基于并行Boosting算法的雷達目標跟蹤檢測系統設計

蔡 軼，蔡萬勇

(1.空軍預警學院 教研保障中心，武漢 430010；2.空軍預警學院 雷達士官學校，武漢 430010)

0 引言

微電子的發展使雷達技術愈加成熟，目前的雷達探測器包含了紅外光、紫外光、激光等多重手段協作，使雷達跟蹤監測功能更加完善。在現代戰爭中，雷達目標跟蹤系統已經成為必不可少的工具，其內部具備多功能的能力能夠在短時間內實現不同搜索模式/跟蹤模式的目標掃描，對于戰場指揮員有極大的幫助[1-3]。

在不同的應用環境下對應的應用技術也不同，例如數據融合技術、專家系統技術、模糊理論技術等等，融合上述技術建立的雷達目標跟蹤檢測系統在檢測能力上具有很大的提升，然而卻面臨著兩大問題，分別是全面性問題和規則庫管理問題[4-5]。如何滿足大數據量和高實時性兩大要求，已經成為當前雷達領域迫切需要解決的問題[6-7]。

本文深入探討了并行Boosting算法，在此基礎上設計了一種基于并行Boosting算法的雷達目標跟蹤檢測系統，通過RADAR數據集測試系統的實際工作效果，與同類算法相比，該算法的識別效率很高，由此證明系統具備可行性。

1 基于并行Boosting算法的雷達目標跟蹤檢測系統硬件設計

作為一種有效的分類器融合方法，Boosting算法使用內部分類算法來產生一系列基本的基本分類器，對每一個基本分類器的培訓依賴于之前生成的分類器分類結果，利用訓練集上基值分類器誤碼率來調整訓練樣本，采用加權投票的方法確定單個基值分類器的概率分布。在分類器研究中，穩定性是分類器性能的重要指標，分類器穩定性，是指分類系統在某些參數(結構、尺寸等)的干擾下，仍能保持一定的性能，這一性能又稱魯棒性。所以，設計一種魯棒性更強的分類器，對提高分類器的泛化能力十分重要[8-9]。

并行Boosting所采用的基本學習算法是訓練多個弱分類器，通過融合來提高分類精度，在分類器不穩定情況下，該算法能有效地提高分類精度[10-13]。非穩定性算法和穩定算法取得的計算效果不同，非穩定性算法是指對樣本變化非常敏感的算法，即訓練樣本變化很小就會引起分類器變化很大，比如，神經網絡和決策樹都不穩定；穩定性算法受影響較小，但有時會降低分類精度，因為存在大量的不穩定分類算法組成的基本分類器，所以這種方法能夠提高非穩定學習算法的分類精度[14]。

本文根據系統硬件的數據整合格式挑選合適的處理機制進行硬件處理操作，設置數據多處理器，對收集的數據集中處理，連接I/O接口，將數據轉化頭傳輸至中心芯片系統中，按照芯片系統的內部整合管理操作實現對基礎雷達目標數據的追蹤，配置審核芯片，接通USB數據端口，將網絡數據傳導至審核芯片中，并檢驗跟蹤控制器的位置參數，時刻調整位置參數系數，確保數據信息操作的安全性與可行性，并構建相應的數據多處理器內部結構圖。

在完成對目標數據的處理后，配置數據過濾器，過濾初始實驗參數，保留與系統操作相關性較強的二次過濾參數，將過濾器的接口聯通至轉換器接口處，調配接口信息數據，將信息數據的狀態參數模擬錄入過濾器元件的記錄中心中[15]。加大整體硬件運算速率，將實現過濾的數據整合存儲至硬件數據空間，實現對跟蹤檢測系統硬件的設計操作。

2 基于并行Boosting算法的雷達目標跟蹤檢測系統軟件設計

在實現對系統硬件的設計后，利用不同的算法操作模型整合算法操作信息，并結合算法解析與中心調整操作，匹配算法內部調控空間，將數據組信息劃分為統一存儲模塊中實現數據內部存儲，利用并行Boosting算法的內部學習融合方式調節不同的雷達目標追蹤系統狀態，通過不斷的系統自主完善裝置整合相應的跟蹤檢測信息，聯合數據投票規則，將不符合系統操作的規則數據清除至系統操作空間外，并防止外來無關數據的侵擾，并構建軟件設計流程圖如圖2所示。

圖2 軟件設計流程圖

加強數據化管控力度，研究相關雷達目標之間的數據跟蹤檢測差異性，并計算差異值數據，設置如下的數據計算公式：

(1)

