CN103439697A - 基于动态规划的目标检测方法 - Google Patents

Abstract

本发明书公开了一种基于动态规划的目标检测方法，主要解决现有技术在高噪声或强杂波环境中检测目标虚假点过多及丢帧对目标检测性能的影响。其实现步骤为：1）对接收数据做脉压和动目标检测；2）对动目标检测后的数据做低门限横虚警检测并将过门限点记为正常状态；3）计算连续五帧的所有正常状态的代价值及关联状态这两种状态量；4）反向搜索代价值小的关联状态；5）对搜索路径的关联状态幅度求和并进行门限检测，得到目标检测结果。本发明通过构造由距离和速度决定的状态转移代价函数，且利用目标两帧间关联代价值小这一特性，滤掉了大部分强杂波点及噪声点，提高了在高噪声及强杂波环境中对目标检测的精度，可用于低空警戒雷达的目标跟踪。

Description

基于动态规划的目标检测方法

技术领域

本发明属于雷达信号处理技术领域，特别涉及一种目标检测方法，可用于对弱信号或强杂波背景下的慢速小目标检测。

技术背景

随着现代科技的不断发展，一些人为干扰或新电子产品的出现，使雷达的作战环境日趋复杂，目标信号容易淹没在噪声和杂波中，因此在高噪声和强杂波环境下如何准确的对慢速小目标实现检测是现代雷达亟需解决的问题之一。

在雷达信号处理中，近年来出现的一种被称为先跟踪后检测技术TBD能充分利用处理过程中每个阶段的信息，提高小目标的检测性能，在恶劣的环境下实现小目标的检测。

强勇等人在“一种有效的用于雷达弱目标检测的算法，电子学报，2003年第3期”的文章中，提出了恒虚警CFAR和检测前跟踪TBD联合检测的思想，即加入低门限CFAR检测和求秩过程对数据进行预处理，引进平滑度的概念以消除一些伪航迹，虽然检测性能和计算量得到一定提高，但该方法的跟踪效果差。

吴卫华等人在“一种基于目标状态关联的动态规划TBD算法，空军雷达学院学报，2011年第6期”的文章中，提出了一种基于目标状态关联的动态规划TBD算法，该算法结合目标运动特点并利用多帧数据降低幅度起伏，虽然减小了噪声的影响，相对于传统方法提高了检测性能，但如果在检测过程中有某帧目标丢失，则跟踪性能将会大大降低。

发明内容

本发明的目的在于针对上述已有技术的不足，提出一种基于动态规划的目标检测方法，以进一步减小雷达信号处理中噪声及杂波对目标检测性能的影响，提高检测精度。

实现本发明目的的技术思路是：利用慢速目标速度变化小的特点及其前后帧信息的相关性，设计一种由目标距离单元及多普勒信息决定并带有遗忘因子的状态转移代价函数，通过动态规划DP的方法反向搜索得到目标航迹，从而减小噪声对幅度上能量累积的影响及目标丢失对后面检测的影响。具体实现步骤包括如下：

（1）接收雷达回波信号的第l帧数据序列，并初始化l=1；

（2）对第l帧数据序列依次做脉冲压缩和动目标检测，得出每个数据点对应的距离单元，多普勒通道号及幅值；

（3）对所有幅值做低门限恒虚警检测，并将过门限的点均记为正常状态，每个正常状态均包含五个状态量，即距离单元、多普勒通道号、幅值、关联状态及代价值，并将关联状态及代价值初始化为零；

（4）判断l是否小于5，若是则l取值加1，并等待接收雷达回波信号的下一帧数据，返回步骤（2）否则执行步骤（5）；

（5）计算连续五帧各正常状态中关联状态及代价值这两种状态量：

（5a）设a=l-4，将第a帧到第l帧的连续五帧各正常状态中关联状态及代价值这两种状态量清零；

（5b）设第a帧的第i个正常状态对应的距离单元、多普勒通道号分别为R_Pi、D_Pi；第a+1帧的第m个正常状态对应的距离单元、多普勒通道号分别为R_Cm、D_Cm，i＝1…X，X为第a帧过门限的点数，m＝1…Y，Y为第a+1帧过门限的点数；

