專利名稱：基于圖切的雷達(dá)微弱目標(biāo)優(yōu)化檢測(cè)方法
技術(shù)領(lǐng)域：
本發(fā)明屬于雷達(dá)系統(tǒng)中信號(hào)處理技術(shù)領(lǐng)域，具體涉及一種基于圖切的雷達(dá)微弱目標(biāo)優(yōu)化檢測(cè)方法。
背景技術(shù)：
傳統(tǒng)的雷達(dá)微弱目標(biāo)檢測(cè)主要是采用積累的方法，包括相干積累和非相干積累兩種。相干積累充分利用了回波信號(hào)相位信息，能夠最大限度地提高檢測(cè)性能。由于相干積累時(shí)間的前提條件是目標(biāo)走動(dòng)距離不能超過(guò)半個(gè)距離單元，因此隨著積累時(shí)間的增加，目標(biāo)回波的多普勒頻移呈現(xiàn)時(shí)變特性，不再能夠通過(guò)簡(jiǎn)單FFT實(shí)現(xiàn)相干積累，需要考慮距離走動(dòng)校正問(wèn)題。常用的距離走動(dòng)校正方法有包絡(luò)相關(guān)法和Keystone變換法。包絡(luò)相關(guān)法是在較大信噪比前提條件下，通過(guò)估計(jì)目標(biāo)的運(yùn)動(dòng)參數(shù)實(shí)現(xiàn)包絡(luò)校正補(bǔ)償，然后再進(jìn)行積累以提高雷達(dá)的檢測(cè)概率，但當(dāng)回波的信噪比很低時(shí)難以奏效。Keystone變換法需要在頻域 進(jìn)行內(nèi)插處理，計(jì)算量大。相干積累時(shí)間受限于目標(biāo)運(yùn)動(dòng)，特別對(duì)于高距離分辨雷達(dá)或觀測(cè)高速目標(biāo)的雷達(dá)系統(tǒng)，這種限制尤為顯著。為了克服這個(gè)困難，在大多數(shù)情況下都是利用長(zhǎng)時(shí)間非相干積累的方法來(lái)提高信噪比。非相干積累僅僅利用了相干脈沖的幅度信息，其積累效果不如相干積累，但借助于圖像處理技術(shù)可實(shí)現(xiàn)長(zhǎng)時(shí)間積累，而且在輸入信噪比大于I的情況下，非相干積累引入的檢波損失可以忽略不計(jì)。非相干積累通常在一定機(jī)動(dòng)模型條件下，通過(guò)Hough變換或動(dòng)態(tài)規(guī)劃實(shí)現(xiàn)目標(biāo)信號(hào)積累。當(dāng)目標(biāo)運(yùn)動(dòng)規(guī)律較復(fù)雜時(shí)，即便是非相干積累具體處理也變得十分困難。

發(fā)明內(nèi)容
為了能在低信噪比條件下，即使在目標(biāo)運(yùn)動(dòng)規(guī)律較復(fù)雜的情形下也能實(shí)現(xiàn)對(duì)雷達(dá)微弱目標(biāo)的檢測(cè)，本發(fā)明提出了基于圖切的全局優(yōu)化弱目標(biāo)檢測(cè)方法。該方法具體思路如下首先對(duì)相干積累后的距離-多普勒序列進(jìn)行短時(shí)非相關(guān)積累；然后利用目標(biāo)模型和雜波模型在貝葉斯框架下，對(duì)距離-多普勒視頻幀進(jìn)行基于圖切的全局優(yōu)化目標(biāo)檢測(cè)，得到目標(biāo)視頻序列；最后利用目標(biāo)視頻序列進(jìn)行目標(biāo)特征檢測(cè)與跟蹤，對(duì)目標(biāo)模型進(jìn)行更新。通過(guò)與常規(guī)的恒虛警率檢測(cè)和基于粒子波的TBD目標(biāo)檢測(cè)方法分析比較，充分驗(yàn)證了該方法的有效性。為了方便描述本發(fā)明的內(nèi)容，首先作以下術(shù)語(yǔ)定義
