一種基于軌跡增強的雷達目標檢測前跟蹤方法
【專利摘要】本發(fā)明屬于雷達動目標跟蹤【技術領域】，特別涉及一種基于軌跡增強的雷達目標檢測前跟蹤方法。其跟蹤過程為：首先針對多幀原始數據進行非參數化的航跡起始批處理操作，得到目標點跡集合；然后依據實時更新的目標軌跡狀態(tài)參數和量測誤差設計相應的參數化軌跡增強算子；最后結合當前量測并使用參數化軌跡增強方法進行預測跟蹤。本發(fā)明具有閉環(huán)反饋特點，在軌跡增強操作時能夠充分利用多幀的量測和狀態(tài)，能夠提高檢測跟蹤準確度和精度，以及具有在低信噪比條件下能夠實現(xiàn)檢測跟蹤一體化處理的優(yōu)點，可用于雷達等監(jiān)視系統(tǒng)對遠距離，回波信號微弱的高機動目標的探測跟蹤領域。
【專利說明】一種基于軌跡增強的雷達目標檢測前跟蹤方法

【技術領域】
[0001] 本發(fā)明屬于雷達動目標跟蹤【技術領域】，特別涉及一種基于軌跡增強的雷達目標檢 測前跟蹤方法，本發(fā)明是一種對高機動目標在低信噪比情況下進行穩(wěn)定跟蹤的方法，可用 于雷達等監(jiān)視系統(tǒng)對遠距離且回波信號微弱的機動目標的探測跟蹤一體化處理。

【背景技術】
[0002] 高科技背景下的現(xiàn)代戰(zhàn)爭，對戰(zhàn)場進行連續(xù)監(jiān)視，能為勢態(tài)評估、指揮等應用提供 豐富的戰(zhàn)略和戰(zhàn)術信息，對取得戰(zhàn)爭勝利起著關鍵的作用。雷達以其全天時、全天候工作特 點，一直是戰(zhàn)場監(jiān)視系統(tǒng)的核心。
[0003] 針對低信噪比情況下的檢測跟蹤問題，為避免因信噪比低而造成的目標漏檢情 況，通常采用檢測前跟蹤（TBD :Track Before Detect)方法。TBD方法利用目標運動特性將 目標檢測問題簡化為軌跡檢測問題，沒有門限判別造成的信息損失，經過多幀積累，檢測結 果與目標航跡同時得到。典型的TBD算法可分為TBD批處理算法和TBD遞歸算法兩大類。 其中TBD批處理算法有三維匹配濾波算法、高階相關算法、基于投影變換算法、多假設檢驗 算法、動態(tài)規(guī)劃算法等；典型的TBD遞歸算法包括遞歸貝葉斯濾波算法、直方圖概率多假設 跟蹤算法等。
[0004] 下面對幾個典型TBD算法進行簡略介紹。
[0005] 1)三維匹配濾波算法。針對所有可能的目標軌跡設計一系列相應的三維匹配濾波 器組，挑選使輸出信噪比最高的濾波器，并通過該濾波器所對應的狀態(tài)確定目標在圖像中 的位置和運動軌跡。然而，該方法需預知目標的速度信息，當速度未知時，會有嚴重的失配 損失。
[0006] 2)高階相關算法。利用目標軌跡點的時空相關性，將軌跡點從噪聲、雜波中區(qū)別開 來。其缺點是計算量大，計算復雜。
[0007] 3)基于Hough變換方法。它是基于投影變換算法的典型代表，Hough變換法對于 直線的檢測和估計是很有效的，但對于復雜曲線的檢測則存在計算復雜和需要大存儲空間 等缺點。隨機Hough變換能檢測各種參數化的曲線，但該方法在參數估計精度和運算量之 間難以同時兼顧。
[0008] 4)多階段假設檢驗TBD算法。它屬于窮盡搜索方式，需要計算圖像序列中所有可 能的軌跡，當序列幀數變長時，軌跡的數目呈爆炸式增長，運算量巨大。
[0009] 5)動態(tài)規(guī)劃的TBD算法。它將針對目標軌跡的搜索轉變?yōu)槎嚯A段決策優(yōu)化問題， 利用量測數據產生的值函數及設定的門限值判定是否宣布檢測結果。然而在低信噪比下該 方法在給定的有限幀數情況下可能無法檢測到目標。
[0010] 6)遞歸貝葉斯濾波的TBD算法。它是利用前一時刻目標狀態(tài)的后驗概率密度以及 當前時刻的最新量測估計當前時刻目標狀態(tài)的后驗概率密度。典型的貝葉斯濾波TBD算法 有粒子濾波算法和有限集統(tǒng)計的TBD算法。粒子濾波算法是利用一系列隨機樣本的加權和 表示所需的后驗概率密度，進而得到狀態(tài)估計。有限集統(tǒng)計的TBD算法是將多目標運動和 傳感器觀測模型建模為隨機有限集，對于時變數目的弱目標檢測與跟蹤具有明顯優(yōu)點。然 而，遞歸貝葉斯濾波的TBD算法運算復雜度較高，存在粒子退化等一系列問題。
[0011] 7)直方圖概率多假設跟蹤算法。利用直方圖分布對觀測數據進行建模，此方法不 需要計算觀測似然函數，運算復雜度較遞歸貝葉斯方法低，但該算法容易受到雜波的干擾。


