CN106468772A - 一种基于距离‑多普勒量测的多站雷达人体跟踪方法 - Google Patents

Abstract

本发明一种基于距离‑多普勒量测的多站雷达人体跟踪方法，包括以下处理步骤：第一步，对各通道接收的回波进行预处理；第二步，计算瞬时距离‑多普勒像；第三步，目标检测；第四步，量测估计；第五步，目标定位；第六步，目标跟踪。本发明方法其有益效果：本发明在瞬时距离‑多普勒域检测人体目标，提高了目标分辨能力；同时运用距离‑多普勒量测进行目标定位和跟踪，达到人体目标精确跟踪目的。

Description

一种基于距离-多普勒量测的多站雷达人体跟踪方法

技术领域

本发明属于多站雷达目标跟踪领域,是一种基于距离-多普勒量测的多站雷达人体跟踪方法。

背景技术

光学相机、激光雷达和红外等常规传感器对光照和温度敏感，在墙体和叶簇等遮蔽环境下不能有效探测目标。雷达具有全天候和全天时工作能力，能够在雨、雪、雾、黑夜和遮蔽环境下探测感兴趣的运动目标。多站雷达与成像雷达相比，具有成本低、硬件系统相对简单和探测范围广等特点。在人体跟踪领域已被广泛运用。但是传统的多站雷达人体跟踪方法在距离像上检测目标，只运用距离量测进行目标定位和跟踪。当多个目标在距离像上存在重叠时，不能准确估计目标数目，会造成目标量测和轨迹缺失。目标瞬时距离-多普勒像提供了目标多普勒维的分辨能力，能够更有效的分辨目标，获得连续的目标运动轨迹。

发明内容

本发明提出一种基于距离-多普勒量测的多站雷达人体跟踪方法。利用瞬时距离-多普勒像进行人体目标检测和量测估计，运用距离和多普勒量测进行目标定位和跟踪。

本发明的基本思路是：首先，对接收的各通道回波进行预处理，计算瞬时距离-多普勒像；然后，基于瞬时距离-多普勒像进行目标检测，运用人体目标在瞬时距离-多普勒像上的扩展特征，进行目标距离-多普勒量测估计；最后，基于距离-多普勒量测，进行目标的定位和跟踪。

本发明的一种基于距离-多普勒量测的多站雷达人体跟踪方法，技术方案包括以下处理步骤：

第一步，对各通道接收的回波进行预处理

(a)各通道接收回波为解线频调处理后的信号，对信号做一维傅里叶变换，去除残余视频相位，得到目标慢时间-距离像；

(b)运用指数平均背景相消法进行杂波抑制，得到杂波抑制后的慢时间-距离像。

第二步，计算瞬时距离-多普勒像

(a)对杂波抑制后，某一时刻特定时间窗内的慢时间-距离像进行Keystone变换，消除目标跨距离单元徙动；

(b)对Keystone变换后的数据，沿慢时间维做傅里叶变换，得到瞬时距离-多普勒像I^k(n,m)，其中，I代表瞬时距离-多普勒像，n＝1，2，…，n为距离维采样，n是I的距离维总采样数，m＝1，2，…，m为多普勒维采样，m是I的多普勒维总采样数，k＝1,2,3为通道标识(考虑一发三收多站雷达人体跟踪)。

第三步，目标检测

运用排序统计恒虚警检测器，对第二步得到的瞬时距离-多普勒像进行目标检测。排序统计恒虚警检测器输出可表示为：

其中，Th表示排序统计恒虚警检测器估计的自适应阀值。将检测到的目标索引添加入候选目标量测集合M^k中，

第四步，量测估计

(a)量测范围收缩

人体跟踪仅需要人体的躯干量测，人体肢体产生的量测可视为杂波。人体肢体在距离-多普勒像上扩展面积通常小于人体躯干，定义一个矩形窗：

其中，(n,m)∈M^k，N_r和N_f分别为人体躯干在距离-多普勒像上的扩展宽度。若：

G(n,m)＜β(N_r+1)(N_f+1) (3)

