摘要

传统雷达特征提取由于空间分辨率低、噪声、多路径反射、虚目标的存在以及运动模糊等问题而面临局限性。这些局限性在非线性物体运动中尤为显著，尤其是在以自我为中心的视角下。显然，要解决这些挑战，关键在于利用长时间范围内的时域特征关系并强制执行空间运动一致性，从而实现有效的关联。为此，本文提出了一种可扩展帧间关系与关联方法（SIRA），包含两项设计。首先，受Swin Transformer启发，我们引入了扩展时域关系，将现有的时域关系层从两个连续帧推广到多个间隔帧，并通过时间重组窗口注意力机制来提高其可扩展性。其次，我们提出了基于伪轨迹的概念生成的运动一致性跟踪方法，以改善轨迹预测和后续的目标关联。我们的方法在Radiate数据集上实现了58.11 mAP@0.5的定向目标检测性能和47.79 MOTA的多目标跟踪性能，分别比之前的最先进方法提高了+4.11 mAP@0.5和+9.94 MOTA。