（5c）计算出第a帧的第i个正常状态对应的速度V_Pi；

（5d）根据上述参数，计算出第a帧的第i个正常状态转移到第a+1帧的第m个正常状态的转移代价值M_mi1：

M_mi=λ[(R_PiR₀+V_Pit)/R₀-R_Cm]+β(D_Pi-D_Cm)+εM_Pi，

式中，λ、β为权系数，t为雷达扫描周期，R₀为最小可分辨距离，ε为遗忘因子，M_Pi为第a帧的第i个正常状态的代价值；

（5e）从第a帧的所有正常状态转移到第a+1帧的第m个正常状态的转移代价值中，找出最小值为第a帧的第k个正常状态转移到第a+1帧的第m个正常状态的转移代价值M_mk；

（5f）更新第a+1帧的第m个正常状态的关联状态为k，更新第a+1帧的第m个正常状态的代价值为M_mk，并将这两种状态量进行保存；

（5g）判断a是否等于l-1，若是则执行步骤（6），否则a取值加1，返回步骤（5b）；

（6）搜索目标航迹

（6a）从第l帧所有正常状态的代价值中找出最小的一个代价值对应的正常状态，将这个正常状态的代价值置为1000，并通过第l帧的第g₅个正常状态的关联状态，找出与该正常状态关联的第l-1帧的第g₄个正常状态，直到搜索出与第l帧的第g₅个正常状态关联的第l-4帧的第g₁个正常状态，得出一条由五个正常状态组成的搜索路径，对这条搜索路径的五个正常状态的幅度求和为M_w；

（6b）设定目标检测门限值V_T＝2×10⁶，比较这条搜索路径的五个正常状态的幅度和M_w与V_T的大小，若M_w≥V_T，则检测到目标，且该目标的第l-4帧到第l帧的航迹为这条搜索路径的五个正常状态的五个距离单元，反之，没有检测到目标；

（6c）重复执行步骤（6a）-（6b）共9次，输出所有检测到的目标航迹；

（6d）令l=l+1，等待接收雷达回波信号的下一帧数据，返回步骤（2）。

本发明与现有技术相比具有以下优点：

本发明由于充分利用目标运动特性，构造由距离和速度决定的状态转移代价函数，得到相邻五帧目标状态转移的代价值，选取代价值最小的10个代价值且累积幅度值，再通过设置检测门限检测出目标，不仅尽可能的减小了噪声对目标检测的影响，而且减小了丢帧对后面检测的影响，提高了在低信噪比时目标检测的精度。

附图说明

图1是本发明的实现的流程图；

图2是本发明方法连续五帧状态转移示意图；

图3是用本发明方法与现有基于目标状态关联的目标检测方法检测的目标航迹对比图；

图4是本发明本方法与现有基于目标状态关联的目标检测方法检测到的目标多普勒通道对比图。

具体实施方式

下面结合附图对本发明作进一步的详细描述。

参照图1，本发明基于动态规划的雷达检测前跟踪方法，其实现步骤如下：

步骤1：雷达接收机接收雷达回波信号的第l帧的h个脉冲数据序列，该帧数据的序号为u，并始化l=1，u＝1。

步骤2：对第l帧的h个脉冲数据序列做脉冲压缩和动目标检测。

2a）将第l帧接收的h个脉冲数据序列存储为数据采集矩阵P:

$P=\left[\begin{array}{cccc}x\left(\mathrm{1,1}\right)& \·\·\·& x(1,h-1)& x(1,h)\\ \·\·\·& x(p,q)& \·\·\·& \·\·\·\\ x(C-\mathrm{1,1})& \·\·\·& x(C-1,h-1)& x(C-1,h)\\ x(C,1)& \·\·\·& x(C,h-1)& x(C,h)\end{array}\right],$

其中，C为单个脉冲采样点数，x(p,q)为该矩阵P第p行第q列的元素，p=1…C，q=1…h；

2b）根据雷达参数产生脉压系数序列A：

A＝[exp[jπB（n/f_s）-jπB(n/f_s)²/T],…,exp[jπB（1/f_s）-jπB(1/f_s)²/T]]，

其中，表示数据向下取整，f_s为采样频率，T为脉冲时宽，B为雷达发射信号带宽，exp表示以e为底的指数幂；

2c）将数据采集矩阵P的每个列向量分别与脉压系数序列A做卷积，并去掉暂态点，得到脉压矩阵Q：

$Q=\left[\begin{array}{cccc}y\left(\mathrm{1,1}\right)& ...& y(1,h-1)& y(1,h)\\ ...& y(p_2,q_2)& ...& ...\\ y(C-\mathrm{1,1})& ...& y(C-1,h-1)& y(C-1,h)\\ y(C,1)& ...& y(C,h-1)& y(C,h)\end{array}\right],$

