CN109839633A - 基于最小覆盖空域的机载预警雷达的多帧检测前跟踪方法 - Google Patents

Abstract

本发明公开一种基于最小覆盖空域的机载预警雷达的多帧检测前跟踪方法，为了解决因雷达平台移动引起的量测空域网格不对齐，给基于动态规划的检测前跟踪算法带来的实施困难；本发明首先采用一种量测网格对齐式离散化方法离散化整个状态空间，接着利用坐标系变化的方法确定出量测和状态的映射关系，然后遍历各维度的最大映射结果以压缩覆盖空域的大小，再根据映射关系完成对应最小覆盖空域维度的积累数据准备，最后用检测前跟踪算法完成对目标的检测跟踪；本发明的方法尽可能的保留了量测点迹的原始位置，在保留绝大部分量测点迹的情况下，压缩搜索空域的大小，在保证跟踪精度的同时使算法计算负担较小。

Description

基于最小覆盖空域的机载预警雷达的多帧检测前跟踪方法

技术领域

本发明属于雷达目标检测领域，特别涉及一种机载预警雷达对微弱目标的多帧检测前跟踪技术。

背景技术

将预警雷达置于在空中灵活运动的机载平台上有着十分重要的军事意义：a)雷达的升空，大大减少了地球曲率和地形遮挡的影响，使得预警雷达的探测盲区明显减小；b)载机的移动使得雷达监视区域可以灵活变化，提供了完成多种监视任务的可能性；c)载机的机动性保证了雷达在作战任务中有较强的生存能力。因此，将地基、舰载预警雷达搬到飞机、气球等升空平台是实现军队信息化，全面掌握军事情报的必然选择。可见，机载预警雷达有着广阔的发展空间。

在现役预警雷达的检测跟踪系统中，主要采用先检测后跟踪的目标探测技术。该类算法需要先对单帧信号做门限检测处理，因此在低信噪比、信杂比的情况下，算法的检测跟踪性能将严重下降。在今天日益复杂的电磁环境中，对微弱目标的检测和跟踪是预警雷达面临的急需解决的问题。基于动态规划的检测前跟踪算法(DP-TBD)相较于传统算法在对弱目标的检测跟踪问题上有着压倒性的优势。它不再对单帧的回波数据进行门限检测，而是联合处理连续数帧回波数据，以积累目标能量，使得目标更容易被检测到。而对于机载平台，其平台存在位移、旋转，故在每个扫描周期内的量测所在坐标系均不相同，给状态空间大小的限定以及离散化标准的选取带来了困难。对于机载预警雷达的研究，在文献“Dynamic Programming Track Before Detect Algorithm for Multistatic Mimo StapRadar,in IGARSS 2018-2018IEEE International Geoscience and Remote SensingSymposium,2018,pp. 1300-1303.”中，作者基于DP-TBD算法设计了一个自适应检测器，通过联合处理MIMO 雷达接收到的空-时数据集以提高机载预警雷达对弱目标的检测性能。然而该文献主要针对机载雷达回波数据的信号波动问题进行研究。在文献“检测前跟踪技术在机载雷达数据处理中的实现，太赫兹科学与电子信息学报,vol.13,pp.450-453,2015”中，作者主要对DP-TBD 的实现可用于机载预警雷达的威力推远进行了简要阐述。两篇文献均未考虑载机移动带来的影响。

在已公开的专利《一种基于坐标校准的机载雷达微弱目标检测前跟踪方法》(公开号：CN108983216A)中，所采用的检测前跟踪算法是DP-TBD算法的另一种实现方法，该方法以降低算法计算量为目标对原始回波数据进行了筛选，使得输入跟踪器的数据是回波点位置信息，虽然可以回避量测空域网格不对齐的问题，但无疑较原始算法而言损失了一定性能。

发明内容

为解决上述技术问题，本发明提出一种基于最小覆盖空域的机载预警雷达的多帧检测前跟踪方法，适用于记载预警雷达。

本发明采用的技术方案为：基于测量单元格到状态单元格的映射结果，确定滑窗对应的最小覆盖空域，然后基于最小覆盖空域进行DP-TBD积累，得到滑窗对应的跟踪结果；根据各滑窗对应的跟踪结果得到最终航迹结果；具体为：

