CN103064067B - 机动弱目标检测跟踪一体化变速率采样快速方法 - Google Patents

Abstract

本发明公开了机动弱目标检测跟踪一体化变速率采样快速方法。本发明首先将上个量测时刻目标状态的估计反馈，用于当前时刻的目标机动检测。然后根据目标当前的机动性，决定数据采样率，实现对状态空间的变速率采样。当目标机动性强时，采用高采样率，从而确保检测可靠性和跟踪连续性；当机动性弱时，采用低采样率，以少量的状态点维持目标轨迹。最后将上述变速率采样机制运用到粒子滤波检测跟踪一体化方法中，实现在低信噪比条件下机动弱目标的检测与跟踪。本发明大幅减少了粒子传播次数，降低了计算量，具有较强的适应性和实用性。

Description

机动弱目标检测跟踪一体化变速率采样快速方法

技术领域

本发明属于雷达信号处理与数据处理领域，涉及一种机动弱目标检测跟踪一体化变速率采样快速方法。

背景技术

机载预警雷达需要检测并跟踪淹没在强度大且分布广的地海杂波里的机动弱目标的信号。在目前的机载预警雷达低空探测技术中，目标检测（信号处理）和目标跟踪（数据处理）是相对独立的两个环节。这种先检测后跟踪的方法，对高信杂比探测环境（SNR>10dB）而言，简单而有效。然而，当探测背景复杂，地海杂波干扰强，目标信号微弱时，由于检测环节简化了量测数据，丢失了原始量测中的部分信息，因而通常难以发现弱目标的信号。此外，在检测环节中，为了及时可靠地检测出弱目标，需要通过长时间积累改善目标信噪比。如果目标本身的机动性较强，在积累时间内径向速度未知且时变，难以进行有效的距离补偿，会导致积累效果变差，影响机动弱目标的检测。近年来出现的基于粒子滤波的检测跟踪一体化方法，直接使用雷达传感器原始量测数据，将目标跟踪思想引入信号检测，实现了对弱目标的同时检测与跟踪，解决了先检测后跟踪的传统做法难以检测到弱目标微弱信号的问题。针对机动弱目标的检测跟踪问题，继而出现了将多模方法运用到粒子滤波检测跟踪一体化方法中，用于解决低信噪比条件下的机动弱目标的检测与跟踪。然而多模粒子滤波检测跟踪一体化方法所需的存储量和计算量非常大，影响了检测的实时性，且需要对目标的机动特性做出合乎实际的先验假设，使得模型集能够覆盖目标各种机动可能，因而依赖于目标运动状态的先验信息。

发明内容

本发明的目的在于针对现有机动弱目标检测跟踪方法存储量和计算量大、耗时长、实现过程复杂等不足，为雷达信号处理与数据处理领域提供一种大幅降低计算量和存储要求的机动弱目标检测跟踪一体化变速率采样快速方法。本发明包括以下步骤（记t为当前时刻，T为量测采样时间间隔）：

步骤1、粒子初始化。

步骤2、在获得当前时刻t的初始粒子后，对每个粒子的存在变量进行一步预测。

步骤3、判断当前时刻t，粒子的存在变量是否为1。若粒子的存在变量为0，则粒子状态无须定义；若粒子的存在变量为1，则需继续判断上一个量测时刻(t-T),粒子存在变量是否为1。

步骤4、若在上一个量测时刻(t-T)，粒子的存在变量仍为1，则通过状态方程变速率采样传播该粒子；若粒子的存在变量为0，则初始化该粒子。

步骤5、根据当前时刻t获得的量测数据，计算每个粒子的权重。

步骤6、粒子的权重归一化以及粒子重采样，估计当前时刻目标的检测概率以及状态。

步骤7、将当前时刻目标状态估计反馈用于下一个量测时刻的目标机动检测；将步骤6中重采样后获得的粒子作为下一个量测时刻的初始粒子，返回步骤2执行，进入下一个量测时刻循环。

本发明的有益效果是：由于实际中目标运动多处于近匀速状态（机动性弱），只有少许时段出现强机动。本发明将目标状态估计反馈用于机动检测，然后根据目标的机动性强弱，对目标状态空间变速率采样，大幅减少了粒子传播次数，降低了计算量，具有较强的适应性和实用性。

附图说明

图1为本发明方法流程图。

具体实施方式

以下结合附图对本发明作进一步说明。

如图1所示，本发明包括以下步骤（记t为当前时刻，T为量测采样时间间隔）：

1、粒子初始化。2、在获得当前时刻t的初始粒子后，对每个粒子的存在变量进行一步预测。3、判断当前时刻t，粒子的存在变量是否为1。若粒子的存在变量为0，则粒子状态无须定义；若粒子的存在变量为1，则需继续判断上一个量测时刻(t-T),粒子存在变量是否为1。4、若在上一个量测时刻(t-T)，粒子的存在变量仍为1，则通过状态方程变速率采样传播该粒子；若粒子的存在变量为0，则初始化该粒子。5、根据当前时刻t获得的量测数据，计算每个粒子的权重。6、粒子的权重归一化以及粒子重采样，估计当前时刻目标的检测概率以及状态。7、将当前时刻目标状态估计反馈用于下一个量测时刻的目标机动检测；将步骤6中重采样后获得的粒子作为下一个量测时刻的初始粒子，返回步骤2执行，进入下一个量测时刻循环。

步骤1中，粒子初始化的具体步骤如下：

1)、按照粒子初始分布概率密度随机抽样生成                                               个粒子：

                            (1)

其中，为给定已知的概率密度，（）为个粒子的状态向量（如目标距离、速度、加速度等组成的向量）。 

2)、给定目标出生概率和目标死亡概率(如)，初始化每个粒子的存在变量（），使得个粒子在初始时刻的存在变量为1，剩余的粒子的初始时刻存在变量则为0。

3)、初始化每个粒子的到达时间（）为第一个量测数据到达的时间，初始化每个粒子第一个量测时刻的邻域，使其只包含初始粒子，即：

                         (2)

其中，表示在初始量测时刻第个粒子的邻域内，到达时间最大元素的下标。

步骤2中，粒子存在变量一步预测的具体步骤如下：

1)、记上一个量测时刻(t-T),存在变量为1的粒子数为。随机抽取个上一个量测时刻存在变量为1的粒子，使在当前时刻t，其存在变量为0；剩下的粒子存在变量仍为1。

2)、随机抽取个上一个量测时刻存在变量为0的粒子，使在当前时刻t，其存在变量为1；剩下的粒子存在变量仍为0。

步骤3中，对步骤2完成后，当前时刻t，各粒子的存在变量进行判断。若存在变量为0，则该粒子状态、到达时间以及邻域均为未定义；若存在变量为1，则须判断上一个量测时刻(t-T)的存在变量，并执行步骤4。 

步骤4中，对上一个量测时刻(t-T)的存在变量为0的粒子，可按步骤1粒子初始化的具体步骤1)对其状态进行初始化，其在当前时刻t的存在变量保持不变，其到达时间初始化为当前时刻t，其邻域初始化为只包括初始化粒子。

步骤4中，对上一个量测时刻(t-T)的存在变量为1的粒子进行变速率采样的具体步骤如下：

1)、判断当前时刻t该粒子邻域是否完整。若该粒子邻域内元素的最大到达时间位于当前时刻t之后，则该粒子邻域完整，不再需要进行采样。

2)、若该粒子邻域不是完整的，则需通过状态方程变速率采样，直到当前时刻t的该粒子邻域完整为止。

3)、变速率采样的方式为：当目标机动性较弱时，粒子到达时间间隔服从一定参数的伽马分布；当目标机动性较强时，粒子到达时间间隔为量测采样间隔时间T。其中目标机动性强弱可通过步骤7检测。

步骤4中，对第个粒子通过状态方程变速率采样的具体步骤如下：

1)、令，其中，表示上一个量测时刻(t-T),第个粒子邻域内到达时间最大元素的下标。

2)、判断当前时刻t，该粒子邻域是否完整。若满足，则粒子邻域完整不再需要采样。

3)、若不满足，则需要根据目标机动性强弱变速率采样,即令，然后通过下式传播，直到满足条件为止：

                          (3)

式中，为状态方程（是状态采样时间间隔的函数）。对于第个粒子，当目标机动性较强时，令该粒子到达时间间隔，其中和为两个相邻粒子的到达时间，为量测采样时间间隔；当目标机动性较弱时，令，其中为伽马分布，、为可设计的参数，用以控制到达时间间隔的长度。

步骤5中，当前时刻t计算粒子权重的具体步骤如下：

1)、存在变量为0的粒子的权重赋值为1。

2)、存在变量为1的粒子需先通过其邻域内状态插值获得当前时刻粒子的插值状态，然后依据当前时刻量测数据，通过局部似然计算权重。

3)、插值方法可选择对邻域内的状态进行线性或多项式拟合等插值方法。

步骤6中，粒子的权重归一化以及粒子重采样算法的具体步骤如下：

1)、按下式归一化当前时刻t每个粒子的权重（）：

                       (4)

2)、根据当前时刻粒子归一化权重（），对每个粒子进行复制。对于第个粒子，其复制个数为。待所有粒子复制结束，就完成了对粒子的重采样。

步骤6中，估计当前时刻目标的检测概率以及状态的具体步骤如下：

1)、统计当前时刻t，权重为1的粒子个数。

2)、按下式估计当前时刻目标的检测概率：

                        (5)

其中为总粒子数，为权重为1的粒子总数。

3)、按下式估计当前时刻目标的状态：

                            (6)

其中、分别为第个粒子当前时刻的状态和存在变量。

步骤7中，将当前时刻目标状态估计反馈用于下一个量测时刻的目标机动检测的具体步骤如下：

1)、将当前量测时刻t，目标状态的估计，通过状态方程和量测方程一步预测，获得下一个量测时刻的量测一步预测。

2)、将下一个量测时刻的量测数据与量测一步预测做差，获得新息，即：

                         (7)

3)、获得归一化的新息平方:

                         (8)

式中为新息协方差，将归一化的新息平方与一个设定的阈值进行比较，超过这个阈值，则认为目标发生机动。

4）、阈值根据非机动情况的目标模型，通过下式设定：

                        (9)

其中，为截尾概率（可取）。

通过以上7个步骤，获得一组带有权重的粒子，以及当前时刻目标检测概率以及状态的估计。将当前时刻目标状态估计反馈用于下一个量测时刻目标机动检测，将这些带有权重的粒子作为下一个量测时刻的初始粒子，返回步骤2执行，进入下一个量测时刻循环，从而构成了本发明的基本框架。

Claims (2)

1.机动弱目标检测跟踪一体化变速率采样快速方法，其特征在于该方法包括以下步骤：

步骤1、初始化粒子初始化，具体是：初始化每个粒子的到达时间为第一个量测数据到达的时间t₀，i=1,2,…N，初始化每个粒子第一个量测时刻的邻域，使其只包含初始粒子；

步骤2、在获得当前时刻t的初始粒子后，对每个粒子的存在变量进行一步预测；

步骤3、判断当前时刻t，粒子的存在变量是否为1；若粒子的存在变量为0，则粒子状态无须定义；若粒子的存在变量为1，则需继续判断上一个量测时刻(t-T),粒子存在变量是否为1，其中T为量测采样时间间隔；

步骤4、若在上一个量测时刻(t-T)，粒子的存在变量仍为1，则通过状态方程变速率采样传播该粒子；若粒子的存在变量为0，则初始化该粒子；变速率采样的具体步骤如下：

1)、判断当前时刻t该粒子邻域是否完整，若该粒子邻域内元素的最大到达时间位于当前时刻t之后，则该粒子邻域完整，不再需要进行采样；

2)、若该粒子邻域不是完整的，则需通过状态方程变速率采样，直到当前时刻t的该粒子邻域完整为止；

3)、变速率采样的方式为：当目标机动性较弱时，粒子到达时间间隔服从伽马分布；当目标机动性较强时，粒子到达时间间隔为量测采样间隔时间T；

步骤5、根据当前时刻t获得的量测数据，计算每个粒子的权重；其中存在变量为1的粒子需先通过其邻域内状态插值获得当前时刻粒子的插值状态，然后依据当前时刻量测数据，通过局部似然计算权重；

步骤6、粒子权重归一化以及粒子重采样，估计当前时刻目标的检测概率以及状态；

步骤7、将当前时刻目标状态估计反馈用于下一个量测时刻的目标机动检测；将步骤6中重采样后获得的粒子作为下一个量测时刻的初始粒子，返回步骤2执行，进入下一个量测时刻循环。

2.根据权利1所述的机动弱目标检测跟踪一体化变速率采样快速方法，其特征在于：变速率采样的具体方式为，当目标机动性较弱时，粒子到达时间间隔服从伽马分布；当目标机动性较强时，粒子到达时间间隔为量测采样间隔时间T。