CN104865570B - 一种快速的动态规划检测前跟踪方法 - Google Patents

Abstract

本发明公开了一种适用于雷达系统的快速动态规划检测前跟踪方法,属于雷达目标检测技术领域，涉及雷达系统中微弱目标的检测前跟踪技术。该方法首先对雷达的量测进行预处理，使之对应于一个量化状态更少的离散状态空间，并基于预处理后的数据进行动态规划搜索，以较少的计算量估计目标状态序列。然后，该方法利用估计的结果，仅对少量相关的状态进行精细搜索，在确定目标准确位置的同时有效避免了大量无意义的搜索，使计算量大幅降低。

Description

一种快速的动态规划检测前跟踪方法

技术领域：

本发明属于雷达目标检测技术领域，涉及雷达系统中微弱目标的检测前跟踪技术。

背景技术：

检测前跟踪是一种针对微弱目标检测和跟踪的技术。与传统的先检测后跟踪不同，检测前跟踪技术在单帧内不宣布检测结果，而是通过联合处理多帧回波数据，并利用目标状态在帧间的关联性实现信号积累和噪声抑制，从而有效改善微弱目标检测性能。其中，基于动态规划的检测前跟踪方法具有性能优异、易于实现等优点，已被广泛应用于光学、红外、雷达等微弱目标检测跟踪领域。

在雷达领域中，传统的动态规划的检测前跟踪方法首先需要根据雷达的分辨力，将连续的状态空间均匀量化，然后基于该离散的状态空间进行动态规划搜索，其算法复杂度随着雷达监视区域面积和目标速度搜索范围的增大而显著增高。因此，对于具有维数高、数据量大等特点的雷达系统，采用传统方法的计算量往往是雷达硬件设备难以承受的。为了解决这一问题，人们提出了一些基于低门限处理的动态规划检测前跟踪方法，通过避免对一些类似噪声的低幅度数据进行积累来减少算法的计算量，但是这些方法仍难满足雷达实时性的需求。

发明内容：

本发明所要解决的技术问题是提供一种简单有效、计算量小、适用于雷达系统的微弱目标检测方法。

本发明为解决上述技术问题，采用了一种快速的动态规划检测前跟踪方法，它包括以下步骤：

步骤1、初始化系统参数：

初始化系统参数包括：雷达距离分辨力△r；雷达方位分辨力△a；雷达距离维分辨单元个数N_r；雷达方位维分辨单元个数N_a；距离维预处理因子P_r；方位维预处理因子P_a；目标速度上界V_max；监视距离下界r_min；观测间隔T；观测总帧数K；门限V_T；初始化当前帧数k＝1。

步骤2、量化状态空间：

步骤2.1、表示第k帧对应于原始量测的任一量化状态，其中r_k∈{1,2,…,N_r}和a_k∈{1,2,…,N_a}分别表示距离维和方位维的位置量化状态，和分别表示距离维和方位维的速度量化状态，运算符表示向上取整。所有对应于原始量测的量化状态s_k组成的集合表示为E。

步骤2.2、表示第k帧对应于预处理后数据的任一量化状态，其中和分别表示距离维和方位维的位置量化状态，和分别表示距离维和方位维的速度量化状态，所有对应于预处理后数据的量化状态x_k组成的集合表示为D。

步骤3、从雷达接收机中读取第k帧量测Z_k：

Z_k＝{z_k(i,j),1≤i≤N_r,1≤j≤N_a}，其中i和j分别为距离维和方位维的位置量化状态，z_k(i,j)表示第k帧回波数据的量测单元(i,j)中的量测值，为回波数据的幅度。E中任一量化状态s_k都对应一个量测值，表示为z(s_k)。

步骤4、第k帧量测数据预处理：

Z′_k＝{z′_k(i,j),1≤j≤N′_r,1≤j≤N′_a}，Z′_k表示第k帧预处理后的数据，其中表示量测数据预处理后第(i,j)单元中的值，其大小为集合M_i,j＝{(m,n):m∈{(i-1)P_r+1,…,iP_r},n∈{(j-1)P_a+1,…,jP_a}}中对应原始量测的最大值，和分别表示预处理后数据距离维和方位维分辨单元的个数。图1以P_r＝3,P_a＝2为例，显示了量测数据预处理前后的数据平面。D中任一量化状态x_k都对应一个量测数据预处理后的值，表示为z′(x_k)。

