CN107340517B - 一种多传感器多帧检测前跟踪方法 - Google Patents

一种多传感器多帧检测前跟踪方法 Download PDF

Info

Publication number
CN107340517B
CN107340517B CN201710536822.5A CN201710536822A CN107340517B CN 107340517 B CN107340517 B CN 107340517B CN 201710536822 A CN201710536822 A CN 201710536822A CN 107340517 B CN107340517 B CN 107340517B
Authority
CN
China
Prior art keywords
sensor
state
detection
time
function
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
CN201710536822.5A
Other languages
English (en)
Other versions
CN107340517A (zh
Inventor
易伟
王经鹤
黎明
文鸣
孔令讲
王亚茹
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 CN201710536822.5A priority Critical patent/CN107340517B/zh
Publication of CN107340517A publication Critical patent/CN107340517A/zh
Application granted granted Critical
Publication of CN107340517B publication Critical patent/CN107340517B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

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
    • 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
    • G01S13/72—Radar-tracking systems; Analogous systems for two-dimensional tracking, e.g. combination of angle and range tracking, track-while-scan radar
    • 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Measurement Of Velocity Or Position Using Acoustic Or Ultrasonic Waves (AREA)

Abstract

本发明公开了一种多传感器多帧检测前跟踪方法，属于目标检测领域，特别涉及了多传感器融合和微弱目标检测前跟踪技术领域。在每个检测时刻，融合中心联合处理多传感器提供的多周期数据进行值函数积累，然后对积累后的值函数进行检测，输出目标检测结果。该方法将多传感器融合技术和多帧检测前跟踪技术进行了结合。相比于多传感器融合技术，其在时间维上对目标检测所用数据样本进行了扩展；相比于多帧检测前跟踪技术，其在空间维上对数据进行了扩展，因此该方法能够同时利用目标信号的空‑时二维相关性，大大增加了系统对微弱目标的检测跟踪能力。

