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的前提下所获得的所有其它实施例，都属于本发明保护的范围。

需要说明的是，在不冲突的情况下，本发明中的实施例及实施例中的特征可以相互组合。

下面结合附图和具体实施例对本发明作进一步说明，但不作为本发明的限定。

具体实施方式一、结合图1至图3所示，本发明提供了一种基于多维筛选并行Hough变换的航迹起始方法，包括，

步骤一：对雷达N0个扫描周期的量测点迹集进行多维筛选获得可能关联的二次保留量测点迹集：

一一：对N0个量测点迹集中的每一个量测点迹，按时间顺序依次以当前扫描周期的每一个量测点迹作为主要点迹，以相邻前一扫描周期的每一个量测点迹作为次要点迹，计算每个主要点迹与次要点迹的多普勒速度变化率；去除每一次计算中多普勒速度变化率大于速度变化率阈值时的次要点迹，得到可能关联的初次保留量测点迹集；

一二：在初次保留量测点迹集中，依次计算每个主要点迹与次要点迹的归一化距离平方，若归一化距离平方小于距离平方门限值，判定两个相邻点迹为同一目标量测点迹，保留两个量测点迹；否则，取消两个点迹的可能关联关系，并删除次要点迹；由所有保留的量测点迹得到可能关联的二次保留量测点迹集；

步骤二：基于可能关联的二次保留量测点迹集进行航迹筛选，确定起始目标航迹。

作为示例，步骤一一中，以一个量测点迹集中包括三个量测点迹为例，首先以第一量测点迹为次要点迹，第二量测点迹为主要点迹计算多普勒速度变化率；然后以第二量测点迹为次要点迹，第三量测点迹为主要点迹计算多普勒速度变化率。即每个量测点迹作为主要点迹时只与前一扫描周期的次要点迹进行计算，与后一个扫描周期计算时，该量测点迹将作为次要点迹；依此类推。为有效利用量测数据的时序信息，只对相邻时刻的量测数据进行计算，避免一个时刻的点迹与多个时刻的量测进行计算，提高了预筛选的计算速度，减少了预筛选的计算量。

进一步，结合图3所示，步骤二确定起始目标航迹的具体方法包括：

二一：对二次保留量测点迹集中的量测点迹进行并行Hough变换，获得在ρ-θ坐标空间中相应曲线交于一点的所有保留量测点迹，所述所有保留量测点迹在X-Y坐标系下位于一条直线上；确定X-Y坐标系下原点到所述直线的射距ρ；

二二：在ρ-θ坐标空间中将射距ρ均分为N1个单元，将夹角θ均分为N2个单元，得到N1*N2个量测单元；对二次保留量测点迹集中每个扫描周期落入每个量测单元的量测点迹数量进行累计，若至少连续3个扫描周期中有至少2个以上扫描周期在同个量测单元存在量测点迹，则对所述量测单元的量测点迹进行累加，获得量测点迹累加值，否则舍弃量测单元累加值；在量测单元存在量测点迹的判断中，可以是连续5个扫描周期中有至少4个以上扫描周期，或者连续4个扫描周期中有至少2个以上扫描周期；

二三：将量测点迹累加值超过累加值设定门限的量测单元作为可能航迹单元；

二四：在所有可能航迹单元中，选定最早周期的量测点迹为根点迹；将根点迹与可能关联的二次保留量测点迹集中相邻下一扫描周期的量测点迹按步骤一二的方法进行可能关联关系的筛选，获得筛选后量测点迹的航迹；将筛选后量测点迹的航迹中，至少连续6个扫描周期中有至少2个周期没有量测点迹的航迹段去除，将满足要求的没有量测点迹的航迹段去除后，得到起始目标航迹。对航迹段去除的周期数可以根据实际需要进行选择。

本实施方式中，在X-Y坐标系下位于一条直线的点经过Hough变换在ρ-θ坐标空间中的曲线会交于一点，所以对于航迹起始阶段来说，实际就是找直线的过程。

再进一步，将杂波密集环境下的测量点迹进行基于多普勒速度的预筛选，每个主要点迹与次要点迹的多普勒速度变化率的计算方法包括：

式中x_i(t₂)为第t₂扫描周期第i个量测点迹的量测多普勒频率，x_j(t₁)为第t₁扫描周期第j个量测点迹量测多普勒频率，为t₂扫描周期时间，为t₁扫描周期时间，r₀为速度变化率阈值。

再进一步，将初次保留量测点迹集中的量测点迹进行基于归一化距离平方的筛选，根据自由度和门限概率查询卡方分布的表格得到门限值，小于门限值的点迹即认为是目标点迹进行保留，所述归一化距离平方的计算方法包括：

d_ij＝max[0,z_j(k+1)-z_i(k)-v_max×T_s]+max[0,-z_j(k+1)+z_i(k)+v_min×T_s]，

D_ij(k)＝d_ij ^T[R_i(k)+R_j(k+1)]^-1d_ij，

式中d_ij为主要点迹与次要点迹间的距离矢量，z_j(k+1)为当前扫描周期的第j个量测点迹，z_i(k)为相邻前一扫描周期的第i个量测点迹，v_max为目标运动速度最大值，T_s为扫描周期，v_min为目标运动速度最小值，R_i(k)为相邻前一扫描周期的第i个量测点迹量测误差矩阵，R_j(k+1)为当前扫描周期的第j个量测点迹量测误差矩阵，D_ij(k)为归一化距离平方。

