本發(fā)明屬于多站雷達目標跟蹤領域,是一種基于距離-多普勒量測的多站雷達人體跟蹤方法。

背景技術：

光學相機、激光雷達和紅外等常規(guī)傳感器對光照和溫度敏感，在墻體和葉簇等遮蔽環(huán)境下不能有效探測目標。雷達具有全天候和全天時工作能力，能夠在雨、雪、霧、黑夜和遮蔽環(huán)境下探測感興趣的運動目標。多站雷達與成像雷達相比，具有成本低、硬件系統(tǒng)相對簡單和探測范圍廣等特點。在人體跟蹤領域已被廣泛運用。但是傳統(tǒng)的多站雷達人體跟蹤方法在距離像上檢測目標，只運用距離量測進行目標定位和跟蹤。當多個目標在距離像上存在重疊時，不能準確估計目標數(shù)目，會造成目標量測和軌跡缺失。目標瞬時距離-多普勒像提供了目標多普勒維的分辨能力，能夠更有效的分辨目標，獲得連續(xù)的目標運動軌跡。

技術實現(xiàn)要素：

本發(fā)明提出一種基于距離-多普勒量測的多站雷達人體跟蹤方法。利用瞬時距離-多普勒像進行人體目標檢測和量測估計，運用距離和多普勒量測進行目標定位和跟蹤。

本發(fā)明的基本思路是：首先，對接收的各通道回波進行預處理，計算瞬時距離-多普勒像；然后，基于瞬時距離-多普勒像進行目標檢測，運用人體目標在瞬時距離-多普勒像上的擴展特征，進行目標距離-多普勒量測估計；最后，基于距離-多普勒量測，進行目標的定位和跟蹤。

本發(fā)明的一種基于距離-多普勒量測的多站雷達人體跟蹤方法，技術方案包括以下處理步驟：

第一步，對各通道接收的回波進行預處理

(a)各通道接收回波為解線頻調處理后的信號，對信號做一維傅里葉變換，去除殘余視頻相位，得到目標慢時間-距離像；

(b)運用指數(shù)平均背景相消法進行雜波抑制，得到雜波抑制后的慢時間-距離像。

第二步，計算瞬時距離-多普勒像

(a)對雜波抑制后，某一時刻特定時間窗內的慢時間-距離像進行Keystone變換，消除目標跨距離單元徙動；

(b)對Keystone變換后的數(shù)據(jù)，沿慢時間維做傅里葉變換，得到瞬時距離-多普勒像I^k(n,m)，其中，I代表瞬時距離-多普勒像，n＝1，2，…，n為距離維采樣，n是I的距離維總采樣數(shù)，m＝1，2，…，m為多普勒維采樣，m是I的多普勒維總采樣數(shù)，k＝1,2,3為通道標識(考慮一發(fā)三收多站雷達人體跟蹤)。

第三步，目標檢測

運用排序統(tǒng)計恒虛警檢測器，對第二步得到的瞬時距離-多普勒像進行目標檢測。排序統(tǒng)計恒虛警檢測器輸出可表示為：

其中，Th表示排序統(tǒng)計恒虛警檢測器估計的自適應閥值。將檢測到的目標索引添加入候選目標量測集合M^k中，

第四步，量測估計

(a)量測范圍收縮

人體跟蹤僅需要人體的軀干量測，人體肢體產(chǎn)生的量測可視為雜波。人體肢體在距離-多普勒像上擴展面積通常小于人體軀干，定義一個矩形窗：

其中，(n,m)∈M^k，N_r和N_f分別為人體軀干在距離-多普勒像上的擴展寬度。若：

G(n,m)＜β(N_r+1)(N_f+1) (3)

則以(n,m)為中心的目標擴展較小，可將該目標視為雜波，從M^k刪除量測(n,m)。其中，β(0＜β＜1)是一個設定的標量因子。

(b)人體距離-多普勒量測估計

將瞬時距離-多普勒像中人體軀干能量最強點視為量測估計。基于索引集合M^k，在瞬時距離-多普勒像I^k中尋找能量最大值。若I^k(n,m)，(n,m)∈M^k，對應于能量最強點，將索引(n,m)添加入量測估計集合中，并且從M^k中刪除屬于矩形窗W(n+p,m+q)，的量測。然后搜索下一個量測，直至候選量測集合M^k為空。

