CN106226750B - 一种针对多帧联合检测的点迹序列平滑滤波方法 - Google Patents

一种针对多帧联合检测的点迹序列平滑滤波方法 Download PDF

Info

Publication number
CN106226750B
CN106226750B CN201610520395.7A CN201610520395A CN106226750B CN 106226750 B CN106226750 B CN 106226750B CN 201610520395 A CN201610520395 A CN 201610520395A CN 106226750 B CN106226750 B CN 106226750B
Authority
CN
China
Prior art keywords
matrix
joint detection
frame joint
target state
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.)
Active
Application number
CN201610520395.7A
Other languages
English (en)
Other versions
CN106226750A (zh
Inventor
易伟
方梓成
孙旭锋
陈方园
王经鹤
孔令讲
崔国龙
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
University of Electronic Science and Technology of China
Original Assignee
University of Electronic Science and Technology of China
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by University of Electronic Science and Technology of China filed Critical University of Electronic Science and Technology of China
Priority to CN201610520395.7A priority Critical patent/CN106226750B/zh
Publication of CN106226750A publication Critical patent/CN106226750A/zh
Application granted granted Critical
Publication of CN106226750B publication Critical patent/CN106226750B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • G01S7/00—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
    • G01S7/02—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00
    • G01S7/41—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00 using analysis of echo signal for target characterisation; Target signature; Target cross-section
    • 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

本发明针对滑窗批处理结构的多帧联合检测技术，提出一种针对多帧联合检测的点迹序列平滑滤波方法，解决了传统方法跟踪精度低、难以形成完整目标航迹等问题。本发明方法通过采用增广形式的目标状态，充分地利用了多帧联合检测的结构特点，在任一处理时刻，都能实时地提供当前时刻目标状态的滤波结果以及当前滑窗内其他目标状态的平滑结果，从而有效地提高了目标状态估计精度，实现了对目标的长时间跟踪。另外，本发明通过噪声白化预处理步骤，有效地抑制了相邻滑窗处理所得点迹序列噪声相关性带来的影响，从而进一步改善了估计精度。

