CN106054169B - 基于跟踪信息的多站雷达信号融合检测方法 - Google Patents

Abstract

本发明属于雷达技术领域，公开了一种基于跟踪信息的多站雷达信号融合检测方法，解决了多站雷达组网系统中信号融合检测概率低的问题。其实现过程是：根据航迹起始算法得到目标初始状态估计值和初始状态估计协方差矩阵，根据第k‑1时刻目标状态估计值和第k‑1时刻状态估计协方差矩阵，确定第k时刻目标预测波门；将第k时刻目标预测波门划分为多个融合检测单元，计算目标预测波门内各融合检测单元的检测门限，得到第k时刻量测数据集合；根据第k时刻量测数据集合，计算第k时刻目标状态估计值和状态估计协方差矩阵；判断是否结束该段航迹。本发明与现有信号融合检测方法相比，可提高目标检测概率。

Description

基于跟踪信息的多站雷达信号融合检测方法

技术领域

本发明涉及雷达技术领域，尤其涉及一种基于跟踪信息的多站雷达信号融合检测方法，用于由多个雷达站组成的组网雷达系统中提高目标检测概率和航迹连续性。

背景技术

随着目标隐身技术的发展，依靠单个雷达将很难实现目标的连续探测和跟踪。与单站雷达系统相比，多站雷达组网系统可综合利用各个雷达站的目标观测信息，提高整个雷达网的探测跟踪性能。在多站雷达组网系统中，信号融合检测算法通过将各个雷达站的目标回波信号进行融合处理，可获得优于单站雷达的目标检测性能。

目标检测和目标跟踪是多站雷达组网系统两个重要组成模块。目标跟踪是在目标检测的基础上进行的，高的检测性能可以保证目标航迹的快速起始，而差的检测性能可以导致目标航迹过早的结束，因此目标的检测性能直接影响着目标的跟踪性能。

传统雷达组网系统通常将目标检测和目标跟踪看成两个独立的过程，即首先进行目标检测并估计目标运动参数，得到量测信息后送入雷达跟踪器再进行预测、关联、滤波等处理，实现对目标的检测和跟踪。当目标回波信噪比较低时目标检测概率较低，将会造成目标航迹的不连续性，容易导致航迹过早地结束，因而目标跟踪距离较短。

当目标航迹起始之后，我们可以获得目标跟踪信息，将该信息反馈至目标检测器将有助于提高目标检测性能。现有的基于跟踪信息设计雷达检测器方法主要策略是，调整目标预测区域内的检测门限，以获得最优的跟踪性能。上述方法的核心思想在于降低预测区域内的检测门，从而提高目标检测概率，最终获得目标跟踪精度的提升。然而，当目标突然消失时，仍采用方法调整目标预测区域内检测门限，将不能保证航迹能够迅速的结束，造成虚假航迹的产生。

发明内容

针对上述现有技术的不足，本发明的目的在于提供一种基于跟踪信息的多站雷达信号融合检测方法，在保证不产生虚假航迹的条件下，调整目标预测波门内各个融合检测单元的检测门限，从而提高目标跟踪状态下提高雷达组网系统的目标检测概率。

为达到上述目的，本发明的实施例采用如下技术方案予以实现。

一种基于跟踪信息的多站雷达信号融合检测方法，用于由多个雷达站组成的组网雷达系统中提高目标检测概率和航迹连续性，所述方法包括：

步骤1，初始化：根据雷达回波信号获取量测数据，对所述量测数据采用目标航迹起始算法得到第0时刻目标状态估计值和第0时刻目标状态估计协方差矩阵；并设置漏警计数器的初值为0；

步骤2，根据第k-1时刻目标状态估计值，计算第k时刻目标状态预测值，k为大于或者等于1的自然数，且k的初值为1；

步骤3，根据第k-1时刻目标状态估计协方差矩阵，计算第k时刻目标状态预测协方差矩阵；

步骤4，根据所述第k时刻目标状态预测值和所述第k时刻目标状态预测协方差矩阵，确定第k时刻预测波门，所述预测波门表示目标可能存在的预测区域；

步骤5，获取多站雷达中每个雷达站的距离分辨率和角度分辨率，将所述第k时刻预测波门划分为多个融合检测单元；

步骤6，设定目标消失后目标航迹跟踪正确结束的概率以及目标航迹跟踪正确结束所需的连续漏警次数，并根据所述目标航迹跟踪正确结束的概率以及连续漏警次数，计算第k时刻预测波门内出现虚警的概率；

