CN104391293A - 一种用于空时自适应处理雷达的检测前跟踪方法 - Google Patents
一种用于空时自适应处理雷达的检测前跟踪方法 Download PDFInfo
- Publication number
- CN104391293A CN104391293A CN201410628005.9A CN201410628005A CN104391293A CN 104391293 A CN104391293 A CN 104391293A CN 201410628005 A CN201410628005 A CN 201410628005A CN 104391293 A CN104391293 A CN 104391293A
- Authority
- CN
- China
- Prior art keywords
- frame
- range unit
- new
- data
- target
- 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
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Computer Networks & Wireless Communication (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Radar Systems Or Details Thereof (AREA)
Abstract
该发明提供了一种用于空时自适应处理雷达的检测前跟踪方法,属于雷达目标跟踪技术领域,特别涉及了空时自适应处理(STAP)雷达微弱目标检测跟踪技术领域。首先利用全部帧全部距离单元计算统计STAP协方差矩阵;然后计算每帧每个距离单元在计算统计STAP协方差矩阵时所占的权重;进而利用每一帧中小于该帧权重均值的权重对应的距离单元重新估计统计STAP协方差矩阵;再计算每帧每个距离单元对应的检测统计量,并形成新数据平面;最后对新数据平面新距离单元进行值函数更新,最终得到目标航迹。从而具有减少估计性能损失,从而达到减少计算量的同时提高检测跟踪准确性、实时性的效果。
Description
技术领域
本发明属于雷达目标跟踪技术领域,特别涉及了空时自适应处理(STAP)雷达微弱目标检测跟踪技术领域。
背景技术
微弱目标跟踪由于目标能量微弱、信噪比比较低,通常采用检测前跟踪方法。相对于传统的目标跟踪方法,检测前跟踪方法并不在单帧内宣布目标检测结果,而是利用目标在帧与帧之间的信息将多帧数据联合处理,充分积累目标在各帧之间的信息,提高信噪比,并在宣布检测结果的同时获得目标航迹。动态规划检测前跟踪算法是检测前跟踪方法中的一种。它是穷尽搜索法的一种等效实现算法,但是它的计算效率远远高于穷尽搜索。它的主要思想是将n维优化问题转化为n个1维优化问题,对优化问题的分级处理大大降低了它的计算量。
Danilo Orlando在2010年首次将动态规划检测前跟踪算法应用到STAP雷达中,见文献“Orlando,D.,et al.Track-before-detect strategies for STAP radars.IEEE Transactions on Signal Processing,58,2(Feb.2010),933—938”。该算法首先利用回波数据估计统计STAP协方差矩阵;然后对每个距离单元计算基于随机检验(ad hoc test)的检测统计量,形成新的回波数据平面;对新的数据平面利用动态规划检测前跟踪算法进行目标检测和跟踪。该算法针对时变场景(统计STAP协方差矩阵固定)和稳定场景(统计STAP协方差矩阵不固定)采用两种不同的统计STAP协方差矩阵方法,结果显示场景信息对算法性能具有重要的影响,若场景信息与真实场景不匹配,算法性能严重下降。另外,该算法在时变场景下所采用的统计STAP协方差矩阵方法所需估计与求逆的统计STAP协方差矩阵个数为距离单元数与积累帧数的乘积,而矩阵求逆计算量大、耗时,所以该算法不利于工程实现。
发明内容
针对背景技术存在的缺陷,本发明提出了一种用于空时自适应处理雷达的动态规划检测前跟踪方法,该方法采用新的统计STAP协方差矩阵估计方法,减少估计性能损失,从而达到减少计算量的同时提高检测跟踪准确性、实时性的目的。
本发明的技术方案为一种用于空时自适应处理雷达的检测前跟踪方法,该方法包括:
步骤1:系统参数初始化,初始化参数包括阵元(雷达传感器)个数Na,脉冲数目Np,距离单元个数L,动态规划检测前跟踪算法处理帧数M,自然数r;其中对于一个指定的方位(方位角为),雷达所有Na个阵元接收到的Np次脉冲回波数据称为一帧数据,将一帧数据 中各阵元接收到的每次脉冲回波数据平均分为若干段,并对各阵元接收到的每次脉冲回波数据的分段顺序编号,将一帧数据中相同编号的数据段排列在一起称为一个距离单元;
