<em id="lj1v3"><b id="lj1v3"></b></em>

    <i id="lj1v3"></i>

        <i id="lj1v3"><b id="lj1v3"><progress id="lj1v3"></progress></b></i>

        <video id="lj1v3"></video>
        <video id="lj1v3"></video>

                    <i id="lj1v3"><ol id="lj1v3"><progress id="lj1v3"></progress></ol></i>
                    其他數據論文 II 區論文(已發表) ? 版本 ZH3 Vol 5 (3) 2020
                    下載
                    雷達回波序列中弱小飛機目標檢測跟蹤數據集
                    A dataset for detection and tracking of dim aircraft targets through radar echo sequences
                    ?>>
                    : 2019 - 10 - 29
                    : 2020 - 05 - 14
                    : 2019 - 11 - 25
                    : 2020 - 08 - 18
                    极速快三
                    7155 216 0
                    摘要&關鍵詞
                    摘要:雜波背景下的雷達弱小目標檢測跟蹤是低空安全防控、區域態勢監視、遠程精確打擊、空天攻防對抗等軍民應用領域的熱點和難點問題。本文針對雜波下雷達弱小目標檢測跟蹤技術研究的數據需求以及目前公開的雷達雜波下目標環境數據缺乏、場景設計針對性差、仿真數據真實性不足、實測數據格式不規范、數據描述與標注信息不全等問題,通過雷達外場實地數據錄取與數據加工處理,提供了一套以地物雜波下固定翼無人機為探測對象的雷達弱小目標檢測跟蹤標準數據集。數據集涵蓋強雜波、低信噪比、高動態、強機動、目標數目變化等典型場景,共計15段數據,每段數據包含一定時長的雷達脈沖序列,以及與之對應的距離波門文件和標注真值文件,數據格式規范、信息標注準確,可為雷達弱小目標探測識別算法設計與驗證、地面雜波特性研究等提供基礎數據。
                    關鍵詞:弱小目標;目標檢測;目標跟蹤;雷達回波序列;數據集
                    Abstract & Keywords
                    Abstract:?Radar detection and tracking of dim targets under clutter has been a hot yet difficult issue in the fields of military and civilian applications, such as low-altitude security prevention and control, regional situation monitoring, long-range precision strike, battlefield intelligence and reconnaissance. However, there has been problems related to existing radar data, such as poor pertinence of data scenarios, insufficient authenticity of simulation data, nonstandard formatting of measured data, incomplete scene description and calibration information, etc. To meet the data requirements for studies on the radar target detection and tracking technologies under clutter, we took the fixed-wing UAV under clutter as detection object for radar outfield data acquisition and data processing, through which to generate a standard dataset for the radar detection and tracking of dim targets under clutter. This dataset covers typical scenarios such as strong clutter, low signal-to-noise ratio, high dynamics, strong maneuvering, and changing target number. It consists of 15 radar echo sequences in total, and each echo sequence contains a number of pulse signals of a certain temporal duration, a corresponding gate file and a true-value labeling file. With standardized format and accurately labeled information, the dataset can provide basic data for the design and verification of radar dim target detection and tracking algorithms and for studies of clutter characteristics.
                    Keywords:?dim target;?target detection;?target tracking;?radar echo sequence;?dataset
                    數據庫(集)基本信息簡介
                    數據庫(集)名稱雷達回波序列中弱小飛機目標檢測跟蹤數據集
                    數據作者宋志勇,回丙偉,范紅旗,周劍雄,朱永鋒,達凱,張曉峰,蘇宏艷,金威,張永杰,楊彩霞,藺震,樊潤東
                    數據通信作者范紅旗(fanhongqi@nudt.edu.cn)
                    數據時間范圍2017–2019年
                    地理區域中國
                    雜波背景地面
                    雷達載頻35 GHz
                    脈沖重復頻率32 KHz
                    距離采樣單元間隔1.875 m
                    數據量8.76 GB
                    數據格式*.mat, *.txt
                    數據服務系統網址http://www.sciencedb.cn/dataSet/handle/908
                    基金項目國家自然科學基金(61401475)
                    數據庫(集)組成本數據集由15個數據段組成,每個數據段包含3部分:(1)dataX.mat是第X段包含有目標的雷達回波序列;(2)dataX_gate.mat是第X段雷達回波序列對應的距離波門信息序列;(3)dataX_value.txt 是對應于第X段數據對應的標記文件,標記信息包括對應數據段中從零時刻開始每間隔50 ms所處時刻的目標數、目標編號、目標速度、目標距離。
                    Dataset Profile
                    TitleA dataset for detection and tracking of dim aircraft targets through radar echo sequences
                    Data corresponding authorHongqi Fan (fanhongqi@nudt.edu.cn)
                    Data authorsSong Zhiyong, Hui Bingwei, Fan Hongqi1, Zhou Jianxiong, Zhu Yongfeng, Da Kai, Zhang Xiaofeng, Su Hongyan, Jin Wei, Zhang Yongjie, Yang Caixia, Lin Zhen, Fan Rundong
                    Time range2017–2019
                    Geographical scopeChina
                    Clutter backgroundLand
                    Radar carrier frequency35 GHz
                    Pulse repetition rate32 KHz
                    Distance unit sampling interval 1.875 m
                    Data volume8.76 GB
                    Data format*.mat, *.txt
                    Data service system<http://www.sciencedb.cn/dataSet/handle/908>
                    Source of fundingNational Natural Science Foundation of China (61401475)
                    Dataset compositionThe dataset consists of 15 subsets. The subsets are named as data1.zip, data2.zip, … data15.zip. Each subset comprises three parts: (1) data[N].mat is an radar echo sequence for Segment N with the presence of target aircraft ; (2) data[N]_gate.mat is a radar range gate information sequence corresponding to the echo sequence; (3) data[N]_value.txt is the corresponding label file of data[N].mat. The label information includes the total target number, target serial number, target velocity and target range corresponding to every time interval of 50 ms in the radar echo sequence.
                    引 言
                    雷達具有全天時、全天候、作用距離遠、參數估計精度高、響應速度快等特點,能夠有效探測感知波束內的目標以及場景,通過相應的信號與信息處理獲取目標的位置、速度、運動態勢等信息,廣泛應用于偵察監視、態勢感知、探測制導、目標識別等軍民領域[1-2]。隨著隱身技術、航空技術以及電子信息技術的進步,雷達探測的對象、場景、環境發生了巨大變化,對雷達系統的目標檢測、跟蹤、識別性能提出了新的要求[3]。主要體現在:(1)隱身、弱小目標檢測跟蹤需求。隱身技術和無人技術的飛速發展,使得目標的RCS(雷達散射截面)減小,隱身飛機、隱身艦船、無人機、導彈等弱小目標給雷達目標探測帶來挑戰,要求雷達系統能夠在更遠距離上對低信噪比目標實現穩定的探測跟蹤[4-5];(2)高速大機動目標檢測跟蹤需求。推進技術和控制技術的進步使飛行器的速度越來越快,機動能力越來越強,各類超音速、高超音速目標給雷達系統的目標探測帶來挑戰,反應時間的縮短提高了對雷達遠距探測和適應目標高速機動的要求[6-7];(3)低空慢速目標檢測跟蹤需求。通用航空事業的快速發展催生了無人飛行器產業的崛起,以無人機為代表的“低慢小目標”給低空區域安全帶來挑戰,提升了雷達系統對低空慢速目標的探測跟蹤要求[8-9];(4)多目標、群目標檢測跟蹤需求。隨著信息網絡技術的發展,協同化、集群化已經成為一種新型的目標形態,雷達波束內的多目標、群目標給目標探測、跟蹤和識別帶來嚴峻挑戰,集群目標的態勢感知需求迫切[10-11];(5)復雜環境下的目標檢測跟蹤需求。隨著雷達應用場景的拓展,雷達探測環境越趨復雜多變,雜波、干擾、多徑、遮擋等復雜環境給雷達探測帶來挑戰,低信雜比、低信干比條件下的目標檢測跟蹤需求成為常態[12-13];(6)人工智能發展對雷達數據的需求。隨著人工智能技術的發展,基于深度學習的目標檢測、識別、分類研究成為熱點,深度網絡對雷達數據的需求量非常大,特別是具體應用場景下的標準雷達回波數據集[14,15,16]。國內外學者和研究機構針對雷達目標檢測跟蹤的新需求開展了大量的研究工作,在探測跟蹤方面取得了一系列成果,相關研究對于雷達數據的需求十分迫切[17,18,19,20]。
                    然而,與上述緊迫需求不相匹配的是,當前科研領域的雷達數據比較分散,僅有的少數幾個公開數據集也都是關于自然環境的雷達回波數據[21]。關于雷達目標環境回波數據的描述、格式、標注等沒有統一的標準規范,也沒有形成可以服務于雷達弱小目標檢測跟蹤應用的公開的標準回波數據集,因此導致該領域的科研學術研究缺乏行業標準化數據支撐,相關的算法性能測試、評估等缺乏一致的數據標準。
                    鑒于上述迫切的應用需求和匱乏的數據現狀,本數據集通過典型場景設計、外場試驗錄取、數據處理標注、數據使用方法及評價準則設計等步驟和方法制備了面向雷達回波序列中弱小飛機目標檢測跟蹤數據集。本數據集尚屬首次成系統地公開發布以雜波下雷達弱小目標檢測跟蹤為研究需求的雷達回波序列數據集,填補了雷達目標探測識別領域中標準公開數據集的空白。
                    此外,本數據集中的部分數據已經提供給由**科技大學和中國航天科工二院聯合主辦的第二屆“空天杯”創新創意大賽——探測識別算法挑戰賽(雷達賽題方向)使用。
                    1 ? 數據采集和處理方法
                    1.1 ? 數據采集方法
                    數據采集用到的主要設施和設備為高塔和轉臺,試驗地點位于陜西省寶雞市眉縣(圖1)。數據采集試驗采用高塔架設轉臺并搭載帶伺服雷達傳感器的方式開展。高塔距離地面約90米,窄波束雷達安裝于轉臺上,轉臺固定于平臺邊緣并下俯一定角度。視野無遮擋,地貌為玉米、小麥、獼猴桃園等多類農作物。高塔、轉臺以及伺服系統的使用為獲取不同場景的目標雷達回波序列提供了保障。


