CN104035081A - 基于角度映射与遍历Hough变换的多目标检测方法 - Google Patents
基于角度映射与遍历Hough变换的多目标检测方法 Download PDFInfo
- Publication number
- CN104035081A CN104035081A CN201410244316.5A CN201410244316A CN104035081A CN 104035081 A CN104035081 A CN 104035081A CN 201410244316 A CN201410244316 A CN 201410244316A CN 104035081 A CN104035081 A CN 104035081A
- Authority
- CN
- China
- Prior art keywords
- straight line
- parameter
- plane
- thresholding
- amplitude
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S7/00—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
- G01S7/02—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
- G01S13/66—Radar-tracking systems; Analogous systems
- G01S13/72—Radar-tracking systems; Analogous systems for two-dimensional tracking, e.g. combination of angle and range tracking, track-while-scan radar
- G01S13/723—Radar-tracking systems; Analogous systems for two-dimensional tracking, e.g. combination of angle and range tracking, track-while-scan radar by using numerical data
- G01S13/726—Multiple target tracking
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Computer Networks & Wireless Communication (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Image Analysis (AREA)
Abstract
本发明公开了一种基于角度映射与遍历Hough变换的多目标检测方法。本发明首先对原始数据平面的雷达回波数据进行第一门限处理。接着对数据平面中的所有不同数据点进行两两组合求取直线参数,并对组合两点的幅值进行积累。然后利用角度投影方法,将配对两点所求取的直线角度值投影到扩大的参数平面,同时将对应的值也进行投影参数平面,并将其积累幅值存储到所求直线参数在参数平面对应单元的累加器中;最后通过对累加器中积累单元的积累值进行第二门限判决,超过第二门限单元即被检测为正确目标,并根据超过第二门限单元逆推的对应直线参数,实现航迹回溯。本发明可检测出数据平面中的任意直线,适合多目标的检测跟踪问题。
Description
技术领域
本发明属于雷达数据处理领域,涉及基于新的角度映射方式与遍历Hough变换相结合的多目标检测方法。
背景技术
低信噪比目标的及时检测和准确连续跟踪问题是雷达探测系统需要解决的关键技术之一。传统的检测后跟踪,通过设置门限判断单帧目标是否存在,在检测到目标后再进行跟踪。这种方法在目标信噪比较高时具有较好的检测跟踪性能,但是当目标信噪比较低时,由于目标淹没在杂波信号中,利用此种方法对目标进行检测跟踪将会引起目标信号的丢失,不利于低信噪比环境下的目标检测跟踪。检测前跟踪方法(Track Before Detect,TBD)是雷达微弱目标检测跟踪的一种有效方法,其对原始量测数据不做门限处理或采用较小的门限,通过多帧能量积累的方式提高目标信噪比从而实现监视雷达对目标的检测能力的提高,在得到检测结果时同时宣布跟踪结果。其实质是以时间换取能量,提高目标的信噪比。基于Hough变换的TBD方法不需要目标先验信息,能把源于同一目标的回波能量进行非相参积累,增强目标信噪比,进而检测出微弱目标信号。由于标准Hough变换方法所需计算时间和存储量较大,从而后面的研究者在此技术上进行了改进,提出了随机Hough变换、修正Hough变换和广义Hough变换等技术。标准Hough变换从多帧叠加的累加回波数据中平面中检测目标航迹,其主要存在的问题如下:
1、计算时间长,存储量大。
2、需要对每个角度进行逐步计算对应的值,从而在参数空间峰值周围容易形成簇拥现象,不利于目标正确航迹参数的提取。
3、在信噪比较低时,检测概率低大大降低。
随机Hough变换在随机选取两点进行直线参数求取并投影的方式时,对角度的选取限定在此时就无法检测出某些垂线与X轴夹角为正值的直线。
发明内容
针对上述技术问题,本发明提出一种新的参数角度映射方式并与将其与遍历Hough变换相结合,将参数平面角度扩大到并用随机Hough变换的方式选取两点求取直线参数,并对两点确定直线的斜率与斜距进行分析后,确定对应直线参数垂线与X轴正方向的夹角,再对其进行投影。
