CN104282023A - 基于预处理的目标轨迹估计方法 - Google Patents

Abstract

本发明提供一种基于预处理的目标轨迹估计方法，本发明首先对图像数据进行预处理，筛选有效数据，然后根据目标运动特征沿着预定轨迹对目标进行跟踪和累加，然后设定门限进行检测判决，最终获得目标信息并去除虚假目标。本发明提供的方法，通过对目标进行预处理，降低运算量，提高了运算速度，使得应用更广泛。

Description

基于预处理的目标轨迹估计方法

技术领域

本发明涉及目标估计领域，特别涉及一种基于预处理的目标轨迹估计方法。

背景技术

非相参积累是将雷达目标回波的幅值直接累加以提高目标回波信号信噪比，这种方法的关键是如何将分散不同位置的目标能量尽可能集中到一起。对于雷达高速微弱目标，由于目标信息都是未知的，利用传统的检测方法无法将目标能量累加。在多帧信号之间，目标的距离和多普勒频率变化是连续的，因此目标的运动轨迹在在积累时间内是一条连续的曲线，如果能检测出这条目标运动曲线，则能获得整个积累时间内目标的运动轨迹和其他运动信息。目前，对于雷达高速微弱目标通常采用目标轨迹估计法。但该方法的处理量较大，使得其实时性能较差。

发明内容

有鉴于此，本发明提供一种预处理的目标轨迹估计方法，通过对目标进行预处理，降低运算量，提高了运算速度，使得应用更广泛。

本发明提供的一种基于预处理的目标轨迹估计方法，包括：

步骤1：预处理：设置预处理门限，并判断第1帧图像的像素点数据是否超过所述预处理门限，若超过预处理门限，则保留；否则删除；并将保留的像素点数据作为预处理后的第1帧图像的像素点；

步骤2：初始化：对预处理后的第1帧图像的每一个像素点x1有

$\left\{\begin{array}{c}I\left(x_1\right)=z\left(x_1\right)\\ {\mathrm{\ψ}}_{x_1}\left(1\right)=0\end{array}\right.,$

其中，I(●)为代价函数，I(x₁)的初始值为像素点x₁的测量值z(x₁)；Ψ是轨迹回溯函数；

步骤3：递归积累：

步骤3.1：对第2帧图像内每一个像素点，在预处理后的第1帧图像内的对应像素点处搜索窗内最大值点，按

$\left\{\begin{array}{c}I\left(x_2\right)=\underset{{\tilde{x}}_1}{\max }\left[I\left({\tilde{x}}_1\right)\right]+z\left(x_2\right)\\ {\mathrm{\ψ}}_{x_2}\left(2\right)=\arg \underset{{\tilde{x}}_1}{\max }\left[S\left({\tilde{x}}_1\right)\right]\end{array}\right.$

进行累加至所述对应像素点位置并记录累加方向；其中x₂为第2帧的像素点，其中为x2回溯映射的最有可能的前一状态；S(●)为窗函数；

步骤3.2：对第k帧(k＞2)内每一像素点x_k计算，

$\left\{\begin{array}{c}I\left(x_k\right)=\underset{x_{k-1}}{\max }\left[\mathrm{\ω}\left(\mathrm{\θ}\right)I\left(x_{k-1}\right)\right]+z\left(x_k\right)\\ {\mathrm{\ψ}}_{x_k}\left(k\right)=\arg \max \left[\mathrm{\ω}\left(\mathrm{\θ}\right)I\left(x_{k-1}\right)\right]\end{array}\right.$

其中θ为k-2帧和k-1帧的目标运动方向夹角，取值范围是(-180°，180°]，ω(θ)为加权函数，由目标运动决定；在累加过程中，如果有目标的先验速度和加速度信息，则预测目标的运动位置范围，然后令ω(θ)取不同值进行加权累加；

步骤4：门限检测：设置门限V_T，对于K帧信号积累后的代价函数I(x_K)，如果I(x_K)＞V_T，则判断目标存在，否则判断目标不存在；

步骤5：轨迹回溯：对所有的对k＝K-1，K-2，...，1，进行目标轨迹回溯得到相应的目标轨迹的估计值 ${\hat{X}}_K=\{{\hat{x}}_1,...,{\hat{x}}_K\}.$

具体实施方式

为使本发明实施例的目的、技术方案和优点更加清楚，下面将对本发明实施例中的技术方案进行清楚、完整的描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都属于本发明保护的范围。

本发明一实施例提供了一种基于预处理的目标轨迹估计方法，包括：

步骤1：预处理：设置预处理门限，并判断第1帧图像的像素点数据是否超过所述预处理门限，若超过预处理门限，则保留；否则删除；并将保留的像素点数据作为预处理后的第1帧图像的像素点；

步骤2：初始化：对预处理后的第1帧图像的每一个像素点x₁有

$\left\{\begin{array}{c}I\left(x_1\right)=z\left(x_1\right)\\ {\mathrm{\ψ}}_{x_1}\left(1\right)=0\end{array}\right.,$