步骤7，设定第k时刻预测波门内每个融合检测单元的检测门限权值，并获取每个融合检测单元的信号融合检测统计量；根据所述第k时刻预测波门内出现虚警的概率、所述每个融合检测单元的信号融合检测统计量，计算每个融合检测单元的检测门限基准；并根据所述每个融合检测单元的检测门限权值和对应融合检测单元的检测门限基准，计算第k时刻每个融合检测单元的检测门限；

步骤8，根据第k时刻每个融合检测单元的检测门限和对应融合检测单元的信号融合检测统计量，选取信号融合检测统计量高于检测门限的有效融合检测单元；并根据每个有效融合检测单元对应的空间位置估计目标的量测数据，组成第k时刻目标量测数据集合；

步骤9，采用数据关联算法选取所述第k时刻目标量测数据集合中与目标航迹关联度最高的量测数据；对所述与目标航迹关联度最高的量测数据利用跟踪算法计算第k时刻目标状态估计值以及第k时刻目标状态估计协方差矩阵；

步骤10，若第k时刻目标量测数据集合非空，则漏警计数器置零；若第k时刻目标量测数据集合为空，则漏警计数器的值加1；

步骤11，若漏警计数器的值大于或者等于所述目标航迹跟踪正确结束所需的连续漏警次数，则目标跟踪过程结束；否则令k的值加1，返回步骤2。

本发明相比现有技术的有益效果：

(1)传统信号融合检测方法假定多站雷达接收的目标回波信号已经完成了配准操作，本发明通过将预测波门划分为多个融合检测单元，解决了多站雷达接收的目标回波信号配准问题；

(2)由于利用了目标跟踪信息，计算得到的预测波门内检测门限低于传统的信号融合检测方法，因此可以获得更高的检测概率，从而提高航迹连续性；

(3)在计算检测门限的过程中考虑了虚假航迹问题，本发明可以保证目标消失时，航迹能够以较高概率结束，避免了虚假航迹的产生。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1为本发明实施例提供的一种基于跟踪信息的多站雷达信号融合检测方法的流程示意图；

图2为本发明技术方案与传统检测跟踪方法检测概率对比示意图；

图3为本发明实施例提供的目标消失后航迹存在概率示意图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅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。

本发明实施例提供一种基于跟踪信息的多站雷达信号融合检测方法，用于由多个雷达站组成的组网雷达系统中提高目标检测概率和航迹连续性，参考图1所示，所述方法包括：

步骤1，初始化：根据雷达回波信号获取量测数据，对所述量测数据采用目标航迹起始算法得到第0时刻目标状态估计值和第0时刻目标状态估计协方差矩阵；并设置漏警计数器的初值为0。

步骤2，根据第k-1时刻目标状态估计值，计算第k时刻目标状态预测值，k为大于或者等于1的自然数，且k的初值为1。

步骤2具体包括如下子步骤：

(2a)设定目标状态转移方程为：x_k＝F_k|k-1x_k-1+v_k|k-1；

其中，x_k表示第k时刻的目标状态，F_k|k-1表示第k-1时刻到第k时刻的目标状态转移矩阵，x_k-1表示第k-1时刻的目标状态，v_k|k-1表示第k-1时到第k时刻的过程噪声；

(2b)根据第k-1时刻目标状态估计值计算第k时刻目标状态预测值

示例性的，本发明实施例中第k时刻的目标状态x_k采用以下形式：

其中，x_k表示第k时刻目标在X轴的位置，表示第k时刻目标在X轴的速度，y_k表示第k时刻目标在Y轴的位置，表示第k时刻目标在Y轴的速度，(·)^T表示求矩阵的转置。F_k|k-1采用以下形式：

