具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

需要说明，若本发明实施例中有涉及方向性指示(诸如上、下、左、右、前、后……)，则该方向性指示仅用于解释在某一特定姿态(如附图所示)下各部件之间的相对位置关系、运动情况等，如果该特定姿态发生改变时，则该方向性指示也相应地随之改变。

另外，在本发明的描述中，所用术语仅用于说明目的，并非旨在限制本发明的范围。术语“包括”和/或“包含”用于指定所述元件、步骤、操作和/或组件的存在，但并不排除存在或添加一个或多个其他元件、步骤、操作和/或组件的情况。术语“第一”、“第二”等可能用于描述各种元件，不代表顺序，且不对这些元件起限定作用。此外，在本发明的描述中，除非另有说明，“多个”的含义是两个及两个以上。这些术语仅用于区分一个元素和另一个元素。结合以下附图，这些和/或其他方面变得显而易见，并且，本领域普通技术人员更容易理解关于本发明所述实施例的说明。附图仅出于说明的目的用来描绘本发明所述实施例。本领域技术人员将很容易地从以下说明中认识到，在不背离本发明所述原理的情况下，可以采用本发明所示结构和方法的替代实施例。

本发明实施例所述的一种雷达目标预测处理方法，如图1所示，所述方法包括：

根据目标历史轨迹点的信息，确定历史长轨迹点、历史常规轨迹点和历史短轨迹点的时间范围，作为预测参数；

根据目标历史轨迹点的信息，判断目标是否为静态目标，若为静态目标则确定历史超长轨迹点的时间范围，并用所述历史超长轨迹点的时间范围更新所述历史长轨迹点的时间范围，得到新预测参数，其中，所述历史超长轨迹点为按照预设增加所述历史长轨迹点的数量得到的轨迹点；

基于匀速直线模型，采用所述预测参数或所述新预测参数分别预测三种轨迹点模式下的目标位置，其中，所述三种轨迹点模式包括长轨迹点、常规轨迹点和短轨迹点模式；

基于加速转向模型，采用预测得到的三种轨迹点模式下的目标位置，分别预测所述三种轨迹点模式下的目标最大运动范围。

雷达目标预测主要包括滤波检测、轨迹点处理、航迹处理。传统的滤波检测采用横虚警检测方法，为雷达提供自适应滤波曲线，雷达系统根据滤波曲线可滤除大部分杂波和噪声，检测处有效的目标回波。轨迹点处理根据扫描线之间的相关性对滤波检测后的回波进行凝聚、创建、匹配。航迹处理根据轨迹点的相关性进行航迹创建、匹配和关联。

雷达目标预测主要利用匹配成功的目标和目标的历史轨迹信息对目标下一时刻的状态进行预测，主要是利用目标当前时刻和历史时刻目标参数（航速、航向和位置）对下一帧目标的参数（航速、航向和位置）进行预测和更新。雷达目标预测方法的核心在于目标预测算法，根据当前目标参数和历史目标参数对目标的状态进行最优估计。传统基于最小二乘法进行目标预测处理的核心是计算参与预测的历史轨迹点时长，可以预测匀速运动目标下一时刻的状态信息，然而对于静态目标和机动目标，由于无法有效的计算和更新参与预测的历史轨迹点时长，导致静态目标和机动目标的状态信息预测不准，出现目标跟踪不稳定和丢失问题。

本发明所述方法采用多种历史轨迹点的信息作为预测参数，并基于最小二乘算法进行目标状态参数估计。在预测目标状态前，需要先判断是否为静态目标，并在判断目标为静态目标时更新预测参数（用历史超长轨迹点的时间范围更新预测参数），采用新预测参数（目标的历史超长轨迹点的信息、历史常规轨迹点的信息、历史短轨迹点的信息）进行目标状态预测，而在判断目标不是静态目标为机动目标时，仍然采用预测参数（历史长轨迹点的信息、历史常规轨迹点的信息、历史短轨迹点的信息）进行目标状态预测。由于所述方法在预测目标状态前增加了对静态目标的判断，对静态目标和机动目标进行区分，并对静态目标的预测参数进行了更新，采用不同的轨迹点信息作为不同目标的预测参数进行目标状态预测，可以解决静态目标和机动目标跟踪不稳定的问题，能很好的区别不同目标以实现对不同目标的有效状态预测，提高目标预测的准确性和目标跟踪的稳定性。另外，本发明所述方法还可以根据目标的加速度和转向率对多种轨迹点模式进行目标单帧运动范围估计，以得到静态目标或机动目标的运动范围，可以进一步提高目标预测的准确性和目标跟踪的稳定性。基于匀速直线模型预测得到目标的位置后，预测得到的位置用于预测目标的最大运动范围，预测得到的最大运动范围用于后续目标匹配。