Description

一种针对多帧联合检测的点迹序列平滑滤波方法
技术领域
本发明属于雷达数据处理技术领域，特别涉及雷达微弱目标跟踪技术。
背景技术
众所周知，多样化的弱小目标和日益复杂的探测环境导致现役雷达探测性能严重下降，出现漏检大、跟踪不连续等问题。因此，如何在复杂环境中对微弱目标进行可靠的检测与跟踪是现代雷达体制急需解决的技术问题，具有重要的理论价值和实际意义。
不同于传统的单帧检测技术，多帧联合检测技术能够通过联合处理多帧回波数据，并利用目标与噪声/杂波在帧间相关性的差异，实现目标信号的有效积累和对噪声/杂波的抑制，从而显著改善对微弱目标的探测性能。然而，为了保证检测性能和雷达实时显示的需求，多帧联合检测技术通常采用滑窗批处理的形式，其单次滑窗处理的结果仅是一些航迹片段而不是真正意义上连续、完整的目标航迹。为了得到完整的目标航迹信息，传统的方法往往直接将每次滑窗处理所得的最后一帧估计结果作为对当前时刻目标状态的更新，这种做法没有进行后续的平滑和滤波处理，其估计精度往往较低。
发明内容
本发明针对背景技术的不足所要解决的技术问题是，针对滑窗批处理结构的多帧联合检测技术，提供一种有效的平滑滤波方法，以提高其估计精度并形成完整的目标航迹。
本发明为解决上述技术问题所采用的方案是，一种针对多帧联合检测的点迹序列平滑滤波方法，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：总观测帧数K；当前时刻k；帧间扫描间隔T；一次多帧联合检测处理帧数N；目标状态维数n；增广目标状态转移矩阵F；增广过程噪声协方差矩阵Q；点迹序列观测矩阵H；自回归模型系数矩阵W；自回归模型噪声协方差矩阵R；
步骤2、多帧联合检测处理：
从雷达接收机中读取第k-N+1,k-N+2,…,k帧回波数据，进行多帧联合检测处理，其处理得到的结果称为点迹序列，表示为其中zk-N+i,(i＝1,…,N)为n维的列向量，符号(·)T表示矩阵转置；
步骤3、判断是否满足k＝N，若是，则利用第一次多帧联合检测处理结果初始化增广目标状态估计值同时初始化相应的估计误差协方差矩阵Pk；令k＝k+1，返回步骤2；若否，则执行步骤4；
步骤4、利用自回归模型系数矩阵对点迹序列进行噪声白化预处理，令表示白化预处理后的点迹序列；
步骤5、平滑滤波处理：
利用白化预处理后的点迹序列估计并更新Pk，包括以下计算，
中间变量Gk，Gk＝Pk-1MT(MPk-1MT+L)-1；
中间变量Sk，Sk＝Pk-1-GkMPk-1；
更新增广目标状态估计值
更新估计误差协方差矩阵Pk，Pk＝(F-DM)Sk(F-DM)T+Q-DLDT；
其中，D,L,M为常矩阵，计算方式如下，
矩阵L＝HQHT+R；
矩阵D＝QHTL-1；
矩阵M＝HF-WH；
步骤6、判断是否满足k<K，若是，则令k＝k+1，返回步骤2；若否，则完成总观测时间K帧内全部的目标状态更新。
通过上面的步骤，可以利用多帧联合检测处理得到的点迹序列，对目标状态进行精确、实时地估计，最终得到完整的航迹。
本发明与现有技术相比的优点在于：
本发明通过采用增广形式的目标状态，充分地利用了多帧联合检测滑窗批处理结构特点，在任一处理时刻k(k≥N)，本发明都能实时地提供当前时刻目标状态的滤波结果以及当前滑窗内前N-1时刻对应目标状态的平滑结果，从而有效地提高了目标状态估计精度，实现了对目标的长时间跟踪。另外，本发明通过噪声白化预处理步骤，有效地抑制了相邻滑窗处理所得点迹序列噪声相关性带来的影响，从而进一步改善了估计精度。
附图说明
图1为本发明的总体流程框图。
图2为本发明与传统方法的航迹丢失概率对比图。
图3为本发明与传统方法的估计位置均方根误差对比图。
具体实施方案
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：总观测帧数K＝30；当前时刻k＝6；帧间间隔T＝1s；一次多帧联合检测处理帧数N＝6；目标状态维数n＝4；增广目标状态转移矩阵
其中Im表示m×m的单位矩阵；
增广过程噪声协方差矩阵
其中diag(·)表示对角矩阵，表示克罗内克积运算；
点迹序列观测矩阵
自回归模型系数矩阵其中参数λ1＝λ2＝…＝λ5＝0.95；自回归模型噪声协方差矩阵
步骤2、多帧联合检测处理：
从雷达接收机中读取第k-N+1,k-N+2,…,k帧回波数据，进行多帧联合检测处理，其处理得到的结果称为点迹序列，表示为其中zk-N+i,(i＝1,…,N)为4维的列向量，符号(·)T表示矩阵转置。
步骤3、判断是否满足k＝N，若是，则利用第一次多帧联合检测处理结果初始化增广目标状态估计值其中，增广目标状态估计值表示为其元素为4维的列向量，表示对k-N+i时刻目标状态的估计结果。初始化相应的估计误差协方差矩阵
令k＝k+1，返回步骤2；若否，则直接执行步骤4。
步骤4、利用自回归模型系数矩阵对点迹序列进行噪声白化预处理，令表示白化预处理后的点迹序列。
步骤5、平滑滤波处理：
利用白化预处理后的点迹序列估计并更新Pk，包括以下计算，
中间变量Gk，Gk＝Pk-1MT(MPk-1MT+L)-1；
中间变量Sk，Sk＝Pk-1-GkMPk-1；
更新增广目标状态估计值
更新估计误差协方差矩阵Pk，Pk＝(F-DM)Sk(F-DM)T+Q-DLDT；
其中，D,L,M为常矩阵，计算方式如下，
矩阵L＝HQHT+R；
矩阵D＝QHTL-1；
矩阵M＝HF-WH。
步骤6、判断是否满足k<K，若是，则令k＝k+1，返回步骤2；若否，则完成总观测时间K帧内全部的目标状态的更新。
图2给出了本发明与传统方法的航迹丢失概率对比图，可以看出，在相同信噪比条件下，本发明都显示了更低的丢失概率，因此具有更好的可靠性。图3给出了本发明与传统方法在相同信噪比(8dB)情况下的估计位置均方根误差对比图，可以看出本发明同样显示了更高的估计精度。

