CN108469609B - 一种用于雷达目标跟踪的检测信息滤波方法 - Google Patents

Abstract

本发明公开一种用于雷达目标跟踪的检测信息滤波方法，步骤包括：S1.雷达对目标进行跟踪时，每次从检测返回的目标检测信息中获取待滤波检测信息以及对应的信噪比信息；S2.将获取到的待滤波检测信息进行卡尔曼滤波，当获取到指定个数的检测信息后，转入执行步骤S3；S3.当获取到指定个数的检测信息每次获取连续指定个检测信息，并按照数据值变化趋势将部分数据值进行处理，综合数据处理后得到的各个检测信息以及对应的信噪比信息得到最终检测信息进行卡尔曼滤波，直至完成所有检测信息滤波。本发明具有实现方法简单，能够降低卡尔曼滤波时滤波信号波动造成的影响，滤波效果好且雷达检测精度高等优点。

Description

一种用于雷达目标跟踪的检测信息滤波方法

技术领域

本发明涉及雷达信号处理技术领域，尤其涉及一种用于雷达目标跟踪的检测信息滤波方法。

背景技术

目标跟踪是雷达信号处理中的一项重要组成部分，其是根据雷达前端提供的检测信息对要跟踪的目标建立跟踪轨迹并进行维持。而在目标跟踪过程中，由于实际环境中噪声及其它干扰源的存在，雷达前端提供的检测信息并不能真实的代表目标的实际运动信息，有时甚至偏差巨大，故此时要对检测信息进行滤波，以利用人为建立的滤波算法尽量减少噪声对检测值的影响，使检测值经过滤波之后尽量的贴近目标的真实运动信息。

目前有多种信号滤波方式，如限幅滤波，滑动平均滤波等，卡尔曼滤波由于具有收敛速度快、存储量小和同时适用于平稳随机过程与非平稳随机过程等优点而被广泛应用。卡尔曼滤波算法的主要原理即是根据雷达提供检测信息(包括距离、角度、速度、加速度)对目标的运动状态根据距离等速度乘以时间这一规则进行预测，得到一个预测信息，并将预测信息与下一次的检测信息进行加权求和得到一个估计信息，将此估计信息认定为下一次目标的运动状态。

典型的卡尔曼滤波算法滤波的流程具体为：1)建立系统的状态方程；2.)建立系统的观测方程；3)进行滤波模型初始化；4)对状态一步预测，即根据当前目标位置预测下一刻目标的位置；5)由观测信号计算信息过程，即计算观测信号与状态一步预测值的差值；6)计算一步误差自相关矩阵，以为计算信息过程自相关矩阵做准备；7)计算信息过程的自相关矩阵；8)计算卡尔曼增益，即观测值与预测值的加权系数，对观测值与预测值进行加权，得到最终估计值；9)更新预测误差，重复上述步骤，进行递推滤波计算。

但传统的雷达目标跟踪中使用卡尔曼滤波时，是直接将每次的检测信息输入卡尔曼滤波器中，完成卡尔曼滤波。卡尔曼滤波的递推流程如图1所示，在滤波计算回路中，新息过程α(n)是直接等于雷达观测值z(n)减去滤波算法预测值，即新息过程α(n)的计算需依赖于观测信号z(n)，而在实际应用中，由于噪声的存在和其它干扰的影响，雷达每次返回的观测值z(n)会存在波动，尤其当目标距离雷达较远时，观测值z(n)的波动会更加剧烈，如当距离越远时，信噪比越低，低信噪比会严重影响雷达检测的准确性，当观测值z(n)的波动超出了卡尔曼滤波的承受范围，还会导致滤波结果发散，从而使滤波失去效果，进而影响整个目标跟踪系统。因此亟需提供一种雷达目标跟踪检测滤波方法，以降低使用卡尔曼滤波时观测值波动造成的影响，提高雷达检测精度。