式中，Ri表示為計算的差值數據代表參數，V為象征性數據跟蹤檢測指數，k為操作的基礎范圍數據，i為方向角標。在實現上述內部操作后，調整算法軟件應用程序空間配置，將空間數據混亂的部分清除，并構造內部調整系統，利用系統的中心調整性能采集相關系數較大的空間數據，標準化改造并行Boosting算法的學習研究曲線。對應雷達跟蹤目標的目標位置分析位置函數的數據落腳點，同時合理規劃不同區域間的數據差異值，按照差異值的信息范圍集中加強對算法簡化的處理力度，簡便操作流程，縮短操作所需時間，進而獲取有效率更高的跟蹤檢測數據結果，利用選取的指數參數構建軟件設計改造模型公式精準掌控雷達目標的檢驗對象：

(2)

式中，K表示為軟件改造模型參數，S表示為軟件內部空間區間數據，T表示為研究時間范圍，N表示為需進行操作的數據總體數量，p表示為相關流程操作函數，o表示為內部調控系統數據。由此，獲取系統軟件操作所需的內部數值，不斷結合相關程度較高的系統操作雷達目標數據，并檢驗目標數據存在的合理性，構建檢驗方程式：

(3)

L作為檢驗的中心參數而存在，n表示為內部系統所需的內部數值，g表示為目標數據空間占比系數，q表示為數據合理性函數，a表示為數據相關程度數值。根據以上研究調節最終的數據操作狀態，并獲取軟件系統設計的關鍵信息參數，達到對系統軟件設計的目的。

3 實驗與研究

3.1 實驗步驟與方法

在上述內容中，本文從不同方面介紹了并行Boosting算法的雷達目標跟蹤檢測系統設計操作，按照操作標準簡化實驗研究處理，并構建相應的實驗操作平臺，對該系統設計的性能進行檢驗：

1)本文利用參數調整的方法確定實驗研究參數數據，根據圖像查找理論尋找與檢測系統相匹配的操作圖像，標記圖像信息，在圖像中心構造檢測數據點，并匹配數據點功能結構空間，利用結構的合理性劃分不同的實驗操作任務點。

2)將總的處理分類器數量除以剩余處理分類器數量作為訓練樣本參數，不斷審核收集的數據信息操作狀況，并對狀態信息進行集中化調整，分配不同的雷達目標，匯聚同一種群的雷達目標信息，標記存儲空間位置，在分布式的實驗環境下調節雷達信息信號接收狀態，控制處理數據處于可操作范圍內。選取三分之二的數據作為訓練樣本數據，并提出樣本數據訓練的參考數值，利用不同的參考數值差異提高算法跟蹤檢測的有效性。

3)處理訓練數據，由于在分布式實驗環境下，跟蹤目標的查找速率將隨著空間范圍的縮小而減少，為此，本文適當縮減實驗操作時間，控制查找速率處于可支配地位，同時轉變雷達目標的位置信息，將所有位置信息轉移至跟蹤檢測系統數據庫中，等待系統的進一步檢驗操作，并設置編程操作碼進行數據編程操作。

圖3 編程流程圖

3.2 實驗對象及參數

在達到以上實驗操作標準后，利用實驗操作的信息構建實驗參數數據，控制雷達發電站的信號發射頻率，并傳導精準的跟蹤檢測指令于中心系統中，構建ENU坐標系與雷達目標坐標系的直角坐標關系圖。

圖4 直角坐標系圖

獲取實驗參數如表1所示。

表1 實驗參數1

3.3 實驗結果與分析

利用發電站方位參數對比跟蹤檢測目標的移動路線狀況，匹配相關操作數據，設置共同的實驗信息系統，以基于GUP的雷達目標跟蹤檢測系統和基于路線選擇的雷達目標跟蹤檢測系統作為實驗對比方法，實驗對比圖如圖5所示。

圖5 目標跟蹤檢測路線對比圖

根據上述圖示可以分析出，本文基于并行Boosting算法的雷達目標跟蹤檢測系統設計的目標跟蹤檢測路線更加接近理想路線狀況，基于GUP的雷達目標跟蹤檢測系統設計的目標跟蹤檢測路線比較符合理想路線狀況，而基于路線選擇的雷達目標跟蹤檢測系統設計的目標跟蹤檢測路線與理想路線相差較大。

