CN106054173A - 基于递推Hough变换的微弱多目标检测前跟踪方法 - Google Patents

Abstract

本发明属于雷达信号处理领域，针对现有基于Hough变换的检测前跟踪(HT‑TBD)技术无法实现对微弱多目标的实时检测且部分目标可能存在漏检的问题，提供一种基于递推Hough变换的微弱多目标检测前跟踪方法。对于获得的量测数据，首先利用HT‑TBD技术对前n帧量测数据进行非相参积累检测，得到初始积累矩阵以及存储阵列；然后再对2～n+1,3～n+2,…帧的数据依次进行递推HT‑TBD处理，通过对积累矩阵和存储阵列的更新实现对前一时刻数据的剔除和下一时刻数据的积累存储，实现各时刻的递推检测；最后根据各时刻的检测结果进行航迹关联。方法在实现对微弱多目标实时有效检测和避免目标漏检的同时，还能够显著降低计算量，提高方法运算效率。

Description

基于递推Hough变换的微弱多目标检测前跟踪方法

技术领域

本发明属于雷达信号处理领域，适用于解决不同时刻出现的微弱多目标雷达多帧数据检测前跟踪问题。

背景技术

检测前跟踪(Track Before Detect,TBD)技术作为一种帧间积累技术，通过对多帧雷达回波数据进行非相参积累，实现对微弱目标的检测，其中基于Hough变换(HoughTransform,HT)的TBD(HT-TBD)技术是一种典型的批处理检测前跟踪技术，其基本思想是：将数据空间中的直线检测问题转换为参数空间中的峰值检测问题，通过对多帧量测数据的非相参积累处理实现对微弱目标的检测。

现有的HT-TBD技术对微弱目标进行检测处理时，但存在以下2个不足。(1)在对微弱目标检测时，存在着检测延时的问题。例如对于长度为7帧的HT-TBD检测，目标在从第5帧量测时出现并被雷达探测到，当采用4/7准则进行判别，则目标由于最多只有3帧量测而使该目标无法被检测到，只有在下一个批处理时段(即8～14帧量测)时，才有可能被检测到，造成目标检测的延时。(2)现有的HT-TBD技术还会出现目标漏检的问题。例如，设第5帧到第10帧量测时目标进行直线运动，而从11帧目标开始曲线机动，由于HT-TBD技术是对直线航迹进行积累，而1～7帧和8～14帧两个批处理区段均只有3帧量测可以进行有效积累，均无法实现对目标的检测，从而导致目标漏检。

针对现有HT-TBD技术存在的上述2个方面的问题，本发明采用递推处理技术进行处理：首先利用m/n准则的HT-TBD技术对前n帧量测数据进行非相参积累检测，得到初始积累矩阵以及存储阵列，然后在对2～n+1,3～n+2,…的数据依次进行实时递推处理。由于相邻两次递推处理之间有n-1帧数据时重复的，此时若对平移后的n帧数据重新进行Hough变换，会造成大量的重复计算，降低方法效率，针对这一问题，本方法通过对积累矩阵和存储阵列的更新实现对前一时刻数据的剔除和下一时刻数据的积累存储，而对中间n-1帧数据进行保留来实现各时刻的递推检测，有效降低了计算量，提高了方法的运算效率；最后方法通过对各时刻检测结果进行航迹关联，得到目标最终检测结果。

发明内容

针对现有基于HT-TBD技术无法实现对微弱多目标的实时检测且部分目标可能存在漏检的问题，提供一种基于递推Hough变换的微弱多目标检测前跟踪方法。对于获得的量测数据，首先利用HT-TBD技术对前n帧量测数据进行非相参积累检测，得到初始积累矩阵以及存储阵列；然后再对2～n+1,3～n+2,…帧的数据依次进行递推HT-TBD处理，通过对积累矩阵和存储阵列的更新实现对前一时刻数据的剔除和下一时刻数据的积累存储，实现各时刻的递推检测；最后根据各时刻的检测结果进行航迹关联。方法在实现对微弱多目标实时有效检测和避免目标漏检的同时，还能够显著降低计算量，提高方法运算效率。

本发明解决所述的技术问题，采用技术方案步骤如下：

步骤(一)：对于得到的雷达量测数据，根据初始虚警概率P_fa，设置一个初始检测门限，以消除部分杂波的影响，得到待检测的量测数据，其中包含量测点的位置、回波能量、时序和点标信息；

对经过归一化处理后的雷达回波信号，设定其初始门限为：

η＝-ln(P_fa)