                    圖1 ? 雷達回波數據錄取場景
                    數據采集使用的傳感器為Ka頻段通用錄取設備,該設備的基本性能參數如表1所示。
                    表1 ? Ka頻段雷達的基本性能參數
                    指標項性能參數
                    載頻35 GHz
                    波形體制線性調頻脈沖
                    脈沖重復頻率32 KHz
                    距離采樣單元間隔1.875 m
                    數據采集的對象為空中固定翼無人機。轉臺以及目標無人機上裝配有GPS通信站,引導計算機接收并解算二者的GPS信息,實時發送角度和距離等解算結果用于引導雷達伺服轉動,對無人機目標進行跟蹤以維持目標位于雷達的視場中,同時數據錄取設備進行回波的同步采集與保存。
                    數據采集的主要環境背景及場景設計如表2所示。
                    表2 ? 數據場景情況
                    數據段名場景說明
                    data1地物背景、高信噪比、雙目標、目標由遠及近、時長2 s
                    data2地物背景、中等信噪比、雙目標、目標由遠及近、時長2 s
                    data3地物背景、低信噪比、雙目標、目標由遠及近、時長2 s
                    data4地物背景、高信噪比、雙目標、目標由近及遠、時長2 s
                    data5地物背景、中等信噪比、雙目標、目標由近及遠、時長2 s
                    data6地物背景、低信噪比、雙目標、目標由近及遠、時長2 s
                    data7地物背景、高信噪比、雙目標、目標接近和遠離、時長4 s
                    data8地物背景、中等信噪比、雙目標、目標接近和遠離、時長4 s
                    data9地物背景、低信噪比、雙目標、目標由近及遠、時長6 s
                    data10地物背景、高信噪比、目標數目變化、目標由近及遠、時長6 s
                    data11地物背景、中等信噪比、目標數目變化、目標接近和遠離、時長6 s
                    data12地物背景、低信噪比、雙目標、目標接近和遠離、時長4 s
                    data13地海背景、高信噪比、目標數目變化、目標由遠及近、時長6 s
                    data14地海背景、中等信噪比、目標數目變化、目標由遠及近、時長6 s
                    data15地海背景、低信噪比、雙目標、目標接近和遠離、時長6 s
                    注:其中雙目標指波束內包含一個大目標和一個小目標,大目標信噪比越20 dB,且不變化。信噪比參數指的是小目標的信噪比,低信噪比條件為小目標信噪比3 dB左右,中等信噪比條件為小目標信噪比7 dB左右,高信噪比條件為小目標信噪比15 dB左右。
                    1.2 ? 數據處理與標注
                    數據處理與標注是將采集到的原始雷達回波數據進行格式轉換,剔除無效及污染數據,按一定的原則,對數據進行加工處理,并為感興趣的真實目標進行標注,提供真值的過程。
                    1.2.1 ? 數據預處理
                    雷達工作模式為脈沖–多普勒模式,每個雷達數據段的原始數據為連續時間采樣后的離散數字信號,在數據預處理結果將離散數字信號按照脈沖時刻以及重復周期進行數字下變頻處理、抽取濾波處理以及脈沖壓縮處理,形成脈沖壓縮后的時域脈沖序列[22-23]。由于原始數據中存在由于數據錄取設備原因導致的丟幀問題,故在預處理階段需要剔除丟幀數據,同步修正波門數據,以確保數據的連續性和一致性[24]。
                    1.2.2 ? 數據標注
                    雷達數據標注的本質就是通過對數據進行處理,獲得確定時刻數據中感興趣目標的真值,在距離–多普勒模式下真值主要指當前時刻下目標的數目、目標的序號、目標的速度以及距離??紤]到錄取的雷達回波數據中雜波強度大、目標動態范圍大、信噪比較低等特點,通過對數據進行確定時長的相參積累[25]、CFAR(Constant False-Alarm Rate,恒虛警檢測技術)檢測[26]、航跡跟蹤[27],以及與錄取記錄的GPS數據進行比對,采用自動標注與人工標注相結合的方式獲得雷達回波序列間隔50 ms時刻波束內目標的數據以及對應目標的距離和速度值,以此作為真值。
                    2 ? 數據樣本描述
                    本數據集共包含有15個數據段,數據段的命名從data1開始依次遞增至data15。每個數據段都主要包括雷達回波序列、雷達波門數據以及標注真值數據三類,下面分別對這三類數據的典型樣本進行描述和分析。
                    2.1 ? 雷達回波數據樣本
                    雷達回波數據集中每段數據為一定時長內所有脈沖進行脈沖壓縮后形成的連續時間脈沖序列,數據形式為二維數組,后綴名為mat,對于某一段數據,文件名為dataX.mat。每個脈沖的采樣點數固定為319個,對于慢時間維,脈沖重復頻率為32 kHz,脈沖數目根據選取時長的不同而不同,因此對應的二維數組大小不一樣。每段數據的采樣時刻皆從0時刻開始。單個雷達回波數據樣本示例如圖2所示,行序號代表慢時間脈沖數,列序號代表快時間采樣點數。


                    圖2 ? Matlab導入某數據段樣本中回波序列詳情
                    對于圖2所示的脈沖壓縮后的回波序列,通過選取不同的脈沖數目可以進行不同時長的相參脈沖積累,從而獲得距離–多普勒圖像。圖3顯示了單目標和多目標場景下基于脈沖壓縮回波序列進行相參積累后獲得的距離–多普勒圖像情況。




                    圖3 ? 不同目標場景下的距離–多普勒圖像
                    (a) 2個目標的R-D圖像示例 (b) 單個目標的R-D圖像示例
                    2.2 ? 距離波門數據樣本
                    對應于每一段雷達數據,提供一個雷達距離波門數據文件,數據形式按時間排序的一維數組,后綴名為mat。波門起始位置對應第一個采樣點,在整個數據段中隨目標移動,更新率為1 ms(32個脈沖更新一次)。某一段數據對應的距離波門數據文件名為dataX_gate.mat。單個雷達回波距離波門數據樣本示例如圖4所示。

                    (a)


                    (b)

                    圖4 ? 不同目標場景下的距離–多普勒圖像
                    (a) 波門文件dataX_gate數據格式
                    2.3 ? 標注真值數據樣本
                    標注數據結果以的dataX_value*.txt文件為格式存儲,其中dataX為對應的回波序列文件名稱(如data1、data2等),具體格式約定如表3所示。標注文件的具體約束事項如下:
                    (1)每段雷達回波序列的標注結果保存為1個文件;
                    (2)按照50 ms的數據率給出標注結果,即每1600個脈沖輸出1次結果,第1600*N個脈沖時刻為數據輸出時刻,以此類推;
                    (3)目標的距離和速度估計值的數據類型為浮點類型;
                    (4)結果文件中所有英文標識均使用小寫字母,所有數量標識均使用阿拉伯數字;
                    (5)輸出的檢測和估計結果按行存儲,若對應輸出時刻未檢測到目標,則目標數記為0;
                    (6)同一數據行內不同字段之間以空格間隔;
                    (7)字段中的標點符號“:”為英文字符;
                    (8)每個結果文件中的目標都從1開始遞增編號。
                    表3 ? 數據標注文件格式說明
                    第1行50 ms目標數object:1速度距離object:2速度距離……
                    第2行100 ms目標數object:1速度距離object:2速度距離……
                    …………
                    第N行50*N ms目標數object:1速度距離object:2速度距離……
                    下面以數據集中data2數據為例對標注數據進行解釋說明,如圖5所示。


                    圖5 ? 數據標注文件樣本舉例