步骤5、基于预处理后数据进行动态规划值函数积累：

若k＝1，对所有状态x_k∈D对应的值函数I(x_k)赋初值为z′(x_k)。

若2≤k≤K，更新所有状态x_k∈D对应的值函数并记录状态x_k对应的上一帧状态其中，τ(x_k)表示第k-1帧所有可能转移到x_k的量化状态集合。

步骤6、如果k<K，令k＝k+1，返回步骤3。

步骤7、如果k＝K，恢复航迹：

利用记录的帧间状态转移关系，恢复值函数最大值所对应的航迹，作为估计的状态序列，表示为其中表示第k帧的估计状态。

步骤8、基于原始量测和估计状态序列进行动态规划值函数积累：

8.1、对状态对应的值函数I(y₁)赋初值为z(y₁)，其中表示E中与估计状态相关的量化状态组成的集合，即对角矩阵P＝diag(1/P_r,1/P_r,1/P_a,1/P_a)，运算符||·||_∞表示向量无穷范数。

8.2、令k＝2。

8.3、若k≤K，仅更新状态对应值函数并记录状态y_k对应的上一帧状态其中，τ(y_k)表示第k-1帧所有可能转移到y_k的量化状态集合。

8.4、如果k<K，令k＝k+1，并返回步骤8.3。

步骤9、如果k＝K，门限处理与航迹恢复：

如果值函数最大值超过门限V_T，则认为有目标存在，并利用记录的帧间状态转移关系恢复对应的目标航迹；否则，宣布没有目标存在。

本发明首先对雷达的量测数据进行预处理，使之对应于一个量化状态更少的离散状态空间，并基于预处理后的数据进行动态规划搜索，以较少的计算量估计了目标状态序列。然后，本发明利用估计的结果，仅对少量相关的状态进行精细搜索，在确定目标准确位置的同时有效避免了大量无意义的搜索，使算法的计算量大幅降低。

本发明的有益效果是简单有效、计算量小、适用于雷达系统。对于一定的雷达监视区域和目标速度搜索范围，本发明的计算量大约为传统方法的1/(P_rP_a)²。

附图说明

图1为量测数据预处理步骤示意图。

图2为本发明的流程图。

图3为本发明实施例中目标真实航迹和本发明恢复结果

具体实施方式

本发明主要采用计算机仿真的方法进行验证，所有步骤、结论都在MATLAB-R2012b上验证正确。具体实施步骤如下：

步骤1、初始化系统参数：

初始化系统参数包括：雷达距离分辨力△r＝180m；雷达方位分辨力△a＝1.2°；雷达距离维分辨单元个数N_r＝300；雷达方位维分辨单元个数N_a＝50；距离维预处理因子P_r＝5；方位维预处理因子P_a＝3；目标速度上界V_max＝800m/s；监视距离下界r_min＝100km；观测间隔T＝6s；观测总帧数K＝6；门限V_T＝15.3109；初始化当前帧数k＝1。

步骤2、量化状态空间：

步骤2.1、表示第k帧对应于原始量测的任一量化状态，其中r_k∈{1,2,…,N_r}和a_k∈{1,2,…,N_a}分别表示距离维和方位维的位置量化状态，和分别表示距离维和方位维的速度量化状态，所有对应于原始量测的量化状态s_k组成的集合表示为E。

步骤2.2、表示第k帧对应于预处理后数据的任一量化状态，其中和分别表示距离维和方位维的位置量化状态，和分别表示距离维和方位维的速度量化状态，所有对应于预处理后数据的量化状态x_k组成的集合表示为D。

步骤3、从雷达接收机中读取第k帧量测Z_k：

Z_k＝{z_k(i,j),1≤i≤N_r,1≤j≤N_a}，其中i和j分别为距离维和方位维的位置量化状态，z_k(i,j)表示第k帧回波数据的量测单元(i,j)中的量测值，为回波数据的幅度。E中任一量化状态s_k都对应一个量测值，表示为z(s_k)。

步骤4、第k帧量测数据预处理：

Z′_k＝{z′_k(i,j),1≤j≤N′_r,1≤j≤N′_a}，Z′_k表示第k帧预处理后的数据，其中表示量测数据预处理后第(i,j)单元中的值，其大小为集合M_i,j＝{(m,n):m∈{(i-1)P_r+1,…,iP_r},n∈{(j-1)P_a+1,…,jP_a}}中对应原始量测的最大值，和分别表示预处理后数据距离维和方位维分辨单元的个数。D中任一量化状态x_k都对应一个量测数据预处理后的值，表示为z′(x_k)。

步骤5、基于预处理后数据进行动态规划值函数积累：

若k＝1，对所有状态x_k∈D对应的值函数I(x_k)赋初值为z′(x_k)。

若2≤k≤K，更新所有状态x_k∈D对应的值函数并记录状态x_k对应的上一帧状态其中τ(x_k)表示第k-1帧所有可能转移到x_k的量化状态集合。

步骤6、如果k<K，令k＝k+1，返回步骤3。

步骤7、如果k＝K，恢复航迹：

利用记录的帧间状态转移关系，恢复值函数最大值所对应的航迹，作为估计的状态序列，表示为其中表示第k帧的估计状态。

步骤8、基于原始量测和估计状态序列进行动态规划值函数积累：

8.1、对状态对应的值函数I(y₁)赋初值为z(y₁)，其中表示E中与估计状态相关的量化状态组成的集合，即对角矩阵P＝diag(1/P_r,1/P_r,1/P_a,1/P_a)，运算符||·||_∞表示向量无穷范数。