造成此種差異的原因在于傳統基于GUP的雷達目標跟蹤檢測系統集合了不同的系統軟件信息，將系統的應用程序性能開發到最大程度，并調配系統檢控裝置，確保目標跟蹤的安全性，提升操作的有效率，減少不必要的操作浪費，進而獲取更高的跟蹤檢測結果。基于路線選擇的雷達目標跟蹤檢測系統設計雖匹配了相關操控數據，但對于內部系統的結構形式掌握程度較低，未達成系統的內部連接需求，導致其跟蹤檢測的跟蹤檢測路線與理想路線相差甚遠。而本文系統調整了算法內部信息系統的數據歸類程度，合理規劃統一種群信息內的數據，并調整不同數據的存儲狀態，分配中心傳導數據空間，將硬件系統信息與軟件系統信息相結合，傳導聯合數據，鞏固不同跟蹤檢測操作間的數據關系，控制目標位于系統檢驗的標準路線中，獲取效果較佳的目標跟蹤檢測路線。在完成首次系統實驗對比后，將符合系統整合的數據全部錄入目標跟蹤檢測空間中，等待二次實驗研究的開展。調節檢測后的信息狀態，將數據系統空間恢復至初始狀態，并查找狀態信息數據，構建相對應的二次實驗參數表2所示。

在表2中，對接收站的狀況進行管理，跟蹤雷達目標處理系統的點跡，追蹤點跡信息，將符合信息操作的點跡數據統一錄入至目標跟蹤檢測空間內部，并設置數據監管程序，減少操作數據與無關數據的接觸量。檢測數據發出電波的狀況，主導中心電波信息，并在達到實驗研究的基礎操作后，展開數據強化實驗操作：

表2 實驗參數2

1)標準化管理雷達目標位置，并定位位置信息，清除地面遮擋物，保證信號的同向接收。轉變跟蹤檢測畫面，利用編程碼將畫面數據轉化為代碼公式，直觀地反映實驗研究的效果，構建平面邊界A，最小邊界值為h1，構建平面邊界B，最小邊界值為h2，且h1

圖6 泛化誤差圖

2)本系統的跟蹤目標間的距離間隔為200 m，測量三圈點數據，記錄測量的結果，修正并行Boosting算法，整合算法接觸空間，改變算法調配的方向，過濾與跟蹤檢測目標起始點角度不符的數據，堅持目標的追蹤狀態，固定此刻的算法目標，并加以內部檢驗操作，同時對此時的雷達目標信息進行位置定位操作，設置位置坐標圖如圖7所示。

圖7 位置坐標圖

3)管理算法關聯系數，整理系數相關性，利用相關性較高的目標參數追蹤雷達目標，并檢驗不同目標參數的操作結果，獲取所需的實驗結果數據，構建如圖8所示的實驗對比圖示。

圖8 跟蹤監測圖像清晰度對比圖

在圖8中可以得出，基于路線選擇的雷達目標跟蹤檢測系統設計的跟蹤檢測圖像清晰度較大，基于GUP的雷達目標跟蹤檢測系統設計的跟蹤檢測圖像清晰度較小，而本文基于并行Boosting算法的雷達目標跟蹤檢測系統設計跟蹤檢測圖像清晰度均高于其他兩種傳統系統。由于本文在目標跟蹤檢測的同時匹配關聯度較高的操作數據，減緩硬件系統與軟件系統間的操作矛盾，聯合同向性檢驗操作，提取雷達目標信息，獲得初始操作數據，跟蹤檢測系數較為精準，且設置圖像反應度較為清晰的內部系統裝置，具有良好的跟蹤監測圖像清晰度。傳統基于路線選擇的雷達目標跟蹤檢測系統設計掌控了不同狀態下的目標數據信息，構建了數據傳輸通道，并擴展通道數據吸納容量，保證雷達目標數據的完整錄入，在路線的管理中集合中心信息，提升路線圖像的反應清晰度，獲取清晰度較高的跟蹤檢測圖像。

綜上所述，本文系統設計更好的結合了系統內部空間控件，聯系系統硬件結構與軟件流程，擴展跟蹤監測范圍，具有良好的跟蹤檢測效果，跟蹤檢測路線理想。

4 結束語

本文在傳統航天器目標跟蹤控制系統設計的基礎上提出了一種新式基于圖像輪廓檢測的航天器目標跟蹤控制系統設計，實驗結果表明，該系統設計的設計效果明顯優于傳統系統設計的設計效果，結合了系統硬件裝置與軟件程序的優勢，減緩系統內部矛盾，具有較高的系統整合性，能夠在較高程度上完善系統設計，獲得更好的操作結果數據，具有更為廣闊的發展前景。