需要指出的是，本发明所述方法按照预设条件确定三种轨迹点（长轨迹点、常规轨迹点和短轨迹点）的数量，根据雷达转动一圈的时间，分别计算三种轨迹点的时间范围，即可得到历史长轨迹点、历史常规轨迹点和历史短轨迹点的时间范围，作为目标预测时的预测参数。其中，历史长轨迹点的时间范围可以理解为包括各个历史长轨迹点的时间，历史常规轨迹点的时间范围可以理解为包括各个历史常规轨迹点的时间，历史短轨迹点的时间范围可以理解为包括各个历史短轨迹点的时间。而超长轨迹点则是将长轨迹点的点数延长后得到的估计点，历史超长轨迹点则是将历史长轨迹点的点数延长后得到的轨迹点。

一种可选的实施方式中，所述目标历史轨迹点的信息包括目标的n个历史轨迹点的信息，

所述根据目标历史轨迹点的信息，判断目标是否为静态目标，包括：

在所述目标的当前时刻轨迹点与第n个历史轨迹点之间，分别确定相邻两个轨迹点之间的位移偏移量X₁、X₂、…、X_n，得到位移偏移量总和S=（X₁+ X₂+…+ X_n）；

确定所述当前时刻轨迹点与所述第n个历史轨迹点之间的位移偏移量X；

若S>T*X，则确定所述目标为静态目标，其中，T为预设阈值。

可以理解的是，n为大于3的整数，当前时刻轨迹点和第n个历史轨迹点之间有n+1个轨迹点，在判断目标是否为静态目标时，需要分别计算n+1个轨迹点之间相邻两个轨迹点之间的位移偏移量，得到n个位移偏移量，分别为X₁、X₂、…、X_n，进而可以得到位移偏移量总和S。判断静态目标的预设阈值T为一个预设系数，本发明对该系数的取值不做具体限定。由于风、浪等环境因素和后期数据处理过程导致雷达探测静态目标存在速度偏差，本发明所述方法利用位移偏移量作为静态目标的判断参数，可以消除探测静态目标过程中存在的速度偏差，提高静态目标的跟踪稳定性。

一种可选的实施方式中，对于所述三种轨迹点模式中任何一种轨迹点模式，包括m个历史轨迹点，

所述基于匀速直线模型，采用所述预测参数或所述新预测参数分别预测三种轨迹点模式下的目标位置，包括：

基于当前轨迹点模式对应的预测参数，采用最小二乘法确定在x方向上所述匀速直线模型的斜率bx和截距cx，以及在y方向上所述匀速直线模型的斜率by和截距cy，

式中，x₁、x₂、…、x_m分别表示第一历史轨迹点、第二历史轨迹点、…、第m历史轨迹点在x方向上的位置，y₁、y₂、…、y_m分别表示所述第一历史轨迹点、所述第二历史轨迹点、…、所述第m历史轨迹点在y方向上的位置，t₁、t₂、…、t_m分别表示所述第一历史轨迹点、所述第二历史轨迹点、…、所述第m历史轨迹点的时间；

基于所述斜率bx和所述截距cx，确定在x方向上的目标位置Sx，并基于所述斜率by和所述截距cy，确定在y方向上的目标位置Sy，

式中，t表示所述当前时刻轨迹点的时间。

其中，以雷达位置作为原点，正北方向为y轴正方向，正东方向为x轴正方向，建立直角坐标系。本申请中x轴方向和y轴方向简称x方向和y方向。x₁、x₂、…、x_m以及y₁、y₂、…、y_m是测量得到的位置，利用历史轨迹点的测量值进行目标位置的预测。