第五步，目標定位

融合各通道中所有距離-多普勒量測，將所有滿足均方誤差條件的位置估計作為目標定位點。

第六步，目標跟蹤

將第五步得到的定位點和速度作為目標跟蹤系統(tǒng)的輸入，運用卡爾曼濾波器，基于最近鄰準則，進行多目標跟蹤。

本發(fā)明的一種基于距離-多普勒量測的多站雷達人體跟蹤方法，其有益效果：本發(fā)明在瞬時距離-多普勒域檢測人體目標，提高了目標分辨能力；同時運用距離-多普勒量測進行目標定位和跟蹤，達到人體目標精確跟蹤目的。

附圖說明

圖1為本發(fā)明處理流程示意圖。

圖2為多站雷達人體探測示意圖，Tx表示發(fā)射站，Rx表示接收站。

圖3(a)表示Rx1探測場景的雜波抑制前的慢時間-距離像。

圖3(b)表示Rx1探測場景的雜波抑制后的慢時間-距離像。

圖4(a)為5s時刻0.5s時間窗內的Keystone變換前的慢時間距離像。

圖4(b)為5s時刻0.5s時間窗內的Keystone變換后的慢時間距離像。

圖5(a)為5s時刻0.5s時間窗對應的瞬時距離多普勒像。

圖5(b)為5s時刻0.5s時間窗對應的排序統(tǒng)計恒虛警檢測結果。

圖5(c)為5s時刻0.5s時間窗對應的量測范圍收縮結果。

圖5(d)為5s時刻0.5s時間窗對應的量測估計結果。

圖6為定位和跟蹤結果。細線為人體預定運動軌跡，圓圈為各時刻人體定位結果，粗線為人體跟蹤結果。

具體實施方式

本發(fā)明提出的一種基于距離-多普勒量測的多站雷達人體跟蹤方法，分為六步，如圖1所示。下面結合一個實例對本發(fā)明做進一步解釋。

探測場景如圖2所示，發(fā)射站Tx位置為(1,0)，接收站Rx1位置為(-1,1)，接收站Rx2位置為(-4,2)，接收站Rx3位置為(4,2)，實測樹叢厚2m，寬9m，高1.8m。兩個人在樹叢另一側行走。由于樹叢遮蔽，雷達相對人體不可見。

按下面步驟實施：

第一步，回波預處理。

系統(tǒng)發(fā)射波形為中心頻率為f_c＝800MHz，帶寬為B＝150MHz，脈沖寬度為T_p＝100μs，脈沖重復頻率為PRF＝1000Hz的線性調頻信號。各通道接收信號為解線頻調處理后的信號，對信號做一維傅里葉變換，去除殘余視頻相位，第k個接收站信號可表示為：

其中，f是差頻，τ是慢時間，δ_j是散射點j的反射強度，R_j^k(τ)是散射點j到發(fā)射站和接收站的距離和(雙站距離)，是掃頻率。r處的目標會在處產(chǎn)生一個峰值。將差頻f用距離r替代，式(4)可表示為：

接收站k的慢時間距離像用|s^k(r,τ)|表示，圖3(a)為接收站Rx1的慢時間-距離像，場景中存在很強的靜物雜波和直達波，人體運動軌跡被完全遮蓋了。運用指數(shù)平均背景相消法對慢時間-距離像進行雜波抑制，雜波抑制后的人體回波信號可表示為：

δ_i表示運動人體散射點i的強度。圖3(b)為接收站Rx1雜波抑制后的慢時間-距離像，靜物雜波和直達波被有效抑制，人體目標得以凸顯。

第二步，計算瞬時距離多普勒。

在一個相干處理間隔(Coherent Processing Interval,CPI)內，目標近似為勻速運動，則瞬時距離可表示為：

其中，R_i^k(τ)和v_i^k是接收站k中人體散射點i在τ時刻的初始雙站距離和雙站速度。T_CPI是一個相干處理間隔。將式(7)帶入式(6)，瞬時距離向信號可表示為：