1、基于量测单元格到状态单元格的映射结果，确定最小覆盖空域完成，包括以下步骤：

A0参数初始化，具体为：观测总帧数M，动态规划检测前跟踪算法的滑窗长度为K，利用蒙特卡洛仿真实验计算出检测门限V_T；

A1、读取第k帧开始的连续K帧数据，包括：量测数据和载机数据；

A2、根据第k帧量测数据离散化状态空间；以第k帧的载机位置为离散化原点，以雷达的分辨率对状态空间进行离散化。

A3、计算所有帧量测单元格在离散化状态空间中的映射结果，并构建映射表存储映射结果；步骤A3具体为：

A31、计算第k+1帧到第k+K-1帧各自量测单元格与第k帧的载机位置在绝对大地坐标系下的相对距离；

A32、根据第k帧阵面夹角和载机姿态角，计算出各帧单元格在离散化状态空间中映射的单元格，并构建映射表存储映射结果。步骤A32还包括：根据第k帧载机姿态角得到第k帧从绝对大地坐标系变换至机身坐标系时的旋转矩阵。

A4、在映射表中搜索出各维度的最大映射结果，作为最小化覆盖空域各维度的单元格个数，得到最小化覆盖空域。

在步骤A31之前还包括：计算第k+1帧到第k+K-1帧量测单元格在绝对大地坐标系下的位置；具体包括以下步骤：

A301、根据当前帧阵面夹角，将天线坐标系下的球坐标形式量测数据转换至机身坐标系下；

A302、根据当前帧载机姿态角，将机身坐标系下的笛卡尔形式量测数据转换至绝对大地坐标系下；

A303、根据当前帧的载机位置数据，最终得到当前帧量测单元格在绝对大地坐标系下的位置。

2、基于最小覆盖空域进行DP-TBD积累，得到最终航迹结果，包括以下步骤：

B1、初始化变量i＝k；

B2、如果i＝k，初始化积累值函数；如果i＞k，执行值函数更新操作，

其中，x_i表示搜索的状态序列的第i帧的状态向量；τ(x_i)表示通过目标运动模型约束得到的目标状态在上一帧中的有效转移状态范围；Z_i(x_i)表示状态向量x_i所在位置对应的映射量测结果；Ψ(x_i)用来存储最大值函数的转移过程，用于检测后回溯航迹；

B3、令i＝i+1；如果i≤k+K-1，则返回步骤B2；否则，对积累得到的值函数I_k+K-1进行门限检测，

其中，V_T表示检测门限；

B4、若不为空，则对航迹进行回溯，当i＝k+K-2，k+K-3，...，k时，最终得到估计的状态序列若为空，则表示未跟踪出航迹。

最后，将得到的航迹结果转换至绝对大地坐标系下输出。

本发明的有益效果：本发明的方法首先采用一种量测网格对齐式离散化方法离散化整个状态空间，接着利用坐标系变化的方法确定出量测和状态的映射关系，然后遍历各维度的最大映射结果以压缩覆盖空域的大小，再根据映射关系完成对应最小覆盖空域维度的积累数据准备，最后用检测前跟踪算法完成对目标的检测跟踪；本发明方法尽可能的保留了量测点迹的原始位置，在保留绝大部分量测点迹的情况下，压缩搜索空域的大小，在保证跟踪精度的同时使算法计算负担较小，并且本发明的方法将动态规划的检测前跟踪算法用于机载动平台上，大大提高了机载预警雷达对微弱目标的检测跟踪性能。

附图说明

图1为本发明中涉及的各坐标系示意图；

图2为本发明的方案流程图；

图3为本发明实施例提供的观测总帧数M、滑窗长度K、以及变量k的关系示意图；

图4为本发明实施例提供的所设计的载机和目标的运动轨迹；

图5为本发明实施例提供的状态空间选取及离散化示意图；

图6为本发明实施例提供的某次滑窗内选取的状态空间示意图；

图7为本发明实施例提供的DP-TBD算法积累过程的值函数更新结果示意图；

图8为本发明实施例提供的三十帧量测数据的滑窗处理结果示意图；

图9为本发明实施例提供的传统的检测跟踪算法和本发明方法的检测性能对比图。

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，下面结合附图对本发明内容进一步阐释。

为了方便描述本发明的内容，首先对以下术语进行解释：

绝对大地坐标系：原点、坐标轴是绝对不变的，不随着载机的运动而改变。该坐标系下的坐标表示点迹在大地上的绝对位置。

机身坐标系：原点位于载机质心，x轴为机身所在轴线，机头方向为x轴正方向；z轴垂直于机身所在平面向上；y轴由右手螺旋法则确定。该坐标系随着载机的运动、旋转，原点位置、坐标轴朝向变化。该坐标系下的坐标表示点迹关于载机的相对位置。