发明内容

本发明要解决的技术问题就在于：针对现有技术存在的技术问题，本发明提供一种实现方法简单，能够降低卡尔曼滤波时滤波信号波动造成的影响，滤波效果好，雷达检测精度高的用于雷达目标跟踪的滤波方法。

为解决上述技术问题，本发明提出的技术方案为：

一种用于雷达目标跟踪的检测信息滤波方法，其特征在于，步骤包括：

S1.雷达对目标进行跟踪时，每次从目标检测返回的信息中获取待滤波检测信息以及对应的信噪比信息；

S2.将获取到的检测信息输入至卡尔曼滤波器中进行卡尔曼滤波，当获取到指定个数的检测信息后，转入执行步骤S3；

S3.每次获取包括当前时刻检测信息的连续指定个检测信息，并按照数据值变化趋势将部分满足预设条件的数据值进行去除处理或减小处理，综合数据处理后得到的各个检测信息以及对应的所述信噪比信息得到最终检测信息，输入至卡尔曼滤波器中进行卡尔曼滤波，直至完成所有检测信息滤波。

作为本发明的进一步改进：所述步骤S3中具体将数据处理后的各个检测信息进行加权，并根据各个检测信息对应的所述信噪比信息确定对应的权重系数，由加权结果得到所述最终检测信息。

作为本发明的进一步改进：所述步骤S3中进行去除处理时，具体获取包括当前时刻检测信息的前N个检测信息并按照数据值大小进行排序，去除排序后的数据中指定个数的最值数据，所述最值数据包括最大值和/或最小值，得到数据处理后各个检测信息。

作为本发明的进一步改进：所述步骤S3中进行去除处理时，所述最终检测信息具体计算步骤为：将前N个检测信息去除掉指定的最值数据后，分别根据各剩余检测信息对应的信噪比信息确定对应的权重系数，根据所述权重系数对各剩余检测信息进行加权，得到所述最终检测信息。

作为本发明的进一步改进：所述根据各剩余检测信息对应的信噪比信息确定对应的权重系数，具体为按照式

计算得到各剩余检测信息对应的权重系数，其中SNR_sum为各剩余检测信息对应的信噪比信息SNR[i]之和。

作为本发明的进一步改进：所述步骤S3中进行减小处理时，具体将获取包括当前时刻检测信息的前N个检测信息并按照数据值大小进行排序，减少排序后的数据中指定的最值数据的大小，所述最值数据包括指定个最大值和/或指定个最小值，得到数据处理后各个检测信息。

作为本发明的进一步改进：所述步骤S3中进行减小处理时，所述最终检测信息的具体计算步骤为：为获取的前N个检测信息中指定的最值数据配置一个较小的第一权重系数、其余检测信息配置一个较大的第二权重系数，并分别根据各检测信息对应的信噪比信息大小为各检测信息确定一个第三权重系数，根据所述第一权重系数、第二权重系数、第三权重系数确定各检测信息的最终权重系数后进行加权，得到所述最终检测信息。

作为本发明的进一步改进：所述最终权重系数确定的具体步骤为：分别获取各检测信息对应的信噪比信息SNR[i]，按照式

计算得到各检测信息对应的第三权重系数a3，其中SNR_sum为各检测信息对应的信噪比信息SNR[i]之和；以

作为待减小角度的最终权重系数、

作为其余角度信息的最终权重系数，其中所有的a1为第一权重系数，a2为第二权重系数，a1<a2，且所有的a1，a2之和为1。

作为本发明的进一步改进：所述步骤S1中具体预先定义用于存储待滤波检测信息的第一数组、用于存储信噪比信息的第二数组，当需要进行检测信息滤波时，分别从所述第一数组、第二数组中取出待滤波检测信息、信噪比信息进行处理。

