假目标只存在几个帧，利用目标连续性信息，滤除离散假目标。即当某个目标出现少于5帧时，可认为该目标为假目标。
61.(5b)真目标的运动受空间位置约束，当位置存在较大跳变时，可以断定跳变目标为假目标。
62.(5c)由数据分析可以观察到，以我机视角敌方假目标分布于真目标之后，即同一目标的假目标相较于真目标其观测距离更远。利用该特性可实现真假目标的鉴别。
63.(5d)在目标无中断时，相同目标编号可标志同一目标，当一个目标被认定为假目标后，可推测其后出现的该目标均为假目标。
64.(6)雷达目标真假性判断
65.将算法模型集成到仿真环境中，对雷达观测目标进行实时的真假性判断，并根据评价标准对算法模型进行识别效果评估。当存在与真实值距离3km以内的雷达目标时，真目标为符合距离3km以内的雷达目标；当不存在与真实值距离3km以内的雷达目标时，真目标为最接近的雷达目标或输出无真实目标。

技术特征：

1.一种强干扰情况下基于参数筛选的雷达真假目标识别方法，其特征在于：包括以下步骤：(1)数据提取与标定在空战仿真平台中大量采集仿真数据，提取雷达观测数据与对应的真实值，使用真实值对仿真数据中的雷达观测目标进行真假性的标定；具体步骤如下：(1a)采用分布式仿真环境进行2v2战斗机空战仿真，设置战斗机开启电子对抗系统，设置步长为1秒，并采集不少于1000场对战中的雷达目标数据；(1b)仿真中包含雷达、光电、电子战三种不同的传感器数据，提取雷达观测数据用于后续算法输入；对雷达观测数据属性进行选择，分为目标编号、位置、速度3类；所述目标编号在目标无中断时，相同编号可标志同一目标，目标丢失则编号重新赋予新机；所述位置参数包含：目标距离、目标方位角、目标俯仰角、目标水平航向角、目标北向位置、目标天向位置、目标东向位置7个参数；所述速度参数包含：目标北向速度、目标天向速度、目标东向速度、目标径向速度、目标距离变化率、目标马赫数6个参数；共计14个参数；(1c)对雷达观测目标真假性进行标定，设定观测目标位置与实际目标位置最近，且误差不超过3000m的目标为真目标，其余目标均为假目标；(2)真假目标特性分析在不同干扰模式、不同机动类型下，将真假观测数据可视化，分析真假目标航迹、角度、速度特征，寻具有区分度的特征维度；具体步骤如下：(2a)分析目标三维空间航迹点，北向、天向、东向坐标值，以及一维距离信息真假目标观测值的差异，提取真假目标特征，并观察观测值与真值的异同，考虑观测值误差带来的影响；(2b)分析雷达数据的俯仰角、方位角信息，结合一维观测距离变化，观察真假目标差异，以及同一目标对应的真假目标的数据特征；(2c)分析真假目标北向、天向、东向速度，观察异同；(3)目标数据分组当前仿真环境，雷达观测目标至多存在2个真目标，每个真目标存在若干假目标，对同一目标的真假目标以及不同目标的观测数据进行分析，利用目标方位角、距离、高度等信息对不同目标的观测数据分组，即将同一目标的一个真目标以及该真目标对应的若干假目标划为一组，便于后续真假目标识别；(4)帧间目标关联利用目标位置信息以及目标编号，对分组后的数据进行帧间关联，并根据目标编号对各组数据的频次进行更新；所述步骤(3)对帧内数据进行分组后，分组数据只保存当前观测信息，缺少历史信息，为了使用目标的历史信息，对当前分组目标进行帧间关联，已知帧间时间间隔以及飞机飞行最大速度可推测帧间同一个目标存在距离约束，且在目标无中断时，相同目标编号可标志同一目标，利用上述信息可实现帧间目标关联；(5)雷达真假目标识别利用真目标具有较长连续性，且目标运动受最大速度约束等条件对雷达真假目标进行识别，其中连续性可以有效滤除离散假目标，通过运动约束滤除引起跳变的假目标；具体步骤如下：
(5a)离散假目标只存在几个帧，利用目标连续性信息，滤除离散假目标；(5b)真目标的运动受空间位置约束，当位置存在较大跳变时，可以断定跳变目标为假目标；(5c)由数据分析可以观察到，以我机视角敌方假目标分布于真目标之后，即同一目标的假目标相较于真目标其观测距离更远；利用该特性可实现真假目标的鉴别；(5d)在目标无中断时，相同目标编号可标志同一目标，当一个目标被认定为假目标后，可推测其后出现的该目标均为假目标；(6)模型效果评估将算法模型集成到仿真环境中，对雷达观测目标进行实时的真假性判断，并根据评价标准对算法模型进行识别效果评估；当存在与真实值距离3km以内的雷达目标时，真目标为符合距离3km以内的雷达目标；当不存在与真实值距离3km以内的雷达目标时，真目标为最接近的雷达目标或输出无真实目标。

技术总结

本发明公开了一种强干扰情况下基于参数筛选的雷达真假目标识别方法，属于飞机智能识别领域，用于解决现有技术在战斗机雷达目标真假性判断中精度低的问题。提出了一种基于参数筛选的真假目标识别方法，包括目标数据分组、帧间目标关联、真假目标识别等步骤。本发明充分利用雷达真假目标的数据属性，挖掘目标运动特性与真假性之间的关系，在1000场仿真中真假目标识别率至少有700场大于95％，提高了战斗机雷达目标真假性识别的精度。机雷达目标真假性识别的精度。机雷达目标真假性识别的精度。