其中，ΔT表示扫描时间间隔，本实例中取ΔT＝5s。

步骤3，根据第k-1时刻目标状态估计协方差矩阵，计算第k时刻目标状态预测协方差矩阵。

步骤3具体包括：

根据第k-1时刻目标状态估计协方差矩阵P_k-1，计算第k时刻目标状态预测协方差矩阵P_k|k-1：

其中，Q_k|k-1表示第k-1时刻到第k时刻的过程噪声协方差矩阵，F_k|k-1表示第k-1时刻到第k时刻的目标状态转移矩阵，(·)^T表示求矩阵的转置。示例性的，本发明实施例中Q_k|k-1采用以下形式：

其中，σ_p表示过程噪声标准差，本实例中取σ_p＝0.1。

步骤4，根据所述第k时刻目标状态预测值和所述第k时刻目标状态预测协方差矩阵，确定第k时刻预测波门，所述预测波门表示目标可能存在的预测区域。

步骤4具体包括如下子步骤：

(4a)设定目标落入预测波门的概率P_g；

本实例中取为P_g＝0.99。

(4b)通过查找卡方分布表确定预测波门系数γ，其中卡方分布表是概率论中卡方分布随机变量的分布函数表；

通过查找卡方分布表确定预测波门系数γ，以保证自由度为目标运动空间维数的卡方分布随机变量大于预测波门系数γ的概率为P_g，本实施例的目标运动空间维数为2。

(4c)获取第k时刻目标状态预测值中的位置信息，将其作为第k时刻目标位置预测值获取第k时刻目标状态预测协方差矩阵P_k|k-1中的位置信息，将其作为第k时刻目标位置预测协方差矩阵D_k|k-1；

(4d)根据所述预测波门系数γ、所述第k时刻目标位置预测值和所述第k时刻目标位置预测协方差矩阵D_k|k-1，按如下公式确定第k时刻预测波门O_k：

其中，y_k表示第k时刻目标可能出现的位置，|表示条件符号，符号左边是集合元素，右边是元素满足的条件，(·)^-1表示求矩阵的逆。

步骤5，获取组网雷达系统中每个雷达站的距离分辨率和角度分辨率，将所述第k时刻预测波门划分为多个融合检测单元。

步骤5具体包括如下子步骤：

(5a)在第k时刻预测波门内任取一点作为每个雷达站的公共观测点，根据第n个雷达站的距离分辨率和角度分辨率，确定第n个雷达站以公共观测点为观测中心时的空间分辨区域Ω_n，n＝1，...，N_r，N_r表示组网雷达系统中雷达站总个数，从而得到每个雷达站以公共观测点为观测中心时的空间分辨区域；

(5b)提取所有雷达站空间分辨区域的公共相交区域Ω_c，并通过长方体近似所述公共相交区域Ω_c，将近似得到的长方体作为融合检测单元对应的空间区域Ω_f；

(5c)根据融合检测单元对应的空间区域Ω_f，将第k时刻预测波门划分为多个融合检测单元，所述多个融合检测单元连续且不重合。

步骤6，设定目标消失后目标航迹跟踪正确结束的概率以及目标航迹跟踪正确结束所需的连续漏警次数，并根据所述目标航迹跟踪正确结束的概率以及连续漏警次数，计算第k时刻预测波门内出现虚警的概率。

步骤6具体包括：

设定目标消失后目标航迹跟踪正确结束的概率P_E以及目标航迹跟踪正确结束所需的连续漏警次数M，按照下式计算第k时刻预测波门内出现虚警的概率P_Z：(1-P_Z)^M＝P_E，M为自然数。本实例中取M＝3。

步骤7，设定第k时刻预测波门内每个融合检测单元的检测门限权值，并获取每个融合检测单元的信号融合检测统计量；根据所述第k时刻预测波门内出现虚警的概率、所述每个融合检测单元的信号融合检测统计量，计算每个融合检测单元的检测门限基准；并根据所述每个融合检测单元的检测门限权值和对应融合检测单元的检测门限基准，计算第k时刻每个融合检测单元的检测门限。