作为本发明的进一步改进：所述步骤S1中具体每次从目标检测返回的信息中获取角度信息以及对应的角度信噪比信息以进行滤波。

与现有技术相比，本发明的优点在于：

1)本发明用于雷达目标跟踪的检测信息滤波方法，通过在雷达进行目标跟踪时，从返回的目标检测信息中获取检测信息以及对应的信噪比信息，在获取到指定个检测信息后，通过每次滤波时获取连续多个检测信息，先去除或减小部分数据值，可以减小检测不准确值的影响，再基于对应的信噪比综合连续多个检测信息得到最终检测信息输入至卡尔曼滤波器中进行滤波，相比于传统的直接使用每次的检测信息，可以大幅减少噪声和其他干扰对检测值真实性的影响，减少虚警对检测值的影响，保证了卡尔曼滤波的稳定性和跟踪轨迹的平滑性，使得可以在保证雷达检测目标任意移动条件下跟踪准确性的同时，提高跟踪轨迹的平滑性。

2)本发明用于雷达目标跟踪的检测信息滤波方法，进一步通过将各个检测信息进行加权得到最终检测值，由信噪比信息确定权重系数，可以减小检测信息波动的影响，同时基于信噪比加权可以减小低信噪比检测信息的权重，提高较高信噪比检测信息的权重，从而有效减少虚警对检测值的影响。

附图说明

图1是卡尔曼滤波的递推流程示意图。

图2是本实施例用于雷达目标跟踪的检测信息滤波方法的实现流程示意图。

图3是具体实施例中得到的滤波效果对比结果示意图。

图4是具体实施例中得到的目标X轴均方根位置误差对比结果示意图。

图5是具体实施例中得到的目标Y轴均方根位置误差对比结果示意图。

具体实施方式

以下结合说明书附图和具体优选的实施例对本发明作进一步描述，但并不因此而限制本发明的保护范围。

如图2所示，本实施例用于雷达目标跟踪的检测信息滤波方法，步骤包括：

S1.雷达对目标进行跟踪时，每次从目标检测返回的信息中获取待滤波检测信息以及对应的信噪比信息；

S2.将获取到的检测信息输入至卡尔曼滤波器中进行卡尔曼滤波，当获取到指定个数的检测信息后，转入执行步骤S3；

S3.每次获取包括当前时刻检测信息的连续指定个检测信息，并按照数据值变化趋势将部分满足预设条件的数据值进行去除处理或减小处理，综合数据处理后得到的各个检测信息以及对应的信噪比信息得到最终检测信息，输入至卡尔曼滤波器中进行卡尔曼滤波，直至完成所有检测信息滤波。

雷达每次进行目标检测会返回测量目标的距离、角度、速度、角度信噪比等信息，对检测信息处理前需对检测信息进行滤波处理。考虑到由于相邻检测帧数之间时间间隔短，目标变化幅度较小，所以变化剧烈的检测值大概率属于检测不准确，且低信噪比会严重影响雷达检测的准确性，本实施例在雷达进行目标跟踪时，尤其是轨迹维持阶段，从返回的目标检测信息中获取待滤波检测信息(如角度)，以及对应的信噪比信息(如角度信噪比信息)，在获取到指定个检测信息后，通过每次滤波时获取连续多个检测信息，先是去除或减小部分数据值，再由处理后的各个检测信息基于对应的信噪比计算最终检测信息输入至卡尔曼滤波器中进行滤波，实现对检测信息的卡尔曼滤波。

本实施例通过上述方法，可以减小检测不准确值的影响，同时由于真实目标的检测信噪比大于虚警目标是大概率事件，基于信噪比综合连续多个检测值确定最终检测信息可以有效减少虚警对检测值的影响，相比于传统的直接对检测信息进行卡尔曼滤波，能够在卡尔曼滤波之前，大幅减少噪声和其他干扰对检测值真实性的影响，保证了卡尔曼滤波的稳定性和跟踪轨迹的平滑性，使得可以在保证雷达检测目标任意移动条件下跟踪准确性的同时，提高跟踪轨迹的平滑性。