则以(n,m)为中心的目标扩展较小，可将该目标视为杂波，从M^k删除量测(n,m)。其中，β(0＜β＜1)是一个设定的标量因子。

(b)人体距离-多普勒量测估计

将瞬时距离-多普勒像中人体躯干能量最强点视为量测估计。基于索引集合M^k，在瞬时距离-多普勒像I^k中寻找能量最大值。若I^k(n,m)，(n,m)∈M^k，对应于能量最强点，将索引(n,m)添加入量测估计集合中，并且从M^k中删除属于矩形窗W(n+p,m+q)，的量测。然后搜索下一个量测，直至候选量测集合M^k为空。

第五步，目标定位

融合各通道中所有距离-多普勒量测，将所有满足均方误差条件的位置估计作为目标定位点。

第六步，目标跟踪

将第五步得到的定位点和速度作为目标跟踪系统的输入，运用卡尔曼滤波器，基于最近邻准则，进行多目标跟踪。

本发明的一种基于距离-多普勒量测的多站雷达人体跟踪方法，其有益效果：本发明在瞬时距离-多普勒域检测人体目标，提高了目标分辨能力；同时运用距离-多普勒量测进行目标定位和跟踪，达到人体目标精确跟踪目的。

附图说明

图1为本发明处理流程示意图。

图2为多站雷达人体探测示意图，Tx表示发射站，Rx表示接收站。

图3(a)表示Rx1探测场景的杂波抑制前的慢时间-距离像。

图3(b)表示Rx1探测场景的杂波抑制后的慢时间-距离像。

图4(a)为5s时刻0.5s时间窗内的Keystone变换前的慢时间距离像。

图4(b)为5s时刻0.5s时间窗内的Keystone变换后的慢时间距离像。

图5(a)为5s时刻0.5s时间窗对应的瞬时距离多普勒像。

图5(b)为5s时刻0.5s时间窗对应的排序统计恒虚警检测结果。

图5(c)为5s时刻0.5s时间窗对应的量测范围收缩结果。

图5(d)为5s时刻0.5s时间窗对应的量测估计结果。

图6为定位和跟踪结果。细线为人体预定运动轨迹，圆圈为各时刻人体定位结果，粗线为人体跟踪结果。

具体实施方式

本发明提出的一种基于距离-多普勒量测的多站雷达人体跟踪方法，分为六步，如图1所示。下面结合一个实例对本发明做进一步解释。

探测场景如图2所示，发射站Tx位置为(1,0)，接收站Rx1位置为(-1,1)，接收站Rx2位置为(-4,2)，接收站Rx3位置为(4,2)，实测树丛厚2m，宽9m，高1.8m。两个人在树丛另一侧行走。由于树丛遮蔽，雷达相对人体不可见。

按下面步骤实施：

第一步，回波预处理。

系统发射波形为中心频率为f_c＝800MHz，带宽为B＝150MHz，脉冲宽度为T_p＝100μs，脉冲重复频率为PRF＝1000Hz的线性调频信号。各通道接收信号为解线频调处理后的信号，对信号做一维傅里叶变换，去除残余视频相位，第k个接收站信号可表示为：

其中，f是差频，τ是慢时间，δ_j是散射点j的反射强度，R_j ^k(τ)是散射点j到发射站和接收站的距离和(双站距离)，是扫频率。r处的目标会在处产生一个峰值。将差频f用距离r替代，式(4)可表示为：

接收站k的慢时间距离像用|s^k(r,τ)|表示，图3(a)为接收站Rx1的慢时间-距离像，场景中存在很强的静物杂波和直达波，人体运动轨迹被完全遮盖了。运用指数平均背景相消法对慢时间-距离像进行杂波抑制，杂波抑制后的人体回波信号可表示为：