其中，運用Keystone變換消除距離包絡中的距離徙動項式(8)可表示為：

圖4(a)為5s時刻0.5s時間窗內的瞬時距離像，圖4(b)是Keystone變換后的距離像。距離徙動得到了校正。

對式(9)沿慢時間維做傅里葉變換，τ時刻的瞬時距離多普勒像可表示為：

設系統(tǒng)的距離和頻率采樣分別為Δr和Δf，離散瞬時多普勒像可表示為：

其中，n＝1,2,…,N,m＝1,2…,M,N和M是雙站距離和雙站多普勒的總采樣點數(shù)。

圖5(a)是5s時刻的瞬時多普勒像。比較圖4(b)和圖5(a)，目標在距離像上不可分，但在瞬時距離多普勒像上可分。所以，基于瞬時距離多普勒有更好的目標分辨性能。

第三步，目標檢測

統(tǒng)計排序恒虛警檢測器在多目標時有良好的目標檢測性能，它通過選擇待檢像素周邊的數(shù)據(jù)單元計算自適應閥值，當待檢像素能量大于自適應閥值時，判為有目標；否則，判為無目標。

圖5(a)的檢測結果如圖5(b)所示。將檢測到有目標的索引添加入候選目標量測集合M^k中。M^k中不僅有人體軀干量測，還有人體肢體量測。人體跟蹤只需要軀干量測，肢體量測被視為雜波。

第四步，量測估計。

人體在瞬時距離-多普勒像上存在距離-多普勒擴展，距離-多普勒擴展小的目標可能由雜波或人體肢體產(chǎn)生，這些目標量測被視為雜波量測。根據(jù)式(2)和式(3)，可以剔除比正常人體距離-多普勒擴展大小小的目標量測。圖5(c)是圖5(b)量測范圍收縮后的結果，肢體量測被有效剔除。

進一步基于量測收縮后的量測集合，根據(jù)人體距離-多普勒量測估計步驟中描述的方法，估計人體距離-多普勒量測。圖5(d)中的兩個十字圖標，即為估計得到的人體距離多普勒量測。

第五步，目標定位。

假設量測集合中的量測數(shù)目分別為m₁,m₂和m₃，進行目標定位時，共有m₁×m₂×m₃種不同的組合。目標位置(x,y)可由雙站距離量測組合(表示第k個接收站中的第i_k個雙站距離量測)，通過泰勒級數(shù)定位算法得到。目標估計位置和使用的量測組合的均方誤差(Root-Mean-Square Error,RMSE)可由下式計算：

其中，是重新估計的雙站距離，(x_t,y_t)是發(fā)射站位置，(x_k,y_k)(k＝1,2,3)是接收站位置，是雙站速度量測(是接收站k中的第i_k個多普勒量測，是雷達波長)。_xr_am和v_max是預定可容忍的距離和速度誤差。雙站速度量測v_k是雙站距離的偏導：

其中，是目標的運動速度。定義：

由估計的目標位置(x,y)和對應的雙站速度量測組合根據(jù)式(13)和式(14)，目標速度估計V可由下式計算：

速度V的最小二乘解為V＝(A^TA)^-1A^TD，將V帶入式(13)，可得目標重新估計的雙站速度v_k。

通過以下最小均方根誤差準則，可以確定真實目標位置和速度：

1.計算每個量測組合的RMSE，刪除RMSE_r≥r_max和RMSE_v≥v_max的量測組合。

2.對剩余量測組合的RMSE進行排序，最小的RMSE量測組合在列表的最上方，最大的RMSE量測組合在列表最下方。

3.選擇列表最上方的量測組合作為真實目標量測，將其計算得到的目標位置和速度作為目標跟蹤系統(tǒng)的輸入。刪除列表中，任何一組包含真實目標量測的組合。

4.重復第3步，直到確認的真實目標個數(shù)達到設定值或列表為空。

根據(jù)以上步驟，可以得到各時刻目標的位置和速度，圖6中的圓圈為各時刻的目標位置估計。

第六步，目標跟蹤。

將第五步得到的目標位置和速度作為目標跟蹤系統(tǒng)的輸入，運用卡爾曼濾波器，根據(jù)最近鄰準則，進行多目標跟蹤。圖6中的粗線即為最終的跟蹤結果。

圖6中細線為預定的人體運動軌跡，跟蹤軌跡和預定軌跡的RMSE在0.3m內，滿足人體跟蹤要求。因此，本發(fā)明提出的基于距離多普勒量測的多站跟蹤方法，具有比傳統(tǒng)只基于距離量測的跟蹤方法更穩(wěn)定的跟蹤性能。

以上所述僅是本發(fā)明的一種應用實例，本發(fā)明中針對的人體目標還可以是汽車、飛機、輪船等其他目標。應當指出，對于本技術領域的普通技術人員來說，在不脫離本發(fā)明原理的前提下，還可以做出若干改進和潤飾，這些改進和潤飾也應視為本發(fā)明的保護范圍。