根据每个历史轨迹点在x方向上的位置和每个历史轨迹点的时间，采用最小二乘法可以确定出在x方向上所述匀速直线模型的斜率bx和截距cx。相应的，根据每个历史轨迹点在y方向上的位置和每个历史轨迹点的时间，采用最小二乘法可以确定出在y方向上所述匀速直线模型的斜率by和截距cy。其中每种历史轨迹点的数量m本发明不做具体限定。还可以理解的是，历史长轨迹点的数量m、历史常规轨迹点的数量m和历史短轨迹点的数量m中的m可以分别表示不同的数量，本发明不做具体限定。

需要指出的是，本发明所述方法针对三种轨迹点模式，包括长轨迹点模式、常规轨迹点模式和短轨迹点模式。对于三种轨迹点模式中任何一种轨迹点模式，分别采用上述方法来确定目标位置。

（1）对于长轨迹点模式，采用上述方法得到长轨迹点模式下，匀速直线模型在x方向上的斜率bx和截距cx，以及在y方向上的斜率by和截距cy，进而得到目标在x方向上的位置Sx，以及在y方向上的位置Sy。

其中的第一历史轨迹点、第二历史轨迹点、…、第m历史轨迹点可以理解为历史长轨迹点中的第一历史长轨迹点、第二历史长轨迹点、…、第m历史长轨迹点。

x₁、x₂、…、x_m分别为第一历史长轨迹点、第二历史长轨迹点、…、第m历史长轨迹点在x方向上的位置，y₁、y₂、…、y_m分别为第一历史长轨迹点、第二历史长轨迹点、…、第m历史长轨迹点在y方向上的位置。

如果判断不是静态目标，t₁、t₂、…、t_m为第一历史长轨迹点、第二历史长轨迹点、…、第m历史长轨迹点的时间。如果判断为静态目标，t₁、t₂、…、t_m为第一历史超长轨迹点、第二历史超长轨迹点、…、第m历史超长轨迹点的时间。

（2）对于常规轨迹点模式，采用上述方法得到常规轨迹点模式下，匀速直线模型在x方向上的斜率bx和截距cx，以及在y方向上的斜率by和截距cy，进而得到目标在x方向上的位置Sx，以及在y方向上的位置Sy。

其中的第一历史轨迹点、第二历史轨迹点、…、第m历史轨迹点可以理解为历史常规轨迹点中的第一历史常规轨迹点、第二历史常规轨迹点、…、第m历史常规轨迹点。

x₁、x₂、…、x_m分别为第一历史常规轨迹点、第二历史常规轨迹点、…、第m历史常规轨迹点在x方向上的位置，y₁、y₂、…、y_m分别为第一历史常规轨迹点、第二历史常规轨迹点、…、第m历史常规轨迹点在y方向上的位置t₁、t₂、…、t_m为第一历史常规轨迹点、第二历史常规轨迹点、…、第m历史常规轨迹点的时间。

（3）对于短轨迹点模式，采用上述方法得到短轨迹点模式下，匀速直线模型在x方向上的斜率bx和截距cx，以及在y方向上的斜率by和截距cy，进而得到目标在x方向上的位置Sx，以及在y方向上的位置Sy。

其中的第一历史轨迹点、第二历史轨迹点、…、第m历史轨迹点可以理解为历史短轨迹点中的第一历史短轨迹点、第二历史短轨迹点、…、第m历史短轨迹点。

x₁、x₂、…、x_m分别为第一历史短轨迹点、第二历史短轨迹点、…、第m历史短轨迹点在x方向上的位置，y₁、y₂、…、y_m分别为第一历史短轨迹点、第二历史短轨迹点、…、第m历史短轨迹点在y方向上的位置t₁、t₂、…、t_m为第一历史短轨迹点、第二历史短轨迹点、…、第m历史短轨迹点的时间。

一种可选的实施方式，对于所述三种轨迹点模式中任何一种轨迹点模式，

所述基于加速转向模型，采用预测得到的三种轨迹点模式下的目标位置，分别预测所述三种轨迹点模式下的目标最大运动范围，包括：

基于所述加速转向模型，确定所述目标在x方向上的最大运动范围dPosX以及所述目标在y方向上的最大运动范围dPosY，

式中，a表示所述目标的加速度，turnrate表示所述目标的转向率，bx和by分别表示当前轨迹点模式下在x方向上所述匀速直线模型的斜率和在y方向上所述匀速直线模型的斜率，t表示所述当前时刻轨迹点的时间。所述目标的加速度a和所述目标的转向率turnrate为预设值，可以根据数据的测试结果进行预设调节，本发明对加速度a和转向率turnrate的值不做具体限定。