天线坐标系：原点位于载机质心，x轴为量测空域0方位角方向；z轴垂直于机身所在平面向上；y轴由右手螺旋法则确定。该坐标系和机身坐标系的差别在于存在一个阵面夹角，即量测空域0方位角方向与机身坐标系的x轴正方向的夹角。该坐标系下的坐标表示点迹关于天线的相对位置，雷达的回波点迹位置即在该坐标系下。

最小覆盖空域：在每次滑窗中，由该次滑窗中的所有量测空域确定出的最小的可以包含所有量测空域的空间。

本发明中涉及的绝对大地坐标系、机身坐标系、天线坐标系如图1所示。

为了解决因雷达平台移动引起的量测空域网格不对齐给基于动态规划的检测前跟踪算法带来的实施困难的问题，本发明利用坐标系变换的方法，依据量测单元格的绝对位置得到量测值在离散化状态空间中的映射结果，在确保状态空间的空域覆盖所有量测空域的同时统计映射结果以最小化状态空间的空域(这里的最小化状态空间的空域可以理解为压缩覆盖空域的大小)；具体实现过程如图2所示；包括以下步骤：

步骤1：初始化系统参数

本实施例中初始化观测总帧数M＝30，动态规划检测前跟踪算法的滑窗长度为K＝6，利用500次蒙特卡洛仿真实验在虚警率为p_fa＝10^-3情况下计算出检测门限V_T＝31.1727，初始化变量k＝1。本发明中观测总帧数M、滑窗长度K、以及变量k的关系具体为：K表示一次滑窗的长度，即这次滑窗中需要处理的帧数；k表示在某次滑窗中第一帧数据在总的数据帧数M中的序号，具体如图3所示，图3中设定滑窗长度K＝6，在第1个滑窗中处理的数据是从第1帧开始，即k＝1，到第k+K-1＝6帧结束；同理在第2个滑窗中的数据是从第2帧开始，即k＝2，到第k+K-1＝7帧结束。

如图4所示，在本实施例中设计了一个匀速直线运动的单目标以及一个结合匀速直线和匀速转弯的载机平台。

步骤2：对于当前滑窗，读取从第k帧开始的连续K帧数据，包括：量测数据和载机参数；第k帧为当前滑窗的第一帧。

第k帧雷达回波数据为z_k(m,n,l)表示第k帧回波数据在量测单元格(m,n,l)中的幅度值，N_r＝200,N_θ＝120,分别为距离、方位、俯仰的量化单元格的个数，对应分辨率分别为Δr、Δθ、

第k帧载机位于绝对大地坐标系下的位置 分别为载机的x 轴坐标、y轴坐标、z轴坐标。

步骤3：计算当前滑窗中第k+1,...,k+K-1帧量测单元格在绝对大地坐标系下的位置；

以第k+1帧的第(m,n,l)个单元格的量测结果为例，其单元格在绝对大地坐标系下的位置计算过程如下：

3.1.利用阵面夹角Θ_k+1，将天线坐标系下的球坐标形式量测数据转换至机身坐标系下，

其中，为该单元格在机身坐标系下的球坐标：

3.2.利用载机的姿态角数据(Y_k+1,P_k+1,R_k+1)，将机身坐标系下的笛卡尔形式量测数据转换至绝对大地坐标系下。

其中，Y_k、P_k、R_k分别为载机在k时刻的机身坐标系的x轴、y轴、z轴与绝对大地坐标系的x轴、y轴、z轴的夹角，分别为偏航角、俯仰角、横滚角。由姿态角得到坐标系旋转矩阵R′(Y_k+1,P_k+1,R_k+1)，R′(Y_k+1,P_k+1,R_k+1)表示第k+1帧从机身坐标系变换至绝对大地坐标系下时的旋转矩阵：

