一种雷达数据的航迹处理方法

摘要

本发明提供了一种雷达数据的航迹处理方法，涉及雷达数据处理技术领域，该方法包括：获得多个探测数据集合，并获得多个精度参数集合；获取多个点迹数据集合；获得J个合格点迹集合；对所述J个合格点迹集合进行加权计算，获得多个校正点迹；基于集成学习，构建点迹拟合模型，所述点迹拟合模型内包括多个点迹拟合单元；将所述多个校正点迹输入所述多个点迹拟合单元，获得多个拟合航迹，根据所述多个点迹拟合单元的准确率，对所述多个拟合航迹进行加权调整，获得航迹处理结果，解决了现有技术中存在数据精度和航迹处理准确性不足，且运算量较大，模型训练效率不足的技术问题，达到提高航迹处理精度和准确性的技术效果。

权利要求

1.一种雷达数据的航迹处理方法，其特征在于，所述方法包括：基于多个探测雷达，对待进行航迹追踪的目标进行探测，获得多个探测数据集合，并获得多个精度参数集合；

根据所述多个探测数据集合，获取多个点迹数据集合；

按照多个预设移动特征，对所述多个点迹数据集合进行筛选，获得J个合格点迹集合；

根据所述多个精度参数集合，对所述J个合格点迹集合进行加权计算，获得多个校正点迹；

基于集成学习，构建点迹拟合模型，所述点迹拟合模型内包括多个点迹拟合单元；

将所述多个校正点迹输入所述多个点迹拟合单元，获得多个拟合航迹，根据所述多个点迹拟合单元的准确率，对所述多个拟合航迹进行加权调整，获得航迹处理结果。

2.根据权利要求1所述的方法，其特征在于，基于多个探测雷达，对待进行航迹追踪的目标进行探测，获得多个探测数据集合，并获得多个精度参数集合，包括：基于多个探测雷达，对所述目标进行探测，基于收到的反射波，获得多个反射波数据集合；

获取预设反射波数据量；

根据所述多个反射波数据集合内的反射波数据量与所述预设反射波数据量的比值的大小，进行权重分配，获得多个第一权重分配结果；

对所述多个反射波数据集合进行滤噪处理，获得所述多个探测数据集合，并获取多个滤噪数据量集合；

根据所述多个滤噪数据量集合内滤噪数据量的大小，进行权重分配，获得多个第二权重分配结果；

根据所述多个第一权重分配结果和所述多个第二权重分配结果，计算获得所述多个精度参数集合。

3.根据权利要求1所述的方法，其特征在于，按照多个预设移动特征，对所述多个点迹数据集合进行筛选，获得J个合格点迹集合，包括：获取加速度移动特征、速度移动特征；

按照所述加速度移动特征、速度移动特征，对所述多个点迹数据集合进行判断筛选，获得所述J个合格点迹集合。

4.根据权利要求1所述的方法，其特征在于，根据所述多个精度参数集合，对所述J个合格点迹集合进行加权计算，获得多个校正点迹，包括：获取所述多个精度参数集合内所述J个合格点迹集合对应的J个精度参数集合；

采用所述J个精度参数集合内每个精度参数集合内精度参数的大小，对所述J个合格点迹集合内的点迹数据进行加权计算，获得所述多个校正点迹。

5.根据权利要求1所述的方法，其特征在于，基于集成学习，构建点迹拟合模型，所述点迹拟合模型内包括多个点迹拟合单元，包括：根据历史时间内的雷达探测数据，获取多个样本校正点迹集合；

根据所述多个样本校正点迹集合，分别进行航迹构建，获得多个样本航迹；

在所述多个样本校正点迹集合和多个样本航迹内随机选择K组构建数据，并获取K个第一系数，每个第一系数均为1/K，K为大于1小于多个样本校正点迹集合的数量的整数；

采用所述K组构建数据，基于前馈神经网络，构建并训练获得所述多个点迹拟合单元内的第一点迹拟合单元；

采用所述K组构建数据对所述的第一点迹拟合单元进行测试，获得第一准确率；

根据所述第一准确率与预设准确率的偏差，对所述K组构建数据进行调整，获得M组构建数据，并计算获得M个第二系数，M为大于等于K，小于多个样本校正点迹集合的数量的整数，或为小于K大于0的整数；

基于所述 M 个第二系数，采用所述 M 组构建数据构建并训练获得第二点迹拟合单元，其中，每组构建数据的训练算力资源与第二系数的大小正相关；

采用所述M组构建数据对所述的第二点迹拟合单元进行测试，获得第二准确率，并继续构建获得所述多个点迹拟合单元，获得所述点迹拟合模型。

6.根据权利要求5所述的方法，其特征在于，根据所述第一准确率与预设准确率的偏差，对所述K组构建数据进行调整，获得M组构建数据，并计算获得M个第二系数，包括：计算所述第一准确率与预设准确率的比值，对K进行计算调整，获得M；

根据所述K个第一系数和所述第一准确率，计算获取K个初第二系数，如下式：其中， 为构建数据x的初第二系数， 为构建数据x的第一系数， 为K个第一系数的和， 为第一准确率与构建完成的全部点迹拟合单元的准确率之和的比值；