δ_i表示运动人体散射点i的强度。图3(b)为接收站Rx1杂波抑制后的慢时间-距离像，静物杂波和直达波被有效抑制，人体目标得以凸显。

第二步，计算瞬时距离多普勒。

在一个相干处理间隔(Coherent Processing Interval,CPI)内，目标近似为匀速运动，则瞬时距离可表示为：

其中，R_i ^k(τ)和v_i ^k是接收站k中人体散射点i在τ时刻的初始双站距离和双站速度。T_CPI是一个相干处理间隔。将式(7)带入式(6)，瞬时距离向信号可表示为：

其中，运用Keystone变换消除距离包络中的距离徙动项式(8)可表示为：

图4(a)为5s时刻0.5s时间窗内的瞬时距离像，图4(b)是Keystone变换后的距离像。距离徙动得到了校正。

对式(9)沿慢时间维做傅里叶变换，τ时刻的瞬时距离多普勒像可表示为：

设系统的距离和频率采样分别为Δr和Δf，离散瞬时多普勒像可表示为：

其中，n＝1,2,…,N,m＝1,2…,M,N和M是双站距离和双站多普勒的总采样点数。

图5(a)是5s时刻的瞬时多普勒像。比较图4(b)和图5(a)，目标在距离像上不可分，但在瞬时距离多普勒像上可分。所以，基于瞬时距离多普勒有更好的目标分辨性能。

第三步，目标检测

统计排序恒虚警检测器在多目标时有良好的目标检测性能，它通过选择待检像素周边的数据单元计算自适应阀值，当待检像素能量大于自适应阀值时，判为有目标；否则，判为无目标。

图5(a)的检测结果如图5(b)所示。将检测到有目标的索引添加入候选目标量测集合M^k中。M^k中不仅有人体躯干量测，还有人体肢体量测。人体跟踪只需要躯干量测，肢体量测被视为杂波。

第四步，量测估计。

人体在瞬时距离-多普勒像上存在距离-多普勒扩展，距离-多普勒扩展小的目标可能由杂波或人体肢体产生，这些目标量测被视为杂波量测。根据式(2)和式(3)，可以剔除比正常人体距离-多普勒扩展大小小的目标量测。图5(c)是图5(b)量测范围收缩后的结果，肢体量测被有效剔除。

进一步基于量测收缩后的量测集合，根据人体距离-多普勒量测估计步骤中描述的方法，估计人体距离-多普勒量测。图5(d)中的两个十字图标，即为估计得到的人体距离多普勒量测。

第五步，目标定位。

假设量测集合中的量测数目分别为m₁,m₂和m₃，进行目标定位时，共有m₁×m₂×m₃种不同的组合。目标位置(x,y)可由双站距离量测组合(表示第k个接收站中的第i_k个双站距离量测)，通过泰勒级数定位算法得到。目标估计位置和使用的量测组合的均方误差(Root-Mean-Square Error,RMSE)可由下式计算：

其中，是重新估计的双站距离，(x_t,y_t)是发射站位置，(x_k,y_k)(k＝1,2,3)是接收站位置，是双站速度量测(是接收站k中的第i_k个多普勒量测，是雷达波长)。_xr_am和v_max是预定可容忍的距离和速度误差。双站速度量测v_k是双站距离的偏导：

其中，是目标的运动速度。定义：

由估计的目标位置(x,y)和对应的双站速度量测组合根据式(13)和式(14)，目标速度估计V可由下式计算：

速度V的最小二乘解为V＝(A^TA)^-1A^TD，将V带入式(13)，可得目标重新估计的双站速度v_k。

通过以下最小均方根误差准则，可以确定真实目标位置和速度：

1.计算每个量测组合的RMSE，删除RMSE_r≥r_max和RMSE_v≥v_max的量测组合。

2.对剩余量测组合的RMSE进行排序，最小的RMSE量测组合在列表的最上方，最大的RMSE量测组合在列表最下方。

3.选择列表最上方的量测组合作为真实目标量测，将其计算得到的目标位置和速度作为目标跟踪系统的输入。删除列表中，任何一组包含真实目标量测的组合。

4.重复第3步，直到确认的真实目标个数达到设定值或列表为空。

根据以上步骤，可以得到各时刻目标的位置和速度，图6中的圆圈为各时刻的目标位置估计。

第六步，目标跟踪。

将第五步得到的目标位置和速度作为目标跟踪系统的输入，运用卡尔曼滤波器，根据最近邻准则，进行多目标跟踪。图6中的粗线即为最终的跟踪结果。

图6中细线为预定的人体运动轨迹，跟踪轨迹和预定轨迹的RMSE在0.3m内，满足人体跟踪要求。因此，本发明提出的基于距离多普勒量测的多站跟踪方法，具有比传统只基于距离量测的跟踪方法更稳定的跟踪性能。