3.3.利用载机的位置数据，最终得到量测单元格在绝对大地坐标系下的位置。

步骤4：计算所有量测值在覆盖空域的状态空间中的映射单元格；

4.1.以当前滑窗中第k帧(即当前滑窗的第一帧)的载机位置为离散化原点，以雷达的分辨率对状态空间进行离散化。

虽然目标状态建立在笛卡尔形式的状态空间下，但是对其进行离散化时以量测空域的极坐标形式离散化。

以载机第k帧在绝对大地坐标系下的位置为原点，零方位角方向和量测空域一致，离散化精度与雷达分辨率一致，对整个无限大的空间离散化。

如图5所示，以第一次滑窗为例，涉及到的第1帧到第K帧的量测数据平面用图中的表示。根据本发明提供的方法，选取的离散化状态空间的离散化标准由该次滑窗的第一帧量测平面的离散化标准确定，故的网格和的网格重叠。又因为考虑的状态空间需要在覆盖所有量测平面的情况下尽可能的小，可根据步骤5中的方法最小化覆盖空域，如图5中的所示。

4.2.计算当前滑窗中各帧量测单元格和第k帧的载机位置在绝对大地坐标系下的相对距离。

以第k+1帧的第(m,n,l)个单元格的量测结果为例，通过步骤3已经得到了该单元格在绝对大地坐标系下的位置则利用第k帧载机位置即可计算相对距离：

4.3.根据第k帧阵面夹角和载机姿态角(Y_k,P_k,R_k)，计算出各帧单元格在离散化状态空间中映射的单元格，并构建映射表存储映射结果。由姿态角得到坐标系旋转矩阵 R(Y_k,P_k,R_k)，R(Y_k,P_k,R_k)表示第k帧从绝对大地坐标系变换至机身坐标系时的旋转矩阵：

步骤5：根据所有映射结果最小化覆盖空域；

在映射表中搜索出各维度的最大映射结果，作为最小化覆盖空域各维度的单元格个数，以限定空域大小。以第12次滑窗为例，每帧量测空域的单元格数量为由映射结果确定出的最小化覆盖空域的单元格数量为

如图6所示，为第12次滑窗处理中选取的最小覆盖空域的示意图。

步骤6：在最小覆盖空域的状态空间中实施DP-TBD算法；

6.1.初始化变量i＝k；

6.2.如果i＝k，初始化积累值函数；如果i＞k，则进行值函数的更新操作，

其中，x_i表示搜索的状态序列的第i帧的状态向量；τ(x_i)表示通过目标运动模型约束得到的目标状态在上一帧中的有效转移状态范围；Z_i(x_i)表示状态向量x_i所在位置对应的映射量测结果；Ψ(x_i)用来存储最大值函数的转移过程，用于检测后回溯航迹。

如图7所示，展示了本发明提供算法的值函数积累过程。

6.3.令i＝i+1，如果i≤k+K-1，则返回步骤6.2；否则，对积累得到的值函数I_k+K-1进行门限检测，

6.4.若不为空，则对航迹进行回溯，当i＝k+K-2，k+K-3，...，k时，最终得到估计的状态序列，即为本次滑窗处理的跟踪结果， 表示在第k次的滑窗中得到的短航迹跟踪结果。

若为空，表示在该次滑窗内积累值函数没有通过检测，即没有跟踪出航迹。

步骤7：将得到的航迹结果转换至绝对大地坐标系下输出，最终结果如图8。

如图9所示为本发明方法与传统的检测跟踪算法性能对比示意图，由图中曲线可以明显看出将DP-TBD算法运用在机载雷达上带来的性能提高。本例在虚警率同为10^-3的情况下，对传统的单帧检测方法和本发明提供的多帧检测方法在不同信噪比下均进行了500次蒙特卡洛实验统计了算法的发现概率。在信噪比为6dB时，传统单帧检测算法的发现概率只有不到0.02，而本发明所提供的方法达到了0.73。在信噪比进一步提高为9dB时，传统算法的发现概率提高到0.23，而本发明所提供的方法已经可以几乎100％的发现目标航迹。综上所述，本发明提供的方法可以有效的提高机载预警雷达检测跟踪性能，对于复杂背景的低信噪比情况，性能提升尤为明显。

