基于PF-Net的點跡過濾算法

朱星辰，周 亮，張玉濤，匡華星

(中國船舶集團有限公司第八研究院，南京 211153)

0 引 言

在強地物雜波、海雜波、云雨雜波等復雜電磁環境下，目標檢測后的雷達回波仍會包含大量雜波剩余。這些大量的雜波點跡一方面易使數據處理自動起始時出現虛假航跡，并影響跟蹤時的正常關聯；另一方面會導致數據處理系統飽和，超出設計的計算容量，影響系統完成正常任務[1]。因此，有必要在目標檢測后進一步標記目標點跡,并濾除雜波點跡。

國內外針對該問題開展了相關研究：文獻[2]提出了一種基于支持向量機的目標分類與識別方法，通過提取回波特征并進行多特征融合的方式，實現目標識別；文獻[3]提出了一種基于改進KNN的點跡真偽鑒別方法，運用加權KNN模型對點跡真偽進行鑒別；文獻[4]針對航管雷達，利用最近鄰分類器，根據多普勒速度、功率譜等特征標記目標點跡。

針對目標檢測后雷達回波包含大量雜波剩余的問題，本文提出并設計了基于反向傳播神經網絡PF-Net的雷達點跡分類方法，對該算法進行了完整推導，給出了利用K-Means點跡聚類標注數據集到網絡訓練的完整算法流程實現，并在后續訓練完成后加入了自學習機制，增強了本算法的穩健性。最后運用雷達實際數據，給出了本文算法虛假點跡抑制和目標點跡損失率指標，從而驗證了算法的工程可用性。

1 系統模型

真實目標回波與地物雜波、海雜波、云雨雜波等雜波回波，在方位展寬、距離展寬、EP數、幅度分布等多個維度的特征參數中存在差異，利用這些特征可以有效標記目標點跡并濾除虛假點跡。……