【發(fā)明內容】

[0012] 本發(fā)明的目的在于提出一種基于軌跡增強的雷達目標檢測前跟蹤方法，能將穩(wěn)定 跟蹤的信噪比門限降低到較低水平（例如為6dB)，在低信噪比環(huán)境下對于機動目標可實現(xiàn) 檢測跟蹤一體化處理。
[0013] 為實現(xiàn)上述技術目的，本發(fā)明的技術方案是：首先進行非參數化航跡起始批處理 操作，獲得目標軌跡狀態(tài)的初始值；然后進行參數化軌跡增強操作，充分利用目標軌跡狀態(tài) 的估計信息，實時動態(tài)設計相應的一組邊緣增強算子，使用這組邊緣增強算子對距離-多 普勒或距離-時間數據進行處理，將得到的結果加權求和，確定出最終的軌跡走向，即目標 運動參數。具體實現(xiàn)步驟包括如下：
[0014] 步驟1，利用雷達獲取N幀原始回波數據，得出N幀原始回波數據的距離-多普勒 圖像，N為大于1的自然數；
[0015] 步驟2,對于得出的N幀原始回波數據的距離-多普勒圖像進行圖像域航跡起始處 理,得出目標軌跡起始點跡集合{L};根據目標航跡起始點跡集合{L},得到對應的目標運 動參數c x ;
[0016] 步驟3,設定目標運動模型的個數為隊，令m= 1，2，···；令1 = 1，2，"·，Ν1;
[0017] 當m = 1時，得出第m-1步參數化軌跡增強處理時使用每個目標運動模型時的目 標軌跡點跡集合、以及第m-Ι步參數化軌跡增強處理時使用的目標狀態(tài)參數;當m = 1時，第m-1步參數化軌跡增強處理時使用每個目標運動模型時的目標軌跡點跡集合為所 述目標航跡起始點跡集合{L}，第m-Ι步參數化軌跡增強處理時使用的目標狀態(tài)參數 為所述目標運動參數c x ;
[0018] 當m>l時，根據第m-ι步參數化軌跡增強處理時使用每個目標運動模型時的目標 軌跡點跡集合，確定第m-Ι步參數化軌跡增強處理時使用的目標狀態(tài)參數;根據第 m-Ι步參數化軌跡增強處理時使用的目標狀態(tài)參數，得出第m-Ι步參數化軌跡增強處 理時使用的每個目標運動模型的狀態(tài)量、第m-Ι步參數化軌跡增強處理時使用每個目標運 動模型的狀態(tài)量的協(xié)方差矩陣；
[0019] 當m = 1時，根據第m-ι步參數化軌跡增強處理時使用的目標狀態(tài)參數，得 出第m-Ι步參數化軌跡增強處理時使用的第i個目標運動模型的概率μ iOn-1);
[0020] 令j = 1，2，···，隊，當m彡1時，得出第m步參數化軌跡增強處理時第1個目標運 動模型對應的目標軌跡點跡預測量集合