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 (8)

1.基于最小覆盖空域的机载预警雷达的多帧检测前跟踪方法，其特征在于，基于测量单元格到状态单元格的映射结果，确定滑窗对应的最小覆盖空域，然后基于最小覆盖空域进行DP-TBD积累，得到滑窗对应的跟踪结果；根据各滑窗对应的跟踪结果得到最终航迹结果。

2.根据权利要求1所述的基于最小覆盖空域的机载预警雷达的多帧检测前跟踪方法，其特征在于，确定当前滑窗对应的最小覆盖空域，具体包括以下步骤：

A1、读取第k帧开始的连续K帧数据，包括：量测数据和载机数据；k表示当前滑窗中第一帧数据在观测总帧数M中的序号，K表示动态规划检测前跟踪算法的滑窗长度；

A2、根据第k帧量测数据离散化状态空间；

A3、计算所有帧量测单元格在离散化状态空间中的映射结果，并构建映射表存储映射结果；

A4、在映射表中搜索出各维度的最大映射结果，作为最小化覆盖空域各维度的单元格个数，得到最小化覆盖空域。

3.根据权利要求2所述的基于最小覆盖空域的机载预警雷达的多帧检测前跟踪方法，其特征在于，步骤A2具体为：以第k帧的载机位置为离散化原点，以雷达的分辨率对状态空间进行离散化。

4.根据权利要求2所述的基于最小覆盖空域的机载预警雷达的多帧检测前跟踪方法，其特征在于，步骤A3具体为：

A31、计算第k+1帧到第k+K-1帧各自量测单元格与第k帧的载机位置在绝对大地坐标系下的相对距离；

A32、根据第k帧阵面夹角和载机姿态角，计算出各帧单元格在离散化状态空间中映射的单元格，并构建映射表存储映射结果。

5.根据权利要求4所述的基于最小覆盖空域的机载预警雷达的多帧检测前跟踪方法，其特征在于，步骤A31之前还包括：计算第k+1帧到第k+K-1帧量测单元格在绝对大地坐标系下的位置；具体包括以下步骤：

A301、根据当前帧阵面夹角，将天线坐标系下的球坐标形式量测数据转换至机身坐标系下；

A302、根据当前帧载机姿态角，将机身坐标系下的笛卡尔形式量测数据转换至绝对大地坐标系下；

A303、根据当前帧的载机位置数据，最终得到当前帧量测单元格在绝对大地坐标系下的位置。

6.根据权利要求4所述的基于最小覆盖空域的机载预警雷达的多帧检测前跟踪方法，其特征在于，所述步骤A32还包括：根据第k帧载机姿态角得到第k帧从绝对大地坐标系变换至机身坐标系时的旋转矩阵。

7.根据权利要求2、3、4、5任一权利要求所述的基于最小覆盖空域的机载预警雷达的多帧检测前跟踪方法，其特征在于，基于最小覆盖空域进行DP-TBD积累，得到最终航迹结果，包括以下步骤：

B1、初始化变量i＝k；

B2、如果i＝k，初始化积累值函数；如果i＞k，执行值函数更新操作，

其中，x_i表示搜索的状态序列的第i帧的状态向量；τ(x_i)表示通过目标运动模型约束得到的目标状态在上一帧中的有效转移状态范围；Z_i(x_i)表示状态向量x_i所在位置对应的映射量测结果；Ψ(x_i)用来存储最大值函数的转移过程，用于检测后回溯航迹；

B3、令i＝i+1；如果i≤k+K-1，则返回步骤B2；否则，对积累得到的值函数I_k+K-1进行门限检测，

其中，V_T表示检测门限；

B4、若不为空，则对航迹进行回溯，当i＝k+K-2，k+K-3，...，k时，最终得到估计的状态序列若为空，则表示未跟踪出航迹。

8.根据权利要求7所述的基于最小覆盖空域的机载预警雷达的多帧检测前跟踪方法，其特征在于，还包括将得到的航迹结果转换至绝对大地坐标系下输出。