定義I距離-多普勒序列
距離-多普勒序列是指對(duì)雷達(dá)數(shù)據(jù)進(jìn)行距離/多普勒處理得到的關(guān)于雷達(dá)目標(biāo)信息的序列。(距離/多普勒處理是通過(guò)觀測(cè)回波頻率的脈沖到脈沖間的變化，提取出非模糊的距離和多普勒信息?；夭ǖ母道锶~變換導(dǎo)出頻率域的距離信息，可以形成一連串距離單元。對(duì)于每個(gè)距離單元而言，脈沖序列的傅里葉變換導(dǎo)出脈沖到脈沖間的相位變化，這種相位變化就對(duì)應(yīng)于這一距離上的多普勒頻移)。定義2距離-多普勒序列視頻幀距離-多普勒序列視頻幀是由距離-多普勒序列增量積累得到的。定義3恒虛警率檢測(cè)
所謂信號(hào)的恒虛警率檢測(cè)，就是在噪聲強(qiáng)度變化的情況下，信號(hào)經(jīng)過(guò)恒虛警率處理，使虛警概率保持恒定。定義4基于粒子濾波的檢測(cè)前跟蹤(TBD)
基于粒子濾波的TBD方法是指使用一個(gè)離散變量對(duì)目標(biāo)存在與否建模，并將該變量加入到目標(biāo)狀態(tài)矢量中，進(jìn)行混合濾波，實(shí)現(xiàn)目標(biāo)存在與否以及目標(biāo)狀態(tài)的聯(lián)合估計(jì)；該方法實(shí)際上隱含了通過(guò)多幀觀測(cè)數(shù)據(jù)的積累來(lái)提升信噪比的思想。定義5信噪比
信噪比是指信號(hào)的功率與雜波背景噪聲功率的比值。本發(fā)明提出了基于圖切的全局優(yōu)化弱目標(biāo)檢測(cè)方法，該方法在距離-多普勒視頻幀基礎(chǔ)上進(jìn)行全局優(yōu)化目標(biāo)檢測(cè)，包括基于圖切的全局優(yōu)化檢測(cè)和目標(biāo)特征檢測(cè)與跟蹤兩項(xiàng)關(guān)鍵技術(shù)。具體處理步驟如下
步驟一目標(biāo)模型的描述
對(duì)距離-多普勒視頻幀序列對(duì)應(yīng)的目標(biāo)視頻幀序列的目標(biāo)模型進(jìn)行描述，設(shè)在目標(biāo)視頻序列中，數(shù)值I表示該距離-多普勒位置處存在目標(biāo)，數(shù)值0表示該距離-多普勒位置處為雜波背景，不存在目標(biāo)，于是二值化目標(biāo)視頻幀i采用馬爾可夫隨機(jī)場(chǎng)模型描述，即
權(quán)利要求
1.基于圖切的雷達(dá)微弱目標(biāo)優(yōu)化檢測(cè)方法，其特征在于該方法的具體步驟是 步驟一目標(biāo)模型的描述 對(duì)距離-多普勒視頻幀序列對(duì)應(yīng)的目標(biāo)視頻幀序列的目標(biāo)模型進(jìn)行描述，設(shè)在目標(biāo)視頻序列中，數(shù)值I表示該距離-多普勒位置處存在目標(biāo)，數(shù)值O表示該距離-多普勒位置處為雜波背景，不存在目標(biāo)，于是ニ值化目標(biāo)視頻幀I采用馬爾可夫隨機(jī)場(chǎng)模型描述，即=ズ)=善 exp{-i/(x)}=去 ^ W J 式中び0)為能量函數(shù)；為部分函數(shù)；為團(tuán)e的勢(shì)能函數(shù)力ニ值化目標(biāo)視頻幀中所有團(tuán)集合； 步驟ニ 目行特怔的定義與檢測(cè) 設(shè)ニ值化目標(biāo)視頻幀中的目標(biāo)前景像素?cái)?shù)力 