【權利要求】
1. 一種基于軌跡增強的雷達目標檢測前跟蹤方法，其特征在于，包括以下步驟： 步驟1，利用雷達獲取N幀原始回波數據，得出N幀原始回波數據的距離-多普勒圖像， N為大于1的自然數； 步驟2,對于得出的N幀原始回波數據的距離-多普勒圖像進行圖像域航跡起始處理， 得出目標軌跡起始點跡集合IL};根據目標航跡起始點跡集合IL}，得到對應的目標運動參 數cx ; 步驟3,設定目標運動模型的個數為隊，令m=l，2，...；令1 = 1,2，"·，Ν1; 當m = 1時，得出第m-1步參數化軌跡增強處理時使用每個目標運動模型時的目標軌 跡點跡集合、以及第m-1步參數化軌跡增強處理時使用的目標狀態(tài)參數;當m = 1時， 第m-Ι步參數化軌跡增強處理時使用每個目標運動模型時的目標軌跡點跡集合為所述目 標航跡起始點跡集合IL}，第m-Ι步參數化軌跡增強處理時使用的目標狀態(tài)參數為所 述目標運動參數c x ; 當m>l時，根據第m-1步參數化軌跡增強處理時使用每個目標運動模型時的目標軌跡 點跡集合，確定第m-Ι步參數化軌跡增強處理時使用的目標狀態(tài)參數;根據第m-Ι步 參數化軌跡增強處理時使用的目標狀態(tài)參數c x(Irt)，得出第m-Ι步參數化軌跡增強處理時使 用的每個目標運動模型的狀態(tài)量、第m-Ι步參數化軌跡增強處理時使用每個目標運動模型 的狀態(tài)量的協(xié)方差矩陣； 當m = 1時，根據第m-Ι步參數化軌跡增強處理時使用的目標狀態(tài)參數，得出第 m-Ι步參數化軌跡增強處理時使用的第i個目標運動模型的概率μ iOn-1); 令j = 1，2,…，隊，當m彡1時,得出第m步參數化軌跡增強處理時第1個目標運動 模型對應的目標軌跡點跡預測量集合
：以第m步參數化軌跡增強處理時第1 個目標運動模型對應的目標軌跡點跡預測量集合
為中心，向外擴展設定的波 門，得出第m步參數化軌跡增強處理時第j個目標運動模型的目標關聯(lián)區(qū)域；然后設計隊個 邊緣增強算子，用設計的隊個邊緣增強算子分別對第m步參數化軌跡增強處理時每個目標 運動模型的目標關聯(lián)區(qū)域進行邊緣增強提取操作，得出第m步參數化軌跡增強處理時每個 目標運動模型對應的關聯(lián)量測值，將第m步參數化軌跡增強處理時每個目標運動模型對應 的關聯(lián)量測值進行加權求和，確定最終增強邊緣走向g ;如果g > Y，則第m步參數化軌跡 增強處理時目標軌跡會維持，反之，如果g〈 Y，則第m步參數化軌跡增強處理時目標軌跡會 終止；然后，根據第m步參數化軌跡增強處理時每個目標運動模型對應的目標軌跡點跡預 測量集洽
、第m步參數化軌跡增強處理時每個目標運動模型對應的關聯(lián)量測 值gl，利用卡爾曼濾波方法獲得第m步參數化軌跡增強處理時使用的每個目標運動模型的 狀態(tài)量、以及第m步參數化軌跡增強處理時使用的每個目標運動模型的狀態(tài)量的協(xié)方差矩 陣； 當m>l時，得出第m步參數化軌跡增強處理時使用的每個目標運動模型的概率。
2. 如權利要求1所述的一種基于軌跡增強的雷達目標檢測前跟蹤方法，其特征在于， 所述步驟2的具體子步驟為： 根據N幀原始回波數據的距離-多普勒圖像對應的量測數據，進行非參數化航跡批處 理操作，得出目標軌跡起始點跡集合IL}，目標軌跡起始點跡集合IL}表示為： {L} = {Xk，k' = 1，2, ...，Nini} 其中，Xk，表示第k'幀原始回波數據的距離-多普勒圖像對應的目標起始點跡狀態(tài)矢 量,k' = 1,2,…，Nini,Nini表示目標軌跡起始點跡集合{L}中目標軌跡起始點跡的個數,X k， =[rk，fd，k，Ak，] T，rk，表示第k'幀原始回波數據的距離-多普勒圖像對應的目標起始點跡 的距離單元序號，f 4k，表示第k'幀原始回波數據的距離-多普勒圖像對應的目標起始點跡 的多普勒單元序號，Ak，表示第k'幀原始回波數據的距離-多普勒圖像對應的目標起始點 跡的幅度值； 然后，根據目標航跡起始點跡集合{L}，得到對應的目標運動參數Cx。
3. 如權利要求1所述的一種基于軌跡增強的雷達目標檢測前跟蹤方法，其特征在于， 在步驟3中，當m>l時，第m-1步參數化軌跡增強處理時使用第1個目標運動模型時的目標 軌跡點跡集合
為：
其中，1 = 1，2，…，隊，丨表示第m-1步參數化軌跡增強處理時使用第1個目標 運動模型時的第（m_l)D個目標軌跡點跡，（m-l)start表示第m-1步參數化軌跡增強處理所使 用的第1個目標軌跡點跡的序號；(m-1) md表示第m-1步參數化軌跡增強處理所使用的最后 1個目標軌跡點跡的序號。
4. 如權利要求1所述的一種基于軌跡增強的雷達目標檢測前跟蹤方法，其特征在于， 在步驟3中，當m > 1時，第m-1步參數化軌跡增強處理時使用的第i個目標運動模型的狀 態(tài)量表示為
|第m-1步參數化軌跡增強處理時使用的第i個目標運動模型 的狀態(tài)量的協(xié)方差矩陣表示為
當m彡1時，設定由第m-1步參數化軌跡增強處理時使用的第i個目標運動模型轉移 至第m步參數化軌跡增強處理時使用的第j個目標運動模型的概率Pij : Pij = P {1 (m) = j 11 (m-1) = i} 其中，P{·}表示求概率，1 (m-1)表示第m-1步參數化軌跡增強處理時使用的目標運動 模型的標號，l(m)表示第m步參數化軌跡增強處理時使用的目標運動模型的標號； 然后，得出第m-Ι步參數化軌跡增強處理時使用第j個目標運動模型的交互式輸入狀 態(tài)量
、以及第m-Ι步參數化軌跡增強處理時使用第j個目標運動模型的交 互式輸入狀態(tài)量的協(xié)方差矩陣

當m > 1時，第m步參數化軌跡增強處理時第1個目標運動模型對應的目標軌跡點跡 預測量集合文丨)、以及第m步參數化軌跡增強處理時的目標軌跡點跡預測量的協(xié)
其中，t表示第j個目標運動模型對應的狀態(tài)轉移方程，上標T表示矩陣或向量的轉 置；表示第j個目標運動模型對應的過程噪聲的協(xié)方差矩陣。
5. 如權利要求1所述的一種基于軌跡增強的雷達目標檢測前跟蹤方法，其特征在于， 在步驟3中，在隊個邊緣增強算子中，第1個邊緣增強算子表示S 〇1(Cx，〇x，Nj ;則第m步 參數化軌跡增強處理時第1個目標運動模型對應的關聯(lián)量測值gl為：
其中，
為邊緣增強算子
的第a個元素 ，a = 1，2，···，ΝΜΧΝΛ，Ν"為每個邊緣增強算子的寬度，ΝΛ為每個邊緣增強算子的長度；f a表示 第m步參數化軌跡增強處理時第1個目標運動模型的目標關聯(lián)區(qū)域內的目標軌跡點跡預測 量數據； 在步驟3中，最終增強邊緣走向g為：
其中，Wi為設定的第1個目標運動模型的權重。
6. 如權利要求1所述的一種基于軌跡增強的雷達目標檢測前跟蹤方法，其特征在于， 在步驟3中，當m>l時，根據第m-Ι步參數化軌跡增強處理時使用的第i個目標運動模型 的概率μ i (m-Ι)，得出第m步參數化軌跡增強處理時使用的第i個目標運動模型的概率 u i (m)：

其中，AiOn)表示第m步參數化軌跡增強處理時第i個目標運動模型的似然函數。
【文檔編號】G01S13/72GK104297748SQ201410558195
【公開日】2015年1月21日 申請日期:2014年10月20日 優(yōu)先權日:2014年10月20日
【發(fā)明者】楊志偉, 廖桂生, 孫存光, 何嘉懿 申請人:西安電子科技大學