在M大于等于K时，获得新增的M‑K组构建数据的均为1/M的M‑K个初第二系数，结合所述K个初第二系数，计算获得所述M个第二系数，在M小于K时，根据所述K个初第二系数获取M个初第二系数，并计算获得所述M个第二系数。

7.根据权利要求5所述的方法，其特征在于，采用所述K组构建数据对所述的第一点迹拟合单元进行测试，获得第一准确率，包括：采用所述K组构建数据对所述的第一点迹拟合单元进行测试，获得K个预测航迹，根据所述K组构建数据内的K个样本航迹，计算所述第一准确率，如下式：其中， 为第一准确率，Q为第i组构建数据进行测试时的统计值。

8.根据权利要求1所述的方法，其特征在于，根据所述多个点迹拟合单元的准确率，对所述多个拟合航迹进行加权调整，包括：对所述多个拟合航迹进行多项式转换处理，获得多个多项式集合；

根据所述多个点迹拟合单元的准确率，进行权重分配，获得多个拟合权重值；

采用所述多个拟合权重值，对所述多个多项式集合内的参数进行加权，获得拟合多项式集合，并转换处理获得所述航迹处理结果。

9.一种雷达数据的航迹处理系统，其特征在于，所述系统包括：目标探测模块，所述目标探测模块用于基于多个探测雷达，对待进行航迹追踪的目标进行探测，获得多个探测数据集合，并获得多个精度参数集合；

点迹数据获取模块，所述点迹数据获取模块用于根据所述多个探测数据集合，获取多个点迹数据集合；

点迹筛选模块，所述点迹筛选模块用于按照多个预设移动特征，对所述多个点迹数据集合进行筛选，获得J个合格点迹集合；

点迹校正模块，所述点迹校正模块用于根据所述多个精度参数集合，对所述J个合格点迹集合进行加权计算，获得多个校正点迹；

点迹拟合模型构建模块，所述点迹拟合模型构建模块用于基于集成学习，构建点迹拟合模型，所述点迹拟合模型内包括多个点迹拟合单元；

航迹处理模块，所述航迹处理模块用于将所述多个校正点迹输入所述多个点迹拟合单元，获得多个拟合航迹，根据所述多个点迹拟合单元的准确率，对所述多个拟合航迹进行加权调整，获得航迹处理结果。

说明书

一种雷达数据的航迹处理方法

技术领域

[0001] 本发明涉及雷达数据处理技术领域，具体涉及一种雷达数据的航迹处理方法。

背景技术

[0002] 多目标跟踪是现代雷达面临的重要任务之一，航迹处理则是实现多目标跟踪技术的关键。随着雷达探测环境的日益复杂，雷达探测的不确定性变得更为严峻，航迹处理对于雷达数据处理的意义重大。现有技术中对雷达探测数据的分析流程不够详细，导致雷达探测数据的精度不足，同时，现有的航迹处理方法需要利用大量的探测数据进行分析，导致计算量较大。

[0003] 综上，现有技术中存在数据精度和航迹处理准确性不足，且运算量较大，模型训练效率不足的技术问题。

发明内容

[0004] 本发明提供了一种雷达数据的航迹处理方法，用以解决现有技术中存在数据精度和航迹处理准确性不足，且运算量较大，模型训练效率不足的技术问题。

[0005] 根据本发明的第一方面，提供了一种雷达数据的航迹处理方法，包括：基于多个探测雷达，对待进行航迹追踪的目标进行探测，获得多个探测数据集合，并获得多个精度参数集合；根据所述多个探测数据集合，获取多个点迹数据集合；按照多个预设移动特征，对所述多个点迹数据集合进行筛选，获得J个合格点迹集合；根据所述多个精度参数集合，对所述J个合格点迹集合进行加权计算，获得多个校正点迹；基于集成学习，构建点迹拟合模型，所述点迹拟合模型内包括多个点迹拟合单元；将所述多个校正点迹输入所述多个点迹拟合单元，获得多个拟合航迹，根据所述多个点迹拟合单元的准确率，对所述多个拟合航迹进行加权调整，获得航迹处理结果。

[0006] 根据本发明的第二方面，提供了一种雷达数据的航迹处理系统，包括：目标探测模块，所述目标探测模块用于基于多个探测雷达，对待进行航迹追踪的目标进行探测，获得多个探测数据集合，并获得多个精度参数集合；点迹数据获取模块，所述点迹数据获取模块用于根据所述多个探测数据集合，获取多个点迹数据集合；点迹筛选模块，所述点迹筛选模块用于按照多个预设移动特征，对所述多个点迹数据集合进行筛选，获得J个合格点迹集合；点迹校正模块，所述点迹校正模块用于根据所述多个精度参数集合，对所述J个合格点迹集合进行加权计算，获得多个校正点迹；点迹拟合模型构建模块，所述点迹拟合模型构建模块用于基于集成学习，构建点迹拟合模型，所述点迹拟合模型内包括多个点迹拟合单元；航迹处理模块，所述航迹处理模块用于将所述多个校正点迹输入所述多个点迹拟合单元，获得多个拟合航迹，根据所述多个点迹拟合单元的准确率，对所述多个拟合航迹进行加权调整，获得航迹处理结果。