8.2、令k＝2。

8.3、若k≤K，仅更新状态对应值函数并记录状态y_k对应的上一帧状态其中，τ(y_k)表示第k-1帧所有可能转移到y_k的量化状态集合。

8.4、如果k<K，令k＝k+1，并返回步骤8.3。

步骤9、如果k＝K，门限处理与航迹恢复：

如果值函数最大值超过门限V_T，则认为有目标存在，并利用记录的帧间状态转移关系恢复对应的目标航迹；否则，宣布没有目标存在。

图3给出了本仿真实例中航迹的恢复结果，可以看出本发明可以准确有效地恢复出目标航迹。

由于本发明和传统动态规划检测前跟踪方法的计算量都主要取决于动态规划积累的次数，为了分析对比两者的计算量，表1给出了本仿真实例场景下两种方法的动态规划积累总次数。由图可知，本发明的总积累次数相比传统方法下降了两个数量级，故本发明的总计算量也远小于传统方法，具有更好的实时性。

表1

处理方法	动态规划积累总次数
		传统动态规划检测前跟踪方法
本发明方法

Claims (1)

1.一种快速的动态规划检测前跟踪方法，它包括以下步骤：

步骤1、初始化系统参数：

初始化系统参数包括：雷达距离分辨力Δr；雷达方位分辨力Δa；雷达距离维分辨单元个数N_r；雷达方位维分辨单元个数N_a；距离维预处理因子P_r；方位维预处理因子P_a；目标速度上界V_max；监视距离下界r_min；观测间隔T；观测总帧数K；门限V_T；初始化当前帧数k＝1；

步骤2、量化状态空间：

步骤2.1、表示第k帧对应于原始量测的任一量化状态，其中r_k∈{1,2,…,N_r}和a_k∈{1,2,…,N_a}分别表示距离维和方位维的位置量化状态，和分别表示距离维和方位维的速度量化状态，运算符表示向上取整；所有对应于原始量测的量化状态s_k组成的集合表示为E；

步骤2.2、表示第k帧对应于预处理后数据的任一量化状态，其中和分别表示距离维和方位维的位置量化状态，和分别表示距离维和方位维的速度量化状态，所有对应于预处理后数据的量化状态x_k组成的集合表示为D；

步骤3、从雷达接收机中读取第k帧量测Z_k：

Z_k＝{z_k(i,j),1≤i≤N_r,1≤j≤N_a}，其中i和j分别为距离维和方位维的位置量化状态，z_k(i,j)表示第k帧回波数据的量测单元(i,j)中的量测值，为回波数据的幅度；E中任一量化状态s_k都对应一个量测值，表示为z(s_k)；

步骤4、第k帧量测数据预处理：

Z′_k＝{z′_k(i,j),1≤j≤N′_r,1≤j≤N′_a}，Z′_k表示第k帧预处理后的数据，其中表示量测数据预处理后第(i,j)单元中的值，其大小为集合M_i,j＝{(m,n):m∈{(i-1)P_r+1,…,iP_r},n∈{(j-1)P_a+1,…,jP_a}}中对应原始量测的最大值，和分别表示预处理后数据距离维和方位维分辨单元的个数；

步骤5、基于预处理后数据进行动态规划值函数积累：

若k＝1，对所有状态x_k∈D对应的值函数I(x_k)赋初值为z′(x_k)；

若2≤k≤K，更新所有状态x_k∈D对应的值函数并记录状态x_k对应的上一帧状态其中，τ(x_k)表示第k-1帧所有可能转移到x_k的量化状态集合；

步骤6、如果k<K，令k＝k+1，返回步骤3；

步骤7、如果k＝K，恢复航迹：

利用记录的帧间状态转移关系，恢复值函数最大值所对应的航迹，作为估计的状态序列，表示为其中表示第k帧的估计状态；

步骤8、基于原始量测和估计状态序列进行动态规划值函数积累：

8.1、对状态对应的值函数I(y₁)赋初值为z(y₁)，其中表示E中与估计状态相关的量化状态组成的集合，即对角矩阵P＝diag(1/P_r,1/P_r,1/P_a,1/P_a)，运算符||·||_∞表示向量无穷范数；

8.2、令k＝2；

8.3、若k≤K，仅更新状态对应值函数并记录状态y_k对应的上一帧状态其中，τ(y_k)表示第k-1帧所有可能转移到y_k的量化状态集合；

8.4、如果k<K，令k＝k+1，并返回步骤8.3；

步骤9、如果k＝K，门限处理与航迹恢复：

如果值函数最大值超过门限V_T，则认为有目标存在，并利用记录的帧间状态转移关系恢复对应的目标航迹；否则，宣布没有目标存在。