步骤2:估计统计STAP协方差矩阵
步骤2.1:根据接收到的M帧回波数据,计算统计STAP协方差矩阵
其中表示第m帧第l个距离单元,其结构如下:
其中表示第m帧,第l个距离单元,第i个阵元,第j个脉冲对应的回波数据;
步骤2.2:计算第m帧第l个距离单元数据在计算协方差矩阵时所占的权重
步骤2.3:利用每一帧中小于该帧权重均值的权重对应的距离单元重新估计统计STAP协方差矩阵,具体操作如下:对m=1,2,...,M,假设l=1,2,…,L中小于权重均值的权重为 则利用权重对应的距离单元重新估计统计STAP协方差矩阵,即
步骤3:计算每帧中每个距离单元基于ad hoc检验的检测统计量,并针对每一帧形成新的L×1维回波数据平面;
步骤4:利用动态规划检测前跟踪方法处理新的数据平面
步骤4.1:值函数初始化
对于第1帧新的数据平面,即k=1,每个新距离单元的值函数为该新距离单元记录的数据;
步骤4.2:值函数更新
对于第2帧的新数据平面的每个新距离单元,如果该新距离单元包含目标,计算目标在第1帧新数据平面中可能所在的所有新距离单元,寻找出这些新距离单元中最大值函数所在的位置,并将此最大值函数与第2帧当前新距离单元中记录的数据进行叠加,将叠加之后的值赋值 给第2帧当前新距离单元的值函数;
步骤4.3:采用与步骤4.2相同的方法计算出第3帧到第K帧的值函数;
步骤4.4:将第K帧的最大值函数与门限VT进行比较,若最大值函数高于门限,则认为目标存在,其中门限VT通过蒙特卡洛仿真得到;
步骤4.5:将步骤4.4中认定的目标,利用步骤4.1-4.3中记录的目标在前K帧的目标位置信息,恢复出目标航迹;
步骤4.6、若目标存在,则宣布目标存在,并且输出目标航迹。
所述步骤3的具体步骤为:
步骤3.1:对于每帧中每个距离单元计算基于ad hoc检验的检测统计量
其中 表示时间导向矢量; 表示空间导向矢量;为Kronecker乘积符号; d表示雷达传感器之间的间隔,λ表示波长;T表示脉冲重复周期,fc表示载波频率,v表示目标的径向速度,c表示电磁波在介质中传播的速度;υ(vm,vsm)H表示向量υ(vm,vsm)的共轭转置;R-1表示步骤2中估计的统计STAP协方差矩阵R的逆矩阵;max表示求最大值;||表示取模运算;表示不模糊多普勒频域,其中r为自然数(通常选择r时应使得rNp为2的指数次幂);
步骤3.2针对每一帧回波数据形成新数据平面
每帧新数据平面大小为L×1维,并将第l个单元称之为新距离单元,第l个新距离单元记录的数据为步骤3.1中计算的该帧第l个距离单元基于ad hoc检验的检测统计量;
本发明一种用于空时自适应处理雷达的检测前跟踪方法,对于一个指定的方位的雷达所有Na个阵元接收到的Np次脉冲回波数据称为一帧数据,将一帧数据中各阵元接收到的每次脉冲 回波数据分别平均分为若干段,并对各阵元接收到的每次脉冲回波数据的分段顺序编号,将一帧数据中相同编号的数据段排列在一起称为一个距离单元。首先利用全部帧全部距离单元计算统计STAP协方差矩阵;然后计算每帧每个距离单元在计算统计STAP协方差矩阵时所占的权重;进而利用每一帧中小于该帧权重均值的权重对应的距离单元重新估计统计STAP协方差矩阵;再计算每帧每个距离单元对应的检测统计量,并形成新数据平面;最后对新数据平面新距离单元进行值函数更新,最终得到目标航迹。从而具有减少估计性能损失,从而达到减少计算量的同时提高检测跟踪准确性、实时性的效果。
附图说明
图1为本发明的流程框图。
图2为本发明统计STAP协方差矩阵估计流程图。
图3为无干扰时的检测跟踪性能对比图。其中带“○”的实线表示本发明的性能,带“□”的实线表示原有算法在稳定场景假设下的性能,带“△”的实线表示原有算法在时变场景假设下的性能。
图4为有干扰存在时的检测跟踪性能对比图。其中带“○”的实线表示本发明的性能,带“□”的实线表示原有算法在稳定场景假设下的性能,带“△”的实线表示原有算法在时变场景假设下的性能。
具体实施例
结合附图说明本发明的具体实施例。
如图3所示,本发明在Na=4;Np=4;L=32;M=6;r=4时的航迹跟踪概率与原有算法的航迹跟踪概率在稳定场景中的对比图。
如图4所示,本发明在Na=4;Np=4;L=32;M=6;r=4时的航迹跟踪概率与原有算法的航迹跟踪概率在时变场景中的对比图。
可以看出在场景假设失配的情况下,原有算法性能损失严重,而本发明中提出的算法始终与环境匹配时的性能一致。另外值得注意的是本算法所需估计和求逆的统计STAP协方差矩阵的数目为2,较之原有算法在时变场景下所需估计和求逆的统计STAP协方差矩阵的数目大大减少,更适合工程实现。