[0007] 根据本发明采用的一种雷达数据的航迹处理方法，可达到如下有益效果：1.在本实施例中，基于多个探测雷达，对待进行航迹追踪的目标进行探测，获得多个探测数据集合，并获得多个精度参数集合；根据所述多个探测数据集合，获取多个点迹数据集合；按照多个预设移动特征，对所述多个点迹数据集合进行筛选，获得J个合格点迹集合；根据所述多个精度参数集合，对所述J个合格点迹集合进行加权计算，获得多个校正点迹；基于集成学习，构建点迹拟合模型，所述点迹拟合模型内包括多个点迹拟合单元；将所述多个校正点迹输入所述多个点迹拟合单元，获得多个拟合航迹，根据所述多个点迹拟合单元的准确率，对所述多个拟合航迹进行加权调整，获得航迹处理结果，达到提高航迹处理精度和准确性的技术效果。

[0008] 2.通过对雷达接收到的反射波数据进行滤噪处理，得到多个探测数据集合，通过对反射波数据量和滤噪数据量进行分析，得到多个第一权重分配结果和多个第二权重分配结果，从而计算获得所述多个精度参数集合，达到为航迹处理提供数据分析基础，提高数据分析精度的技术效果。进一步根据多个探测数据集合获取多个点迹数据集合，并对多个点迹数据集合进行筛选，得到J个合格点迹集合，基于多个精度参数集合，对所述J个合格点迹集合内的点迹数据进行加权计算，以加权计算结果作为所述多个校正点迹，达到实现对点迹数据的修正，提升航迹处理的准确性的技术效果。

[0009] 3.通过集成学习构建多个点迹拟合单元，在构建过程中，通过测试上一个单元的准确率，进行下一个单元的构建数据的调整，上一个单元的准确率越高，则下一单元的构建数据量越少，反之则越多，达到在减少运算量，保证准确率的同时，提升集成训练收敛效率的技术效果。

[0010] 应当理解，本部分所描述的内容并非旨在标识本发明的实施例的关键或重要特征，也不用于限制本发明的范围。本发明的其他特征将通过以下的说明书而变得容易理解。

附图说明

[0011] 为了更清楚地说明本发明或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单的介绍，显而易见地，下面描述中的附图仅仅是示例性的，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据提供的附图获得其他的附图。

[0012] 图1为本发明实施例提供的一种雷达数据的航迹处理方法的流程示意图；

[0013] 图2为本发明实施例中获得多个探测数据集合和多个精度参数的流程示意图；

[0014] 图3为本发明实施例中获得点迹拟合模型的流程示意图；

[0015] 图4为本发明实施例提供的一种雷达数据的航迹处理系统的结构示意图。

[0016] 附图标记说明：目标探测模块11，点迹数据获取模块12，点迹筛选模块13，点迹校正模块14，点迹拟合模型构建模块15，航迹处理模块16。

具体实施方式

[0017] 以下结合附图对本发明的示范性实施例作出说明，其中包括本发明实施例的各种细节以助于理解，应当将它们认为仅仅是示范性的。因此，本领域普通技术人员应当认识到，可以对这里描述的实施例做出各种改变和修改，而不会背离本发明的范围和精神。同样，为了清楚和简明，以下的描述中省略了对公知功能和结构的描述。

[0018] 为了解决现有技术中存在数据精度和航迹处理准确性不足，且运算量较大，模型训练效率不足的技术问题，本发明的发明人经过创造性的劳动，得到了本发明的一种雷达数据的航迹处理方法。实施例

[0019] 图1为本发明实施例提供的一种雷达数据的航迹处理方法图，所述方法包括：

[0020] 步骤S100：基于多个探测雷达，对待进行航迹追踪的目标进行探测，获得多个探测数据集合，并获得多个精度参数集合；

[0021] 其中，如图2所示，本发明实施例步骤S100包括：

[0022] 步骤S110：基于多个探测雷达，对所述目标进行探测，基于收到的反射波，获得多个反射波数据集合；

[0023] 步骤S120：获取预设反射波数据量；

[0024] 步骤S130：根据所述多个反射波数据集合内的反射波数据量与所述预设反射波数据量的比值的大小，进行权重分配，获得多个第一权重分配结果；

[0025] 步骤S140：对所述多个反射波数据集合进行滤噪处理，获得所述多个探测数据集合，并获取多个滤噪数据量集合；

[0026] 步骤S150：根据所述多个滤噪数据量集合内滤噪数据量的大小，进行权重分配，获得多个第二权重分配结果；

[0027] 步骤S160：根据所述多个第一权重分配结果和所述多个第二权重分配结果，计算获得所述多个精度参数集合。

[0028] 具体而言，探测雷达是利用电磁波探测目标的电子设备，可基于实际情况自行选择市面上已有的雷达类型，在此不做限制，基于多个探测雷达，从不同方位对待进行航迹追踪的目标（比如飞机、直升机等）进行探测，得到多个探测数据集合，并获得多个精度参数集合。