Description

一种多传感器多帧检测前跟踪方法
技术领域
本发明属于目标检测领域，特别涉及了多传感器融合和微弱目标检测前跟踪技术领域。
背景技术
多帧联合检测前跟踪算法在单帧内不对目标进行门限检测，而是直接利用批处理方法对多个扫描周期的数据联合处理，通过多周期数据的积累实现目标能量累加和噪声抑制，从而提高目标的检测能力。近年来受到了广泛的关注和研究。该方法的主要特点是在时间维上增加目标检测所用样本数目进而提高检测性能。而多传感器融合则是通过在空间维度增加样本数目标来改善系统性能。通过将空间不同位置分布摆放的多个传感器的回波数据联合处理，多传感器融合能够实现各传感器的信息共享和互补。和传统单传感器数据处理方法相比，性能大大改善。
多传感器多帧检测前跟踪方法将上述两种处理手段有机的结合起来，通过联合处理各个传感器不同观测角度、多个扫描周期的回波数据，能够获得更大的性能增量，进一步提升目标尤其是微弱目标的检测和估计性能。
发明内容
本发明所要解决的技术问题是，提供一种能联合处理多个传感器多个扫描周期回波数据的检测方法。
本发明为解决上述技术问题所采用的技术方案是，一种多传感器多帧检测前跟踪方法，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：系统包含的传感器数目M，各传感器位置Pm，m＝1,…,M，传感器回波数据平面大小Nx×Ny，算法联合处理周期数K；初始化变量k＝1；
步骤2：接收回波数据；
各传感器传递第1至K帧回波数据到融合中心；
步骤3：融合中心积累多传感器多周期数据计算值函数；
步骤3.1：单个周期多传感器联合似然函数计算；
融合中心联合利用M个传感器第k帧的回波数据计算似然函数，对于离散状态空间中的每个状态xk计算：
Figure BDA0001340809930000011
其中，Zk＝{zk,1,…,zk,M}表示k时刻所有传感器回波量测结合，zk,m表示k时刻第m个传感器的回波数据，xk为k时刻状态，p(zk,m|xk)为第m个传感器k时刻回波量测似然函数；
步骤3.2：多周期值函数积累；
如果k＝1，将步骤3.1中计算得到联合似然函数作为值函数赋值给每个离散状态xk；
如果k＞1，对于状态空间中的每个状态xk根据预设的目标运动规律确定其前一个时刻可能的状态转移范围，选择状态转移范围值函数最大的状态作为xk的前一时刻状态估计，并将该状态的值函数与xk的联合似然函数求和作为xk当前时刻值函数；
步骤3.3：迭代处理；
k＝k+1；如果k≤K，返回步骤3.1，否则，执行步骤4；
步骤4：值函数检测；
将K时刻每个离散状态xK的值函数与预先给定的检测门限进行比较，如果值函数超过检测门限，则认为xK是目标；否则，认为xK是噪声；算法终止。
本发明的优点是通过联合处理多个空间中任意分布的传感器提供的多个扫描周期回波数据，将多传感器系统的平台优势与多帧检测前跟踪算法的批处理优势进行结合，能够提高微弱目标的检测概率，有效改善算法性能。本发明可以用于组网雷达协同探测、多基地雷达探测、MIMO雷达检测、阵列声呐等多个领域。
附图说明
图1为本发明的示意图。
图2为本发明所提算法与单传感器单帧检测算法、多传感单帧检测算法以及单传感器多帧联合处理算法在不同信噪比下的检测概率对比图；
图2中多帧联合处理帧数为K＝9，传感器数目为M＝3；从图2中可以看出：首先，随着信噪比的增加本发明所提方法检测概率不断增加；此外，本发明所提算法和单传感器单帧检测算法、多传感器单帧检测算法以及单传感器多帧联合处理算法相比具有更好的检测性能。和多传感器单帧检测算法相比在该仿真条件下，本发明所提算法信噪比改善约为5dB左右。
图3为起伏目标场景下不同观测时刻本发明所提算法与单传感器单帧检测算法、多传感单帧检测算法以及单传感器多帧联合处理算法的检测概率对比图。其中，(a)为待检测目标的不同观测时刻信噪比变化示意图，(b)为起伏目标场景下的检测概率对比图；
图3中多帧联合处理帧数为K＝5，传感器数目为M＝3。从图3中可以看出，在起伏目标场景下，本发明所提算法和单传感器单帧检测算法、多传感器单帧检测算法以及单传感器多帧联合处理算法相比具有更稳定的检测性能，不随目标起伏而变化。
具体实施方式
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上验证确认。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：系统包含的传感器数目M，各传感器位置Pm，m＝1,…,M，传感器回波数据平面大小Nx×Ny，算法联合处理周期数K；初始化变量k＝1。执行步骤2)。
步骤2)接收回波数据
各传感器传递第1至K帧回波数据到融合中心，执行步骤3)。
步骤3)融合中心积累多传感器多周期数据计算值函数
3.1：单个周期多传感器联合似然函数计算
融合中心联合利用M个传感器第k帧的回波数据计算似然函数，对于离散状态空间中的每个状态xk计算：
Figure BDA0001340809930000031
其中，Zk＝{zk,1,…,zk,M}表示k时刻所有传感器回波量测结合，zk,m表示k时刻第m个传感器的回波数据，xk为k时刻状态，p(zk,m|xk)为第m个传感器k时刻回波量测似然函数。
3.2：多周期值函数积累
如果k＝1，将步骤3.1中计算得到联合似然函数作为值函数赋值给每个离散状态xk；
如果k＞1，对于状态空间中的每个状态xk根据预设的目标运动规律确定其前一个时刻可能的状态转移范围，选择状态转移范围值函数最大的状态作为xk的前一时刻状态估计，并将该状态的值函数与xk的联合似然函数求和作为xk当前时刻值函数。
3.3：迭代处理
k＝k+1；如果k≤K，执行步骤3.1，否则，执行步骤4。
步骤4)值函数检测
将K时刻每个离散状态xK的值函数与预先给定的检测门限进行比较，如果值函数超过检测门限，则认为xK是目标；否则，认为xK是噪声。算法终止。

Claims (1)