                    在第1行中,字段“50 ms”表示從第1個脈沖開始至1600個脈沖時刻的時間,即表示本行輸出的目標及參數信息為第50 ms時刻對應回波中的目標情況;字段“1”表達當前時刻波束內只有1個目標;字段“object:1”表示接續下來的兩個字段是目標1的速度真值和距離真值;字段“40.401786”表示目標1的速度真值,保留小數點后6位;字段“1572.979364”表示目標1的距離真值,保留小數點后6位。第2–44行的字段含義同第1行,可依次類推。在第45行中,字段“2250 ms”表示本行的結果對應的是第2250 ms時刻,也就是第72000個脈沖時刻對應的目標真值信息;字段“2”表達當前時刻波束內有2個目標;字段“object:1”表示接續下來的兩個字段是目標1的速度真值和距離真值;字段“40.312500”表示目標1的速度真值;字段“1484.205737”表示目標1的距離真值;字段“object:2”表示接續下來的兩個字段是目標2的速度真值和距離真值;字段“107.081051”表示目標2的速度真值;字段“1799.357029”表示目標2的距離真值。第46及之后的字段含義同第45行,可依次類推。
                    3 ? 數據質量控制和評估
                    本數據集中的所有雷達回波數據都是通過Ka頻段通用錄取設備在專門設計的實驗中實測采集得到,目標、雜波等特性真實可靠。雷達回波序列中確定時刻對應的目標真值信息均為全自動標注和人工確認的結果,并經過多次核查檢驗,以確保數據質量[28]。數據集中所提供的評分準則及程序都已經過大量的實測驗證,評分結果符合設計指標[29]。
                    本數據集中的部分數據已在第二屆“空天杯”創新創意大賽(2019)——探測識別算法挑戰賽中發布供參賽選手測試及正式比賽使用。目前大賽已經正式落下帷幕,數據集作為探測識別算法挑戰賽雷達專題下算法性能比測的重要依據,為大賽評選出了相應獎項類別。該大賽的圓滿舉辦證實了本數據集中圖像數據、目標標注和評分準則的質量和科學可信度,可作為更廣泛科研人員的數據素材。
                    4 ? 數據價值
                    本數據集針對固定翼無人機目標的雷達回波序列檢測跟蹤問題,設計了15個典型場景,具體涵蓋了單目標、多目標、高信噪比、低信噪比、目標由遠及近、目標由近及遠、目標進出波束、目標穿越主雜波、目標機動等場景。每個典型場景對應1個段數據、共計15個數據段。該類型的數據集在國內尚屬首次成系列的公開發布,這些數據情況包括了當前雷達弱小目標檢測識別的以下重難點問題:
                    (1)低信噪比下的弱小目標檢測跟蹤;
                    (2)多目標情況下的弱小目標檢測;
                    (3)強雜波下的弱小目標檢測。
                    為滿足檢測跟蹤識別算法性能評估的需要,數據集對雷達回波序列按照50 ms等間隔時刻進行了目標真值的標注,并在這些標注結果的基礎上,綜合考慮檢測正確性、檢測精度、航跡正確性、目標漏警、目標虛警等關鍵評價要素,研究提出了滿足復雜場景下雷達弱小目標檢測跟蹤算法性能綜合評測準則,并開放了評分程序代碼。本數據集在為雷達檢測跟蹤相關研究人員開展學習研究工作提供測試實驗數據的同時,也能促進部分現有成果的實用化開發,打破當前雷達目標檢測跟蹤領域數據庫分散、數據集不標準、數據流動性和開放性差的困局,為算法研究提供交流、評測和提升的渠道。
                    此外,在第二屆“空天杯”創新創意大賽結束后,眾多參賽選手和國內同行對本數據集的補充完善版本都提出了申請需求,這也印證了本數據集的科研價值。圖6為空天杯雷達算法挑戰賽優秀選手利用本數據集提出的弱小目標檢測跟蹤框架和部分檢測跟蹤結果。圖7為空天杯雷達算法挑戰賽參賽選手基于本數據進行信號與數據處理獲得的部分結果圖。