[0029] 具体地，基于多个探测雷达，对所述目标进行探测，多个探测雷达发射电磁波对目标进行照射并接收其反射波，基于收到的反射波，获得多个反射波数据集合，反射波数据即为目标反射的无线电波，进一步获得多个反射波数据集合内无线电波的数据量，例如可以是无线电波的密度或信号能量等。获取预设反射波数据量，预设反射波数据量由该多个探测雷达和目标的距离以及目标的大小进行设定，可基于本领域技术人员进行设定，例如可以为理想状态下无其他电磁干扰的预设反射波数据量。

[0030] 然后计算多个反射波数据集合分别对应的目标反射的无线电波的数据量与预设反射波数据量的比值，比值反映接收信号的准确性，比值越大，即接收到的目标反射的无线电波的数据量越大，则探测准确性越大，基于此进行权重分配，比值越大，则权值越大，由此获得多个反射波数据集合对应的多个第一权重分配结果。

[0031] 进一步采用现有的雷达信号滤噪方法（比如小波滤噪、均值滤波、中值滤波等）对所述多个反射波数据集合进行滤噪处理，获得所述多个探测数据集合，并获取多个滤噪数据量集合，多个探测数据集合即为进行滤噪处理后的多个反射波数据集合，多个滤噪数据量集合即为多个反射波数据集合分别滤除的噪声数据量集合。进而根据所述多个滤噪数据量集合内滤噪数据量的大小，进行权重分配，滤噪数据量越大，噪声越多，则对应的探测数据集合的准确性越小，权值也越小，基于此，获得多个反射波数据集合对应的多个第二权重分配结果，多个反射波数据集合与多个探测数据集合一一对应的，根据所述多个第一权重分配结果和所述多个第二权重分配结果，计算每一个反射波数据集合对应的第一权值和第二权值的乘积，得到多个乘积，进而计算每个乘积和多个乘积之和的比值，即可得到多个比值作为精度参数，由此获得多个精度参数集合，为后续的航迹处理提供基础数据。

[0032] 步骤S200：根据所述多个探测数据集合，获取多个点迹数据集合；

[0033] 具体而言，探测雷达发射电磁波对目标进行照射并接收其反射波，通过对反射波长进行分析，可获得目标至电磁波发射点的距离、方位、高度等信息，由此建立一个地图坐标系，即可获得目标的实时坐标位置作为一个点迹，目标的位置可能动态变化，因此不断地通过多个探测雷达发出无线电波，可以得到实时变化的多个点迹，多个点迹组成一个点迹数据集合，多个探测数据集合对应多个点迹数据集合，由于探测数集合的精度不同，多个点迹数据集合也会不同。

[0034] 步骤S300：按照多个预设移动特征，对所述多个点迹数据集合进行筛选，获得J个合格点迹集合；

[0035] 其中，本发明实施例步骤S300包括：

[0036] 步骤S310：获取加速度移动特征、速度移动特征；

[0037] 步骤S320：按照所述加速度移动特征、速度移动特征，对所述多个点迹数据集合进行判断筛选，获得所述J个合格点迹集合。

[0038] 具体而言，从多个点迹数据集合提取任一个点迹数据集合，获取该点迹数据集合内的多个点迹的获取时间，根据获取时间计算两个连续的点迹之间的时间差值，利用两个点迹之间的距离差值和时间差值计算获得多个点迹数据集合分别对应的加速度移动特征、速度移动特征，获取多个预设移动特征，多个预设移动特征包括最大加速度、最大速度、最小速度等，基于实际情况自行设定。基于多个预设移动特征和加速度移动特征、速度移动特征对所述多个点迹数据集合进行判断筛选，获得所述J个合格点迹集合，具体过程可用如下公式表示：

[0039] ， 即为最小速度， 为最大速度， 为最大加速度， 为任一个点迹数据集
合中的第 个点迹的坐标位置， 为任一个点迹数据集合中的第 ‑1个点迹的坐标位置，为任一个点迹数据集合中的第 ‑2个点迹的坐标位置，基于此从多个点迹数据集合中筛选出加速度移动特征、速度移动特征符合多个预设移动特征的点迹数据集合作为J个合格点迹集合，J为大于等于1的整数，也就是说，点迹集合的加速度、速度不在预设范围内，说明该点迹集合不适用于航迹的获取，其准确率不高，可能为虚假航迹，通过对点迹数据集合的筛选，提高航迹处理准确度。