本实施例中，步骤S1中具体预先定义用于存储待滤波检测信息的第一数组、用于存储信噪比信息的第二数组，当需要进行检测信息滤波时，分别从第一数组、第二数组中取出待滤波检测信息、信噪比信息进行处理，通过定义数组存储数据，可以便于快速的存取滤波数据。如对角度信息进行滤波时，雷达每次检测返回目标的距离、速度、角度、角度信噪等信息后，将检测角度存放在数组Angle[i]中，对应的角度信噪比存放在Angle_SNR[i],后续需执行滤波时，从数组Angle[i]获取各角度信息，以及从数组Angle_SNR[i]获取对应的角度信噪比信息。

当雷达前期获取的检测信息量较小时，数据波动较小，本实施例步骤S2对获取的第一个检测信息至前指定个数N的检测信息不进行处理，直接输出至卡尔曼滤波器中进行滤波，当获取到第N个检测信息时，转入步骤S3以确定每次滤波的最终检测信息，其中N可根据具体需求进行配置。

本实施例中，步骤S3中具体将数据处理后的各个检测信息进行加权，并根据各个检测信息对应的信噪比信息确定对应的权重系数，由加权结果得到最终检测信息。如上述，真实目标的检测信噪比大于虚警目标是大概率事件，由信噪比确定权重系数进行连续多个检测值的加权，相比于直接使用检测信息进行滤波，可以减小检测信息波动的影响，同时基于信噪比加权可以减小低信噪比检测信息的权重，提高较高信噪比检测信息的权重，从而有效减少虚警对检测值的影响。

本实施例步骤S3每次确定最终检测信息时，可以使用去除数据处理/减小数据处理两种方式：

第一种：去除数据处理方式

该类方式中，先获取包括当前时刻检测信息的前N个检测信息并按照数据值大小进行排序，去除排序后的数据中指定个数的最值数据，可以为去除最大的m个值或最小的n个值，也可以将指定个数的最大值和最小值均去除，如可设定为直接去除N个检测信息中的最大值/最小值，或最大的两个值、最小的两个值，去除处理后得到数据处理后各个检测信息。由于相邻检测帧数之间时间间隔短，目标变化幅度较小，连续多个检测信息中最大值、最小值较大概率属于检测不准确的数据，通过去除最大值、最小值的方式，实现简单，可以减小不准确检测数据对检测的影响，提高检测的准确性。

将前N个检测信息去除掉指定的最值数据后，再分别根据各剩余检测信息对应的信噪比信息确定对应的权重系数，根据权重系数对各剩余检测信息进行加权，得到最终检测信息。

各权重系数具体可按照各检测信息对应的信噪比占总信噪比之和的比重确定，即按照式

计算得到各剩余检测信息对应的权重系数，其中SNR_sum为各剩余检测信息对应的信噪比信息SNR[i]之和。

第二种：减小数据处理方式

该类方式与第一种的区别在于不直接去除最值数据，而是减小最值数据所占的比重，具体先获取包括当前时刻检测信息的前N个检测信息并按照数据值大小进行排序，减少排序后的数据中指定的最值数据的大小，得到数据处理后各个检测信息。通过减小最值数据方式，可以保留所有检测信息，同时减小检测不准确数据对检测的影响。

将前N个检测信息去除掉指定的最值数据后，为前N个检测信息中指定的最值数据配置一个较小的第一权重系数、其余检测信息配置一个较大的第二权重系数，以减小大概率为检测不准确数据的比重，并分别根据各检测信息对应的信噪比信息大小为各检测信息确定一个第三权重系数，根据第一权重系数、第二权重系数、第三权重系数对各检测信息进行加权，得到最终检测信息。

第三权重系数具体可按照各检测信息对应的信噪比占总信噪比之和的比重确定，分别获取各检测信息对应的信噪比信息SNR[i]，按照式

计算得到各检测信息对应的第三权重系数a3，其中SNR_sum为各检测信息对应的信噪比信息SNR[i]之和；以

作为待减小角度的最终权重系数、

作为其余角度信息的最终权重系数，其中所有的a1为第一权重系数，a2为第二权重系数，a1<a2，且所有的a1，a2之和为1。

以下以具体实施例中对雷达检测角度信息进行滤波为例对本发明进行进一步说明，详细步骤为：

步骤1：每当雷达每次检测会返回目标的距离、速度、角度、角度信噪比信息时，从目标检测返回的信息中获取角度信息存放在数组Angle[i]中，以及对应的角度信噪比信息存放在Angle_SNR[i]，则Angle[i]代表第i(i＝1,2,…)次检测的目标角度值，Angle_SNR[i]代表第i次检测的目标角度值的信噪比。