                    (a)


                    (b)

                    圖6 ? 空天杯雷達檢測跟蹤挑戰賽部分參賽作品
                    (a) 207號作品框架 (b) 207號作品框架

                    (a)


                    (b)


                    (c)

                    圖7 ? 空天杯雷達檢測跟蹤挑戰賽部分參賽作品處理結果
                    (a) 信號積累結果 (b) CFAR檢測結果 (c) 目標跟蹤軌跡
                    5 ? 數據使用方法和建議
                    5.1 ? 數據使用方法
                    數據的推薦使用方法是:首先使用者利用自己編制的雷達弱小目標檢測跟蹤算法或軟件讀取一段雷達回波序列,并根據算法進行目標的檢測跟蹤;然后根據標注文件的存儲格式,將該段數據的檢測跟蹤結果保存在自定義文件中;最后通過本數據集提供的評測準則(推薦使用數據集提供的評分程序代碼)將真值數據與檢測跟蹤結果進行比對計算得分,作為當前數據段的結果,也可根據具體的實際應用需求,基于標注結果自行設計新的評分規則并計分比較。
                    5.2 ? 數據使用評價
                    數據使用后其結果評價可通過如下原則計分評價,分數越高表示性能越好。檢測跟蹤得分標準為:
                    (1)正確檢測且估計精度滿足預定要求:即目標測量/濾波結果位于以真值為中心、大小為[±5m(R)×±0.12m/s(V)]的矩形框內(含),每次加1分;
                    (2)正確檢測但估計精度不滿足預定要求:即目標測量/濾波結果位于以真值為中心、大小為[±5m(R)×±0.12m/s(V)]的矩形框外,但同時不超出大小為[±10m(R)×±0.5m/s(V)]的矩形框,每次加0分;
                    (3)漏檢,指以真值為中心的[±10m(R)×0.5m/s(V)]的范圍內(含)無檢測結果,每出現1次減1分;
                    (4)虛警,指在以真值為中心的[±10m(R)×0.5m/s(V)]的范圍外出現檢測結果,每個虛警減2分。
                    在上述數據使用評價準則下,利用本數據集測試結果滿分為2286分。本數據集提供上述評價準則的評分程序代碼。
                    致 謝
                    本數據集中的部分數據曾供第二屆“空天杯”創新創意大賽(2019)——探測識別算法挑戰賽(雷達探測識別方向)使用,感謝大賽組委會對本數據集的認可和采納。在數據集整理、測試、評審和發布,特別是評分準則設計的過程中,得到了**研究院邱志明院士,中國空空導彈研究院白曉東研究員,中國航天科工二院陳軍文研究員,北京航空航天大學王俊教授,廈門大學王程教授,華中科技大學張天序教授,北京理工大學楊小鵬教授,**裝備發展部朱南機研究員,**科技大學付強、王宏強、王壯、張焱教授的指導,本數據集也凝結了這些專家們的寶貴經驗和智慧。對上述專家辛勤付出,在此表示由衷的感謝。感謝**科技大學付強帶領的科研團隊在第二屆“空天杯”大賽前對本數據集中的部分數據進行了大量細致的測試和準備工作,并為數據的發布提供了大量幫助。感謝來自全國各大高校的30余支參賽隊伍對本數據集提出了許多有益的建議和意見。
                    [1]
                    丁鶩飛,耿富錄,陳建春. 雷達原理(第五版)[M]. 北京: 電子工業出版社, 2014.
                    [2]
                    斯科尼克. 雷達系統導論(第三版)[M]. 北京: 電子工業出版社, 2014.
                    [3]
                    蔡飛. 雷達弱小目標檢測與跟蹤技術研究[D]. 長沙: **科學技術大學, 2015.
                    [4]
                    梁璞, 陳興, 劉讓, 等. 基于RFT和AMF融合聚焦的雷達弱小目標檢測[J]. 航空兵器, 2019, 26(06): 1-9.
                    [5]
                    YANG Y, XIAO S, WANG X. Radar detection of small target in sea clutter using orthogonal projection[J]. IEEE Geoscience and Remote Sensing Letters, 2018, 16 (3): 382-386.
                    [6]
                    黃響, 張林讓, 唐世陽. 采用長時間相參積累技術的高速機動目標檢測快速算法[J]. 西安交通大學學報, 2019, 53(08): 121-128.
                    [7]
                    ZHU S, LIAO G, YANG D, et al. New method for radar high-speed maneuvering weak target detection and imaging[J]. IEEE Geoscience and Remote Sensing Letters, 2014, 11 (7): 1175-1179.
                    [8]
                    楊建軍, 卞磊, 路彬彬. 探測低慢小目標的新體制雷達技術[J]. 電子技術與軟件工程, 2018(17): 101.
                    [9]
                    CAO Y, WANG S, WANG Y, et al. Target detection for low angle radar based on multi-frequency order-statistics[J]. Journal of Systems Engineering and Electronics, 2015, 26(2): 267-273.