[0040] 步骤S400：根据所述多个精度参数集合，对所述J个合格点迹集合进行加权计算，获得多个校正点迹；

[0041] 其中，本发明实施例步骤S400包括：

[0042] 步骤S410：获取所述多个精度参数集合内所述J个合格点迹集合对应的J个精度参数集合；

[0043] 步骤S420：采用所述J个精度参数集合内每个精度参数集合内精度参数的大小，对所述J个合格点迹集合内的点迹数据进行加权计算，获得所述多个校正点迹。

[0044] 具体而言，获取所述多个精度参数集合内所述J个合格点迹集合对应的J个精度参数集合，采用所述J个精度参数集合内精度参数的大小，对所述J个合格点迹集合进行权重设置，精度参数越大，对应的权重越大，探测雷达对目标进行探测的过程中，目标的位置实时发生变化，因此每个合格点迹集合中均包含多个点迹，且所述J个合格点迹集合中的点迹数据一一对应，举例如，飞机到达任意一个位置，均会得到J个位置坐标（即点迹数据），但是J个位置坐标是基于不同的探测雷达获取的，理想条件下，即不同的探测雷达的探测数据完全准确的情况下，J个位置坐标是一致的，但是由于多个雷达的探测数据的精度不同，导致J个位置坐标具有差异，因此，基于J个精度参数集合内精度参数的大小，根据所述J个合格点迹集合提取同一位置的J个点迹数据并进行加权计算，具体来说，分别提取所述J个合格点迹集合内的J个第一点迹数据，对J个第一点迹数据进行加权计算得到一个校正点迹，继续提取所述J个合格点迹集合内的J个第二点迹数据，并进行加权计算，以此类推，继续对所述J个合格点迹集合内的点迹数据进行加权计算，即可得到所述多个校正点迹，以此实现对点迹数据的修正，提升航迹处理的准确性。

[0045] 步骤S500：基于集成学习，构建点迹拟合模型，所述点迹拟合模型内包括多个点迹拟合单元；

[0046] 其中，如图3所示，本发明实施例中步骤S500包括：

[0047] 步骤S510：根据历史时间内的雷达探测数据，获取多个样本校正点迹集合；

[0048] 步骤S520：根据所述多个样本校正点迹集合，分别进行航迹构建，获得多个样本航迹；

[0049] 步骤S530：在所述多个样本校正点迹集合和多个样本航迹内随机选择K组构建数据，并获取K个第一系数，每个第一系数均为1/K，K为大于1小于多个样本校正点迹集合的数量的整数；

[0050] 步骤S540：采用所述K组构建数据，基于前馈神经网络，构建并训练获得所述多个点迹拟合单元内的第一点迹拟合单元；

[0051] 步骤S550：采用所述K组构建数据对所述的第一点迹拟合单元进行测试，获得第一准确率；

[0052] 步骤S560：根据所述第一准确率与预设准确率的偏差，对所述K组构建数据进行调整，获得M组构建数据，并计算获得M个第二系数，M为大于等于K，小于多个样本校正点迹集合的数量的整数，或为小于K大于0的整数；

[0053] 步骤S570：按照所述M个第二系数，构建并基于所述M个第二系数，采用所述M组构建数据训练获得第二点迹拟合单元，其中，每组构建数据的训练算力资源与第二系数的大小正相关；

[0054] 步骤S580：采用所述M组构建数据对所述的第二点迹拟合单元进行测试，获得第二准确率，并继续构建获得所述多个点迹拟合单元，获得所述点迹拟合模型。

[0055] 其中，本发明实施例步骤S550包括：

[0056] 步骤S551：采用所述K组构建数据对所述的第一点迹拟合单元进行测试，获得K个预测航迹，根据所述K组构建数据内的K个样本航迹，计算所述第一准确率，如下式：

[0057] ；

[0058] 其中， 为第一准确率，Q为第i组构建数据进行测试时的统计值。

[0059] 其中，本发明实施例步骤S560包括：

[0060] 步骤S561：计算所述第一准确率与预设准确率的比值，对K进行计算调整，获得M；

[0061] 步骤S562：根据所述K个第一系数和所述第一准确率，计算获取K个初第二系数，如下式：

[0062] ，i=1,2,3...n，

[0063] 其中， 为构建数据x的除第二系数， 为构建数据x的第一系数， 为K个第一系数的和， 为第一准确率与构建完成的全部点迹拟合单元的准确率之和的比值；

[0064] 步骤S563：在M大于等于K时，获得新增的M‑K组构建数据的均为1/M的M‑K个初第二系数，结合所述K个初第二系数，计算获得所述M个第二系数，在M小于K时，根据所述K个初第二系数获取M个初第二系数，并计算获得所述M个第二系数。

[0065] 具体而言，集成学习通过构建并结合多个机器学习器来完成学习任务，在本实施例中，通过构建多个点迹拟合单元集成得到点迹拟合模型。

[0066] 具体地，根据历史时间内（比如过去一个月）的雷达探测数据，获取多个样本校正点迹集合，并根据所述多个样本校正点迹集合，分别基于现有技术进行航迹构建，获得多个样本航迹。在所述多个样本校正点迹集合和多个样本航迹内随机选择K组构建数据，每组构建数据均包含一个样本校正点迹集合和对应的一个样本航迹，获取K个第一系数，每个第一系数均为1/K，K为大于1小于多个样本校正点迹集合的数量的整数。采用所述K组构建数据，基于前馈神经网络，构建并训练获得所述多个点迹拟合单元内的第一点迹拟合单元，前馈神经网络是一种人工神经网络，常见的前馈神经网络有感知机、BP网络等，基于前馈神经网络构建的第一点迹拟合单元可在监督训练过程中形成简单单元之间连接的权值、阈值等网络参数，训练完成后的第一点迹拟合单元可根据输入数据进行复杂的非线性逻辑运算，输出预测航迹。

[0067] 进一步采用所述K组构建数据对所述的第一点迹拟合单元进行测试，获得第一准确率，具体过程如下：采用所述K组构建数据对所述的第一点迹拟合单元进行测试，简单来说，就是将K组构建数据中的K个样本校正点迹集合分别输入到第一点迹拟合单元，输出K个预测航迹，对所述K组构建数据内的K个样本航迹和K个预测航迹进行比对，计算所述第一准确率，如下式：