如前述，本发明所述方法针对三种轨迹点模式，包括长轨迹点模式、常规轨迹点模式和短轨迹点模式。对于三种轨迹点模式中的任何一种轨迹点模式，分别采用上述方法来确定目标最大运动范围。其中，加速转向模型即为：

。

（1）对于长轨迹点模式，在确定dPosX以及dPosY时，其中的bx和by分别为前述方法在长轨迹点模式下计算得到的匀速直线模型在x方向上的斜率bx和在y方向上的斜率by。

（2）对于常规轨迹点模式，在确定dPosX以及dPosY时，其中的bx和by分别为前述方法在常规轨迹点模式下计算得到的匀速直线模型在x方向上的斜率bx和在y方向上的斜率by。

（3）对于短轨迹点模式，在确定dPosX以及dPosY时，其中的bx和by分别为前述方法在短轨迹点模式下计算得到的匀速直线模型在x方向上的斜率bx和在y方向上的斜率by。

下面将结合附图1，详述本发明所述方法的目标预测流程。

S1，根据目标历史轨迹点的信息，计算历史长轨迹点、历史常规轨迹点和历史短轨迹点的时间范围（即参与目标预测的时间范围）tl、tp和ts；

S2，判断目标是否为静态目标，如果是静态目标，则计算历史超长轨迹点的时间范围（即参与目标预测的时间范围）tl’更新tl并进入S3，反之进入S3；

S3，基于匀速直线模型，采用tl或tl’预测长轨迹点模式下的目标位置，采用tp预测常规轨迹点模式下的目标位置，采用ts预测短轨迹点模式下的目标位置；

S4，基于加速转向模型，采用S3中预测得到的长轨迹点模式下匀速直线模型中的斜率，预测长轨迹点模式下目标最大运动范围，采用S3中预测得到的常规轨迹点模式下匀速直线模型中的斜率，预测常规轨迹点模式下目标最大运动范围，采用S3中预测得到的短轨迹点模式下匀速直线模型中的斜率，预测短轨迹点模式下目标最大运动范围。

本发明实施例所述的一种雷达目标预测处理系统，所述系统包括：

预测参数确定模块，根据目标历史轨迹点的信息，确定历史长轨迹点、历史常规轨迹点和历史短轨迹点的时间范围，作为预测参数；

静态目标判断模块，根据目标历史轨迹点的信息，判断目标是否为静态目标，若为静态目标则确定历史超长轨迹点的时间范围，并用所述历史超长轨迹点的时间范围更新所述历史长轨迹点的时间范围，得到新预测参数，其中，所述历史超长轨迹点为按照预设延长所述历史长轨迹点的点数得到的轨迹点；

目标位置预测模块，基于匀速直线模型，采用所述预测参数或所述新预测参数分别预测三种轨迹点模式下的目标位置，其中，所述三种轨迹点模式包括长轨迹点、常规轨迹点和短轨迹点模式；

目标运动范围预测模块，基于加速转向模型，采用预测得到的三种轨迹点模式下的目标位置，分别预测所述三种轨迹点模式下的目标最大运动范围。

一种可选的实施方式中，所述目标历史轨迹点的信息包括目标的n个历史轨迹点的信息，所述静态目标判断模块包括：

在所述目标的当前时刻轨迹点与第n个历史轨迹点之间，分别确定相邻两个轨迹点之间的位移偏移量X₁、X₂、…、X_n，得到位移偏移量总和S=（X₁+ X₂+…+ X_n）；