                    [10]
                    宋強. 雜波干擾下雷達微弱多目標檢測跟蹤方法[J]. 中國電子科學研究院學報, 2018, 13(05): 601-605.
                    [11]
                    YAN B, XU N, WANG G, et al. Detection of multiple maneuvering extended targets by three-dimensional hough transform and multiple hypothesis tracking[J]. IEEE Access, 2019, 7: 80717 – 80732.
                    [12]
                    王祎鳴, 張杰, 紀永剛, 等. 高頻地波雷達海雜波背景下的船只目標檢測研究進展[J]. 海洋科學, 2016, 40(09): 140-144.
                    [13]
                    YANG Y, FENG D, WANG X, et al. Effects of K distributed sea clutter and multipath on radar detection of low altitude sea surface targets[J]. IET Radar, Sonar & Navigation, 2014, 8 (7) : 757-766.
                    [14]
                    周龍, 韋素媛, 崔忠馬, 等. 基于深度學習的復雜背景雷達圖像多目標檢測[J]. 系統工程與電子技術, 2019, 41(06): 1258-1264.
                    [15]
                    陳偉, 孫洪忠, 齊恩勇, 等. 智能化時代雷達導引頭信號處理關鍵技術展望[J]. 航空兵器, 2019, 26(01): 76-82.
                    [16]
                    侯旋, 陳濤, 王唯良. 雷達目標檢測深層自編碼器自適應優化算法[J]. 計算機工程與應用, 2019, 55(13): 165-171.
                    [17]
                    張志宏, 張可心, 彭章友, 等. 基于粒子濾波的分布式雷達TBD算法[J]. 雷達科學與技術, 2019, 17(06): 610-615.
                    [18]
                    YU X, CHEN X, HUANG Y, et al. Radar moving target detection in clutter background via adaptive dual-threshold sparse fourier transform[J]. IEEE Access, 2019, 7: 58200-58211.
                    [19]
                    ZHAO W, CHEN Z, JIN M. Subband maximum eigenvalue detection for radar moving target in sea clutter[J]. IEEE Geoscience and Remote Sensing Letters, 2020, PP(99): 1-5.
                    [20]
                    ZHANG X, ZUO L, YANG D, et al. Coherent-like integration for PD radar target detection based on short-time fourier transform[J]. IET Radar, Sonar & Navigation, 2019, 14 (1) : 156-166.
                    [21]
                    劉寧波, 董云龍, 王國慶, 等. X波段雷達對海探測試驗與數據獲取[J]. 雷達學報, 2019, 8(5): 656-667.
                    [22]
                    吳順君. 雷達信號處理和數據處理技術[M]. 北京: 電子工業出版社, 2008.
                    [23]
                    C.阿拉巴斯特. 脈沖多普勒雷達——原理、技術與應用[M]. 北京: 電子工業出版社, 2016.
                    [24]
                    陳帥霖. 機動微弱目標能量積累檢測方法研究[D]. 西安: 西安電子科技大學, 2017.
                    [25]
                    CHEN H, VARSHNEY P K, KAY S M, et al. Theory of the Stochastic Resonance Effect in Signal Detection: Part I-Fixed Detectors[J]. IEEE Transactions on Signal Processing, 2007, 55 (7): 3172-3184.
                    [26]
                    GALY J, CHAUMETTE E, LARZABAL P. Joint detection estimation problem of monopulse angle measurement[J]. IEEE Transactions on Aerospace and Electronic Systems, 2010, 46 (1): 397-413.
                    [27]
                    鄭樂. 寬頻帶雷達目標跟蹤理論與算法研究[D]. 北京: 北京理工大學, 2014.
                    [28]