Claims (2)
1.一种用于空时自适应处理雷达的检测前跟踪方法,该方法包括:
步骤1:系统参数初始化,初始化参数包括阵元(雷达传感器)个数Na,脉冲数目Np,距离单元个数L,动态规划检测前跟踪算法处理帧数M,自然数r;其中对于一个指定的方位(方位角为),雷达所有Na个阵元接收到的Np次脉冲回波数据称为一帧数据,将一帧数据中各阵元接收到的每次脉冲回波数据平均分为若干段,并对各阵元接收到的每次脉冲回波数据的分段顺序编号,将一帧数据中相同编号的数据段排列在一起称为一个距离单元;
步骤2:估计统计STAP协方差矩阵
步骤2.1:根据接收到的M帧回波数据,计算统计STAP协方差矩阵
其中表示第m帧第l个距离单元,其结构如下:
其中表示第m帧,第l个距离单元,第i个阵元,第j个脉冲对应的回波数据;
步骤2.2:计算第m帧第l个距离单元数据在计算协方差矩阵时所占的权重
步骤2.3:利用每一帧中小于该帧权重均值的权重对应的距离单元重新估计统计STAP协方差矩阵,具体操作如下:对m=1,2,...,M,假设l=1,2,…,L中小于权重均值的权重为 则利用权重对应的距离单元重新估计统计STAP协方差矩阵,即
步骤3:计算每帧中每个距离单元基于ad hoc检验的检测统计量,并针对每一帧形成新的L×1维回波数据平面;
步骤4:利用动态规划检测前跟踪方法处理新的数据平面
步骤4.1:值函数初始化
对于第1帧新的数据平面,即k=1,每个新距离单元的值函数为该新距离单元记录的数据;
步骤4.2:值函数更新
对于第2帧的新数据平面的每个新距离单元,如果该新距离单元包含目标,计算目标在第1帧新数据平面中可能所在的所有新距离单元,寻找出这些新距离单元中最大值函数所在的位置,并将此最大值函数与第2帧当前新距离单元中记录的数据进行叠加,将叠加之后的值赋值给第2帧当前新距离单元的值函数;
步骤4.3:采用与步骤4.2相同的方法计算出第3帧到第K帧的值函数;
步骤4.4:将第K帧的最大值函数与门限VT进行比较,若最大值函数高于门限,则认为目标存在,其中门限VT通过蒙特卡洛仿真得到;
步骤4.5:将步骤4.4中认定的目标,利用步骤4.1-4.3中记录的目标在前K帧的目标位置信息,恢复出目标航迹;
步骤4.6、若目标存在,则宣布目标存在,并且输出目标航迹。
2.如权利要求1所述的一种用于空时自适应处理雷达的检测前跟踪方法,其特征在于步骤3的具体步骤为:
步骤3.1:对于每帧中每个距离单元计算基于ad hoc检验的检测统计量
其中表示时间导向矢量; 表示空间导向矢量;为Kronecker乘积符号; d表示雷达传感器之间的间隔,λ表示波长;T表示脉冲重复周期,fc表示载波频率,v表示目标的径向速度,c表示电磁波在介质中传播的速度;υ(vm,vsm)H表示向量υ(vm,vsm)的共轭转置;R-1表示步骤2中估计的统计STAP协方差矩阵R的逆矩阵;max表示求最大值;||表示取模运算;表示不模糊多普勒频域,其中r为自然数(通常选择r时应使得rNp为2的指数次幂);
步骤3.2针对每一帧回波数据形成新数据平面
每帧新数据平面大小为L×1维,并将第l个单元称之为新距离单元,第l个新距离单元记录的数据为步骤3.1中计算的该帧第l个距离单元基于ad hoc检验的检测统计量。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410628005.9A CN104391293A (zh) | 2014-11-07 | 2014-11-07 | 一种用于空时自适应处理雷达的检测前跟踪方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410628005.9A CN104391293A (zh) | 2014-11-07 | 2014-11-07 | 一种用于空时自适应处理雷达的检测前跟踪方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN104391293A true CN104391293A (zh) | 2015-03-04 |
Family
ID=52609217
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410628005.9A Pending CN104391293A (zh) | 2014-11-07 | 2014-11-07 | 一种用于空时自适应处理雷达的检测前跟踪方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104391293A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104793200A (zh) * | 2015-04-09 | 2015-07-22 | 电子科技大学 | 一种基于迭代处理的动态规划检测前跟踪方法 |
