雷达数据处理，简称RDP，是信号处理的后处理过程，雷达数据处理过程的输入为雷达信号处理形成的目标点迹。点迹信息包含了目标的距离、方位和俯仰值。雷达数据处理通过对多圈扫描获得的量测集进行关联获得目标航迹。在成功起始目标航迹后，通过滤波算法，数据处理能够修正雷达对目标位置、速度的测量误差，精确地估计出目标真实信息。通过对目标的持续观测，系统能够提供目标的位置、速度、加速度、落点等信息。

雷达数据处理与雷达信号处理都属于现代雷达系统中的重要组成部分。信号处理是用来检测目标的，利用一定的方法获取目标的各种有用信息，如距离、速度和目标的形状等。而数据处理则可以进一步对目标的点迹和航迹进行处理，预测目标未来时刻的位置，形成可靠的目标航迹，从而实现对目标的实时跟踪。

雷达信号处理后的数据一般是受污染的数据，而且每一批处理的数据之间的关系是不确定的。雷达数据处理是雷达信号处理的后续处理，常被看成是继雷达信号处理后的对雷达信息的二次处理。雷达信号处理是在同一扫描周期中的若干相邻的雷达观测中进行的，而雷达数据处理则是在若干次雷达扫描周期上进行的。

雷达数据处理包括点迹凝聚，航迹起始，目标跟踪，多目标关联等几个主要环节。它研究的两个基本问题是不同环境下的点迹与点迹、点迹与航迹的关联问题。前者涉及航迹起始，注重点迹相关范围的控制和相关算法的选取；后者则涉及目标跟踪，注重目标运动模型和滤波算法的应用。

(1)点迹与航迹之间的关联处理；

(2)目标的跟踪滤波、航迹维持以及预测；

(3)虚假航迹的删除；

(4)航迹和点迹的显示。

雷达数据处理的目的是利用雷达提供的目标的信息估计目标的航迹并给出目标在下一时刻的位置。在实际工程中，估计目标的航迹并不是最终目的，而是需要根据估计的信息做出判决，执行相应的动作。雷达数据处理系统的应用非常广泛，用户一般分为军用和民用两类。军用方面，主要的应用是防空、拦截制导等;而民用方面主要是海上导航和空中交通管制等。

在不同的应用系统中，雷达数据处理系统完成的功能是不相同的。比如，在空中交通管制系统中，对目标航迹的预测是为了检测各对飞机在航路上的间距是否符合安全标准，以维护空中交通的正常。而在防空系统中，对目标航迹的预测则是用于帮助完成计算预测位置(用于射击或发射导弹)、武器制导等。

1795年高斯提出了最早的雷达数据处理方法——最小二乘法。最小二乘算法是在得不到准确的观测数据统计特性和系统动态误差的情况下的一种数据处理方法，由于它在计算上非常简单而得到非常广泛的应用。1940年美国人N.Wiener提出了一种在频域中设计统计滤波器的方法—Wiener滤波器。wiener滤波器一经提出并取得了巨大的成功，但是它也存在运算复杂，对存储空间要求大等缺点。1960年美国人R.E.Kalman提出了离散系统Kalman滤波，并于第二年与S.S.Bucy合作，将Kalman滤波理论推广到连续时间系统中去，从而形成了Kalman滤波估计的整套理论[8]。由于Kalman滤波方法具有很多其它滤波方法所没有的优点，而在实际工程中得到了广泛应用。因此，高斯、维纳、Kalman奠定了雷达数据处理的理论基础。

20世纪70年代辛格等人提出了一系列的机动目标的跟踪方法，到20世纪70年代中期，柴田实和皮尔森等人将Kalman滤波技术应用到机载雷达跟踪系统中，并取得成功。至此，对单目标跟踪的技术已经逐渐得到了完善。

1955年Wax在一篇文章中提出了多目标跟踪的基本概念。1971年singer提出了解决数据互联的最简单的方法——最近邻法，但是这种方法有在强杂波环境下正确关联率不高的缺点。1975年Y.Bar-Shalom提出了概率数据互联算法，此种方法特别适合在杂波环境下对单目标跟踪的情况。随后，联合概率数据互联算法被提出，这为杂波环境下的多目标跟踪问题提供了解决方法。

从1970年开始，对机动目标跟踪的各种算法被提出。1986年很多学者开始了对群目标跟踪等问题的研究，其后，便展开了雷达数据处理技术在各个领域应用的深入研究。进入20世纪90年代，雷达数据处理技术的研究已经开始集中在多目标多传感器跟踪系统，而且出现了大量的学术文章。

雷达数据处理过程主要包括数据预处理、航迹起始、数据关联、跟踪滤波、航迹消亡以及质量评估等，如图1雷达数据处理的示意框图。虽然针对不同的雷达系统雷达数据处理在实现手段上是有所差别的，但是雷达数据处理的总体流程还是一致的。

雷达数据处理的输入数据也叫观测，观测并不是雷达直接扫描得到的数据，而是将雷达扫描到的数据首先经过雷达信号处理，再经过数据录取器得到的数据。一般观测包括雷达扫描周期、雷达扫描批次、每批次扫描到的目标的数目以及每个目标的具体信息(径向距离、方位角、俯仰角)。在实际工程中，观测一般参杂着噪声的污染，这些污染主要来自以下几个方面：

1)扫描过程中存在的随机的虚警；

2)虚假目标产生的杂波；

3)干扰目标；

4)诱饵等。

虽然现代雷达信号处理技术得到了很大的发展，但即使经过信号处理后的观测中还是会参杂一些干扰，而且一般观测数据数量较大，对后续计算机存储和处理方面的要求较高。数据预处理即是在观测数据进行起始、关联等其它数据处理过程之前先进行一个数据的筛选，将那些不在门限之内的数据剔除，只有经过所有判决门限的数据才被保留。

观测数据预处理的好处在于使得后续数据处理过程中数据的规模明显减小，计算量大幅下降，在一定程度上能够减轻计算机的负担，提高数据处理的速度和目标跟踪的精度，同时使虚假航迹形成的可能性降低。

波门是数据处理过程中很重要的一个概念，航迹起始、数据关联等过程中都将用到这个概念。波门其实就是一块区域，一般分为初始波门和相关波门。

初始波门一般用于航迹起始阶段，是以任意点为中心的一块区域，该区域规定了目标的观测值可能出现的一个空间范围。由于航迹起始时目标距离较远，为了更好的捕获目标，初始波门一般建立大波门。

所谓相关波门，是指以被跟踪的目标的预测值为中心的一个空间区域，此区域规定了被跟踪目标的观测值可能出现的范围。相关波形的形状和尺寸的确定准则是，一方面要使落入波门内的真实观测有很高的概率，另一方面不允许相关波门内有过多无关观测点迹。一般相关波门的尺寸应该与目标类型相互匹配，比如固定目标的波门一般只取决于观测的精度，直线目标的波门就要取决于观测值和预测滤波器的精度，而机动目标的波门还要考虑加速度的因素等。比较常用的相关波门有矩形波门、环形波门、椭圆形波门以及极坐标系下的扇形波门等。

航迹起始是指建立目标航迹的第一点，也就是从目标落入雷达检测范围内到该目标的航迹建立的过程。航迹起始过程是雷达数据处理过程中重要的一个环节。俗话说“好的开头是成功的一半”，从反面讲，如果航迹起始不成功，航迹的建立就会不顺利，而且很有可能就无法建立可靠的航迹，从而不能实现对目标的正确跟踪。

航迹起始过程是雷达数据处理过程中重要的环节之一，航迹起始的任务之一是为进入雷达威力区的目标快速地建立航迹，任务之二是要尽可能的避免虚假点迹建立虚假航迹。但是为了避免虚假航迹的建立就要等较长时间进行起始，可见两个任务之间存在一定的矛盾，速度和质量的矛盾，因此两者之间需要寻找一个最佳的折衷。航迹起始算法有很多，比较常用的有直观法、逻辑法、修正的逻辑法等。

在理想的目标运动模型中，总认为观测环境是“干净”的，每次只检测到一个观测值，并且这个观测值就是来自于正被跟踪的目标。但是，在实际的系统中环境并非是理想的。由于观测噪声等因素的存在，可能出现虚警等现象，另外被观测区域存在的随机干扰将导致目标可能出现的区域会出现杂波。总而言之，一次检测可能得到多个观测值，而且在这些观测值中，不知道哪些来自被跟踪的目标，哪些是虚假的观测值。这个因素决定了数据关联过程是雷达数据处理系统中重要的一个环节。