本发明包括以下步骤:
步骤1、对Hough参数空间进行量化处理。
步骤2、将每次仿真中k帧不同的超过第一门限的雷达回波数据分别存储在K个不同的矩阵中,其中第k帧超过第一门限数据的存储矩阵表示为zk。
步骤3、将所有帧过第一门限的数据叠加到数据平面W中,并将数据平面中幅值大于0的点存储在矩阵中。
步骤4、将数据平面中的所有不同点进行两两组合,并将对应两点的幅值进行积累。
步骤5、首先根据组合两点求取两点直线的斜率k和与Y轴的截距d,并对其进行判断。
步骤6、根据k,d的形式确定该直线垂线与X轴正方向的夹角θ,并根据该角度θ和组合两点求得原点到该直线的距离ρ,从而得到直线参数(ρ,θ)。
步骤7、根据直线参数(ρ,θ),找到其在对应Hough参数平面中的单元,并将确定该直线参数两点积累的幅值存储到该单元对应的累加器中。
步骤8、将所有组合直线映射完后,引入第二门限,对Hough参数平面对应累加器中的积累值进行判断。
步骤9、根据超过第二门限单元,逆推得到直线参数,实现航迹回溯。
本发明的有益效果:该方法可以检测出数据平面中的任意直线,适合多目标的检测跟踪问题。
附图说明
图1为本发明参数平面量化以及直线参数映射到参数平面的原理图。
图2为本发明方法流程图。
具体实施方式
以下结合图1对本发明步骤作以下说明:
1、令(x1,y1)和(x2,y2)确定的直线为l,则该直线的斜率k为k=(y2-y1)/(x2-x1),从上图中可以看出其斜率k>0,又因为该直线与Y轴交点位于Y轴的负半轴,所以可以确定直线l的垂线与X轴正方向的夹角θ1为负值,接下来对θ1进行计算。上图中可以明显看出直线l与X轴正方向的夹角与θ1为互余关系,可以计算得θ1=-tg-1(1/k)。
2、令(x3,y3)和(x4,y4)确定的直线为l,则该直线的斜率k为k=(y4-y3)/(x4-x3),从上图中可以看出其斜率k<0,此时直线l的垂线与X轴正方向的夹角θ2为正值,接下来对θ2进行计算。上图中可以明显看出直线l与X轴正方向的夹角恰好与θ2相同,所以可以计算得θ2=tg-1(-1/k)。
3、令(x5,y5)和(x6,y6)确定的直线为l,则该直线的斜率k为k=(y6-y5)/(x6-x5),从上图中可以看出其斜率k>0,又因为该直线与Y轴交点位于Y轴的正半轴,所以可以确定直线l的垂线与X轴正方向的夹角为正值,接下来对进行计算。上图中可以明显看出直线l与X轴的夹角与θ3相等,可以计算得θ3=tg-1(1/k),从而可得θ4=θ3+π/2。
4、直线l与X轴平行,即选取的两点纵坐标是相等的,对于这种情况时其直线参数ρ等于该直线上任意一点的纵坐标,而θ为π/2。
5、直线l与Y轴平行,即选取的两点横坐标是相等的,对于这种情况时其直线参数ρ等于该直线上任意一点的横坐标,而θ为0。
综上所述位于第一象限的数据平面中的任意直线的垂线与X轴正方向的夹角θ,可归纳为以下5大类:
1.k<0且b>0,则θ=tg-1(-1/k);
2.k>0且b<0,则θ=-tg-1(1/k);
3.k>0且b>0,则θ=tg-1(1/k)+π/2;
4.k=0且b>0,则θ=π/2
5.k=∞且b不存在,则θ=0;
如图2所示,本实施例的具体过程为:
1.在实际处理中,首先要将Hough参数平面分割若干个分辨单元,每个分辨单元中心点为:
θn=(n-1/2)Δθ n=1,2,…,Nθ (1)
ρn=(n-1/2)Δρ n=1,2,…,Nρ
式中Δθ=3π/2/Nθ,Nθ为参数θ的分割段数,Nx和Ny为数据平面的维数,Nρ为参数ρ的分割段数。
2.为了减少计算时间和降低虚警率,本发明引入第一门限η对集合Z中回波点进行判决(对于第一门限η的选取现在主要有两种方法:其一是根据目标信号的模型确定;其二是根据仿真时的经验取值确定,本发明第一门限的选取是根据第二种方法来实现的),将集合Z中超过该门限的点存储在集合Zp中,Zp定义如下:
Zpk={(iΔx,jΔy,zpk(i,j))|i=1,2,…nx,j=1,2,…ny,k=1,2,…,K} (2)
zpk(i,j)≥η,i=1,2,…nx,j=1,2,…ny,k=1,2,…,K
记 则 其中Mk表示第k帧中第Mk个超过第一门限数据点,lk为第k帧中超过第一门限数据点总个数。
3.将集合Zp中所有点叠加到数据平面中,记数据平面的所有点集合为W,具体实现如下:
叠加过程中,如果 则 1≤α≠β≤K,1≤Mα≤lα,1≤Mβ≤lβ其中w(x,y)表示数据平面坐标点(x,y)处的幅值。
4.对数据平面中所有不同数据点两两遍历配对进行Hough变换,求取对应ρ和θ值,同时将组合两点的幅值进行积累,令(xH1,yH1)和(xH2,yH2)为所有配对组合中的一组则具体求取参数方法如下:
式中L表示数据平面中不同点的个数,(xH1,yH1)和(xH2,yH2)分别表示数据平面中的第H1和H2个点的坐标,则共计配对点数S=CL 2=L×(L-1)/2。wc=w(xH1,yH1)+w(xH2,yH2),表示(xH1,yH1)和(xH2,yH2)两点的幅值积累。
5.根据两点求得斜率k=(yH2-yH1)/(xH2-xH1),以及直线与Y轴的交点b=yH1-kxH1或者b=yH2-kxH2。接下来根据上文的参数映射原理分析对两点所确定的直线参数进行投影到参数平面。若k<0且b>0,则θc=tg-1(-1/k);若0≤k且b<0,则θc=-tg-1(1/k);若0≤k且b>0,则θc=tg-1(1/k)+π/2,数据平面在第一象限时不存在k<0且b<0的情况;k=0且b>0,则θ=π/2,k=∞且b不存在,则θ=0;所以两点所求直线参数中的θc变换范围为(-π/2,π)。