1.一种多传感器多帧检测前跟踪方法，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：系统包含的传感器数目M，各传感器位置Pm，m＝1,…,M，传感器回波数据平面大小Nx×Ny，算法联合处理周期数K；初始化变量k＝1；
步骤2：接收回波数据；
各传感器传递第1至K帧回波数据到融合中心；
步骤3：融合中心积累多传感器多周期数据计算值函数；
步骤3.1：单个周期多传感器联合似然函数计算；
融合中心联合利用M个传感器第k帧的回波数据计算似然函数，对于离散状态空间中的每个状态xk计算：
Figure FDA0001340809920000011
其中，Zk＝{zk,1,…,zk,M}表示k时刻所有传感器回波量测结合，zk,m表示k时刻第m个传感器的回波数据，xk为k时刻状态，p(zk,m|xk)为第m个传感器k时刻回波量测似然函数；
步骤3.2：多周期值函数积累；
如果k＝1，将步骤3.1中计算得到联合似然函数作为值函数赋值给每个离散状态xk；
如果k＞1，对于状态空间中的每个状态xk根据预设的目标运动规律确定其前一个时刻可能的状态转移范围，选择状态转移范围值函数最大的状态作为xk的前一时刻状态估计，并将该状态的值函数与xk的联合似然函数求和作为xk当前时刻值函数；
步骤3.3：迭代处理；
k＝k+1；如果k≤K，返回步骤3.1，否则，执行步骤4；
步骤4：值函数检测；
将K时刻每个离散状态xK的值函数与预先给定的检测门限进行比较，如果值函数超过检测门限，则认为xK是目标；否则，认为xK是噪声；算法终止。
CN201710536822.5A 2017-07-04 2017-07-04 一种多传感器多帧检测前跟踪方法 Active CN107340517B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201710536822.5A CN107340517B (zh) 2017-07-04 2017-07-04 一种多传感器多帧检测前跟踪方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201710536822.5A CN107340517B (zh) 2017-07-04 2017-07-04 一种多传感器多帧检测前跟踪方法

Publications (2)

Publication Number Publication Date
CN107340517A CN107340517A (zh) 2017-11-10
CN107340517B true CN107340517B (zh) 2021-02-05

Family

ID=60219499

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710536822.5A Active CN107340517B (zh) 2017-07-04 2017-07-04 一种多传感器多帧检测前跟踪方法

Country Status (1)

Country Link
CN (1) CN107340517B (zh)

Families Citing this family (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108333571B (zh) * 2018-02-07 2020-04-21 电子科技大学 一种基于点迹序列融合的多传感器多帧联合检测跟踪方法
CN108519594B (zh) * 2018-03-26 2020-01-21 电子科技大学 一种重频间帧间联合积累的多重频雷达检测前跟踪方法
CN110501006B (zh) * 2019-08-29 2022-05-03 电子科技大学 一种异类传感器联合航迹关联与跟踪方法
CN113341391B (zh) * 2021-06-01 2022-05-10 电子科技大学 基于深度学习的未知环境下雷达目标多帧联合检测方法
CN113408422B (zh) * 2021-06-21 2022-09-09 电子科技大学 一种适用于微弱目标的多帧联合检测跟踪与分类方法

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101441718A (zh) * 2008-12-19 2009-05-27 福建三元达通讯股份有限公司 传感器信息融合装置及其方法
CN102520400A (zh) * 2011-12-16 2012-06-27 河海大学 非高斯杂波环境下的mimo雷达目标检测的仿真方法
US8326088B1 (en) * 2009-05-26 2012-12-04 The United States Of America As Represented By The Secretary Of The Air Force Dynamic image registration
CN104062651A (zh) * 2014-06-30 2014-09-24 电子科技大学 一种基于g0杂波背景及恒定目标幅度的检测前跟踪方法
CN104407345A (zh) * 2014-12-05 2015-03-11 杭州电子科技大学 一种用于弱目标检测跟踪中的改进型动态规划方法
CN104865570A (zh) * 2015-05-11 2015-08-26 电子科技大学 一种快速的动态规划检测前跟踪方法
CN105093186A (zh) * 2015-08-27 2015-11-25 电子科技大学 一种基于异构雷达传感网的多目标融合检测方法
CN106452673A (zh) * 2016-09-30 2017-02-22 中国人民解放军信息工程大学 多传感器接收中基于特征向量的最大似然调制识别方法

Family Cites Families (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20070031058A1 (en) * 2005-06-08 2007-02-08 Canamet Canadian National Medical Technologies Inc. Method and system for blind reconstruction of multi-frame image data
CN104035076B (zh) * 2014-06-30 2017-02-08 电子科技大学 一种多帧检测前跟踪的迭代滤波方法
CN104237853B (zh) * 2014-09-16 2016-09-28 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
CN104656070B (zh) * 2015-03-19 2017-01-25 哈尔滨工业大学 雷达组网下的虚假目标消除方法
CN104793200B (zh) * 2015-04-09 2017-05-10 电子科技大学 一种基于迭代处理的动态规划检测前跟踪方法
CN105137420B (zh) * 2015-09-09 2017-09-26 电子科技大学 一种多帧积累的非相干mimo雷达检测和定位方法
CN105929390B (zh) * 2016-04-18 2018-02-13 电子科技大学 一种多目标检测前跟踪方法
CN106033120B (zh) * 2016-06-29 2018-04-06 电子科技大学 一种多站雷达异步多帧联合检测方法
CN106680806A (zh) * 2016-11-24 2017-05-17 清华大学 一种多雷达点迹融合方法
CN106842165B (zh) * 2017-03-16 2020-02-18 电子科技大学 一种基于不同距离角度分辨率雷达集中式异步融合方法