经过归一化距离平方的计算，保留的二次保留量测点迹集中的点迹作为可能目标点迹。

本实施方式中，可以将第k个扫描周期的原始数据记为Z(k)。

再进一步，对二次保留量测点迹集中的量测点迹进行并行Hough变换的方法包括：

ρ＝x cosθ+y sinθ，

式中x为量测点迹的X-Y坐标系下横坐标，y为量测点迹的X-Y坐标系下纵坐标；

其中横坐标x为雷达量测空间下量测点迹的雷达接收目标方位角Az规格化后的规格化方位角Az_G在X-Y坐标系下的对应量，纵坐标y为雷达量测空间下量测点迹的雷达接收目标射距Rg在X-Y坐标系下的对应量。

再进一步，为了在雷达量测空间进行并行Hough变换，需要克服二者数量级对于Hough空间参数投票的缺点，进行规格化处理，规格化方位角Az_G的获得方法包括：

Az_G＝G×Az，

式中G为规格化系数。

再进一步，所述规格化系数G的计算方法包括：

式中：

作为示例，所述N1为80，N2为32。

作为示例，所述距离平方门限值通过查表的方式获得。

下面通过仿真的手段验证本发明的发明效果：

模拟某双基地远程警戒雷达监视范围，在X轴0km-100km，Y轴900km-1000km范围内设置9个匀速直线运动的目标，目标的运动参数如下表1，雷达采样时间间隔为40s，扫描周期为6，雷达径向距离量测误差为5km，方位角测量误差为0.01rad，多普勒速度测量误差为0.3m/s，每个扫描点迹在探测范围内位置上服从均匀分布，个数上符合泊松分布，每个扫描周期仿真生成150个虚假点迹。

表1目标运动参数

利用本发明方法对上述仿真航迹进行航迹起始，真实目标运动轨迹如图4所示，得到航迹起始图如图5所示，并以基于并行Hough变换的航迹起始方法进行航迹起始作为参考算法，得到航迹图如图6所示。

结合图4至图6可以看出，在低量测精度、强杂波密度的情况下，并行Hough变换基本不能运行，根本不能起始目标航迹，而本发明提出的基于多维筛选并行Hough变换的航迹起始方法可以在低量测精度、强杂波密度的条件下较好的起始目标航迹；由于单次仿真具有偶然性，将本发明方法在不同测量误差、不同量测精度条件下进行五十次蒙特卡洛仿真，结果如表2所示，以航迹起始成功率和虚假航迹起始率作为衡量指标：

(1)航迹起始成功率：

在仿真中认为仅由同一目标点迹生成的航迹是真实航迹。共进行N次仿真，其中第n次仿真当中产生m个目标，起始t个目标，航迹起始成功率为：

式中s是第n次仿真中航迹起始成功率，t是m个目标中被起始的目标，m为第n次仿真中产生的目标，suc是航迹起始成功率，N是仿真次数。

(2)虚假航迹起始率：

在仿真中认为存在不同目标点迹或虚假点迹的航迹是虚假航迹。同样假设共进行N次仿真，第n次仿真中产生p个航迹，其中j个为虚假航迹，虚假航迹起始率为：

式中w是第n次仿真中虚假航迹起始率，j是p个航迹中虚假航迹个数，p是第n次仿真中产生的航迹总数，wro是虚假航迹起始率，N是仿真次数。

表2本发明航迹起始算法性能

表3基于并行Hough变换的航迹起始算法效果

由上述表格可以看出，本发明提出的算法航迹起始成功率维持在90％以上，虚假航迹起始率在50％以下，针对低量测概率、强杂波密度情况下的航迹起始本发明方法具有较好的效果，相较于现有并行Hough变换的航迹起始方法，在低量测精度、强杂波密度的环境下，本发明的航迹起始成功率提升50％以上，虚假航迹起始率下降50％以上。

具体实施例：

1)以雷达扫描的k个扫描周期量测点迹集为次要点迹集，k+1个扫描周期量测点迹为主要点迹集，以此计算主要点迹与次要点迹之间的多普勒速度变化率。

2)若主要点迹集中第i个主要点集x_i(k+1)与次要点迹中第j个次要点迹集x_i(k)之间的多普勒速度变化率小于门限值，则将x_i(k+1)与x_i(k)标注为可能目标点迹并进行保留，认为x_i(k+1)与x_i(k)之间为可能关联关系。