确定所述当前时刻轨迹点与所述第n个历史轨迹点之间的位移偏移量X；

若S>T*X，则确定所述目标为静态目标，其中，T为预设阈值。

一种可选的实施方式中，对于所述三种轨迹点模式中任何一种轨迹点模式，包括m个历史轨迹点，所述目标位置预测模块包括：

基于当前轨迹点模式对应的预测参数，采用最小二乘法确定在x方向上所述匀速直线模型的斜率bx和截距cx，以及在y方向上所述匀速直线模型的斜率by和截距cy，

式中，x₁、x₂、…、x_m分别表示第一历史轨迹点、第二历史轨迹点、…、第m历史轨迹点在x方向上的位置，y₁、y₂、…、y_m分别表示所述第一历史轨迹点、所述第二历史轨迹点、…、所述第m历史轨迹点在y方向上的位置，t₁、t₂、…、t_m分别表示所述第一历史轨迹点、所述第二历史轨迹点、…、所述第m历史轨迹点的时间；

基于所述斜率bx和所述截距cx，确定在x方向上的目标位置Sx，并基于所述斜率by和所述截距cy，确定在y方向上的目标位置Sy，

式中，t表示所述当前时刻轨迹点的时间。

一种可选的实施方式中，对于所述三种轨迹点模式中任何一种轨迹点模式，所述目标运动范围预测模块包括：

基于所述加速转向模型，确定所述目标在x方向上的最大运动范围dPosX以及所述目标在y方向上的最大运动范围dPosY，

式中，a表示所述目标的加速度，turnrate表示所述目标的转向率，bx和by分别表示当前轨迹点模式下在x方向上所述匀速直线模型的斜率和在y方向上所述匀速直线模型的斜率，t表示所述当前时刻轨迹点的时间。

本发明还涉及一种电子设备，包括服务器、终端等。该电子设备包括：至少一个处理器；与至少一个处理器通信连接的存储器；以及与存储介质通信连接的通信组件，所述通信组件在处理器的控制下接收和发送数据；其中，存储器存储有可被至少一个处理器执行的指令，指令被至少一个处理器执行以实现上述实施例中的方法。

在一种可选的实施方式中，存储器作为一种非易失性计算机可读存储介质，可用于存储非易失性软件程序、非易失性计算机可执行程序以及模块。处理器通过运行存储在存储器中的非易失性软件程序、指令以及模块，从而执行设备的各种功能应用以及数据处理，即实现方法。

存储器可以包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需要的应用程序；存储数据区可存储选项列表等。此外，存储器可以包括高速随机存取存储器，还可以包括非易失性存储器，例如至少一个磁盘存储器件、闪存器件、或其他非易失性固态存储器件。在一些实施例中，存储器可选包括相对于处理器远程设置的存储器，这些远程存储器可以通过网络连接至外接设备。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。

一个或者多个模块存储在存储器中，当被一个或者多个处理器执行时，执行上述任意方法实施例中的方法。

上述产品可执行本申请实施例所提供的方法，具备执行方法相应的功能模块和有益效果，未在本实施例中详尽描述的技术细节，可参见本申请实施例所提供的方法。

本发明还涉及一种计算机可读存储介质，用于存储计算机可读程序，所述计算机可读程序用于供计算机执行上述部分或全部的方法实施例。

即，本领域技术人员可以理解，实现上述实施例方法中的全部或部分步骤是可以通过程序来指令相关的硬件来完成，该程序存储在一个存储介质中，包括若干指令用以使得一个设备（可以是单片机，芯片等）或处理器（processor）执行本申请各实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器（ROM，Read-OnlyMemory）、随机存取存储器（RAM，Random Access Memory）、磁碟或者光盘等各种可以存储程序代码的介质。

在此处所提供的说明书中，说明了大量具体细节。然而，能够理解，本发明的实施例可以在没有这些具体细节的情况下实践。在一些实例中，并未详细示出公知的方法、结构和技术，以便不模糊对本说明书的理解。

此外，本领域普通技术人员能够理解，尽管在此所述的一些实施例包括其它实施例中所包括的某些特征而不是其它特征，但是不同实施例的特征的组合意味着处于本发明的范围之内并且形成不同的实施例。例如，在权利要求书中，所要求保护的实施例的任意之一都可以以任意的组合方式来使用。

本领域技术人员应理解，尽管已经参考示例性实施例描述了本发明，但是在不脱离本发明的范围的情况下，可进行各种改变并可用等同物替换其元件。另外，在不脱离本发明的实质范围的情况下，可进行许多修改以使特定情况或材料适应本发明的教导。因此，本发明不限于所公开的特定实施例，而是本发明将包括落入所附权利要求范围内的所有实施例。