雷达点迹数据处理是雷达系统中重要的一环,它对回波处理后得到的点迹信息进行进一步处理,为后续目标跟踪的工作奠定基础。雷达工作环境日益复杂,系统不仅要面对复杂的背景环境和多种干扰的影响,而且要满足不断提高点目标探测精度要求。复杂环境下,经过信号处理获得的包含目标、杂波剩余、干扰以及虚警等大量的点迹给雷达系统后续航迹处理带来严重困难,包括系统性能下降,虚假航迹大量产生等。本论文针对复杂环境下雷达点迹处理开展研究工作,重点研究基于多维特征的数据分类方法对真假点迹判别方法,主要包括点迹特征的选取、过滤效果分析和验证、点迹数据预处理和围绕航迹起始的点迹过滤方法等。本文主要的工作概况如下:1.首先介绍了雷达原始点迹获取方法,简述了常规雷达信号处理流程,分析了剩余点迹形成的原因,并对现有的点迹凝聚算法进行了深入的探讨,通过仿真产生了点迹数据并对其进行了凝聚处理,为接下来对点迹特征和点迹分类的研究打下基础。2.针对复杂环境下剩余点迹数据过量的问题,提出了在提取点迹有效特征的基础上使用支持向量机进行点迹分类和过滤的方法,以抑制大量虚假点迹。通过对大量剩余点迹数据的认真分析,比较了真实点迹和虚假点迹特征的差异,重点研究了从多个角度挖掘和利用点迹信息特征,从而实现真实目标点迹和虚假目标点迹的判别。本文所提出和采用的特征主要包括压缩点数、距离扩展、方位扩展、点迹组幅度方差、花瓣法特征、速度匹配点数等。仿真实验结果表明,联合使用包括花瓣法、速度匹配点数、点迹组幅度方差在内的多个点迹特征对点迹进行分类过滤,可以获得较为满意的效果,证明了多特征联合在真假目标点迹判别中的优势,以及本文所提出的点迹特征和点迹过滤方法的正确性。3.针对计算点迹特征耗时问题和过滤后剩余点迹仍然造成虚假航迹起始的问题,论文提出首先使用密度聚类的方法对点迹进行预处理,然后对点迹过滤后留下的点迹进一步使用逻辑法航迹起始和决策树相结合的航迹起始方法完成航迹起始工作。首先根据杂波点迹密度和真实点迹的不同,利用密度聚类方法,依次对相邻若干个周期点迹进行聚类操作,实现保留绝大部分真实点迹的同时剔除一部分虚假点迹。预处理后剩余点迹数据进行分类判别,对判为真实目标点迹数据进行基于逻辑法和决策树相结合的航迹起始,进一步提高航迹起始的正确率。仿真分析和实测数据处理结果表明,本文所提出的方法与直接采用真假点迹判别然后进行航迹起始的方法相比,航迹起始正确率更高。