步骤2:取N＝16，从第一次检测到第15次检测时不进行数据处理，直接将检测到的角度信息输入卡尔曼滤波器中。

步骤3:当检测到第16次时，将Angle[1]至Angle[16]进行大小排序，之后可按照以下两种方式进行数据处理以减小最大值最小值所占比重：

第一种处理方式：

直接去掉最大值及最小值，之后将剩下的14个角度值进行信噪比加权，首先对剩下的14个角度对应的信噪比进行求和：

再按照下式(2)进行加权，得到第16次检测的最终角度值为：

第二种处理方式：

加权时所有角度乘以一个小于1且大于0的系数，且所有系数加起来和为1，最大最小角度值所乘的系数比其他角度值乘的系数小，最大最小角度采用相同系数a1,其他14个角度采用相同的系数a2，二者满足如下条件：

2*a1+14*a2＝1 (3)

再对16个角度对应的信噪比进行求和：

然后按照式(5)进行对16个角度进行加权，得到第16次的最终角度值为：

第17次滤波时，获取Angle[2]至Angle[17]并进行大小排序，按照上述相同原理计算得到，第17次的最终角度值Angle_final[17]，之后每次滤波按照上述相同原理计算每次滤波的最终角度值，将每次获得的最终角度值Angle_final[i]输入卡尔曼滤波器中进行滤波，完成滤波过程。

本实施例通过在检测到N次后，每次获取前N次检测角度并去除或减小角度中最大值最小值的比重，之后将检测角度Angle[i]与对应的信噪比进行加权求和作为最终的角度值进行卡尔曼滤波，相比传统的卡尔曼滤波是直接将每次的检测角度Angle[i]输入卡尔曼滤波器中，可以大幅减少噪声和其他干扰对检测值真实性的影响，保证了卡尔曼滤波的稳定性和跟踪轨迹的平滑性。

为验证本发明的有效性，分别使用传统卡尔曼滤波以及本发明上述基于角度信噪比加权的滤波方法对雷达行人直线行走跟踪时检测信息滤波性能进行了的仿真试验对比，测试结果如图3、4、5所示，其中图3为针对行人直线行走的滤波效果对比图，图4为目标X轴均方根位置误差，图5为目标Y轴均方根位置误差，为了保证卡尔曼滤波对目标转弯的跟踪性能，仿真参数设置为：状态噪声矩阵

观测噪声矩阵

从仿真对比图可以看出，相比于传统的卡尔曼滤波算法，本发明滤波方法可以更真实的还原目标的运动轨迹，有效的减少轨迹的波动性，且在远处效果尤其明显。

结合如图4、5的X方向与Y方向的位置误差对比图可以看出，采用本发明上述滤波方法，相比传统的卡尔曼滤波位置误差更小，即本发明的滤波方法可以有效改善传统卡尔曼滤波的跟踪效果，提供更小误差，更稳定轨迹的跟踪，可以在保证目标任意移动条件下跟踪准确性的同时，有效提升了卡尔曼滤波的稳定性和跟踪轨迹的平滑性。

上述只是本发明的较佳实施例，并非对本发明作任何形式上的限制。虽然本发明已以较佳实施例揭露如上，然而并非用以限定本发明。因此，凡是未脱离本发明技术方案的内容，依据本发明技术实质对以上实施例所做的任何简单修改、等同变化及修饰，均应落在本发明技术方案保护的范围内。

Claims (9)