[0068] ；

[0069] 其中， 为第一准确率，Q为第i组构建数据进行测试时的统计值，也就是说，当预测航迹和样本航迹一致时，Q取1，反之Q取0，统计Q取1的数量，并与K作比值，得到的比值结果即为第一准确率。

[0070] 进一步根据所述第一准确率与预设准确率的偏差，对所述K组构建数据进行调整，获得M组构建数据，并计算获得M个第二系数，M为大于等于K，小于多个样本校正点迹集合的数量的整数，或为小于K大于0的整数，具体过程如下：

[0071] 首先计算所述第一准确率与预设准确率的比值，对K进行计算调整，获得M，通俗地讲，第一点迹拟合单元构建完成后，对K组构建数据进行调整，在所述多个样本校正点迹集合和多个样本航迹内选择M组构建数据，M组构建数据用于构建第二点迹拟合单元。预设准确率根据实际情况自行设定，例如设为80%，如果第一准确率大于预设准确率，那么M为小于K大于0的整数，从该K组构建数据内随机选择M组构建数据，上一个单元即第一点迹拟合单元的测试准确率较高，因此在构建第二点迹拟合单元时，可以减少构建数据的数量，第一准确率越高，M越小。例如，第一准确率与预设准确率的比值为1.1，则M=K/1.1，并进行取整。

[0072] 如果第一准确率小于等于预设准确率，M为大于等于K，小于多个样本校正点迹集合的数量的整数，因为此时第一点迹拟合单元的准确率不佳，在构建第二点迹拟合单元时，需要增大构建数据的数量，从而提高第二点迹拟合单元的准确率。再次在所述多个样本校正点迹集合和多个样本航迹内随机选择M‑K组构建数据，结合该K组构建数据，获得M组构建数据，K组构建数据和M组构建数据中包含相同的数据，如果同一组构建数据在上一个单元（比如第一点迹拟合单元）的测试中预测航迹和样本航迹不一致，则说明该组构建数据在上一个单元预测失败，为该组构建数据在下一个单元的训练中赋予更大的权重，以提升整个模型在该组构建数据上的准确性，反之，则赋予更小的权重，让出训练资源，由此达到保证准确率的同时，提升集成训练收敛效率的技术效果。示例性地，该训练资源例如可为训练的次数等。

[0073] 进一步根据所述K个第一系数和所述第一准确率，计算获取K个初第二系数，如下式：

[0074] ，i=1,2,3...n，

[0075] 其中， 为构建数据x的除第二系数， 为构建数据x的第一系数， 为K个第一系数的和， 为第一准确率与构建完成的全部点迹拟合单元的准确率之和的比值。

[0076] 在M大于等于K时，即增加构建数据量时，此时M组构建数据由第一点迹拟合单元的K组构建数据和新增的M‑K组构建数据组成，M‑K组构建数据是新增的构建数据，因此无法获取其第一系数，也就无法使用上述公式计算初第二系数，因此，将新增的M‑K组构建数据的M‑K个初第二系数初始化为1/M，同时采用上述公式计算获取K组构建数据的初第二系数，进一步计算M‑K个初第二系数和K个初第二系数的和，然后计算每个初第二系数与该和的比值，得到M个第二系数；在M小于K时，即减少构建数据量时，此时的M组构建数据是第一点迹拟合单元的K组构建数据的子集，直接根据所述K个初第二系数通过上述公式计算获取M个初第二系数，进一步计算M个初第二系数的和，分别计算M个初第二系数与他们的和的比值，即可得到M个第二系数。

[0077] 进一步按照所述M个第二系数，构建并基于所述M个第二系数，采用所述M组构建数据训练获得第二点迹拟合单元，其中，每组构建数据的训练算力资源与第二系数的大小正相关，也就是说，第二系数越大，算力训练资源就越多，算力训练资源可以理解为运算能力，比如训练次数。

[0078] 采用所述M组构建数据对所述的第二点迹拟合单元进行测试，利用与计算第一准确率相同的方式，计算获得第二准确率，对第二准确率和预设准确率进行比较，根据第二准确率和预设准确率的偏差，确定第三点迹拟合单元的构建数据的数量，进行第三点迹拟合单元，以此类推，继续构建下一个点迹拟合单元，从而构建获得所述多个点迹拟合单元，多个点迹拟合单元集成得到所述点迹拟合模型。

[0079] 步骤S600：将所述多个校正点迹输入所述多个点迹拟合单元，获得多个拟合航迹，根据所述多个点迹拟合单元的准确率，对所述多个拟合航迹进行加权调整，获得航迹处理结果。