ニ值化目標(biāo)視頻幀中目標(biāo)和雜波背景的鄰接像素對(duì)數(shù)為S，利用一階和ニ階團(tuán)勢(shì)能函數(shù)近似能量函數(shù)，于是ニ值化目標(biāo)視頻幀X的先驗(yàn)概率密度函數(shù)簡(jiǎn)化為ぬか斗を+名5[がト發(fā)4 其中流量參數(shù)y=-lnH^=—ln￥^’「B— 流骨參數(shù)多=—In -， 肌里ノ獄_ (Ar-I)M+ m'M-1)-5- MxAf為ニ值化目標(biāo)視頻幀if中的所有像素點(diǎn)數(shù)，,反映了目標(biāo)的面積幾何特征，(M-I)M + N(M-I)為ニ值化目標(biāo)視頻幀J中的所有鄰接像素對(duì)數(shù)π反映了目標(biāo)的周長(zhǎng)幾何特征，Q為ニ值化目標(biāo)視頻幀 的所有像素集合，cf為像素點(diǎn)Xi的一階鄰域集合； 步驟三目標(biāo)特征的預(yù)測(cè)與動(dòng)態(tài)跟蹤 基于馬爾可夫隨機(jī)場(chǎng)模型，從ニ值化目標(biāo)視頻幀中提取和跟蹤目標(biāo)的面積和周長(zhǎng)這兩個(gè)目標(biāo)幾何特征；設(shè)像素?cái)?shù)為MxN的距離-多普勒視頻幀，第た幀視頻的目標(biāo)前景像素?cái)?shù)為Ok ,目標(biāo)前景和雜波背景的四連通鄰接像素對(duì)數(shù)為Bk , 4和式分別為Ok和Bk的速度分量，則定義第i幀視頻的狀態(tài)向量=，式f ,觀測(cè)向量Zit=[る,其中‘為目標(biāo)前景像素點(diǎn)數(shù)的觀測(cè)值，為目標(biāo)前景和雜波背景四連通鄰接像素對(duì)數(shù)的觀測(cè)值；于是，系統(tǒng)模型可表示為狀態(tài)方程h = AA+ ;觀測(cè)方程4 = + h;這Jl fit為系統(tǒng)卩栄聲， 兩足可辦]=O , = E\gkq\ ],な為觀測(cè)卩栄聲， 兩足 ]= O ,Rk =喊};系統(tǒng)噪聲相關(guān)矩陣以，觀測(cè)噪聲相關(guān)矩陣A ,以及方程參數(shù)分別為
全文摘要
本發(fā)明公開了一種基于圖切的雷達(dá)微弱目標(biāo)優(yōu)化檢測(cè)方法。本發(fā)明提出了基于圖切的全局優(yōu)化弱目標(biāo)檢測(cè)方法。該方法具體思路如下首先對(duì)相干積累后的距離-多普勒序列進(jìn)行短時(shí)非相關(guān)積累；然后利用目標(biāo)模型和雜波模型在貝葉斯框架下，對(duì)距離-多普勒視頻幀進(jìn)行基于圖切的全局優(yōu)化目標(biāo)檢測(cè)，得到目標(biāo)視頻序列；最后利用目標(biāo)視頻序列進(jìn)行目標(biāo)特征檢測(cè)與跟蹤，對(duì)目標(biāo)模型進(jìn)行更新。本發(fā)明利用基于添加路徑的最小圖切算法作為性能優(yōu)良的全局優(yōu)化檢測(cè)方法，實(shí)現(xiàn)快速檢測(cè)，并較好地解決了低信噪比條件下微弱目標(biāo)的檢測(cè)問(wèn)題，特別是運(yùn)動(dòng)規(guī)律比較復(fù)雜的目標(biāo)。
文檔編號(hào)G01S7/41GK102680957SQ20121015710
公開日2012年9月19日 申請(qǐng)日期2012年5月21日 優(yōu)先權(quán)日2012年5月21日
發(fā)明者彭冬亮, 王智玉, 郭云飛, 郭春生 申請(qǐng)人:杭州電子科技大學(xué)