1.一种用于雷达目标跟踪的检测信息滤波方法，其特征在于，步骤包括：

S1.雷达对目标进行跟踪时，每次从目标检测返回的信息中获取待滤波检测信息以及对应的信噪比信息；

S2.将获取到的检测信息输入至卡尔曼滤波器中进行卡尔曼滤波，当获取到指定个数的检测信息后，转入执行步骤S3；

S3.每次获取包括当前时刻检测信息的连续指定个检测信息，并按照数据值变化趋势将部分满足预设条件的数据值进行去除处理或减小处理，综合数据处理后得到的各个检测信息以及对应的所述信噪比信息得到最终检测信息，输入至卡尔曼滤波器中进行卡尔曼滤波，直至完成所有检测信息滤波；

所述步骤S3中具体将数据处理后的各个检测信息进行加权，并根据各个检测信息对应的所述信噪比信息确定对应的权重系数，由加权结果得到所述最终检测信息。

2.根据权利要求1所述的用于雷达目标跟踪的检测信息滤波方法，其特征在于：所述步骤S3中进行去除处理时，具体获取包括当前时刻检测信息的前N个检测信息并按照数据值大小进行排序，去除排序后的数据中指定个数的最值数据，所述最值数据包括最大值和/或最小值，得到数据处理后各个检测信息。

3.根据权利要求2所述的用于雷达目标跟踪的检测信息滤波方法，其特征在于：所述步骤S3中进行去除处理时，所述最终检测信息具体计算步骤为：将前N个检测信息去除掉指定的最值数据后，分别根据各剩余检测信息对应的信噪比信息确定对应的权重系数，根据所述权重系数对各剩余检测信息进行加权，得到所述最终检测信息。

4.根据权利要求3所述的用于雷达目标跟踪的检测信息滤波方法，其特征在于：所述根据各剩余检测信息对应的信噪比信息确定对应的权重系数，具体为按照式

计算得到各剩余检测信息对应的权重系数，其中SNR_sum为各剩余检测信息对应的信噪比信息SNR[i]之和。

5.根据权利要求1～4中任意一项所述的用于雷达目标跟踪的检测信息滤波方法，其特征在于，所述步骤S3中进行减小处理时，具体将获取包括当前时刻检测信息的前N个检测信息并按照数据值大小进行排序，减少排序后的数据中指定的最值数据的大小，所述最值数据包括指定个最大值和/或指定个最小值，得到数据处理后各个检测信息。

6.根据权利要求5所述的用于雷达目标跟踪的检测信息滤波方法，其特征在于：所述步骤S3中进行减小处理时，所述最终检测信息的具体计算步骤为：为获取的前N个检测信息中指定的最值数据配置一个较小的第一权重系数、其余检测信息配置一个较大的第二权重系数，并分别根据各检测信息对应的信噪比信息大小为各检测信息确定一个第三权重系数，根据所述第一权重系数、第二权重系数、第三权重系数确定各检测信息的最终权重系数后进行加权，得到所述最终检测信息。

7.根据权利要求6所述的用于雷达目标跟踪的检测信息滤波方法，其特征在于：所述最终权重系数确定的具体步骤为：分别获取各检测信息对应的信噪比信息SNR[i]，按照式

计算得到各检测信息对应的第三权重系数a3，其中SNR_sum为各检测信息对应的信噪比信息SNR[i]之和；以

作为待减小角度的最终权重系数、

作为其余角度信息的最终权重系数，其中所有的a1为第一权重系数，a2为第二权重系数，a1<a2，且所有的a1，a2之和为1。

8.根据权利要求1～4中任意一项所述的用于雷达目标跟踪的检测信息滤波方法，其特征在于：所述步骤S1中具体预先定义用于存储待滤波检测信息的第一数组、用于存储信噪比信息的第二数组，当需要进行检测信息滤波时，分别从所述第一数组、第二数组中取出待滤波检测信息、信噪比信息进行处理。

9.根据权利要求1～4中任意一项所述的用于雷达目标跟踪的检测信息滤波方法，其特征在于：所述步骤S1中具体每次从目标检测返回的信息中获取角度信息以及对应的角度信噪比信息以进行滤波。

Images