步骤(二)：对前n时刻的量测数据进行HT-TBD处理，获得前n时刻的初始点数、能量积累矩阵及存储阵列，并得到前n时刻的检测结果，具体过程为：

(1)离散化参数空间，将参数空间分割成大小为Δρ×Δθ的若干分辨单元，每个分辨单元的中心点为：

${\mathrm{\ρ}}_i=(i-\frac{1}{2})\mathrm{\Δ}\mathrm{\ρ},i=1,2,...I_{\mathrm{\ρ}}$

${\mathrm{\θ}}_i=(i-\frac{1}{2})\mathrm{\Δ}\mathrm{\θ},i=1,2,...I_{\mathrm{\θ}}$

式中，Δρ＝L/I_θ，L为雷达量程的2倍，I_ρ为参数ρ的分割段数，Δθ＝π/I_θ，I_θ为参数θ的分割段数；

(2)建立参数空间积累矩阵和存储阵列，并对矩阵和阵列进行初始化；其中积累矩阵包括点数积累矩阵和能量积累矩阵，分别用于存储各分辨单元点数积累数据与能量积累数据；存储阵列用于存储落入各分辨单元的量测点信息；

(3)依次选取前n时刻中数据，通过Hough变换方程将各量测点映射到参数空间，得到相应的参数曲线ξ；

ρ＝x_i cosθ+y_i sinθ

(4)对曲线ξ经过的参数空间分辨单元进行点数积累和回波能量积累，并对相应的存储阵列进行赋值；

(5)重复(3)～(4)，直到前n时刻量测数据全部处理完毕，得到参数空间点数和能量积累直方图以及对应的存储阵列；

(6)设置参数空间点数和能量积累门限，进行峰值检测，当参数空间分辨单元的点数积累值与能量积累值均超过相应门限时，认为是有效检测，进行Hough逆映射，进行航迹约束，得到前n时刻的检测结果；

步骤(三)：利用n+1时刻的量测数据，进行实时递推处理，具体过程为：

(1)利用Hough变换方程对n+1时刻的单帧量测数据进行变换，转换到参数空间；

(2)从前n时刻的初始点数、能量积累矩阵及存储阵列中剔除第1时刻量测数据的影响；

(3)将n+1时刻数据变换结果在点数、能量积累矩阵及存储阵列中进行积累和存储；

(4)利用更新后的积累矩阵与存储阵列，对2～n+1时刻的n帧量测数据进行峰值检测和航迹约束，得到更新后的积累矩阵与存储阵列，并记录检测结果；

步骤(四)：重复进行步骤(三)，直至所有量测数据全部递推处理完毕；

步骤(五)：对不同时刻检测结果进行航迹关联处理，对属于同一目标的航迹进行合并，对不同目标的航迹进行分别存储，得到最终处理结果，进行航迹输出。

本发明的有益效果说明：本发明利用递推HT-TBD技术对雷达量测数据进行处理，在获得初始积累矩阵和存储阵列的基础上，对积累矩阵和存储阵列进行递推实时更新处理，不但能够最大限度的利用前一时刻的检测结果，提高算法运算效率，降低计算量，还能够实现对目标的实时检测，避免目标漏检，具有较好的检测效果。

附图说明

附图1是本发明的方法步骤流程图；

附图2是本发明杂波点与目标量测点分布图；

附图3是本发明前7时刻HT-TBD技术处理时参数空间能量积累图；

附图4是本发明前7时刻HT-TBD技术处理时的检测结果图；

附图5是本发明第3次递推处理时的检测结果图；

附图6是本发明进行航迹关联处理后输出的最终检测结果图；

具体实施方法

下面结合附图对本发明基于递推Hough变换的微弱多目标目标检测前跟踪方法进行详细描述。

实施条件：设定雷达位于坐标原点，扫描周期为1s，雷达距离量测误差为40m，角度量测误差为0.2°。目标在雷达探测区域内运动，目标1作匀加速直线运动，目标初始位置为(25km,25km)，初始速度为(300m/s,400m/s)，初始加速度为(15m/s²,20m/s²)，目标出现时间为t₁＝1s；目标2作匀速直线运动，目标初始位置为(20km,30km)，初始速度为(500m/s,300m/s)，目标出现时间为t₂＝5s；处理的雷达量测总帧数为12帧，初始积累帧数为7帧，进行Hough变换对参数空间进行离散化处理时，将参数空间离散化为180×400个分辨单元；每帧数据的杂波数服从泊松分布，杂波密度为80，产生的杂波按均匀分布随机地分布在雷达视域内。参照附图1，具体实施步骤如下所示：

(1)雷达对目标进行探测，得到的量测数据总数为12帧，其中杂波点与目标量测点分布图如附图2所示；

(2)按照步骤(二)对前7时刻的量测数据进行HT-TBD处理，得到参数空间初始积累矩阵与存储阵列，其中前7时刻的参数空间能量积累图如附图3所示，而前7时刻的检测结果如附图4所示；

