一、点迹和航迹的概念
1．点迹的概念
点迹泛指满足检测准则后，由数据录取设备输出包含回波点位置坐标等参数的一组数据，点迹一般是真目标点迹，但也可能是噪声或杂波剩余等产生的虚假点迹。
2．航迹的概念
航迹是指对多个目标的若干点迹进行数据处理后将同一目标点迹连成的曲线。对于不同使用场合它们可分别称为航迹、轨迹、弹道等。点迹的集合就是雷达数据处理的输入，处理完成后输出的就是航迹的集合。
二、点迹数据的形成及其分析
1．原始点迹数据的形成
雷达回波经过信号处理和恒虚警检测后，需要测量通过检测门限的信号出现的空间位置、幅度值、相对时间等参数并进行录取，形成原始点迹数据。原始点迹数据的形成过程主要包括雷达对目标的测量、点迹数据格式、点迹数据的录取和点迹数据分析。
（1）雷达对目标的测量
对现代雷达来说，在发现目标的同时，也就开始自动测量目标的各种参数，主要包括以下几点：
① 对目标斜距的测量；
② 对目标方位的测量；
③ 对目标仰角的测量；
④ 对目标高度的测量。
在有些雷达里还可以测量目标的径向速度等信息，具体的测量方法这里不作赘述。
（2）点迹的数据格式
点迹的数据格式主要是指雷达目标的距离、方位、信号幅度以及时间等参数按约定的数据格式有序录入。对于不同的雷达而言，获取信息的要求也不同，点迹数据格式也就反应这种需求。
常用的点迹数据格式有以下两种：
1) 按回波脉冲串的起始、终止方位录入的目标参数
2) 对通过检测门限的回波信号按量化单元依次录入点迹数据
（3）点迹数据的录取
雷达回波经过检测以后，是否形成点迹数据并录入计算机是受录取方式控制的。常用的录取方式有手动、半自动、区域自动和全自动四种，这些方式都是由操作员通过终端操作系统结合显示界面实现的。除了手动录取外，其他三种录取方式都是自动控制点迹数据的形成和录取范围。
2．点迹数据分析
从雷达数据处理要求的角度来说，我们希望一个点目标仅存在一组点迹数据，但实际情况中，雷达录取的单个目标点迹数据是多组的，在距离和方位上都不是单值，此外，由于噪音和虚警等因素，很多点迹并不是目标，这些因素都会影响对目标实际位置的估计。
图1为原始点迹数据的示例。图中的点迹分为两部分：杂波点迹和目标点迹。因此，要获得目标的航迹，我们必须对原始点迹数据进行处理，也就是我们后面要讲到的点迹处理部分。
图1 原始点迹数据示例
三、航迹数据的形成及其分析
一般来说，要得到目标的航迹数据，要经过点迹处理和航迹处理两个部分。
1．点迹处理
目标的原始点迹数据通常在距离和方位上存在多个，不同目标的点迹数据与虚警混在一起，目标点迹配对处理就是把原始点迹数据分别进行归类，把同一目标产生的点迹数据归在一起，完成原始点迹数据的分辨与归并。然后再进行点迹凝聚处理，得到最终的点迹数据。
（1）原始点迹数据的分辨与归并
原始点迹数据的分辨与归并主要包括以下三个步骤：
1) 剔除异常的目标原始点迹
2) 点迹数据在距离上的归并与分辨
3) 点迹数据在方位上的归并与分辨
（2）点迹凝聚处理
目标点迹凝聚处理的过程就是对经过归并和分辨的原始点迹数据，先进行距离上的凝聚，得到水平波瓣内不同方位上的目标距离值；再进行方位上的凝聚，计算时不要求距离位于同一单元，可获得唯一方位估计值；接着把距离指进行线性内插获得唯一的距离估计值。
整个点迹处理的步骤过程如下图2所示：
图2 点迹处理步骤
2．航迹处理
航迹处理就是将同一目标的点迹连成航迹l的处理过程。航迹处理一般包括航迹起始、点-航关联、航迹滤波和预测等部分。
（1）航迹起始
航迹起始是航迹形成的第一步，航迹起始的准确度和速度，直接影响到后续点迹-航迹关联和航迹滤波与预测的进行。若航迹起始的正确与否，将会严重影响后续的航迹处理。
航迹起始是航迹处理的难点问题，主要是因为航迹起始时，目标刚刚进入雷达探测范围，距离雷达较远，雷达的探测能力差且目标和杂波的出现并没有真正的统计规律。常用的航迹起始算法有两大类：顺序处理技术和批处理技术。
顺序处理技术主要用在安静环境中的航迹起始，有直观法和逻辑法等；在嘈杂环境中，批处理技术的航迹起始效果更好，它包括 Hough 变换法及其改进算法。研究表明，顺序处理技术在无杂波、轻杂波的环境中能够正确地实现航迹起始；在杂波环境中，Hough 变换法能够更加准确的起始航迹，且虚警率较低，但是在密集杂波的环境中，Hough 变换法要通过大量的计算才能正确的找到目标航迹，因其过重的计算量并不适合工程中使用。
（2）点迹-航迹数据关联
点迹-航迹数据互联问题是雷达航迹处理的基本与核心问题，特别是在目标运动轨迹互相交叉、多个目标且密集分布、雷达自身的测量误差较大、强杂波、干扰较大的非线性系统时，这种数据关联将变得更加困难。
在杂波环境中进行数据关联，回波可能来自目标，也可能来自杂波和虚警；受到杂波和量测噪声的影响，回波和目标点的关联性变差，数据关联根据候选回波的状态和目标的状态，找到最有可能是下一个目标点的回波。
常用的数据关联方法主要有：最近领域法、概率最近领域法、概率数据关联算法、联合概率数据关联算法。
（3）航迹滤波和预测
航迹滤波与预测是雷达航迹数据处理第三步，通过航迹滤波与预测，能得到目标航迹状态的可信估计值，并为进行下一轮回的相关处理确定跟踪波门。在工程上常用α-β滤波和Kalman滤波两种算法。 航迹滤波与预测经常和点迹—航迹的相关处理同时进行，也就是说预测航迹下一时刻的目标估计值，以此为中心并根据一定约束条件来限制相关波门，落入波门内的点即为通过滤波器的点，若波门内的点迹不止一个，采用关联算法找到最合适的点。因此，点迹-航迹关联和滤波器经常一起使用。
经过滤波和预测之后，再保持航迹的管理和维持，最终就能得到航迹数据的输出。航迹处理的步骤示意图如下图3所示。
图3 航迹处理步骤
最终形成的航迹数据即为我们需要的目标航迹，图4为经过航迹处理得到的目标航迹数据，包括目标的批号、航速、距离和方位等信息。
图4 经过航迹处理得到的目标航迹数据
参考文献
[1]高萌. 雷达航迹处理算法及仿真平台设计与实现[D].西安电子科技大学,2015.
[2]丁鹭飞,耿富录.雷达原理.第三版.西安:西安电子科技大学出版社,2002.
[3]侯同章.雷达航迹处理算法研究[D].江南大学,2015.
[4]何友,修建娟,等.雷达数据处理及应用.北京:电子工业出版社,2006.
[5]刘宇.雷达数据处理中的航迹相关[D]. 四川大学, 2003.
[6]吴顺君,梅晓春,等.雷达信号处理和数据处理技术.北京:电子工业出版社,2008.