Claims (1)

1.一种针对多帧联合检测的点迹序列平滑滤波方法，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：总观测帧数K；当前时刻k；帧间扫描间隔T；一次多帧联合检测处理帧数N；目标状态维数n；增广目标状态转移矩阵F；增广过程噪声协方差矩阵Q；点迹序列观测矩阵H；自回归模型系数矩阵W；自回归模型噪声协方差矩阵R；
步骤2、多帧联合检测处理：
从雷达接收机中读取第k-N+1,k-N+2,...,k帧回波数据，进行多帧联合检测处理，其处理得到的结果称为点迹序列，表示为其中zk-N+i为n维的列向量,其中i＝1,...,N，符号(·)T表示矩阵转置；
步骤3、判断是否满足k＝N，若是，则利用第一次多帧联合检测处理结果初始化增广目标状态估计值同时初始化相应的估计误差协方差矩阵Pk；令k＝k+1，返回步骤2；若否，则执行步骤4；
步骤4、利用自回归模型系数矩阵对点迹序列进行噪声白化预处理，令表示白化预处理后的点迹序列；
步骤5、平滑滤波处理：
利用白化预处理后的点迹序列估计并更新Pk，包括以下计算，
中间变量Gk，Gk＝Pk-1MT(MPk-1MT+L)-1；
中间变量Sk，Sk＝Pk-1-GkMPk-1；
更新增广目标状态估计值
更新估计误差协方差矩阵Pk，Pk＝(F-DM)Sk(F-DM)T+Q-DLDT；
其中，D,L,M为常矩阵，计算方式如下，
矩阵L＝HQHT+R；
矩阵D＝QHTL-1；
矩阵M＝HF-WH；
步骤6、判断是否满足k＜K，若是，则令k＝k+1，返回步骤2；若否，则完成总观测时间K帧内全部的目标状态更新。
CN201610520395.7A 2016-07-01 2016-07-01 一种针对多帧联合检测的点迹序列平滑滤波方法 Active CN106226750B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201610520395.7A CN106226750B (zh) 2016-07-01 2016-07-01 一种针对多帧联合检测的点迹序列平滑滤波方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201610520395.7A CN106226750B (zh) 2016-07-01 2016-07-01 一种针对多帧联合检测的点迹序列平滑滤波方法

Publications (2)

Publication Number Publication Date
CN106226750A CN106226750A (zh) 2016-12-14
CN106226750B true CN106226750B (zh) 2018-06-19

Family

ID=57519134

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201610520395.7A Active CN106226750B (zh) 2016-07-01 2016-07-01 一种针对多帧联合检测的点迹序列平滑滤波方法

Country Status (1)

Country Link
CN (1) CN106226750B (zh)

Families Citing this family (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107544066B (zh) * 2017-07-09 2020-05-12 电子科技大学 一种基于检测前跟踪分布式异步迭代滤波融合方法
CN110458782B (zh) * 2019-08-15 2022-05-03 深圳市瑞立视多媒体科技有限公司 三维轨迹平滑处理方法、装置、设备及存储介质
CN110673132B (zh) * 2019-10-11 2022-01-11 电子科技大学 一种用于多帧联合检测与跟踪的点迹序列实时滤波方法
CN113011231B (zh) * 2019-12-20 2023-07-07 舜宇光学（浙江）研究院有限公司 分类滑窗方法和slam定位方法及其系统和电子设备