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101441718A (zh) * 2008-12-19 2009-05-27 福建三元达通讯股份有限公司 传感器信息融合装置及其方法
US8326088B1 (en) * 2009-05-26 2012-12-04 The United States Of America As Represented By The Secretary Of The Air Force Dynamic image registration
CN102520400A (zh) * 2011-12-16 2012-06-27 河海大学 非高斯杂波环境下的mimo雷达目标检测的仿真方法
CN104062651A (zh) * 2014-06-30 2014-09-24 电子科技大学 一种基于g0杂波背景及恒定目标幅度的检测前跟踪方法
CN104407345A (zh) * 2014-12-05 2015-03-11 杭州电子科技大学 一种用于弱目标检测跟踪中的改进型动态规划方法
CN104865570A (zh) * 2015-05-11 2015-08-26 电子科技大学 一种快速的动态规划检测前跟踪方法
CN105093186A (zh) * 2015-08-27 2015-11-25 电子科技大学 一种基于异构雷达传感网的多目标融合检测方法
CN106452673A (zh) * 2016-09-30 2017-02-22 中国人民解放军信息工程大学 多传感器接收中基于特征向量的最大似然调制识别方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
"基于雷达/红外数据融合多目标跟踪滤波算法的研究";陈华志;《中国优秀硕士学位论文全文数据库信息科技辑》;20110715(第7期);I136-719 *
"雷达微弱目标检测前跟踪方法";张鹏;《中国博士学位论文全文数据库信息科技辑》;20160315(第3期);I136-304 *

Also Published As

Publication number Publication date
CN107340517A (zh) 2017-11-10

Similar Documents

Publication Publication Date Title
CN107340517B (zh) 一种多传感器多帧检测前跟踪方法
Davey et al. Using phase to improve track-before-detect
CN107015205B (zh) 一种分布式mimo雷达检测的虚假目标消除方法
CN104076355B (zh) 基于动态规划的强杂波环境中弱小目标检测前跟踪方法
CN112153736A (zh) 一种基于信道状态信息的人员动作识别和位置估计方法
CN110927660B (zh) 一种基于互质阵列的混合信号波达方向估计方法
CN110058222B (zh) 一种基于传感器选择的双层粒子滤波检测前跟踪方法
CN107202989B (zh) 一种适用于被动拖曳线列阵声呐的复杂弱目标检测和跟踪方法
CN106501800B (zh) 基于代价参考粒子滤波的mimo雷达目标检测前跟踪方法
CN108872977B (zh) 基于单通道超宽带雷达的生命体双站协同探测方法
CN105445732B (zh) 在密集杂波条件下利用多径观测的目标航迹初始化方法
CN102135617A (zh) 双基地多输入多输出雷达多目标定位方法
CN107102298B (zh) 基于迭代互耦校正的雷达协方差矩阵重构波束形成方法
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
CN114814775A (zh) 基于ResNet网络的雷达跌倒检测方法及设备
CN107132514A (zh) 改进esprit的双基地mimo雷达角度估算方法
CN101644760A (zh) 一种适用于高分辨阵列的快速鲁棒的信源个数检测方法
CN114386321A (zh) 用于室内定位的aoa和tof联合估计方法、装置及存储介质
KR101958337B1 (ko) 신호의 도래각을 추정하는 방법 및 장치
CN109061556B (zh) 一种基于弹性网络的稀疏迭代波达角估计方法
CN117991190A (zh) 基于动态变换水下弱目标检测前跟踪方法
JP2012220274A (ja) ウェイト算出方法、ウェイト算出装置、アダプティブアレーアンテナ、及びレーダ装置
CN109471078A (zh) 一种基于图像熵的双基地mimo雷达阵元缺损诊断方法
CN105652256B (zh) 一种基于极化信息的高频地波雷达tbd方法
CN106033120B (zh) 一种多站雷达异步多帧联合检测方法

Legal Events

Date Code Title Description
PB01 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