当雷达扫描区域内只有一个目标，且没有干扰的情况下，目标的相关波门内只会有一个点迹，此时不存在数据关联的问题。但是当雷达扫描区域内出现多个目标，或者存在杂波的情况下，同一点迹就可能落在多个波门内或者同一波门内会出现多个点迹，此时就涉及数据关联的问题。数据关联也就是判断某一时刻雷达观测数据和其它时刻观测数据或者已存在航迹之间的关系，从而实现点迹和航迹配对的过程。

一般而言，根据互相关联对象的不同，数据关联可分为以下几种情况：

1)航迹起始：点迹与点迹的互联；

2)航迹更新：点迹与航迹(航迹预测点)的互联，也可以称为航迹保持；

3)航迹融合：航迹与航迹的互联。

数据关联的方法有很多，大致可以分为两类，一类是贝叶斯类数据关联算法，另一类是极大似然类数据关联算法。其中贝叶斯类算法主要包括最近领域算法、概率数据关联算法等，贝叶斯类算法都是以贝叶斯准则为基础的。而极大似然类算法主要包括航积分叉法和联合极大似然算法等，极大似然类算法都是以观测序列的似然比为基础的。

在雷达数据处理中，跟踪滤波问题是除了数据关联问题之外的另一大基本问题。所谓跟踪就是对己与可靠航迹关联上的观测值做适当的处理，得到目标的状态估计，从而形成对目标的连续跟踪。雷达数据处理过程中跟踪滤波的示意图，如图2所示，虽然观测值已经与航迹的一步预测值★关联上，但是更新航迹的是并不是观测值，而是观测值的滤波值☆。常用的跟踪方法有Kalman滤波方法和常增益滤波等。

在实际的环境中，由于存在着杂波、射频干扰、气象干扰和人为干扰等，雷达扫描得到的目标的回波信号的幅度可能会低于检测门限，这时目标会被错误地判为噪声或杂波，这种错误称为“漏警”。

在雷达数据处理过程中，即使处理的信号是来自信号处理过程后的，也不能避免的存在漏警。所以在雷达数据处理中，对于已经在被跟踪中的可靠航迹，不能因为出现一个漏点而就停止对其跟踪，通常采取的方法是对其进行航迹补点。所谓航迹补点就是根据该可靠航迹当前的位置，运用Kalman滤波理论进行预测，用预测点更新可靠航迹。但是，航迹补点一直持续进行会将虚假目标误认为真实目标。所以，需要设置一个航迹补点计数器，航迹每补一个点，计数器就加1。连续的航迹补点航迹补点计数器就连续地加1。当补点打断，也就是航迹关联上实际的点迹时，则计数器清零。当计数器达到设置的消亡门限，也就是可靠航迹持续得不到真实数据的更新时，则认为该目标不是真实的目标，或者已经不在雷达威力区内，该航迹的所有信息都将从系统删除。当某一次雷达扫描时，某条可靠航迹未获得更新点迹数据时，则调用航迹补点程序，给航迹补上点迹。

航迹补点是为未获得实时观测值的可靠航迹补点，以保证可靠航迹在漏警的情况下得以延续。但是航迹补点不是无限制的，一直持续的补点会导致观测者将虚假航迹误当作真实航迹，所以必须存在航迹消亡。

所谓航迹消亡就是，设置一门限，门限值规定允许航迹未得到实际观测点迹更新的最大次数，当可靠航迹未用实际观测点迹更新的次数超过设置的门限时，则删除该航迹的所有信息。

航迹消亡的好处除了能避免虚假航迹的干扰，很大程度减轻了计算机的负担。另外，航迹消亡的难点在于门限值的选择。门限设置的太高，虚假航迹很可能就一直靠航迹补点延续下去，而计算机也必须花费足够的空间存储这些无效数据，浪费了计算机的资源；但若门限设置的太低，很可能会导致真实目标的航迹被过早消亡，从而让观测者错过真实目标，得到错误的结果。

雷达数据处理的输入是大量的数据点迹，数据点迹的规模也决定了计算机的存储空间和计算能力，因此对数据点迹的处理至关重要。所谓剩余点迹，即是那些既没有被用于航迹更新又没有被用于航迹起始的点迹数据。对于经过预处理后的点迹，首先用于与可靠航迹关联，关联上则用于更新航迹，否则，存入暂时点迹文件中，用于航迹起始，若是又未被使用则继续留在暂时点迹文件中。点迹数据未被使用一次，则相应的计数器加1，当计数器的值达到所设定的点迹删除门限值时，则被删除。剩余点迹要作及时的处理，以减轻计算机的负担。和航迹消亡门限值一样，点迹删除门限值也要适当，过大过小都不合适。