接下来根据所求θc值求取其对应的ρc值:
6.若直线参数(ρc,θc)满足-π/2≤θc≤π,则将其进行量化处理,投影到参数平面对应单元,同时将幅值wc存储到参数平面单元对应的累加器Ω中,如下:
Ω(r,t)=Ω(r,t)+wc t=1,2,…Nθ,c=1,2,…S
式中Ω(r,t)表示参数平面单元(r,t)在对应累加器中的积累值,表示上限取整,若(ρc,θc)不满足-π/2≤θc≤π,则不对其进行投影。
7.将所有配对点重复步骤4-6,设置第二门限ξ,对累加器Ω中的积累值进行第二门限判决,将超过第二门限单元存储在矩阵S中,即Ω(r,t)≥ξ→S=(r,t)1≤r≤Nρ,1≤t≤Nθ,
8.将矩阵S中的参数逆推得到最后直线参数,(ρd,θd)=(rdΔρ,tdΔθ),d=1,2,…,D,其中D为超过第二门限单元个数,d为S中第d个单元,根据直线参数按式y=(ρd-xcosθd)/sinθd,实现航迹回溯。
利用本发明所提方法对多目标的检测较为有利。
Claims (1)
1.基于角度映射与遍历Hough变换的多目标检测方法,其特征在于该方法包括以下步骤:
步骤1、对Hough参数空间进行量化处理;
步骤2、将每次仿真中 帧不同的超过第一门限的雷达回波数据分别存储在个不同的矩阵中,其中第帧超过第一门限数据的存储矩阵表示为;
步骤3、将所有帧过第一门限的数据叠加到数据平面中,并将数据平面中幅值大于0的点存储在矩阵中;
步骤4、将数据平面中的所有不同点进行两两组合,并将对应两点的幅值进行积累;
步骤5、首先根据组合两点求取两点直线的斜率k和与Y轴的截距d,并对其进行判断;
步骤6、根据k,d的形式确定该直线垂线与X轴正方向的夹角,并根据该角度和组合两点求得原点到该直线的距离,从而得到直线参数;
步骤7、根据直线参数,找到其在对应Hough参数平面中的单元,并将确定该直线参数两点积累的幅值存储到该单元对应的累加器中;
步骤8、将所有组合直线映射完后,引入第二门限,对Hough参数平面对应累加器中的积累值进行判断;
步骤9、根据超过第二门限单元,逆推得到直线参数,实现航迹回溯。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410244316.5A CN104035081A (zh) | 2014-06-04 | 2014-06-04 | 基于角度映射与遍历Hough变换的多目标检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410244316.5A CN104035081A (zh) | 2014-06-04 | 2014-06-04 | 基于角度映射与遍历Hough变换的多目标检测方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN104035081A true CN104035081A (zh) | 2014-09-10 |
Family
ID=51465918
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410244316.5A Pending CN104035081A (zh) | 2014-06-04 | 2014-06-04 | 基于角度映射与遍历Hough变换的多目标检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104035081A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104678373A (zh) * | 2015-03-18 | 2015-06-03 | 西安邮电大学 | 一种简易的雷达多目标参数提取方法 |
CN108279567A (zh) * | 2017-12-29 | 2018-07-13 | 浙江中控软件技术有限公司 | 用于鲁棒控制的系统辨识方法 |
CN113702965A (zh) * | 2021-08-31 | 2021-11-26 | 中国人民解放军海军航空大学 | 基于峰值聚优的改进积累方法及强弱目标同时检测方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP0702320A1 (en) * | 1994-09-15 | 1996-03-20 | Hewlett-Packard Company | Skew detection |
JPH08123963A (ja) * | 1994-10-26 | 1996-05-17 | Matsushita Electric Works Ltd | 画像認識方法およびその装置 |
CN102298142A (zh) * | 2011-05-16 | 2011-12-28 | 中国人民解放军海军航空工程学院 | 雷达测距模糊条件下多微弱目标ht-stc-tbd检测方法 |
CN103777187A (zh) * | 2014-01-15 | 2014-05-07 | 杭州电子科技大学 | 基于遍历随机Hough变换的弱目标检测前跟踪方法 |
-
2014