CN105204018A (zh) * | 2015-09-09 | 2015-12-30 | 电子科技大学 | 一种利用多帧信息的二维doa跟踪方法 |
CN108828584A (zh) * | 2018-06-19 | 2018-11-16 | 电子科技大学 | 基于航迹折叠因子解模糊的多重频目标检测前跟踪方法 |
-
2014
- 2014-11-07 CN CN201410628005.9A patent/CN104391293A/zh active Pending
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104793200A (zh) * | 2015-04-09 | 2015-07-22 | 电子科技大学 | 一种基于迭代处理的动态规划检测前跟踪方法 |
CN105204018A (zh) * | 2015-09-09 | 2015-12-30 | 电子科技大学 | 一种利用多帧信息的二维doa跟踪方法 |
CN105204018B (zh) * | 2015-09-09 | 2017-10-17 | 电子科技大学 | 一种利用多帧信息的二维doa跟踪方法 |
CN108828584A (zh) * | 2018-06-19 | 2018-11-16 | 电子科技大学 | 基于航迹折叠因子解模糊的多重频目标检测前跟踪方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109061589B (zh) | 随机跳频雷达的目标运动参数估计方法 | |
Du et al. | Secondary radar signal processing based on deep residual separable neural network | |
CN102628937B (zh) | 基于广义keystone变换和非相参积累的雷达检测方法 | |
CN103954951B (zh) | 基于功率中值和归一化协方差估计的海面目标检测方法 | |
CN103472445A (zh) | 一种针对多目标场景的检测跟踪一体化方法 | |
CN103777178B (zh) | 一种同步误差补偿方法、设备及系统 | |
CN103777187B (zh) | 基于遍历随机Hough变换的弱目标检测前跟踪方法 | |
CN105699952B (zh) | 海杂波k分布形状参数的双分位点估计方法 | |
CN103176168B (zh) | 一种机载非正侧视阵雷达近程杂波对消方法 | |
CN103116162B (zh) | 基于目标空间稀疏性的高分辨声呐定位方法 | |
CN104199001A (zh) | 一种认知雷达抗速度欺骗干扰的相位编码方法 | |
CN103018727A (zh) | 一种基于样本训练的机载雷达非平稳杂波抑制方法 | |
CN102866388B (zh) | 一种空时自适应处理中的自适应权值迭代计算方法 | |
CN104714225A (zh) | 一种基于广义似然比的动态规划检测前跟踪方法 | |
CN103197297B (zh) | 基于认知框架的雷达动目标检测方法 | |
CN104188689A (zh) | 基于超声回波射频信号的组织位移估算方法和系统 | |
CN103023586A (zh) | 一种天波超视距雷达电离层信道模型 | |
CN105785338A (zh) | 一种频率捷变雷达载频的优化方法 | |
CN104765064A (zh) | 一种微地震干涉成像的方法 | |
CN104391293A (zh) | 一种用于空时自适应处理雷达的检测前跟踪方法 | |
CN113238211B (zh) | 一种干扰条件下参数化自适应阵列信号检测方法与系统 | |
CN104865570A (zh) | 一种快速的动态规划检测前跟踪方法 | |
CN104597435A (zh) | 基于修正频域补偿和分数阶傅里叶变换的多帧相参tbd方法 | |
CN104007422A (zh) | 基于动态规划的复似然比检测前跟踪方法 | |
CN102298141A (zh) | 机载脉冲多普勒雷达迭代解距离模糊法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20150304 |
|
RJ01 | Rejection of invention patent application after publication |