CN105223570A - 一种对海弱小目标检测前跟踪航迹优选方法 - Google Patents

Abstract

本发明公开了一种对海弱小目标检测前跟踪航迹优选方法，其中包括：通过基于动态规划的检测前跟踪算法实现对弱小目标的检测，根据检测结果进行航迹回溯，形成回溯航迹；对每条回溯航迹进行m/n准则判定，对于满足m/n准则的航迹，计算每条航迹的平均速度，设定速度最大值，进行航迹速度判定，最后对于满足航迹速度要求的航迹，进行相同目标航迹合并处理，从而完成航迹优选。本发明的方法在航迹回溯后通过m/n准则和航迹速度判定，能够对产生的虚假航迹进行抑制，通过对满足m/n准则和航迹速度要求的航迹进行相同目标航迹合并处理，能够将属于同一目标的多条航迹进行合并，实现航迹优选。

Description

一种对海弱小目标检测前跟踪航迹优选方法

技术领域

本发明属于雷达数据处理技术领域，特别涉及雷达弱小目标检测与跟踪技术中的航迹优选方法。

背景技术

目标检测与跟踪是现代雷达最基本任务之一，随着现代战场环境的改变和武器系统的发展，加之隐身技术的应用，使得雷达系统对一些弱小目标的检测和跟踪能力面临严峻的挑战，主要表现在目标信杂噪比的降低，导致在一定虚警概率下目标检测概率的降低，从而无法对目标进行可靠检测与稳定跟踪。

检测前跟踪(Track-Before-Detect，TBD)技术是一种利用扫描间积累先关联后检测的方法，采用航迹跟踪先于检测的过程来完成非相干积累检测，不同于传统的先检测后跟踪(TrackAfterDetect—TAD)方法。TBD处理时，对单帧回波数据不进行门限检测，或设置低门限检测，根据空间中目标运动状态的规律性和连续几帧目标回波数据时间上的关联性，对多帧数据进行联合处理，同时宣布检测结果和产生目标航迹，能够有效实现弱小目标的早期预警和杂波区中弱小目标的航迹起始与稳定跟踪。

在文献《PerformanceAnalysisofaDynamicProgrammingTrackBeforeDetectAlgorithm》(IEEETransactionsonAerospaceandElectronicSystems,2002,38(1):228-242)和文献《动态规划算法进行弱目标检测的机理研究》(电子与信息学报,2003,Vol.25,No.6,pp:721-727)中采用的基于动态规划(DynamicProgramming，DP)检测前跟踪算法(DP-TBD)，能够实现对弱小目标的检测，并在得到检测结果的同时宣布目标航迹，但该方法由于动态搜索过程中会产生能量“团聚效应”，根据过门限的检测结果进行航迹回溯时会产生大量虚假航迹。在文献《基于动态规划的多目标检测前跟踪算法》(电子学报,2006,Vol.34,No.12,pp:2138-2141)中采用的估计空间中潜在目标数量的方法能够分离出每个目标的航迹，可以解决虚假航迹较多的问题，但当估计的目标数量与搜索区域中实际存在的目标数量不一致时，算法性能会急剧下降。在文献《基于动态规划的雷达检测前跟踪新算法》(电子学报,2008,Vol.36,No.9,pp:1824-1828)中采用的两级门限检测法可以根据目标运动特性的约束条件抑制大部分杂波航迹，从而得到目标航迹，但文中假定杂波背景服从瑞利分布，当杂波分布不满足瑞利特性时，仍然会产生大量虚假航迹。通过提高最终检测门限值的方法虽然可以减少回溯航迹数，但对于信杂噪比较小的目标往往无法检测。

发明内容

本发明的目的是针对背景技术存在的缺陷，提出一种对海弱小目标检测前跟踪航迹优选方法，以克服现有技术处理过程中弱小目标检测与跟踪时虚假航迹过多的问题，具体技术方案为：

通过基于动态规划的检测前跟踪算法对连续多帧回波视频数据进行联合处理，对所有可能的目标运动轨迹进行递推搜索，从而实现对弱小目标的检测，根据检测结果进行航迹回溯，形成回溯航迹；设定幅度参考门限，对每条回溯航迹的航迹坐标点所在回波视频数据中的幅度值进行m/n准则判定，抑制在某个周期数据中存在较强的干扰噪声而产生的虚假航迹；对于满足m/n准则的航迹，通过统计每条航迹的轨迹路程，计算每条航迹的平均速度，设定速度最大值，进行航迹速度判定，抑制由于设定目标状态转移窗而产生的速度超过设定值的虚假航迹；最后对于满足航迹速度要求的航迹，进行相同目标航迹合并处理，从而完成航迹优选。本发明的方法在航迹回溯后通过m/n准则和航迹速度判定，能够对产生的虚假航迹进行抑制，通过对满足m/n准则和航迹速度要求的航迹进行相同目标航迹合并处理，能够将属于同一目标的多条航迹进行合并，实现航迹优选。