                    RUTTEN M, GORDON N, MASKELL S. Recursive track-before-detect with target amplitude fluctuations[J]. IEE Proceedings-Radar, Sonar and Navigation, 2005, 152 (5): 345-352.
                    [29]
                    MORELANDE M, RISTIC B. Signal-to-noise ratio threshold effect in track before detect[J]. IET Radar, Sonar and Navigation. 2009, 3 (6): 601-608.
                    數據引用格式
                    宋志勇, 回丙偉, 范紅旗, 等. 雷達回波序列中弱小飛機目標檢測跟蹤數據集[DB/OL]. Science Data Bank, 2019. (2019-10-29). DOI: 10.11922/sciencedb.908.
                    稿件與作者信息
                    論文引用格式
                    宋志勇, 回丙偉, 范紅旗, 等. 雷達回波序列中弱小飛機目標檢測跟蹤數據集[J/OL]. 中國科學數據, 2020, 5(3). (2020-03-04). DOI: 10.11922/csdata.2019.0075.zh.
                    宋志勇
                    Song Zhiyong
                    主要承擔工作:數據加工與標注,數據集制作,數據使用評價。
                    男,湖南省長沙市人,博士,副教授,研究方向為雷達數據處理與目標識別。
                    回丙偉
                    Hui Bingwei
                    主要承擔工作:數據處理與加工。
                    男,河北省衡水市人,博士,講師,研究方向為目標識別數據工程。
                    范紅旗
                    Fan Hongqi
                    主要承擔工作:數據集設計。
                    fanhongqi@nudt.edu.cn
                    男,陜西省渭南市人,博士,副教授,研究方向為數據科學與雷達目標識別。
                    周劍雄
                    Zhou Jianxiong
                    主要承擔工作:數據處理與數據標注。
                    女,湖南省湘潭市人,博士,教授,研究方向為雷達成像技術。
                    朱永鋒
                    Zhu Yongfeng
                    主要承擔工作:數據集設計。
                    男,江蘇省南通市人,博士,副研究員,研究方向為雷達波形與信息處理。
                    達凱
                    Da Kai
                    主要承擔工作:數據加工處理。
                    男,湖南省邵陽市人,博士生,研究方向為多傳感器信息融合。
                    張曉峰
                    Zhang Xiaofeng
                    主要承擔工作:數據采集方案制定。
                    男,黑龍江省哈爾濱市人,博士,研究員,研究方向為精確制導。
                    蘇宏艷
                    Su Hongyang
                    主要承擔工作:數據采集。
                    女,陜西省西安市人,博士,研究員,研究方向為精確制導。
                    金威
                    Jin Wei
                    主要承擔工作:數據采集。
                    男,天津市人,博士,高工,研究方向為信號處理。
                    張永杰
                    Zhang Yongjie
                    主要承擔工作:數據采集。
                    男,安徽省阜陽市人,博士,研究員,研究方向為精確制導。
                    楊彩霞
                    Yang Cixia
                    主要承擔工作:數據采集。
                    女,山西省朔州市人,博士,研究員,研究方向為信號處理。
                    藺震
                    Lin Zhen
                    主要承擔工作:數據采集。
                    男,內蒙古鄂爾多斯市人,博士,工程師,研究方向為信號處理。
                    樊潤東
                    Fan Rundong
                    主要承擔工作:數據采集。
                    男,湖南省益陽市人,碩士,工程師,研究方向為信號處理。
                    出版歷史
                    I區發布時間:2019年11月25日 ( 版本ZH2
                    II區出版時間:2020年8月18日 ( 版本ZH3
                    參考文獻列表中查看
                    中國科學數據
                    csdata