[0080] 其中，本发明实施例步骤S600包括：

[0081] 步骤S610：对所述多个拟合航迹进行多项式转换处理，获得多个多项式集合；

[0082] 步骤S620：根据所述多个点迹拟合单元的准确率，进行权重分配，获得多个拟合权重值；

[0083] 步骤S630：采用所述多个拟合权重值，对所述多个多项式集合内的参数进行加权，获得拟合多项式集合，并转换处理获得所述航迹处理结果。

[0084] 具体而言，具体而言，将所述多个校正点迹输入所述多个点迹拟合单元，获得多个拟合航迹，拟合航迹是指根据多个点迹预测获得的目标（即飞行物）飞行的轨迹，进一步根据所述多个点迹拟合单元的准确率，对所述多个拟合航迹进行加权调整，获得航迹处理结果。

[0085] 根据所述多个点迹拟合单元的准确率，对所述多个拟合航迹进行加权调整的过程如下：对所述多个拟合航迹进行多项式转换处理，曲线多项式拟合是一种常见的数据分析方法，它可以进行曲线和多项式函数的转换，比如利用现有技术中的最小二乘法进行曲线多项式拟合，在本实施例中，多个拟合航迹可以看作多条航迹曲线，曲线可以转化为多项式函数，比如转化为n次幂函数多项式由此获得多个多项式集合，通俗地讲，就是通过航迹曲线上的一系列校正点迹来拟合出一个多项式函数，使得该函数能够最好地描述航迹的趋势和规律，每一个多项式函数中包含多个多项式，由此组合得到多个多项式集合。在构建多个点迹拟合单元过程中，对每个点迹拟合单元的准确率进行了测试，根据所述多个点迹拟合单元的准确率，进行权重分配，准确率越大，权重值越大，由此获得多个拟合权重值，采用所述多个拟合权重值，对所述多个多项式集合内的参数进行加权，即可得到拟合多项式集合，简单来说，就是对多个多项式进行加权，然后将拟合多项式集合转化为航迹曲线作为所述航迹处理结果，以此实现航迹处理，达到提高航迹处理精度和准确性的技术效果。

[0086] 基于上述分析可知，本发明提供了一种雷达数据的航迹处理方法，其可达到的有益效果如下：

[0087] 1.在本实施例中，基于多个探测雷达，对待进行航迹追踪的目标进行探测，获得多个探测数据集合，并获得多个精度参数集合；根据所述多个探测数据集合，获取多个点迹数据集合；按照多个预设移动特征，对所述多个点迹数据集合进行筛选，获得J个合格点迹集合；根据所述多个精度参数集合，对所述J个合格点迹集合进行加权计算，获得多个校正点迹；基于集成学习，构建点迹拟合模型，所述点迹拟合模型内包括多个点迹拟合单元；将所述多个校正点迹输入所述多个点迹拟合单元，获得多个拟合航迹，根据所述多个点迹拟合单元的准确率，对所述多个拟合航迹进行加权调整，获得航迹处理结果，达到提高航迹处理精度和准确性的技术效果。

[0088] 2.通过对雷达接收到的反射波数据进行滤噪处理，得到多个探测数据集合，通过对反射波数据量和滤噪数据量进行分析，得到多个第一权重分配结果和多个第二权重分配结果，从而计算获得所述多个精度参数集合，达到为航迹处理提供数据分析基础，提高数据分析精度的技术效果。进一步根据多个探测数据集合获取多个点迹数据集合，并对多个点迹数据集合进行筛选，得到J个合格点迹集合，基于多个精度参数集合，对所述J个合格点迹集合进行加权计算，以加权计算结果作为所述多个校正点迹，达到实现对点迹数据的修正，提升航迹处理的准确性的技术效果。

[0089] 3.通过集成学习构建多个点迹拟合单元，在构建过程中，通过测试上一个单元的准确率，进行下一个单元的构建数据的调整，上一个单元的准确率越高，则下一单元的构建数据量越少，反之则越多，达到在减少运算量，保证准确率的同时，提升集成训练收敛效率的技术效果。实施例

[0090] 基于与前述实施例中一种雷达数据的航迹处理方法同样的发明构思，如图4所示，本发明还提供了一种雷达数据的航迹处理系统，所述系统包括：

[0091] 目标探测模块11，所述目标探测模块11用于基于多个探测雷达，对待进行航迹追踪的目标进行探测，获得多个探测数据集合，并获得多个精度参数集合；

[0092] 点迹数据获取模块12，所述点迹数据获取模块12用于根据所述多个探测数据集合，获取多个点迹数据集合；

[0093] 点迹筛选模块13，所述点迹筛选模块13用于按照多个预设移动特征，对所述多个点迹数据集合进行筛选，获得J个合格点迹集合；

[0094] 点迹校正模块14，所述点迹校正模块14用于根据所述多个精度参数集合，对所述J个合格点迹集合进行加权计算，获得多个校正点迹；

[0095] 点迹拟合模型构建模块15，所述点迹拟合模型构建模块15用于基于集成学习，构建点迹拟合模型，所述点迹拟合模型内包括多个点迹拟合单元；

[0096] 航迹处理模块16，所述航迹处理模块16用于将所述多个校正点迹输入所述多个点迹拟合单元，获得多个拟合航迹，根据所述多个点迹拟合单元的准确率，对所述多个拟合航迹进行加权调整，获得航迹处理结果。