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103885057A (zh) * 2014-03-20 2014-06-25 西安电子科技大学 自适应变滑窗多目标跟踪方法
CN104035076A (zh) * 2014-06-30 2014-09-10 电子科技大学 一种多帧检测前跟踪的迭代滤波方法
CN104237853A (zh) * 2014-09-16 2014-12-24 电子科技大学 一种针对多帧检测前跟踪点迹序列的粒子滤波方法

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103885057A (zh) * 2014-03-20 2014-06-25 西安电子科技大学 自适应变滑窗多目标跟踪方法
CN104035076A (zh) * 2014-06-30 2014-09-10 电子科技大学 一种多帧检测前跟踪的迭代滤波方法
CN104237853A (zh) * 2014-09-16 2014-12-24 电子科技大学 一种针对多帧检测前跟踪点迹序列的粒子滤波方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
"A Computationally Efficient Recursive Processing for Multi-Frame Track-Before-Detect";Jinghe Wang et al.;《Radar Conference(RadarCon)，2015 IEEE》;20150515;第0515-0520页 *
"A Multi-Frame Track-Before-Detect Algorithm for Maneuvering Targets in Radar System";Zicheng Fang et al.;《Radar Conference(RadarConf),2016 IEEE》;20160506;第1-6页 *
"A novel track-before-detect procedure for multi-frame detection in radar systems";Emanuele Grossi et al.;《Radar Conference(RADAR),2013 IEEE》;20130503;第1-6页 *

Also Published As

Publication number Publication date
CN106226750A (zh) 2016-12-14

Similar Documents

Publication Publication Date Title
CN107220606B (zh) 基于一维卷积神经网络的雷达辐射源信号的识别方法
CN106226750B (zh) 一种针对多帧联合检测的点迹序列平滑滤波方法
CN108802722B (zh) 一种基于虚拟谱的弱目标检测前跟踪方法
CN108665485B (zh) 一种基于相关滤波与孪生卷积网络融合的目标跟踪方法
CN107300698B (zh) 一种基于支持向量机的雷达目标航迹起始方法
CN109188414A (zh) 一种基于毫米波雷达的手势运动探测方法
CN110120064B (zh) 一种基于互强化与多注意机制学习的深度相关目标跟踪算法
CN107240122A (zh) 基于时空连续相关滤波的视频目标跟踪方法
CN107290717B (zh) 针对非圆信号的多目标直接定位方法
CN104297740B (zh) 基于相位分析的雷达目标多普勒谱估计方法
CN109752710B (zh) 一种基于稀疏贝叶斯学习的快速目标角度估计方法
CN107544066B (zh) 一种基于检测前跟踪分布式异步迭代滤波融合方法
CN104237853B (zh) 一种针对多帧检测前跟踪点迹序列的粒子滤波方法
CN106226751A (zh) 基于dp‑tbd的机动目标检测与跟踪方法
CN109100696B (zh) 基于点状杂波图的慢速运动目标消除方法
CN107390194A (zh) 一种基于全布雷格曼散度的雷达目标检测方法
CN104777469B (zh) 一种基于量测误差协方差矩阵范数的雷达节点选择方法
CN107037424A (zh) 一种基于序贯优化的多普勒雷达多帧相干检测前跟踪方法
CN107247257B (zh) 一种基于似然函数近似的分布式多传感器检测前跟踪方法
CN116687392A (zh) 基于时频信息矩阵的毫米波雷达跌倒检测的杂波消除方法
CN106324576B (zh) 基于自回归模型的雷达目标自适应匹配滤波方法
WO2023213051A1 (zh) 一种基于csi信号到达角估计的静态人体姿势估计方法
CN109239704A (zh) 一种基于序贯滤波交互式多模型的自适应采样方法
CN105353353B (zh) 多重搜索粒子概率假设密度滤波的多目标跟踪方法
CN106772357A (zh) 信噪比未知条件下的ai‑phd滤波器

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant