基于弧段检测的高频地波雷达特定目标航迹跟踪方法研究

The ocean observation environment is complex with particular situations such as wide monitoring range, ship maneuvering and so on, which makes real-time tracking specific target becomes difficult for high frequency surface wave radar (HFSWR). But in order to develop the advantages of all-weather and early warning of HFSWR, tracking the specific target continuously should be the function of HF ground wave radar. The project aims at researching the specific vessel target tracking method based on arc detection of the trajectory. The basic idea is: 1. Extract the arc characteristics sensitive to the attributes of the ship; 2. Establish the ship motion model based on deep learning network from arc data; 3. Fusion of the features from the above two kinds of means combined with the clutter characteristics analysis of HFSWR; 4. Recursive correction of the ship feature extraction and the motion model based on the acquisition of the new arc segment information. The new arc detection based trajectory tracking method is flexible and taps fully the arc segment information, which realizes the accurate extraction of the specific target trajectory even in the channel with a lot of interference ships. The research contributes to providing the theoretical basis and guidance of real-time tracking the specific target continuously and stably with HFSWR in complex environment with serious clutter/interference and offering the technical support to make fully HFSWR play a significant role in maritime surveillance.

高频地波雷达由于观测环境复杂，存在监测范围广、船只目标机动等特殊性，使其在特定目标实时跟踪方面存在困难，而船只目标的持续跟踪正是地波雷达应该具有的功能，以便发挥所具有的全天候远距离早期预警的优势。本课题将研究基于弧段检测的地波雷达特定船只目标航迹跟踪新方法，基本思路是：1.基于弧段数据提取关于船只属性敏感的弧段特征；2.基于弧段数据建立船只运动模型的深度学习网络；3.将前面两种手段得到的不同源特征结合地波雷达杂波特性进行融合决策，实现杂波背景下船只目标未来航迹的准确预测；4.进一步基于新获取的弧段信息对船只属性和运动模型进行递归校正。该方法充分挖掘弧段信息，采用多源特征融合和递归校正机制，适用于杂波环境且在航道附近存在众多干扰船只的情况下对机动目标航迹的实时稳定跟踪。为高频地波雷达在复杂干扰环境下特定目标持续跟踪提供理论基础和方法指导，为充分发挥地波雷达在海上监视监测中的作用提供技术支撑。

项目针对高频地波雷达在探测目标时存在的难点问题展开研究，在地波雷达测向，机动目标自适应跟踪，小船只目标检测以及杂波/干扰检测方面进行了深入研究，取得了有意义的成果。项目研究成果不仅在地波雷达实际应用中具有重要的意义，而且也对雷达信号处理的理论和方法进行了有意义的完善和补充。.课题主要研究地波雷达探测领域亟待解决的关键问题，例如测向，机动目标跟踪，杂波抑制，航迹匹配和小船只目标检测等问题。（1）针对传统DBF测向方法存在计算量大效率低的缺点，提出了基于双查找表的比幅测向方法，适合实时处理。该方法已申请国家发明专利一项，并已经成功应用于高频地波雷达现场试验中。（2）针对双站高频地波雷达机动目标探测问题，项目组提出了基于交互式多模的机动目标自适应跟踪方法，该方法不需要方位信息只需要双站测得的距离和速度，有效克服了地波雷达测向不准的问题。该研究成果发表在了SCI期刊上。（3）针对远距离弱小目标探测的难题，项目组基于混沌振子理论发展了高频地波雷达微弱目标信号检测方法，能够检测极低信噪比下的小船只目标。实验表明，在-22dB的信噪比环境下仍然能有效的检测出船只目标信号。同时所发展的弱信号检测理论和方法对于已有的弱信号检测是一个很好的补充。针对李雅普诺夫指数收敛慢的问题，我们通过提取有效特征，利用极限学习机对Duffing振子的状态切换进行了准确高效的判别。该系列成果已经在IEEE Signal Processing Letters和重要学术会议上发表。（4）提出了基于深度学习的高频地波雷达杂波和干扰检测方法。实验表明检测准确率能达到100%，因此结果是可靠的。该项成果已经发表在SCI权威期刊Remote Sensing上。杂波检测在整个地波雷达信号处理流程中具有重要意义。此外，深度学习检测方法的研究后续还有更深入的成果，在网络结构和识别效率方面都有较大的改善。