CN108519594A - 一种重频间帧间联合积累的多重频雷达检测前跟踪方法 - Google Patents
一种重频间帧间联合积累的多重频雷达检测前跟踪方法 Download PDFInfo
- Publication number
- CN108519594A CN108519594A CN201810250186.4A CN201810250186A CN108519594A CN 108519594 A CN108519594 A CN 108519594A CN 201810250186 A CN201810250186 A CN 201810250186A CN 108519594 A CN108519594 A CN 108519594A
- Authority
- CN
- China
- Prior art keywords
- repetition
- frame
- state
- accumulation
- radar
- 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.)
- Granted
Links
- 238000009825 accumulation Methods 0.000 title claims abstract description 61
- 238000001514 detection method Methods 0.000 title claims abstract description 41
- 238000000034 method Methods 0.000 claims abstract description 33
- 238000013139 quantization Methods 0.000 claims description 25
- 238000012545 processing Methods 0.000 claims description 14
- 230000008569 process Effects 0.000 claims description 12
- 238000012546 transfer Methods 0.000 claims description 12
- 230000001186 cumulative effect Effects 0.000 claims description 9
- 230000003416 augmentation Effects 0.000 claims description 4
- 238000004364 calculation method Methods 0.000 claims description 3
- 239000011159 matrix material Substances 0.000 claims description 3
- 230000017105 transposition Effects 0.000 claims description 3
- 206010027476 Metastases Diseases 0.000 claims description 2
- 230000009401 metastasis Effects 0.000 claims description 2
- 239000000523 sample Substances 0.000 claims 1
- 238000005259 measurement Methods 0.000 abstract description 7
- 238000012217 deletion Methods 0.000 abstract description 3
- 230000037430 deletion Effects 0.000 abstract description 3
- 238000007796 conventional method Methods 0.000 abstract description 2
- 238000004422 calculation algorithm Methods 0.000 description 12
- 238000005516 engineering process Methods 0.000 description 3
- 238000007689 inspection Methods 0.000 description 3
- 238000012360 testing method Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 230000009466 transformation Effects 0.000 description 2
- 230000007704 transition Effects 0.000 description 2