步骤7具体包括如下子步骤：

(7a)设定第k时刻预测波门内第i个融合检测单元的检测门限权值w(i，k)；本发明实施例中设定检测门限权值w(i，k)＝1；

(7b)获取第i个融合检测单元的信号融合检测统计量λ_i；

(7c)根据所述第k时刻预测波门内出现虚警的概率P_Z、所述每个融合检测单元的信号融合检测统计量λ_i，计算第k时刻每个融合检测单元的检测门限基准T_k：

其中，P_f(i，k)表示第k时刻预测波门O_k内第i个融合检测单元的虚警概率，N_k表示第k时刻预测波门O_k内融合检测单元的个数，λ_i表示预测波门O_k内第i个融合检测单元的信号融合检测统计量。根据检测门限基准T_k，第k时刻第i个融合检测单元的检测门限为w(i，k)T_k。

信号融合检测统计量λ_i由信号融合检测算法提供，信号融合检测算法将对来自不同雷达针对同一个融合检测单元的回波数据进行融合得到该统计量，不同的信号融合检测算法可能有不同的表达形式和概率分布，具体的虚警概率表达式由具体的信号融合检测算法提供；

本发明的信号融合检测算法包括非相干积累信号融合检测算法、信噪比加权信号融合检测算法、广义似然比信号融合检测算法等，本实例选用但不限于非相干积累信号融合检测算法，信号融合检测统计量λ_i采用如下形式，

其中，ξ_n，i表示第n个雷达站第i个融合检测单元的局部检测统计量，N_r表示组网雷达系统中雷达站总个数。

步骤8，根据第k时刻每个融合检测单元的检测门限和对应融合检测单元的信号融合检测统计量，选取信号融合检测统计量高于检测门限的有效融合检测单元；并根据每个有效融合检测单元对应的空间位置估计目标的量测数据，组成第k时刻目标量测数据集合Z_k。

步骤9，采用数据关联算法选取所述第k时刻目标量测数据集合Z_k中与目标航迹关联度最高的量测数据；对所述与目标航迹关联度最高的量测数据利用跟踪算法计算第k时刻目标状态估计值以及第k时刻目标状态估计协方差矩阵P_k。

所述数据关联算法包括，最近邻域算法、概率数据关联算法、最优贝叶斯关联算法等，本实例选用但不限于最近邻域算法。

所述跟踪算法包括，卡尔曼滤波算法、扩展卡尔曼滤波算法、不敏卡尔曼滤波算法、粒子滤波算法等，本实例选用但不限于扩展卡尔曼滤波算法。

步骤10，若第k时刻目标量测数据集合Z_k非空，则漏警计数器置零；若第k时刻目标量测数据集合为空，则漏警计数器的值加1。

步骤11，若漏警计数器的值大于或者等于所述目标航迹跟踪正确结束所需的连续漏警次数M，则目标跟踪过程结束；否则令k的值加1，返回步骤2。

本发明相比现有技术的有益效果：

(1)传统信号融合检测方法假定多站雷达接收的目标回波信号已经完成了配准操作，本发明通过将预测波门划分为多个融合检测单元，解决了多站雷达接收的目标回波信号配准问题；

(2)由于利用了目标跟踪信息，计算得到的预测波门内检测门限低于传统的信号融合检测方法，因此可以获得更高的检测概率，从而提高航迹连续性；

(3)在计算检测门限的过程中考虑了虚假航迹问题，本发明可以保证目标消失时，航迹能够以较高概率结束，避免了虚假航迹的产生。

本发明的效果通过以下仿真对比试验进一步说明：

1.实验场景：考虑一2D组网雷达系统，雷达1的位置为[0km，0km]，雷达2的位置为[30km，0km]，两部雷达站具有相同的发射信号带宽B＝1MHz，对一个距离分辨率为150m，角度分辨率为3度，扫描时间间隔为5s，两个雷达站的目标量测均为目标距离和角度组成的向量。设初始时刻目标在X轴位置为300km，在Y轴位置为300km，且远离雷达站匀速飞行，X轴的速度分量均为50m/s，Y轴的速度分量均为50m/s。目标服从Swerling I类起伏模型，第n个雷达站的局部检验统计量为其中x_n表示第n个雷达站接收到的信号，表示第n个雷达站的背景噪声功率。设目标跟踪算法采用扩展卡尔曼滤波算法，跟踪过程中各个雷达站的信噪比均为10dB，信号融合检测采用非相干积累信号融合检测算法，传统信号融合检测算法的虚警概率设置为10^-6；设目标突然消失后航迹正确结束的概率P_E＝0.9。

2.仿真内容：

采用以上实验场景，利用传统的信号融合检测方法和本发明基于跟踪信息的信号融合检测方法，对雷达网的检测性能进行仿真对比，结果如图2所示；为验证所提方法的有效性，分析目标在第10个时刻突然消失后航迹存在的概率，结果如图3所示。

3.实验结果分析：

通过图2可以看出，本发明所提方法与传统的信号融合检测方法相比，可以获得更高的检测概率。在第13个仿真时刻，传统的信号融合检测方法的检测概率为0.7393，本发明所提方法的检测概率为0.9206。相比而言，本发明所提方法与传统方法相比，检测概率提高了0.1813。

通过图3可以看出，本发明所提方法在目标突然消失之后能够迅速的结束航迹，并且在第16个时刻，航迹基本不存在了，避免了虚假航迹的延续。

以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以所述权利要求的保护范围为准。

Claims (7)

1.一种基于跟踪信息的多站雷达信号融合检测方法，其特征在于，所述方法包括：

步骤1，初始化：根据雷达回波信号获取量测数据，对所述量测数据采用目标航迹起始算法得到第0时刻目标状态估计值和第0时刻目标状态估计协方差矩阵；并设置漏警计数器的初值为0；

步骤2，根据第k-1时刻目标状态估计值，计算第k时刻目标状态预测值，k为大于或者等于1的自然数，且k的初值为1；

步骤3，根据第k-1时刻目标状态估计协方差矩阵，计算第k时刻目标状态预测协方差矩阵；

步骤4，根据所述第k时刻目标状态预测值和所述第k时刻目标状态预测协方差矩阵，确定第k时刻预测波门，所述预测波门表示目标可能存在的预测区域；

步骤5，获取多站雷达中每个雷达站的距离分辨率和角度分辨率，将所述第k时刻预测波门划分为多个融合检测单元；

步骤6，设定目标消失后目标航迹跟踪正确结束的概率以及目标航迹跟踪正确结束所需的连续漏警次数，并根据所述目标航迹跟踪正确结束的概率以及连续漏警次数，计算第k时刻预测波门内出现虚警的概率；步骤7，设定第k时刻预测波门内每个融合检测单元的检测门限权值，并获取每个融合检测单元的信号融合检测统计量；根据所述第k时刻预测波门内出现虚警的概率、所述每个融合检测单元的信号融合检测统计量，计算每个融合检测单元的检测门限基准；并根据所述每个融合检测单元的检测门限权值和对应融合检测单元的检测门限基准，计算第k时刻每个融合检测单元的检测门限；

步骤8，根据第k时刻每个融合检测单元的检测门限和对应融合检测单元的信号融合检测统计量，选取信号融合检测统计量高于检测门限的有效融合检测单元；并根据每个有效融合检测单元对应的空间位置估计目标的量测数据，组成第k时刻目标量测数据集合；

步骤9，采用数据关联算法选取所述第k时刻目标量测数据集合中与目标航迹关联度最高的量测数据；对所述与目标航迹关联度最高的量测数据利用跟踪算法计算第k时刻目标状态估计值以及第k时刻目标状态估计协方差矩阵；

步骤10，若第k时刻目标量测数据集合非空，则漏警计数器置零；若第k时刻目标量测数据集合为空，则漏警计数器的值加1；

步骤11，若漏警计数器的值大于或者等于所述目标航迹跟踪正确结束所需的连续漏警次数，则目标跟踪过程结束；否则令k的值加1，返回步骤2。

2.根据权利要求1所述的一种基于跟踪信息的多站雷达信号融合检测方法，其特征在于，步骤2具体包括如下子步骤：

(2a)设定目标状态转移方程为：x_k＝F_k|k-1x_k-1+v_k|k-1；

其中，x_k表示第k时刻的目标状态，F_k|k-1表示第k-1时刻到第k时刻的目标状态转移矩阵，x_k-1表示第k-1时刻的目标状态，v_k|k-1表示第k-1时到第k时刻的过程噪声；