3)循环所有主要点迹集和次要点迹集，将所有可能目标点迹进行标注，并去除此时次要点迹集中的没有被标注为可能目标点迹的量测点迹。

4)在可能关联关系的主要点迹x_i(k+1)与次要点迹x_i(k)之间首先计算距离矢量和归一化距离平方，得到x_i(k+1)和x_i(k+1)之间的归一化距离平方D_ij(k)。

5)归一化距离平方服从卡方分布，当两个量测点迹为同一个目标时归一化距离平方小于门限，取门限概率为0.99，自由度为2，查表可知门限值为9.21。保留两个量测点迹之间的可能关联关系，保留此时所得到的归一化距离平方，否则取消可能关联，并对次要点迹集中的x_i(k)进行删除。

6)以上述1)-5)进行循环直至k+m-1个扫描周期，此时可认为前5个扫描周期中的保留的雷达量测点迹和第m个中的主要点迹为可能目标点迹，并得到m-1个相邻周期的可能关联关系。

7)对雷达量测条件下的径向距离-方位角平面进行规格化处理，首先求取径向距离维的最大值、最小值和方位角维的最大值、最小值，以径向距离维的最大值-最小值得到k至k+m-1周期的径向距离维范围，以方位角维的最大值-最小值得到k至k+m-1周期的方位角维范围。

8)以径向距离维范围除以方位角维范围可得规格化系数G，并以该规格化系数乘以方位角可得规格化后的方位角Az_G。

9)对k至k+1个扫描周期保留下来的可能目标点迹，在每一个扫描周期进行Hough变换。

10)将Hough参数空间中的是原点到直线射距ρ分成80个单元，将射距与横轴夹角θ均匀分成32个单元，若k个扫描周期可能目标点迹经过Hough变换后参数可能为(ρ_a,θ_b)，则认为落入ρ的第a个单元和θ的第b个单元的量测单元，此时量测单元中数目加一，得到第k至k+m-1个扫描周期的独立量测单元积累值。a＝1，2，3，……N1；b＝1，2，3，……N2；

11)创建滑窗包括p个扫描周期，若p个扫描周期中有q个及以上周期在同个独立联合单元有值，则认为该单元有可能存在航迹(p＞q)，将p个扫描周期的该量测单元累加，若超过门限值则认为是可能航迹单元，从k时刻进行滑窗处理至k+m-p时刻，若取p＝4，q＝3，m＝6则共进行3次滑窗处理，经过滑窗处理后的非可能航迹单元在本次航迹起始中去除。

12)在可能航迹单元中，选定最小时刻的量测点迹为根点迹，根据5)中保留的量测点迹与后一扫描周期量测点迹的可能关联关系进行筛选，并根据根点迹将可能航迹单元分成对应的航迹。

13)若在筛选后航迹单元中m个时刻当中有n个时刻不存在关联点迹，则将该航迹去除，否则认为该航迹为目标航迹，起始目标航迹。

优化方案：

一：在11)中的p和q可以根据实际情况进行设定，且本发明所使用的扫描周期数量m＝6以根据实际环境中雷达目标的非线性程度进行设定，若雷达目标线性程度较高，则本发明方法所使用的扫描周期数可以上升，其中p＜q。

二：n应为m的四分之一至三分之一，若目标线性程度较强，可以将n设置较小，以此排除虚假航迹。

三：若想要进一步降低虚假航迹起始率，可以将5)中保留的相邻量测点迹之间的归一化距离平方的门限调低，可根据关联概率不同选择不同的门限值。

四：若要减少计算量，可对其中2)进行改进，可将雷达监测范围进行分区，其计算公式如下，以雷达监测范围中雷达方位和雷达射距最小值为原点进行计算，其方位角单元距离为A_unit和射距单元距离为R_unit，其计算公式如下：

式中v_Amax为方位角最大运动速度，v_Rmax为射距最大运动速度，σ_A为方位角量测噪声，σ_R为射距量测噪声，T为扫描周期；

根据上述单元距离，可将参数单元划分为M×N个单元，且：

式中ceil为向上取整函数，则可定义单元格为U_m,n，m＝1,2,…,M,n＝1,2,…,N，当对第k个扫描周期U_m,n单元格内点迹与第k+1个扫描周期点迹进行筛选时，只选择第k+1个扫描周期U_m,n，U_m-1,n-1，U_m,n-1，U_m-1,n，U_m+1,n，U_m+1,n+1，U_m+1,n-1，U_m-1,n-1，U_m-1,n+1九个单元格进行筛选。

虽然在本文中参照了特定的实施方式来描述本发明，但是应该理解的是，这些实施例仅仅是本发明的原理和应用的示例。因此应该理解的是，可以对示例性的实施例进行许多修改，并且可以设计出其他的布置，只要不偏离所附权利要求所限定的本发明的精神和范围。应该理解的是，可以通过不同于原始权利要求所描述的方式来结合不同的从属权利要求和本文中所述的特征。还可以理解的是，结合单独实施例所描述的特征可以使用在其它所述实施例中。