下面结合附图1对本发明作进一步详细描述。

附图说明

图1是本发明对海弱小目标检测前跟踪航迹优选方法的流程示意图。

图2是本发明具体实施例中采用的实测数据第1周期原始回波视频。

图3是本发明具体实施例中采用的实测数据第10周期原始回波视频。

图4是本发明具体实施例中基于动态规划的检测前跟踪算法处理回溯得到的航迹。

图5是本发明具体实施例中经过m/n准则判定后的航迹。

图6是本发明具体实施例中经过航迹速度限定后的航迹。

图7是本发明具体实施例中经过航迹合并处理后的优选航迹。

具体实施方式

本发明对海弱小目标检测前跟踪航迹优选方法流程示意图如图1所示，结合附图和实施例对本发明方法的实施方式作具体阐述，过程如下：

步骤一：雷达回波视频数据获取。

设连续多帧雷达回波视频数据为Echo_k，k＝1,…,K。本发明具体实施例中选取了连续K＝10个周期某雷达对海实测数据进行处理，其中第1周期和第10周期回波视频分别如图2和图3所示。从图中可以看出，截取区域内一共有4个弱小目标，且4个目标的回波均很弱，信杂噪比都较低，其中目标1和目标2为运动目标，目标3和目标4为静止目标，目标1沿径向以5m/s的速度向雷达站运动(定义该运动方向速度为负)，目标2沿径向以6m/s的速度远离雷达站运动(定义该运动方向速度为正)。

步骤二：基于动态规划的检测前跟踪算法处理。

对于连续K个周期雷达回波视频数据采用基于动态规划的检测前跟踪算法进行联合处理，设定距离向和方位向搜索速度范围分别为u∈[-V_rmax/2,V_rmax/2]和v∈[-V_amax/2,V_amax/2]，V_rmax和V_amax分别为距离向和方位向搜索速度最大值，设目标状态转移窗大小为q，基于动态规划的检测前跟踪算法递推搜索方程为：

I(x_k)＝max(I(x_k-1))+z_k(i,j),Ψ_k(x_k)＝argmax(I(x_k-1))

其中x_k为第k周期所有的目标状态向量，z_k(i,j)为第k周期(i,j)单元格回波，i＝1,…,N_r,j＝1,…,N_a，N_r为截取区域范围内距离向采样点数，N_a为截取区域范围内方位向采样点数；I(·)为动态规划方程值函数，Ψ_k(·)为记录当前目标状态x_k在第k-1周期取最大运算时的坐标向量，初始值设置为I(x₁)＝z₁(i,j),Ψ₁(x₁)＝0；max(·)表示取最大运算，argmax(·)表示取最大运算时的x_k-1。

在本实施例中设定距离向和方位向搜索速度最大值V_rmax＝V_amax＝10m/s，目标状态转移窗大小q＝9。

步骤三：航迹回溯。

设置最终检测门限为β₀为门限系数，mean(Echo_k)为每个周期回波视频数据的幅度平均值。对沿所有搜索路径得到的值函数I(x_k)进行门限检测，对于满足I(x_k)≥β_VT的结果进行航迹回溯，按照中Ψ_k(·)记录的坐标，对应的搜索路径Ψ_{n_k}＝(i_k，j_k)，k＝K，…，1即为回溯的航迹。当对所有满足门限要求的值函数进行航迹回溯后，记回溯航迹为track_retrospect_m,m＝1,…,M_retrospect，M_retrospect为回溯航迹数。

本实施例中设定β₀＝1.5，基于动态规划的检测前跟踪算法处理实测数据得到的回溯航迹如图4所示，一共有238条回溯航迹。

步骤四：m/n准则判定。

m/n准则判定的目的是为了抑制在某个周期数据中存在较强的干扰噪声而产生的虚假航迹，具体处理过程为：

1)对于每一条回溯航迹track_retrospect_m,m＝1,…,M_retrospect，根据其航迹坐标点信息(i_{k_m},j_{k_m}),k＝1,…,K，查找该条航迹的坐标点在每个周期回波视频数据中的回波幅度值为z_k(i_{k_m},j_{k_m}),k＝1,…,K；

2)统计每条航迹track_retrospect_m,m＝1,…,M_retrospect坐标点在每个周期回波视频数据中的幅度值z_k(i_{k_m},j_{k_m})大于每个周期数据幅度平均值mean(Echo_k)的个数，即z_k(i_{k_m},j_{k_m})＞mean(Echo_k),k＝1,…,K的个数为num_m；

3)设定m/n准则，对于每一条航迹track_retrospect_m,m＝1,…,M_retrospect，如果满足则该条航迹满足m/n准则，保留该条航迹；如果则该条航迹不满足m/n准则，删除该条航迹。

当所有回溯航迹经过m/n准则判定筛选后，记剩余航迹为track_m_n_m,m＝1,…,M_{m_n}，M_{m_n}为m/n准则判定筛选后航迹数。本实施例中设定m/n值为m＝3，n＝5，经过m/n准则判定筛选后的航迹如图5所示，剩余航迹条数为146条。

步骤五：航迹速度判定。

航迹速度判定的目的是为了抑制由于设定目标状态转移窗而产生的速度超过设定值的虚假航迹，具体处理过程为：

1)计算每条航迹track_m_n_m，m＝1,…M_{m_n}的坐标点(i_{k_m},j_{k_m}),k＝1,…,K对应的实际距离和方位(R_{k_m},A_{k_m})，其中R_{k_m}＝i_{k_m}×ΔR+R_min，A_{k_m}＝j_{k_m}×ΔA+A_min，ΔR为距离采样间隔(单位为米，在本实施例中ΔR＝7.5m)，ΔA为方位采样间隔(单位为度，在本实施例中ΔA＝0.039°)；根据(R_{k_m},A_{k_m})计算每个航迹坐标点在直角坐标系中坐标为(x_{k_m},y_{k_m})，其中x_{k_m}＝R_{k_m}cos(A_{k_m}×π/180)，y_{k_m}＝R_{k_m}sin(A_{k_m}×π/180)；

2)计算每条航迹track_m_n_m从第1个坐标点(i_{1_m},j_{1_m})到第K个坐标点(i_{K_m},j_{K_m})的路程 $S_m=\underset{k=1}{\overset{K-1}{\Σ}}\sqrt{{(x_{k+1\_m}-x_{k\_m})}^2+{(y_{k+1\_m}-y_{k\_m})}^2};$

3)计算每条航迹track_m_n_m平均速度V_{ave_m}＝S_m/((K-1)×T)，T为天线周期，本实施例中T＝3s；

4)设定速度上限为V_max，对于每一条航迹track_m_n_m，m＝1,…M_{m_n}，如果V_{ave_m}≤V_max，则该条航迹速度满足判定条件，保留该条航迹；如果V_{ave_m}＞V_max，则该条航迹速度不满足判定条件，删除该条航迹。

当所有航迹经过速度判定筛选后，记剩余航迹为track_Vctrl_m,m＝1,…,M_Vctrl，M_Vctrl为速度判定筛选后航迹数。本实施例中设定V_max＝10m/s，经过航迹速度限定后的航迹如图6所示，剩余航迹条数为59条。

步骤六：航迹合并。

航迹合并的目的是将经过m/n准则和航迹速度限定筛选后属于同一目标的多条航迹进行合并，实现航迹优选。航迹合并的判定准则是：如果航迹track_Vctrl_m1与航迹track_Vctrl_m2在某一周期存在相同航迹坐标点(i_{k_m1},j_{k_m1})＝(i_{k_m2},j_{k_m2}),k∈{1,…,K}，则对航迹track_Vctrl_m1与航迹track_Vctrl_m2进行合并。航迹合并的方法是：比较航迹track_Vctrl_m1与航迹track_Vctrl_m2的值函数I(x_m1)和I(x_m2)，如果I(x_m1)≥I(x_m2)，则保留航迹track_Vctrl_m1，删除航迹track_Vctrl_m2；如果I(x_m1)＜I(x_m2)，则保留航迹track_Vctrl_m2，删除航迹track_Vctrl_m1。

记航迹合并后的优选航迹为track_opt_m,m＝1,…,M_opt，M_opt为优选航迹数。本实施例中经过航迹合并处理后的优选航迹如图7所示，优选航迹数为4条。

本发明的创新点是在不改变基于动态规划的检测前跟踪算法处理过程的基础上，在航迹回溯后通过m/n准则和航迹速度判定，对产生的虚假航迹进行抑制，然后再进行相同目标航迹合并处理，将属于同一目标的多条航迹进行合并，实现航迹优选。通过具体实施例可以看出，本发明方法能够实现对海弱小目标检测前跟踪航迹优选。

Claims (1)

1.一种对海弱小目标检测前跟踪航迹优选方法，其特征在于：通过基于动态规划的检测前跟踪算法对连续多帧回波视频数据进行联合处理，根据处理结果进行航迹回溯，形成回溯航迹；设定参考门限，对每条回溯航迹的航迹坐标点所在回波视频数据中的幅度值进行m/n准则判定，抑制在某个周期数据中存在较强的干扰噪声而产生的虚假航迹；对于满足m/n准则的航迹，通过统计每条航迹的轨迹路程，计算每条航迹的平均速度，设定速度最大值，进行航迹速度判定，抑制由于设定目标状态转移窗而产生的速度超过设定值的虚假航迹；最后对于满足航迹速度要求的航迹，进行相同目标航迹合并处理，从而完成航迹优选。