(3)按照步骤(三)，根据步骤(二)得到的初始积累矩阵与存储阵列，对从第8时刻开始的量测数据进行递推HT-TBD处理，利用每一时刻的数据对积累矩阵与存储阵列进行更新检测，获得递推后的检测结果；其中第3次递推处理时的检测结果如附图5所示；

(4)按照时间顺序依次进行递推HT-TBD处理，直至12帧量测数据全部处理完毕；

(5)按照步骤(五)对各时刻检测结果进行航迹关联处理，对属于同一目标的航迹进行合并，对不同目标航迹进行区分，进行最终航迹输出，实现对目标的有效检测；其中航迹关联处理后输出的最终检测结果如附图6所示。

通过对附图4前7时刻HT-TBD处理检测结果分析可知，目标1被成功检测到，而目标2未被检测到，这是由于目标1从t＝1s开始出现，因此7个时刻目标1均有量测点进行积累，积累值过门限被有效检测，而目标2则是从t＝5s开始出现，前7时刻最多只有3个时刻进行积累，导致积累值无法超过参数空间检测门限，无法实现检测；而从附图5检测结果可以发现，经过3次递推检测后，目标2在7个积累时刻中有6个时刻可以进行有效积累，经HT-TBD处理被有效检测到；最后通过附图6中方法输出航迹与目标量测对比可知，本发明方法对不同时刻出现的目标1与目标2均实现了有效检测并获得了目标航迹。

Claims (3)

1.基于递推Hough变换的微弱多目标检测前跟踪方法，其特征在于包括以下技术措施：

步骤(一)、对于得到的雷达量测数据，根据初始虚警概率P_fa，设置一个初始检测门限，以消除部分杂波的影响，得到待检测的量测数据，其中包含量测点的位置、回波能量、时序和点标信息；

对经过归一化处理后的雷达回波信号，设定其初始门限为：

η＝-ln(P_fa)

步骤(二)、对前n时刻的量测数据进行HT-TBD处理，获得前n时刻的初始点数、能量积累矩阵及存储阵列，并得到前n时刻的检测结果；

步骤(三)、利用n+1时刻的量测数据，进行实时递推处理；

步骤(四)、重复进行步骤(三)，直至所有量测数据全部递推处理完毕；

步骤(五)、对不同时刻检测结果进行航迹关联处理，对属于同一目标的航迹进行合并，对不同目标的航迹进行分别存储，得到最终处理结果，进行航迹输出。

2.根据权利要求1所述的基于递推Hough变换的微弱多目标检测前跟踪方法，其特征在于步骤(二)采取以下技术措施：

(21)离散化参数空间，将参数空间分割成大小为Δρ×Δθ的若干分辨单元，每个分辨单元的中心点为

${\mathrm{\ρ}}_i=(i-\frac{1}{2})\mathrm{\Δ}\mathrm{\ρ},i=1,2,...I_{\mathrm{\ρ}}$

${\mathrm{\θ}}_i=(i-\frac{1}{2})\mathrm{\Δ}\mathrm{\θ},i=1,2,...I_{\mathrm{\θ}}$

式中，Δρ＝L/I_θ，L为雷达量程的2倍，I_ρ为参数ρ的分割段数，Δθ＝π/I_θ，I_θ为参数θ的分割段数；

(22)建立参数空间积累矩阵和存储阵列，并对矩阵和阵列进行初始化；其中积累矩阵包括点数积累矩阵和能量积累矩阵，分别用于存储各分辨单元点数积累数据与能量积累数据；存储阵列用于存储落入各分辨单元的量测点信息；

(23)依次选取前n时刻中数据，通过Hough变换方程将各量测点映射到参数空间，得到相应的参数曲线ξ；

ρ＝x_icosθ+y_isinθ

(24)对曲线ξ经过的参数空间分辨单元进行点数积累和回波能量积累，并对相应的存储阵列进行赋值；

(25)重复(23)～(24)，直到前n时刻量测数据全部处理完毕，得到参数空间点数和能量积累直方图以及对应的存储阵列；

(26)设置参数空间点数和能量积累门限，进行峰值检测，当参数空间分辨单元的点数积累值与能量积累值均超过相应门限时，认为是有效检测，进行Hough逆映射，进行航迹约束，得到前n时刻的检测结果。

3.根据权利要求1所述的基于递推Hough变换的微弱多目标检测前跟踪方法，其特征在于步骤(三)采取以下技术措施：

(31)利用Hough变换方程对n+1时刻的单帧量测数据进行变换，转换到参数空间；

(32)从前n时刻的初始点数、能量积累矩阵及存储阵列中剔除第1时刻量测数据的影响；

(33)将n+1时刻数据变换结果在点数、能量积累矩阵及存储阵列中进行积累和存储；

(34)利用更新后的积累矩阵与存储阵列，对2～n+1时刻的n帧量测数据进行峰值检测和航迹约束，得到更新后的积累矩阵与存储阵列，并记录检测结果。