- 238000007476 Maximum Likelihood Methods 0.000 description 1
- 238000000342 Monte Carlo simulation Methods 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 210000001367 artery Anatomy 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- JEIPFZHSYJVQDO-UHFFFAOYSA-N ferric oxide Chemical compound O=[Fe]O[Fe]=O JEIPFZHSYJVQDO-UHFFFAOYSA-N 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 239000002245 particle Substances 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000009897 systematic effect Effects 0.000 description 1
- 210000003462 vein Anatomy 0.000 description 1
- 230000003313 weakening effect Effects 0.000 description 1
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
- G01S13/723—Radar-tracking systems; Analogous systems for two-dimensional tracking, e.g. combination of angle and range tracking, track-while-scan radar by using numerical data
- G01S13/726—Multiple target tracking
-
- 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
- G01S7/28—Details of pulse systems
- G01S7/285—Receivers
- G01S7/292—Extracting wanted echo-signals
- G01S7/2923—Extracting wanted echo-signals based on data belonging to a number of consecutive radar periods
- G01S7/2928—Random or non-synchronous interference pulse cancellers
Abstract
本发明公开一种重频间帧间联合积累的多重频雷达检测前跟踪方法,应用于雷达目标检测与跟踪技术领域,针对传统方法无法直接在多高重频雷达模糊量测空间下进行目标跟踪以及重频闪烁时目标丢失问题;本发明联合多重频多帧数据进行积累,充分利用所有回波数据信息,在积累的同时完成对模糊因子的求解,之后再结合提出的镜像模糊航迹删除策略直接输出目标真实航迹;有效解决了多高重频雷达在实际应用中,无法直接对距离模糊量测空间进行跟踪,以及不能有效利用所有重频间帧间的目标回波能量,进而导致目标航迹错乱、丢失的问题。
Description
技术领域
本发明属于雷达目标检测与跟踪技术领域,特别涉及多高重频雷达体制下的对模糊空间边跟踪边解模糊的帧内多重频间、多帧间联合积累目标检测前跟踪技术。
背景技术
脉冲多普勒雷达在对目标进行跟踪时,常需要提高脉冲重复频率来扩大速度搜索范围,获得较大无杂波区,而且脉冲重复频率的提高还会增加积累的脉冲数,提高雷达系统的威力探测范围。总之,多高重频脉冲多普勒雷达不管在民用和军事领域都有广阔的发展空间。但是当雷达系统工作在高重频模式时,一个发射脉冲产生的回波可能要经过多个脉冲重复周期后才被收到,使得收发脉冲关系不是一一对应,即产生距离模糊,其次为了避免距离遮挡,常选用多重重复频率交替工作的方式,因此多高重频雷达常需要面对模糊量测空间下目标跟踪和探测等问题。传统的分阶段解模糊和跟踪过程,即先数字采样解模糊(余数定理、查表法等),再用传统跟踪算法进行跟踪的过程都没有考虑重频间帧间目标的相关性,往往在解模糊的过程中造成目标丢失,严重降低多高重频雷达对微弱目标的检测跟踪性能,削弱雷达系统的威力推远范围。
检测前跟踪技术是一种能够对微弱目标信号进行检测和跟踪的技术。与传统检测方法最大的区别在于,检测前跟踪技术并不在单帧内对数据进行门限判决检测,而是通过对目标回波中的多帧数据进行联合积累。通过增加时间这一维度,来联合对比多帧数据,利用目标与杂波、噪声之间的差异性,分离出真实目标回波,有效地避免了单帧回波数据检测因处理信息有限而造成的目标丢失,因此可以用于检测微弱目标信号。常见的微弱目标检测前跟踪算法有基于动态规划的检测前跟踪算法、最大似然概率数据融合算法、霍夫变换检测前跟踪算法、基于粒子滤波的检测前跟踪算法、基于随机集理论的检测前跟踪算法等。以上的算法模型都只针对非模糊的量测空间,不能直接用于高重频雷达体制下模糊平面的检测前跟踪。文献中"A modified DPA for weak target detection via HPRF radar,inProceedings of 2011IEEE CIE International Conference on Radar,2011,pp.1737-1740"考虑了高重频距离模糊问题,利用目标初始状态信息对目标后续状态进行估计并进行航迹模糊跳变判决,再根据判决结果选择动态规划搜索策略,进而得到最优的目标试验航迹;但其只针对单一重频下的距离模糊问题,另一方面由于该方法过于依赖初始信息和目标模型,而实际中模糊距离存在一定测量误差,该方法容易出现模型失配、跟踪错乱等问题。文献中"A novel RHT-TBD approach for weak targets in HPRF radar,"ScienceChina Information Sciences,vol.59,p.122304,2016/04/22 2016."给出了高重频距离模糊空间下的处理方法,即先把模糊空间映射到多假设距离空间,然后再用随机Hough变换TBD从多个重频中提取真实目标轨迹片段,之后再用数据互联算法输出完整的目标轨迹。该方法主要针对帧间多重频,没有有效利用帧内目标回波的相关性。另一方面该方法通过随机Hough变换来实现批处理积累,如果积累的帧数较少,则门限检测后保留下来的虚假航迹片段较多,如果积累的帧数较多,则由于目标回波的波动性以及自身的机动性常导致不能有效积累目标能量,从而导致目标丢失,因此上述方法都没能真正有效解决多高重频雷达体制下微弱目标探测问题。
发明内容
为解决传统方法无法直接在多高重频雷达模糊量测空间下进行目标跟踪以及重频闪烁时目标丢失问题;本发明提出一种重频间帧间联合累积的多重频雷达检测前跟踪方法,实现了同时解模糊与跟踪过程,在积累的同时完成对模糊因子的求解,之后再结合提出的镜像模糊航迹删除策略直接输出目标真实航迹。
本发明采用的技术方案为:一种重频间帧间联合累积的多重频雷达检测前跟踪方法,包括:
S1、将雷达各重频下扫描得到的回波数据以雷达最远探测距离进行距离维扩展;
S2、在增广量测空间中先进行帧内多重频积累,接着再进行帧间积累;
S3、结合检测准则选出值函数最大的运动目标轨迹;
S4、删除同一目标由于距离维扩展产生的镜像模糊短航迹;
S5、输出无模糊目标跟踪轨迹。
进一步地,步骤S1所述距离维扩展计算公式为:
其中,表示第k帧第i个重频接收到的量测数据,Mi表示第i个重频下雷达最大探测距离对应的模糊因子,(·)′为矩阵转置运算,N表示每帧包含的重频个数,1≤k≤K,K表示一次滑窗批处理的总积累帧数。
进一步地,步骤S2具体包括以下分步骤:
S21、对于第1个重频,若当前帧为第1帧,则根据各个量化状态对应的第1帧中的第1个重频回波数据进行各个量化状态的值函数初始化,并执行步骤S23的帧内多重频积累过程;否则执行步骤S22的帧间积累过程;
S22、帧间积累过程,具体为:更新某量化状态的值函数为当前帧第1个重频下状态的权值与该状态前一帧可能转移状态集合内置信度最大状态对应的多重频积累后的值函数的和;然后执行步骤S23;
S23、帧内多重频积累,具体为:更新某量化状态的值函数为当前帧不同重频间物理上允许的可能转移序列所对应各状态值函数之和;
S24、若已完成一次滑窗批处理的所有帧积累则结束;否则返回步骤S21处理下一帧。
更进一步地,所述步骤S22根据下式进行帧间积累:
其中,表示第k帧第1重频的量化状态,1≤k≤K,N表示每帧包含的重频个数,表示第k-1帧第N重频的量化状态,为不模糊距离下的状态空间,H1表示目标存在,H0表示目标不存在,表示在假设H1下量测值的似然函数,表示假设H0下的似然函数,表示状态的值函数,表示状态的值函数,ψ(k,i)表示各帧之间、各重频之间目标状态的转移关系函数;表示在帧与帧之间,目标从第k-1帧的第N重频转移到第k帧状态的所有可能的状态转移集合。更进一步地,所述步骤S23根据下式进行帧内多重频积累:
其中,1≤k≤K,N表示每帧包含的重频个数,表示第k帧第i重频的量化状态,表示第k帧第i-1个重频的量化状态,表示第k帧内不同重频间物理上允许的可能转移到状态的集合;表示状态的值函数;表示状态的值函数,H1表示目标存在,H0表示目标不存在,表示在假设H1下量测值的似然函数,表示假设H0下的似然函数,ψ(k,i)表示各帧之间、各重频之间目标状态的转移关系函数,即储存可能转移到第k,1≤k≤K帧第i,1≤i≤N个重频状态下的前一个状态。
进一步地,步骤S4具体包括以下分步骤:
S41、对于帧内多重频间、多帧间积累批处理后的值函数进行门限检测,超过检测门限的值函数状态集合记为Ω,若集合Ω为空,则宣布目标不存在;否则执行步骤S42;
S42、采用状态转移函数恢复出集合Ω对应的航迹序列Γ;
S43、根据最大值函数对应的航迹序列,计算得到镜像模糊航迹集合;
S44、从序列Γ中删除与镜像模糊航迹集合共用的若干个状态的镜像模糊轨迹,最终得到不模糊的真实目标轨迹序列。
本发明的有益效果:一种重频间帧间联合积累的多重频雷达监测前跟踪方法,先将雷达各重频下扫描得到的回波数据以雷达最远探测距离进行距离维扩展,在增广量测空间中先进行帧内多重频积累,接着再进行帧间积累,多重频多帧联合积累后的值函数有效利用了雷达接收到的所有回波能量,使积累后目标值函数明显高于周围的噪声,之后再结合检测准则选出值函数最大的运动目标轨迹,删除同一目标由于距离维扩展产生的镜像模糊短航迹,最终输出无模糊目标跟踪轨迹;本发明的方法有效解决了多高重频雷达在实际应用中,无法直接对距离模糊量测空间进行跟踪,以及不能有效利用所有帧内多重频间、帧间的目标回波能量,进而导致目标航迹错乱、丢失的问题,是一种理论最优的算法。
附图说明
图1为本发明实施例提供的方案框图;
图2为本发明实施例提供的方法流程图;
图3为本发明实施例提供的现有的分步进行解模糊和跟踪的方法中各重频下观测到的目标运动轨迹和真实目标轨迹;
其中,图3(a)为目标在重频1下的运动轨迹;图3(b)为目标在重频2下的运动轨迹;图3(c)为目标在重频3下的运动轨迹;图3(d)为真实目标运动轨迹;
图4为本发明实施例提供的算法仿真结果;
其中,图4(a)为多重频多帧积累后的值函数;图4(b)门限检测结果;如4(c)为镜像航迹删除后的最终输出结果。
具体实施方式
为便于本领域技术人员理解本发明的技术内容,对以下属于进行解释:
术语1:迭代积累
重复进行多重频多周期积累过程,每一次积累的结果作为下一次积累的初始值。
术语2:重频闪烁
由于目标散射的不确定性,导致某时刻某些重频下目标不可见(目标回波较弱)。
术语3:多高重频雷达
指雷达脉冲重复频率,即在同一圈扫描中交替使用多个高脉冲重复频率进行目标探测。
术语4:多重频多帧联合积累
指按雷达接收到回波的时间先后顺序进行滑窗批处理积累。扫描一圈即一帧回波数据,每帧都包含N个重频。第一帧按扫描时间顺序对重频1,2,…,N进行积累,当接收到第二帧数据以后,用第一帧多重频积累的值函数与第二帧重频1进行帧间积累,后续再与第二帧的重频2,…,N进行重频间积累,以此类推。
为了验证该方法对微弱目标探测的有益效果,直接仿真某时刻部分重频下目标不可见的情况。初始化系统参数:雷达最大探测距离Rmax=2000;雷达重频个数N=3;各重频之比PRF1:PRF2…PRFN=401:431:457;各重频下的最大不模糊距离Ru1=401,Ru2=431,Ru3=457;一次滑窗批处理的总积累帧数K=6;雷达在各个重频下距离维分辨单元个数雷达在最大探测距离下距离维分辨单元个数为Nmax=2000;雷达方位维分辨单元个数Naz=50;利用蒙特卡洛仿真实验计算出检测门限VT=36.3250;当前帧数k=1。
实际中对于多帧积累值函数的选择通常包括:基于目标幅度的值函数、基于后验概率密度函数的值函数、基于背景统计先验信息的改进值函数(即上面的介绍的对数似然比值函数)等。对于已知背景噪声先验信息的条件下,基于对数似然比值函数性能最好,后续的仿真中为了简化理论模型中的值函数积累,直接用接收到回波能量作为积累的值函数来替换对数似然比值函数
如图1所示,本发明采用的技术方案为:一种重频间帧间联合累积的多重频雷达检测前跟踪方法,包括:
S1、将雷达各重频下扫描得到的回波数据以雷达最远探测距离进行距离维扩展;
从雷达接收机读取第k帧量测第k帧第i个重频接收到的量测数据为 其中,i表示重频编号,m表示距离单元编号,表示第i个重频下的距离维分辨单元总数,Naz表示方位维分辨单元总数,表示第k帧第i个重频距离单元编号m与方位单元编号n对应量测数据的幅度值;
对各重频下接收到的回波的数据进行扩展,计算式为:
其中,表示第k帧第i个重频接收到的量测数据,Mi表示第i个重频下雷达最大探测距离对应的模糊因子,(·)′为矩阵转置运算。
S2、在增广量测空间中先进行帧内多重频积累,接着再进行帧间积累;如图2所示,步骤S2具体包括以下分步骤:
S21、对于第一个重频,即i=1,若当前帧为第一帧,即k=1,则根据各个量化状态对应的第一帧中的第1个重频回波数据进行各个量化状态的值函数初始化,即 然后执行步骤S23的帧内多重频积累过程;否则执行步骤S22的帧间积累过程;
S22、帧间积累过程,具体为:更新某量化状态的值函数为当前帧第1个重频下状态的权值与该状态前一帧可能转移状态集合内置信度最大状态对应的多重频积累后的值函数的和;
根据下式进行帧间积累:
其中,表示第k帧第1重频的量化状态,表示第k-1帧第N重频的量化状态,为不模糊距离下的状态空间,表示距离向上的位置,表示距离向的速度,表示方位向的位置,表示方位向的速度;表示状态对应的幅度值;S表示状态的值函数;表示各帧之间、各重频之间目标状态的转移关系函数,即储存可能转移到第k帧第1个重频状态下前一个状态;表示在帧与帧之间,目标从第k-1帧的第N重频转移到第k帧状态的所有可能的状态转移集合。
S23、帧内多重频积累,具体为:更新某量化状态的值函数为当前帧内不同重频间物理上允许的可能转移到该状态的集合内的值函数之和;
令i=i+1,根据下式进行帧内多重频积累:
其中,表示第k帧第i重频的任一量化状态,表示第k帧第i-1重频的任一量化状态,表示第k帧内不同重频间物理上允许的可能转移到状态的集合;表示状态的值函数;表示状态的值函数;表示状态对应的幅度值;表示各帧之间、各重频之间目标状态的转移关系函数,即储存可能转移到第k帧第i个重频状态下的前一个状态。若i<N,则重复步骤S23,否则执行步骤S24。
S24、执行k=k+1,若k≤K则执行步骤S21,否则表示已完成一次滑窗批处理。
S3、结合检测准则选出值函数最大的运动目标轨迹;
由于镜像模糊航迹的存在,导致多重频多帧积累后超过门限VT的目标有很多,把这些值函数所对应的状态记为集合若集合Ω为空,则宣布目标不存在。
对于超过检测门限的值函数状态集合Ω,利用状态转移函数Ψ恢复出对应的航迹序列Γ={x1:K=ψ(xK)|xK∈Ω}。对应最大值函数状态的轨迹序列为:
S4、删除同一目标由于距离维扩展产生的镜像模糊短航迹;
在多重频多帧积累后真实目标航迹的值函数总会高于周围的镜像模糊短航迹的值函数。因此首先挑选出最大值函数对应的轨迹序列假设第k时刻的状态表示为由该轨迹序列生成不同重频下对应不同模糊因子的镜像轨迹序列
从集合Γ中删除与共用L个状态的镜像模糊轨迹。
步骤S4的具体处理过程如下:
进一步地,步骤S4具体包括以下分步骤:
S41、对于帧内多重频间、多帧间积累批处理后的值函数进行门限检测VT,超过检测门限的集合记为若集合Ω为空,则宣布目标不存在。
其中,K表示总的帧数,N表示每帧包含的重频个数,表示第k帧第N重频的量化状态,表示状态的值函数;
S42、对于超过检测门限的值函数状态集合Ω,利用状态转移函数Ψ恢复出对应的航迹序列Γ={x1:K=ψ(xK)|xK∈Ω}。对应最大值函数状态的轨迹序列为:
S43、根据最大值函数对应的航迹序列,利用公式计算对应的镜像模糊航迹集合
从集合Γ中删除与共用L个状态的镜像模糊轨迹。
S5、输出无模糊目标跟踪轨迹:通过从集合Γ中删除与共用L个状态的镜像模糊轨迹后,得到不模糊的真实目标轨迹序列
图3为现有的分步进行解模糊和跟踪的方法中各重频下观测到的目标运动轨迹和真实目标轨迹,仿真中考虑部分重频下目标不可见的情况,图3(a)为目标在重频1下的运动轨迹,考虑第1、2帧目标不可见;图3(b)为目标在重频2下的运动轨迹,也考虑第1、2帧目标不可见;图3(c)为目标在重频3下的运动轨迹,考虑第5、6帧目标不可见;图3(d)为真实目标运动轨迹;可以看出现有的分步进行解模糊和跟踪的方法,不可避免的导致解模糊后目标第1、2帧量测值丢失,且对于实际检测环境中这个问题将会更加严重,在后续的跟踪处理中常需要面对航迹连续性差,以及微弱目标丢失的问题。
图4为根据本发明提出的方法进行处理后的结果,图4(a)为多重频多帧积累后的值函数;可以看出由于充分利用了帧内、帧间目标的所有相关信息(位置相关,能量相关),对应的真实目标能够被轻松积累起来,避免了由于信息利用率低而造成的目标丢失问题,且在积累的过程中同时实现解模糊和目标跟踪,最后直接输出不模糊的目标短航迹片段,后续再结合关联算法就能输出连续的目标跟踪轨迹;由于充分利用所有回波能量信息,对于只有一个重频下目标可见的情况,本发明的方法也能保证积累出真实能量;图4(b)中给出了帧内、帧间积累后的检测结果,由于对扩展量测空间进行积累,一些由真实目标产生的镜像模糊短航迹也会被积累起来,然而积累后的镜像模糊航迹的值函数总会小于真实目标的值函数,且真实航迹与镜像模糊短航迹之间是存在对应关系(模糊倍数),根据这些对应关系就能删除所有的镜像航迹,最终直接输出不模糊的真实目标检测结果如图4(c)所示。
本领域的普通技术人员将会意识到,这里所述的实施例是为了帮助读者理解本发明的原理,应被理解为本发明的保护范围并不局限于这样的特别陈述和实施例。对于本领域的技术人员来说,本发明可以有各种更改和变化。凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的权利要求范围之内。
Claims (6)
1.一种重频间帧间联合累积的多重频雷达检测前跟踪方法,其特征在于,包括:
S1、将雷达各重频下扫描得到的回波数据以雷达最远探测距离进行距离维扩展;
S2、在增广量测空间中先进行帧内多重频积累,接着再进行帧间积累;
S3、结合检测准则选出值函数最大的运动目标轨迹;
S4、删除同一目标由于距离维扩展产生的镜像模糊短航迹;
S5、输出无模糊目标跟踪轨迹。
2.根据权利要求1所述的一种重频间帧间联合累积的多重频雷达检测前跟踪方法,其特征在于,步骤S2具体包括以下分步骤:
S21、对于第1个重频,若当前帧为第1帧,则根据各个量化状态对应的第1帧中的第1个重频回波数据进行各个量化状态的值函数初始化,并执行步骤S23的帧内多重频积累过程;否则执行步骤S22的帧间积累过程;
S22、帧间积累过程,具体为:更新某量化状态的值函数为当前帧第1个重频下状态的权值与该状态前一帧可能转移状态集合内置信度最大状态对应的多重频积累后的值函数的和;然后执行步骤S23;
S23、帧内多重频积累,具体为:更新某量化状态的值函数为当前帧不同重频间物理上允许的可能转移序列所对应各状态值函数之和;
S24、若已完成一次滑窗批处理的所有帧积累则结束;否则返回步骤S21处理下一帧。
3.根据权利要求2所述的一种重频间帧间联合累积的多重频雷达检测前跟踪方法,其特征在于,步骤S1所述距离维扩展计算公式为:
其中,表示第k帧第i个重频接收到的量测数据,Mi表示第i个重频下雷达最大探测距离对应的模糊因子,(·)′为矩阵转置运算,N表示每帧包含的重频个数,1≤k≤K,K表示一次滑窗批处理的总积累帧数。
4.根据权利要求3所述的一种重频间帧间联合累积的多重频雷达检测前跟踪方法,其特征在于,所述步骤S22根据下式进行帧间积累:
其中,表示第k帧第1重频的量化状态,1≤k≤K N表示每帧包含的重频个数,表示第k-1帧第N重频的量化状态,为不模糊距离下的状态空间,H1表示目标存在,H0表示目标不存在,表示在假设H1下量测值的似然函数,表示假设H0下的似然函数,表示状态的值函数,表示状态的值函数,ψ(k,i)表示各帧之间、各重频之间目标状态的转移关系函数;表示在帧与帧之间,目标从第k-1帧的第N重频转移到第k帧状态的所有可能的状态转移集合。
5.根据权利要求4所述的一种重频间帧间联合累积的多重频雷达检测前跟踪方法,其特征在于,所述步骤S23根据下式进行帧内多重频积累:
其中,1≤k≤K N表示每帧包含的重频个数,表示第k帧第i重频的量化状态,表示第k帧第i-1个重频的量化状态,表示第k帧内不同重频间物理上允许的可能转移到状态的集合;表示状态的值函数;表示状态的值函数,H1表示目标存在,H0表示目标不存在,表示在假设H1下量测值的似然函数,表示假设H0下的似然函数,ψ(k,i)表示各帧之间、各重频之间目标状态的转移关系函数。
6.根据权利要求5所述的一种重频间帧间联合累积的多重频雷达检测前跟踪方法,其特征在于,步骤S4具体包括以下分步骤:
S41、对于帧内多重频间、多帧间积累批处理后的值函数进行门限检测,超过检测门限的值函数状态集合记为Ω,若集合Ω为空,则宣布目标不存在;否则执行步骤S42;
S42、采用状态转移函数恢复出集合Ω对应的航迹序列Γ;
S43、根据最大值函数对应的航迹序列,计算得到镜像模糊航迹集合;
S44、从序列Γ中删除与镜像模糊航迹集合共用的若干个状态的镜像模糊轨迹,最终得到不模糊的真实目标轨迹序列。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810250186.4A CN108519594B (zh) | 2018-03-26 | 2018-03-26 | 一种重频间帧间联合积累的多重频雷达检测前跟踪方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810250186.4A CN108519594B (zh) | 2018-03-26 | 2018-03-26 | 一种重频间帧间联合积累的多重频雷达检测前跟踪方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108519594A true CN108519594A (zh) | 2018-09-11 |
CN108519594B CN108519594B (zh) | 2020-01-21 |
Family
ID=63432977
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810250186.4A Expired - Fee Related CN108519594B (zh) | 2018-03-26 | 2018-03-26 | 一种重频间帧间联合积累的多重频雷达检测前跟踪方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108519594B (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110208789A (zh) * | 2019-05-29 | 2019-09-06 | 西安空间无线电技术研究所 | 一种多帧联合目标航迹识别方法 |
CN110208788A (zh) * | 2019-05-27 | 2019-09-06 | 东南大学 | 一种基于滑窗的连续帧联合速度解模糊方法 |
CN110726988A (zh) * | 2019-10-30 | 2020-01-24 | 中国人民解放军海军航空大学 | Pd雷达探测高超声速目标的距离和速度模糊互解方法 |
WO2020237448A1 (zh) * | 2019-05-24 | 2020-12-03 | 华为技术有限公司 | 回波信号处理方法、装置、系统及存储介质 |
CN113030895A (zh) * | 2021-03-10 | 2021-06-25 | 电子科技大学 | 一种微弱目标的多帧相参积累检测方法 |
CN113341391A (zh) * | 2021-06-01 | 2021-09-03 | 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 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US4214239A (en) * | 1963-04-02 | 1980-07-22 | The United States Of America As Represented By The Secretary Of The Navy | Magnetic drum storage for the track before detect system |
CN107340517A (zh) * | 2017-07-04 | 2017-11-10 | 电子科技大学 | 一种多传感器多帧检测前跟踪方法 |
CN107356922A (zh) * | 2017-08-30 | 2017-11-17 | 电子科技大学 | 一种扩表辅助法解模糊的多重频雷达目标检测前跟踪方法 |
CN107576959A (zh) * | 2017-08-08 | 2018-01-12 | 电子科技大学 | 一种基于区域映射解模糊的高重频雷达目标检测前跟踪方法 |
-
2018
- 2018-03-26 CN CN201810250186.4A patent/CN108519594B/zh not_active Expired - Fee Related
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US4214239A (en) * | 1963-04-02 | 1980-07-22 | The United States Of America As Represented By The Secretary Of The Navy | Magnetic drum storage for the track before detect system |
CN107340517A (zh) * | 2017-07-04 | 2017-11-10 | 电子科技大学 | 一种多传感器多帧检测前跟踪方法 |
CN107576959A (zh) * | 2017-08-08 | 2018-01-12 | 电子科技大学 | 一种基于区域映射解模糊的高重频雷达目标检测前跟踪方法 |
CN107356922A (zh) * | 2017-08-30 | 2017-11-17 | 电子科技大学 | 一种扩表辅助法解模糊的多重频雷达目标检测前跟踪方法 |
Non-Patent Citations (2)
Title |
---|
EMANUELE GROSSI ET AL.: "A Heuristic Algorithm for Track-Before-Detect With Threshold Observations in Radar System", 《IEEE SIGNAL PROCESSING LETTERS》 * |
张伟 等: "一种用于HPRF雷达的改进DPA弱目标检测算法", 《现代雷达》 * |
Cited By (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2020237448A1 (zh) * | 2019-05-24 | 2020-12-03 | 华为技术有限公司 | 回波信号处理方法、装置、系统及存储介质 |
CN110208788A (zh) * | 2019-05-27 | 2019-09-06 | 东南大学 | 一种基于滑窗的连续帧联合速度解模糊方法 |
CN110208788B (zh) * | 2019-05-27 | 2022-06-17 | 东南大学 | 一种基于滑窗的连续帧联合速度解模糊方法 |
CN110208789A (zh) * | 2019-05-29 | 2019-09-06 | 西安空间无线电技术研究所 | 一种多帧联合目标航迹识别方法 |
CN110208789B (zh) * | 2019-05-29 | 2021-04-13 | 西安空间无线电技术研究所 | 一种多帧联合目标航迹识别方法 |