以上所述仅是本发明的一种应用实例，本发明中针对的人体目标还可以是汽车、飞机、轮船等其他目标。应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。

Claims (1)

1.一种基于距离-多普勒量测的多站雷达人体跟踪方法，技术方案包括以下处理步骤：

第一步，对各通道接收的回波进行预处理

(a)各通道接收回波为解线频调处理后的信号，对信号做一维傅里叶变换，去除残余视频相位，得到目标慢时间-距离像；

(b)运用指数平均背景相消法进行杂波抑制，得到杂波抑制后的慢时间-距离像；

第二步，计算瞬时距离-多普勒像

(a)对杂波抑制后，某一时刻特定时间窗内的慢时间-距离像进行Keystone变换，消除目标跨距离单元徙动；

(b)对Keystone变换后的数据，沿慢时间维做傅里叶变换，得到瞬时距离-多普勒像I^k(n,m)，其中，I代表瞬时距离-多普勒像，n＝1，2，…，n为距离维采样，n是I的距离维总采样数，m＝1，2，…，m为多普勒维采样，

m是I的多普勒维总采样数，k＝1,2,3为通道标识；

第三步，目标检测

运用排序统计恒虚警检测器，对第二步得到的瞬时距离-多普勒像进行目标检测；排序统计恒虚警检测器输出可表示为：

$I_d^k(n,m)=\left\{\begin{array}{c}1,{\&lsqb;I^k(n,m)\&rsqb;}^2\&GreaterEqual;Th\\ 0,{\&lsqb;I^k(n,m)\&rsqb;}^2<Th\end{array}\right.---\left(1\right)$

其中，Th表示排序统计恒虚警检测器估计的自适应阀值；将检测到的目标索引添加入候选目标量测集合M^k中，

第四步，量测估计

(a)量测范围收缩

人体跟踪仅需要人体的躯干量测，人体肢体产生的量测可视为杂波；人体肢体在距离-多普勒像上扩展面积通常小于人体躯干，定义一个矩形窗：

$G(n,m)=\underset{p=n-\frac{N_r}{2}}{\overset{n+\frac{N_r}{2}}{\mathrm{\&Sigma;}}}\underset{q=m-\frac{N_f}{2}}{\overset{m+\frac{N_f}{2}}{\mathrm{\&Sigma;}}}{I}_d^k(n+p,m+q)---\left(2\right)$

其中，(n,m)∈M^k，N_r和N_f分别为人体躯干在距离-多普勒像上的扩展宽度；若：

G(n,m)＜β(N_r+1)(N_f+1) (3)

则以(n,m)为中心的目标扩展较小，可将该目标视为杂波，从M^k删除量测(n,m)；其中，β(0＜β＜1)是一个设定的标量因子；

(b)人体距离-多普勒量测估计

将瞬时距离-多普勒像中人体躯干能量最强点视为量测估计；基于索引集合M^k，在瞬时距离-多普勒像I^k中寻找能量最大值；若I^k(n,m)，(n,m)∈M^k，对应于能量最强点，将索引(n,m)添加入量测估计集合中，并且从M^k中删除属于矩形窗W(n+p,m+q)， 的量测；然后搜索下一个量测，直至候选量测集合M^k为空；

第五步，目标定位

融合各通道中所有距离-多普勒量测，将所有满足均方误差条件的位置估计作为目标定位点；

第六步，目标跟踪

将第五步得到的定位点和速度作为目标跟踪系统的输入，运用卡尔曼滤波器，基于最近邻准则，进行多目标跟踪。