其中，y(p₂,q₂)为脉压矩阵Q的第p₂行第q₂列的元素，p₂=1…C，q₂=1…h；

2d）将脉压矩阵Q的行向量分别做N点傅里叶变换，得到动目标检测矩阵R：

$R=\left[\begin{array}{cccc}z\left(\mathrm{1,1}\right)& \·\·\·& z(1,N-1)& z(1,N)\\ \·\·\·& y(p_3,q_3)& \·\·\·& \·\·\·\\ z(C-\mathrm{1,1})& \·\·\·& z(C-1,N-1)& z(C-1,N)\\ z(C,1)& \·\·\·& z(C,N-1)& z(C,N)\end{array}\right],$

其中，z(p₃,q₃)为该矩阵R的第p₃行第q₃列的元素，p₃=1…C，q₃=1…N，该矩阵R的每个元素都有距离单元、多普勒通道号及幅值这三个特征值，且元素距离单元这一特征值为该元素的行号，多普勒通道号这一特征值为该元素的列号，幅值这一特征值为该元素的数据大小。

步骤3：根据动目标检测矩阵R元素周围的元素平均值，统计出噪声的平均功率为n_T，设定横虚警检测门限为P_T=3n_T，判断动目标检测矩阵R中元素的幅值是否大于检测门限为P_T：若是，则将该过门限的元素均记为正常状态，该正常状态均包含五个状态量，即距离单元、多普勒通道号、幅值、关联状态及代价值；并将该正常状态中的关联状态及代价值这两个正常状态量初始化为零，否则，不做处理。

步骤4：判断雷达接收机接收的第l帧数据的序号u是否小于5，若是则令l＝l+1，并等待接收雷达回波信号的下一帧数据，返回步骤（2）否则执行步骤（5）。

步骤5：计算连续五帧各正常状态中关联状态及代价值这两种状态量：

5a)设a=l-4，将第a帧到第l帧的连续五帧的各正常状态中的关联状态及代价值这两种状态量清零；

5b)设第a帧的第i个正常状态对应的距离单元、多普勒通道号分别为R_Pi、D_Pi；第a+1帧的第m个正常状态对应的距离单元、多普勒通道号分别为R_Cm、D_Cm，i＝1…X，X为第a帧过门限的点数，m＝1…Y，Y为第a+1帧过门限的点数；

5c)第a帧的第i个正常状态对应的速度V_Pi根据如下公式计算：

V_Pi=f_rc(D_Pi-1)/2f_oN，

式中，c为光速，f_r为脉冲重复频率，f₀为雷达发射中心频率，N为多普勒通道数；

5d)根据上述参数，计算出第a帧的第i个正常状态转移到第a+1帧的第m个正常状态的转移代价值M_mi：

M_mi=λ[(R_PiR₀+V_Pit)/R₀-R_Cm]+β(D_Pi-D_Cm)+εM_Pi，

式中λ、β为权系数，t为雷达扫描周期，R₀为最小可分辨距离，ε为遗忘因子，M_Pi为第a帧的第i个正常状态的代价值；

5e)从第a帧的所有正常状态转移到第a+1帧的第m个正常状态的转移代价值中，找出最小值为第a帧的第k个正常状态转移到第a+1帧的第m个正常状态的转移代价值M_mk；

5f)更新第a+1帧的第m个正常状态的关联状态为k，更新第a+1帧的第m个正常状态的代价值为M_mk，并将这两种状态量进行保存；

5g)判断a是否等于l-1，若是，则执行步骤6，否则，a取值加1，返回步骤5b。

步骤6：搜索目标航迹

参照图2，本步骤的具体实现如下：

6a)设b为目标搜索循环次数，并初始化b=1；

6b)从第l帧所有正常状态的代价值中找出最小的一个代价值

对应的第g₅个正常状态，将

置为1000，并通过第l帧的第g₅个正常状态的关联状态，找出与该正常状态关联的第l-1帧的第g₄个正常状态，依次向前查找，直到找出与第l帧的第g₅个正常状态关联的第l-4帧的第g₁个正常状态，由此得出一条由g₁→g₂→g₃→g₄→g₅五个正常状态组成的搜索路径，对这条搜索路径的五个正常状态的幅度求和为M_w；

6c)设定目标检测门限值V_T＝2×10⁶，比较这条搜索路径的五个正常状态的幅度和M_w与V_T的大小，若M_w≥V_T，则检测到目标，且该目标的第l-4帧到第l帧的航迹为这条搜索路径的五个正常状态的五个距离单元，反之，没有检测到目标；

6d)判断目标搜索循环次数b是否等于10，若是，则输出所有检测到的目标航迹，并执行步骤6e，否则，令b=b+1，返回步骤6b；

6e)令l=l+1，等待接收雷达回波信号的下一帧数据，返回步骤2。

本发明的效果可通过以下仿真进一步说明：

1）仿真条件：

本发明仿真实验中软件仿真平台为MATLAB R2008b，仿真中实验数据为某雷达采集的实时数据，该数据共包含24帧雷达回波信号数据，每帧雷达回波信号数据均有25个脉冲，天线扫描周期t＝10s，脉冲重复频率为f_r＝1KHz，雷达发射中心频率为f₀＝1GHZ，采样频率为f_s＝4MHz，雷达发射信号带宽为B＝2MHz，多普勒通道数N＝32，权系数α=1,β=0.3，遗忘因子ε＝0.5，其中有一无人机目标，信噪比在8db以下。

2）仿真内容及结果：

仿真1，利用上述条件，用本发明方法和现有基于目标状态关联的目标检测方法对目标航迹进行仿真检测，其结果如图3所示。

由图3可以看出，本发明方法检测的目标航迹与真实目标航迹最大偏差小于两个距离单元，而现有基于目标状态关联的目标检测方法检测的目标航迹有六帧目标航迹与真实目标航迹偏差大于两个距离单元，说明现有基于目标状态关联的目标检测方法检测的这六帧目标是虚假目标。

仿真2，利用上述条件，用本发明方法和现有基于目标状态关联的目标检测方法对目标的多普勒通道进行仿真检测，其结果如图4所示。

由图4可以看出，本发明方法检测出的目标多普勒通道与真实目标多普勒通道基本吻合，而现有基于目标状态关联的目标检测方法检测的目标多普勒通道与真实目标多普勒通道有六帧偏差较大，说明现有基于目标状态关联的目标检测方法检测出的该六帧目标可能为噪声或杂波点。

综上，本发明方法能精确检测与跟踪低信噪比的目标。

Claims (3)

1.一种基于动态规划的目标检测方法，其特征在于包括如下步骤：

（1）接收雷达回波信号的第l帧数据序列，并初始化l=1；

（2）对第l帧数据序列依次做脉冲压缩和动目标检测，得出每个数据点对应的距离单元，多普勒通道号及幅值；

（3）对所有幅值做低门限恒虚警检测，并将过门限的点均记为正常状态，每个正常状态均包含五个状态量，即距离单元、多普勒通道号、幅值、关联状态及代价值，并将关联状态及代价值初始化为零；

（4）判断l是否小于5，若是则l取值加1，并等待接收雷达回波信号的下一帧数据，返回步骤（2）否则执行步骤（5）；

（5）计算连续五帧各正常状态中关联状态及代价值这两种状态量：

（5a）设a=l-4，将第a帧到第l帧的连续五帧各正常状态中关联状态及代价值这两种状态量清零；

（5b）设第a帧的第i个正常状态对应的距离单元、多普勒通道号分别为R_Pi、D_Pi；第a+1帧的第m个正常状态对应的距离单元、多普勒通道号分别为R_Cm、D_Cm，i＝1…X，X为第a帧过门限的点数，m＝1…Y，Y为第a+1帧过门限的点数；

（5c）计算出第a帧的第i个正常状态对应的速度V_Pi；

（5d）根据上述参数，计算出第a帧的第i个正常状态转移到第a+1帧的第m个正常状态的转移代价值M_mi1：

M_mi=λ[(R_PiR₀+V_Pit)/R₀-R_Cm]+β(D_Pi-D_Cm)+εM_Pi，

式中，λ、β为权系数，t为雷达扫描周期，R₀为最小可分辨距离，ε为遗忘因子，M_Pi为第a帧的第i个正常状态的代价值；

（5e）从第a帧的所有正常状态转移到第a+1帧的第m个正常状态的转移代价值中，找出最小值为第a帧的第k个正常状态转移到第a+1帧的第m个正常状态的转移代价值M_mk；

（5f）更新第a+1帧的第m个正常状态的关联状态为k，更新第a+1帧的第m个正常状态的代价值为M_mk，并将这两种状态量进行保存；

（5g）判断a是否等于l-1，若是则执行步骤（6），否则a取值加1，返回步骤（5b）；

（6）搜索目标航迹

（6a）从第l帧所有正常状态的代价值中找出最小的一个代价值对应的正常状态，将这个正常状态的代价值置为1000，并通过第l帧的第g₅个正常状态的关联状态，找出与该正常状态关联的第l-1帧的第g₄个正常状态，直到搜索出与第l帧的第g₅个正常状态关联的第l-4帧的第g₁个正常状态，得出一条由五个正常状态组成的搜索路径，对这条搜索路径的五个正常状态的幅度求和为M_w；

（6b）设定目标检测门限值V_T＝2×10⁶，比较这条搜索路径的五个正常状态的幅度和M_w与V_T的大小，若M_w≥V_T，则检测到目标，且该目标的第l-4帧到第l帧的航迹为这条搜索路径的五个正常状态的五个距离单元，反之，没有检测到目标；

（6c）重复执行步骤（6a）-（6b）共9次，输出所有检测到的目标航迹；

（6d）令l=l+1，等待接收雷达回波信号的下一帧数据，返回步骤（2）。

2.根据权利要求1所述的基于动态规划的目标检测方法，其特征在于步骤（2）所述的对第l帧数据序列依次做脉冲压缩和动目标检测，按如下步骤进行：2a）将第l帧接收的h个脉冲数据序列存储为矩阵P:

$P=\left[\begin{array}{cccc}x\left(\mathrm{1,1}\right)& ...& x(1,h-1)& x(1,h)\\ ...& x(p,q)& ...& ...\\ x(C-\mathrm{1,1})& ...& x(C-1,h-1)& x(C-1,h)\\ x(C,1)& ...& x(C,h-1)& x(C,h)\end{array}\right],$

其中，C为单个脉冲采样点数，x(p,q)为该矩阵P第p行第q列的元素，p=1…C，q=1…h；

2b）根据雷达参数产生脉压系数序列A：

A＝[exp[jπB（n/f_s）-jπB(n/f_s)²/T],…,exp[jπB（1/f_s）-jπB(1/f_s)²/T]]，

其中

表示数据向下取整，f_s为采样频率，T为脉冲时宽，B为雷达发射信号带宽，exp表示以e为底的指数幂；

2c）将矩阵P的每个列向量分别与A做卷积，并去掉暂态点，得到脉压矩阵Q：

$Q=\left[\begin{array}{cccc}y\left(\mathrm{1,1}\right)& \·\·\·& y(1,h-1)& y(1,h)\\ \·\·\·& y(p_2,q_2)& \·\·\·& \·\·\·\\ y(C-\mathrm{1,1})& \·\·\·& y(C-1,h-1)& y(C-1,h)\\ y(C,1)& \·\·\·& y(C,h-1)& y(C,h)\end{array}\right],$

其中y(p₂,q₂)为矩阵Q第p₂行第q₂列的元素，p₂=1…C，q₂=1…h；

2d）将脉压矩阵Q的行向量分别做N点傅里叶变换，得到动目标检测矩阵R：

$R=\left[\begin{array}{cccc}z\left(\mathrm{1,1}\right)& ...& z(1,N-1)& z(1,N)\\ ...& z(p_3,q_3)& ...& ...\\ z(C-\mathrm{1,1})& ...& z(C-1,N-1)& z(C-1,N)\\ z(C,1)& ...& z(C,N-1)& z(C,N)\end{array}\right],$

其中，z(p₃,q₃)为该矩阵R的第p₃行第q₃列的元素，p₃=1…C，q₃=1…N，该矩阵R的每个元素都有距离单元、多普勒通道号及幅值这三个特征值，且元素距离单元这一特征值为该元素的行号，多普勒通道号这一特征值为该元素的列号，幅值这一特征值为该元素的数据大小。

3.根据权利要求1所述的基于动态规划的目标检测方法，其特征在于步骤（5c）所述的计算出第a帧的第i个正常状态对应的速度V_Pi，按如下公式计算：

V_Pi=f_rc(D_Pi-1)/2f_oN，

式中，c为光速，f_r为脉冲重复频率，f₀为雷达发射中心频率，D_Pi为正常状态的多普勒通道号。

Images