其中，I(●)为代价函数，I(x₁)的初始值为像素点x₁的测量值z(x₁)；Ψ是轨迹回溯函数；

步骤3：递归积累：

步骤3.1：对第2帧图像内每一个像素点，在预处理后的第1帧图像内的对应像素点处搜索窗内最大值点，按

$\left\{\begin{array}{c}I\left(x_2\right)=\underset{{\tilde{x}}_1}{\max }\left[I\left({\tilde{x}}_1\right)\right]+z\left(x_2\right)\\ {\mathrm{\ψ}}_{x_2}\left(2\right)=\arg \underset{{\tilde{x}}_1}{\max }\left[S\left({\tilde{x}}_1\right)\right]\end{array}\right.$

进行累加至所述对应像素点位置并记录累加方向；其中x₂为第2帧的像素点，其中为x₂回溯映射的最有可能的前一状态；S(●)为窗函数；

步骤3.2：对第k帧(k＞2)内每一像素点x_k计算，

$\left\{\begin{array}{c}I\left(x_k\right)=\underset{x_{k-1}}{\max }\left[\mathrm{\ω}\left(\mathrm{\θ}\right)I\left(x_{k-1}\right)\right]+z\left(x_k\right)\\ {\mathrm{\ψ}}_{x_k}\left(k\right)=\arg \max \left[\mathrm{\ω}\left(\mathrm{\θ}\right)I\left(x_{k-1}\right)\right]\end{array}\right.$

其中θ为k-2帧和k-1帧的目标运动方向夹角，取值范围是(-180°，180°]，ω(θ)为加权函数，由目标运动决定；在累加过程中，如果有目标的先验速度和加速度信息，则预测目标的运动位置范围，然后令ω(θ)取不同值进行加权累加；

步骤4：门限检测：设置门限V_T，对于K帧信号积累后的代价函数I(x_K)，如果I(x_K)＞V_T，则判断目标存在，否则判断目标不存在；

步骤5：轨迹回溯：对所有的对k＝K-1，K-2，...，1，进行目标轨迹回溯得到相应的目标轨迹的估计值 ${\hat{X}}_K=\{{\hat{x}}_1,...,{\hat{x}}_K\}.$

最后应说明的是：以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换，而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。

Claims (1)

1.一种基于预加权的目标轨迹估计方法，其特征在于，所述方法包括：

步骤1：预处理：设置预处理门限，并判断第1帧图像的像素点数据是否超过所述预处理门限，若超过预处理门限，则保留；否则删除；并将保留的像素点数据作为预处理后的第1帧图像的像素点；

步骤2：初始化：对预处理后的第1帧图像的每一个像素点x₁有

$\left\{\begin{array}{c}I\left(x_1\right)=z\left(x_1\right)\\ {\mathrm{\Ψ}}_{x_1}\left(1\right)=0\end{array}\right.,$

其中，I(·)为代价函数，I(x₁)的初始值为像素点x₁的测量值z(x₁)；Ψ是轨迹回溯函数；

步骤3：递归积累：

步骤3.1：对第2帧图像内每一个像素点，在预处理后的第1帧图像内的对应像素点处搜索窗内最大值点，按

$\left\{\begin{array}{c}I\left(x_2\right)=\underset{{\tilde{x}}_1}{\max }\left[I\left({\tilde{x}}_1\right)\right]+z\left(x_2\right)\\ {\mathrm{\Ψ}}_{x_2}\left(2\right)=\arg \underset{{\tilde{x}}_1}{\max }\left[S\left({\tilde{x}}_1\right)\right]\end{array}\right.$

进行累加至所述对应像素点位置并记录累加方向；其中x₂为第2帧的像素点，其中为x₂回溯映射的最有可能的前一状态；S(·)为窗函数；

步骤3.2：对第k帧(k＞2)内每一像素点x_k计算，

$\left\{\begin{array}{c}I\left(x_k\right)=\underset{x_{k-1}}{\max }\left[\mathrm{\ω}\left(\mathrm{\θ}\right)I\left(x_{k-1}\right)\right]+z\left(x_k\right)\\ {\mathrm{\Ψ}}_{x_k}\left(k\right)=\arg \max \left[\mathrm{\ω}\left(\mathrm{\θ}\right)I\left(x_{k-1}\right)\right]\end{array}\right.$

其中θ为k-2帧和k-1帧的目标运动方向夹角，取值范围是(-180°，180°]，ω(θ)为加权函数，由目标运动决定；在累加过程中，如果有目标的先验速度和加速度信息，则预测目标的运动位置范围，然后令ω(θ)取不同值进行加权累加；

步骤4：门限检测：设置门限V_T，对于K帧信号积累后的代价函数I(x_K)，如果I(x_K)＞V_T，则判断目标存在，否则判断目标不存在；

步骤5：轨迹回溯：对所有的对k＝K-1，K-2，...，1，进行目标轨迹回溯得到相应的目标轨迹的估计值 ${\hat{X}}_K=\{{\hat{x}}_1,...,{\hat{x}}_K\}.$