CN110726988A (zh) * | 2019-10-30 | 2020-01-24 | 中国人民解放军海军航空大学 | Pd雷达探测高超声速目标的距离和速度模糊互解方法 |
CN110726988B (zh) * | 2019-10-30 | 2021-08-27 | 中国人民解放军海军航空大学 | Pd雷达探测高超声速目标的距离和速度模糊互解方法 |
CN113030895A (zh) * | 2021-03-10 | 2021-06-25 | 电子科技大学 | 一种微弱目标的多帧相参积累检测方法 |
CN113030895B (zh) * | 2021-03-10 | 2022-07-15 | 电子科技大学 | 一种微弱目标的多帧相参积累检测方法 |
CN113341391A (zh) * | 2021-06-01 | 2021-09-03 | 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 |
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 |
Also Published As
Publication number | Publication date |
---|---|
CN108519594B (zh) | 2020-01-21 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108519594A (zh) | 一种重频间帧间联合积累的多重频雷达检测前跟踪方法 | |
CN104267379B (zh) | 一种基于波形设计的主被动雷达协同抗干扰方法 | |
CN103885057B (zh) | 自适应变滑窗多目标跟踪方法 | |
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 | |
CN104569949B (zh) | 基于组合自适应归一化匹配滤波的雷达目标检测方法 | |
CN108303684B (zh) | 基于径向速度信息的地基监视雷达多目标跟踪方法 | |
CN106980114A (zh) | 无源雷达目标跟踪方法 | |
CN109002835A (zh) | 一种基于最大熵模糊聚类的粒子滤波数据关联方法 | |
CN107396322A (zh) | 基于路径匹配与编码译码循环神经网络的室内定位方法 | |
CN103439697B (zh) | 基于动态规划的目标检测方法 | |
CN107356922B (zh) | 一种扩表辅助法解模糊的多重频雷达目标检测前跟踪方法 | |
CN104714225B (zh) | 一种基于广义似然比的动态规划检测前跟踪方法 | |
CN104597434B (zh) | 改进包络移位补偿和分数阶傅里叶变换的多帧相参tbd方法 | |
CN107861123A (zh) | 一种穿墙雷达在复杂环境下对多运动目标实时跟踪的方法 | |
CN107436434B (zh) | 基于双向多普勒估计的航迹起始方法 | |
CN105301584B (zh) | 同时解距离模糊的ipphdf机动多目标跟踪方法 | |
CN106054169A (zh) | 基于跟踪信息的多站雷达信号融合检测方法 | |
CN106772299B (zh) | 一种基于距离匹配的pd雷达微弱目标动态规划检测方法 | |
CN106226750B (zh) | 一种针对多帧联合检测的点迹序列平滑滤波方法 | |
Sun et al. | Labelled multi‐Bernoulli filter with amplitude information for tracking marine weak targets | |
CN105044696B (zh) | 一种基于相关系数分析法计算测月雷达探测深度的方法 | |
Li et al. | Passive tracking of underwater targets using dual observation stations | |
CN105549004A (zh) | 解距离测量模糊的impm-pphdf方法 | |
CN110031807B (zh) | 一种基于无模型强化学习的多阶段灵巧噪声干扰方法 | |
Sun et al. | A method for track association using dynamic programming |
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 | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20200121 |
|
CF01 | Termination of patent right due to non-payment of annual fee |