- 2014-06-04 CN CN201410244316.5A patent/CN104035081A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP0702320A1 (en) * | 1994-09-15 | 1996-03-20 | Hewlett-Packard Company | Skew detection |
JPH08123963A (ja) * | 1994-10-26 | 1996-05-17 | Matsushita Electric Works Ltd | 画像認識方法およびその装置 |
CN102298142A (zh) * | 2011-05-16 | 2011-12-28 | 中国人民解放军海军航空工程学院 | 雷达测距模糊条件下多微弱目标ht-stc-tbd检测方法 |
CN103777187A (zh) * | 2014-01-15 | 2014-05-07 | 杭州电子科技大学 | 基于遍历随机Hough变换的弱目标检测前跟踪方法 |
Non-Patent Citations (1)
Title |
---|
马原: "多雷达融合后的弱小目标跟踪技术研究", 《中国优秀硕士学位论文全文数据库 信息科技辑》 * |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104678373A (zh) * | 2015-03-18 | 2015-06-03 | 西安邮电大学 | 一种简易的雷达多目标参数提取方法 |
CN104678373B (zh) * | 2015-03-18 | 2017-08-25 | 西安邮电大学 | 一种简易的雷达多目标参数提取方法 |
CN108279567A (zh) * | 2017-12-29 | 2018-07-13 | 浙江中控软件技术有限公司 | 用于鲁棒控制的系统辨识方法 |
CN108279567B (zh) * | 2017-12-29 | 2021-04-09 | 浙江中控软件技术有限公司 | 用于鲁棒控制的系统辨识方法 |
CN113702965A (zh) * | 2021-08-31 | 2021-11-26 | 中国人民解放军海军航空大学 | 基于峰值聚优的改进积累方法及强弱目标同时检测方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103777187B (zh) | 基于遍历随机Hough变换的弱目标检测前跟踪方法 | |
CN102881162B (zh) | 大规模交通信息的数据处理及融合方法 | |
CN105206057B (zh) | 基于浮动车居民出行热点区域的检测方法及系统 | |
CN105513349B (zh) | 基于双视角学习的山区高速公路车辆事件检测方法 | |
CN103761748A (zh) | 异常行为检测方法和装置 | |
CN104808173B (zh) | 基于Hough变换的测向交叉定位系统虚假点消除方法 | |
CN103728599B (zh) | 用异地配置的主被动雷达网抑制欺骗式假目标干扰的方法 | |
CN103593679A (zh) | 一种基于在线机器学习的视觉人手跟踪方法 | |
CN105574855A (zh) | 云背景下基于模板滤波和虚警抑制的红外小目标检测方法 | |
CN103106344B (zh) | 一种建立电力系统聚类负荷模型的方法 | |
CN104865570B (zh) | 一种快速的动态规划检测前跟踪方法 | |
CN106054169A (zh) | 基于跟踪信息的多站雷达信号融合检测方法 | |
CN104931934A (zh) | 一种基于pam聚类分析的雷达点迹凝聚方法 | |
CN116166960B (zh) | 用于神经网络训练的大数据特征清洗方法及系统 | |
CN104237853B (zh) | 一种针对多帧检测前跟踪点迹序列的粒子滤波方法 | |
CN104569923B (zh) | 基于速度约束的Hough变换快速航迹起始方法 | |
CN104881561A (zh) | 一种基于Hough变换的多维参数的检测前跟踪方法 | |
CN102129559B (zh) | 基于PrimalSketch算法的SAR图像目标检测方法 | |
CN104035081A (zh) | 基于角度映射与遍历Hough变换的多目标检测方法 | |
CN105116394A (zh) | 一种基于多维细微特征分析的目标点迹提取方法 | |
CN104407345B (zh) | 一种用于弱目标检测跟踪中的改进型动态规划方法 | |
CN105678047A (zh) | 融合经验模态分解降噪和复杂网络分析的风场表征方法 | |
CN108093213B (zh) | 一种基于视频监控的目标轨迹模糊数据融合方法 | |
CN109272760B (zh) | 一种scats系统检测器数据异常值的在线检测方法 | |
CN104050641A (zh) | 基于形状方位描述符的集中式多传感器编队目标粒子滤波算法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20140910 |
|
WD01 | Invention patent application deemed withdrawn after publication |