(2b)根据第k-1时刻目标状态估计值计算第k时刻目标状态预测值

3.根据权利要求1所述的一种基于跟踪信息的多站雷达信号融合检测方法，其特征在于，步骤3具体包括：

根据第k-1时刻目标状态估计协方差矩阵P_k-1，计算第k时刻目标状态预测协方差矩阵P_k|k-1：

其中，Q_k|k-1表示第k-1时刻到第k时刻的过程噪声协方差矩阵，F_k|k-1表示第k-1时刻到第k时刻的目标状态转移矩阵，(·)^T表示求矩阵的转置。

4.根据权利要求1所述的一种基于跟踪信息的多站雷达信号融合检测方法，其特征在于，步骤4具体包括如下子步骤：

(4a)设定目标落入预测波门的概率P_g；

(4b)通过查找卡方分布表确定预测波门系数γ，其中卡方分布表是概率论中卡方分布随机变量的分布函数表；

(4c)获取第k时刻目标状态预测值中的位置信息，将其作为第k时刻目标位置预测值获取第k时刻目标状态预测协方差矩阵P_k|k-1中的位置信息，将其作为第k时刻目标位置预测协方差矩阵D_k|k-1；

(4d)根据所述预测波门系数γ、所述第k时刻目标位置预测值和所述第k时刻目标位置预测协方差矩阵D_k|k-1，按如下公式确定第k时刻预测波门O_k：

其中，y_k表示第k时刻目标可能出现的位置，|表示条件符号，符号左边是集合元素，右边是元素满足的条件，(·)^-1表示求矩阵的逆。

5.根据权利要求1所述的一种基于跟踪信息的多站雷达信号融合检测方法，其特征在于，步骤5具体包括如下子步骤：

(5a)在第k时刻预测波门内任取一点作为每个雷达站的公共观测点，根据第n个雷达站的距离分辨率和角度分辨率，确定第n个雷达站以公共观测点为观测中心时的空间分辨区域Ω_n，n＝1，...，N_r，N_r表示组网雷达系统中雷达站总个数，从而得到每个雷达站以公共观测点为观测中心时的空间分辨区域；

(5b)提取所有雷达站空间分辨区域的公共相交区域Ω_c，并通过长方体近似所述公共相交区域Ω_c，将近似得到的长方体作为融合检测单元对应的空间区域Ω_f；

(5c)根据融合检测单元对应的空间区域Ω_f，将第k时刻预测波门划分为多个融合检测单元，所述多个融合检测单元连续且不重合。

6.根据权利要求1所述的一种基于跟踪信息的多站雷达信号融合检测方法，其特征在于，步骤6具体包括：

设定目标消失后目标航迹跟踪正确结束的概率P_E以及目标航迹跟踪正确结束所需的连续漏警次数M，按照下式计算第k时刻预测波门内出现虚警的概率P_Z：(1-P_Z)^M＝P_E，M为自然数。

7.根据权利要求1所述的一种基于跟踪信息的多站雷达信号融合检测方法，其特征在于，步骤7具体包括如下子步骤：

(7a)设定第k时刻预测波门内第i个融合检测单元的检测门限权值w(i,k)；

(7b)获取第i个融合检测单元的信号融合检测统计量λ_i；

(7c)根据所述第k时刻预测波门内出现虚警的概率P_Z、所述每个融合检测单元的信号融合检测统计量λ_i，计算第k时刻每个融合检测单元的检测门限基准T_k：

其中，P_f(i,k)表示第k时刻预测波门O_k内第i个融合检测单元的虚警概率，N_k表示第k时刻预测波门O_k内融合检测单元的个数，λ_i表示预测波门O_k内第i个融合检测单元的信号融合检测统计量。