[0097] 进一步而言，所述目标探测模块11还用于：

[0098] 基于多个探测雷达，对所述目标进行探测，基于收到的反射波，获得多个反射波数据集合；

[0099] 获取预设反射波数据量；

[0100] 根据所述多个反射波数据集合内的反射波数据量与所述预设反射波数据量的比值的大小，进行权重分配，获得多个第一权重分配结果；

[0101] 对所述多个反射波数据集合进行滤噪处理，获得所述多个探测数据集合，并获取多个滤噪数据量集合；

[0102] 根据所述多个滤噪数据量集合内滤噪数据量的大小，进行权重分配，获得多个第二权重分配结果；

[0103] 根据所述多个第一权重分配结果和所述多个第二权重分配结果，计算获得所述多个精度参数集合。

[0104] 进一步而言，所述点迹筛选模块13还用于：

[0105] 获取加速度移动特征、速度移动特征；

[0106] 按照所述加速度移动特征、速度移动特征，对所述多个点迹数据集合进行判断筛选，获得所述J个合格点迹集合。

[0107] 进一步而言，所述点迹校正模块14还用于：

[0108] 获取所述多个精度参数集合内所述J个合格点迹集合对应的J个精度参数集合；

[0109] 采用所述J个精度参数集合内每个精度参数集合内精度参数的大小，对所述J个合格点迹集合内的点迹数据进行加权计算，获得所述多个校正点迹。

[0110] 进一步而言，所述点迹拟合模型构建模块15还用于：

[0111] 根据历史时间内的雷达探测数据，获取多个样本校正点迹集合；

[0112] 根据所述多个样本校正点迹集合，分别进行航迹构建，获得多个样本航迹；

[0113] 在所述多个样本校正点迹集合和多个样本航迹内随机选择K组构建数据，并获取K个第一系数，每个第一系数均为1/K，K为大于1小于多个样本校正点迹集合的数量的整数；

[0114] 采用所述K组构建数据，基于前馈神经网络，构建并训练获得所述多个点迹拟合单元内的第一点迹拟合单元；

[0115] 采用所述K组构建数据对所述的第一点迹拟合单元进行测试，获得第一准确率；

[0116] 根据所述第一准确率与预设准确率的偏差，对所述K组构建数据进行调整，获得M组构建数据，并计算获得M个第二系数，M为大于等于K，小于多个样本校正点迹集合的数量的整数，或为小于K大于0的整数；

[0117] 按照所述M个第二系数，构建并基于所述M个第二系数，采用所述M组构建数据训练获得第二点迹拟合单元，其中，每组构建数据的训练算力资源与第二系数的大小正相关；

[0118] 采用所述M组构建数据对所述的第二点迹拟合单元进行测试，获得第二准确率，并继续构建获得所述多个点迹拟合单元，获得所述点迹拟合模型。

[0119] 进一步而言，所述点迹拟合模型构建模块15还用于：

[0120] 计算所述第一准确率与预设准确率的比值，对K进行计算调整，获得M；

[0121] 根据所述K个第一系数和所述第一准确率，计算获取K个初第二系数，如下式：

[0122] ，i=1,2,3...n，

[0123] 其中， 为构建数据x的除第二系数， 为构建数据x的第一系数， 为K个第一系数的和， 为第一准确率与构建完成的全部点迹拟合单元的准确率之和的比值；

[0124] 在M大于等于K时，获得新增的M‑K组构建数据的均为1/M的M‑K个初第二系数，结合所述K个初第二系数，计算获得所述M个第二系数，在M小于K时，根据所述K个初第二系数获取M个初第二系数，并计算获得所述M个第二系数。

[0125] 进一步而言，所述点迹拟合模型构建模块15还用于：

[0126] 采用所述K组构建数据对所述的第一点迹拟合单元进行测试，获得K个预测航迹，根据所述K组构建数据内的K个样本航迹，计算所述第一准确率，如下式：

[0127] ；

[0128] 其中， 为第一准确率，Q为第i组构建数据进行测试时的统计值。

[0129] 进一步而言，所述航迹处理模块16还用于：

[0130] 对所述多个拟合航迹进行多项式转换处理，获得多个多项式集合；

[0131] 根据所述多个点迹拟合单元的准确率，进行权重分配，获得多个拟合权重值；

[0132] 采用所述多个拟合权重值，对所述多个多项式集合内的参数进行加权，获得拟合多项式集合，并转换处理获得所述航迹处理结果。

[0133] 前述实施例一中的一种雷达数据的航迹处理方法具体实例同样适用于本实施例的一种雷达数据的航迹处理系统，通过前述对一种雷达数据的航迹处理方法的详细描述，本领域技术人员可以清楚地知道本实施例中一种雷达数据的航迹处理系统，所以为了说明书的简洁，在此不再详述。

[0134] 应该理解，可以使用上面所示的各种形式的流程，重新排序、增加或删除步骤。例如，本发明中记载的各步骤可以并行地执行，也可以顺序地执行，也可以不同的次序执行，只要能够实现本发明公开的技术方案所期望的结果，本文在此不进行限制。

[0135] 上述具体实施方式，并不构成对本发明保护范围的限制。本领域技术人员应该明白的是，根据设计要求和其他因素，可以进行各种修改、组合、子组合和替代。任何在本发明的精神和原则之内所做的修改、等同替换和改进等，均应包含在本发明保护范围之内。