CN110007299A - 一种基于混合坐标伪谱技术的微弱目标检测跟踪方法 - Google Patents
一种基于混合坐标伪谱技术的微弱目标检测跟踪方法 Download PDFInfo
- Publication number
- CN110007299A CN110007299A CN201910305369.6A CN201910305369A CN110007299A CN 110007299 A CN110007299 A CN 110007299A CN 201910305369 A CN201910305369 A CN 201910305369A CN 110007299 A CN110007299 A CN 110007299A
- Authority
- CN
- China
- Prior art keywords
- target
- velocity
- frame
- speed
- coordinate system
- 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
- 238000001514 detection method Methods 0.000 title claims abstract description 69
- 238000005516 engineering process Methods 0.000 title claims abstract description 10
- 230000003595 spectral effect Effects 0.000 title abstract description 4
- 238000009825 accumulation Methods 0.000 claims abstract description 64
- 238000001228 spectrum Methods 0.000 claims abstract description 46
- 238000000034 method Methods 0.000 claims description 63
- 238000012545 processing Methods 0.000 claims description 18
- 238000010923 batch production Methods 0.000 claims description 6
- 239000011159 matrix material Substances 0.000 claims description 4
- 238000005259 measurement Methods 0.000 claims description 4
- 238000010276 construction Methods 0.000 claims description 2
- 238000009792 diffusion process Methods 0.000 claims 1
- 238000001914 filtration Methods 0.000 description 4
- 238000007796 conventional method Methods 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 238000002592 echocardiography Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 230000007123 defense Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012887 quadratic function Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000001629 suppression 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
-
- 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)
- Radar Systems Or Details Thereof (AREA)
Abstract
本发明涉及一种基于混合坐标伪谱技术的微弱目标检测跟踪方法,包括:获取雷达回波数据;设置速度滤波器的宽度和数量;将极坐标系下的分辨单元转换到笛卡尔坐标系中,得到该分辨单元在最后一帧的预测笛卡尔位置,转换回极坐标系中,得到该分辨单元在极坐标系中的预测位置;对于每个速度滤波器,根据预测位置构造伪谱,将各帧伪谱强度累积,得到速度滤波器的空间域积累平面和速度域平面;根据预设的检测门限,判断是否有速度滤波器积累的峰值大于检测门限,得到目标多帧积累后的空间波形和速度维波形,并估计目标的极坐标位置和笛卡尔速度;进行航迹回溯;输出结果。本发明解决了传统检测前跟踪方法不能很好的处理雷达等极坐标系数据的问题。
Description
技术领域
本发明涉及目标检测技术领域,尤其涉及一种基于混合坐标伪谱技术的微弱目标检测跟踪方法。
背景技术
目标的多样化和环境的复杂化,使现代雷达的探测能力面临巨大的挑战,微弱目标检测问题就是其中之一。隐身技术的发展使飞行器的RCS(雷达反射截面积)缩小了一到两个数量级,目标反射回波大幅度减弱,雷达探测威力显著下降,导致防空网出现大面积空洞,给国家安全带来巨大威胁。另一方面,目标的飞行速度大幅度提高,使雷达预警时间急剧缩减。为此,需要雷达探测回波更为微弱的远距离目标。此外,在强杂波环境(如山地,城市,海洋)中,目标信杂比显著降低,需要雷达具备更强的微波目标检测能力。
检测前跟踪(Track-Before-Detect,TBD)是近年来针对低信噪比和低信杂比提出的新的检测跟踪技术。多帧检测前跟踪(Multiframe Track-Before-Detect,MF-TBD)是指对单帧数据不进行门限检测处理,而是通过雷达多帧数据积累和联合处理,利用更高维信号空间中目标回波与噪声杂波的差异性,充分挖掘回波中的目标信息,从而达到有效的累积目标能量和提高微弱目标信噪比的目的。
由于该技术单帧没有采用门限检测,保留了目标信息,此外,该技术通过多帧回波数据的联合处理,利用目标和背景(噪声和杂波)帧间位置相关性差异,实现目标回波能量的有效积累和背景的抑制。因此,MF-TBD具有目标检测性能高,航迹估计精度高,不需要改变雷达外部硬件结构等一系列的优点,受到越来越多的关注。
速度滤波(Velocity Filtering,VF)是三维匹配滤波的一种变形,它根据目标的速度,将目标的能量沿着目标的运动轨迹累加起来,从而达到弱目标检测的能力,是一种有效的MF-TBD方法。但目前现有技术的MF-TBD存在较为明显的缺陷:1、只适用于如红外、光学等具有笛卡尔坐标系观测的传感器,而不能处理如雷达、声呐等极/球坐标系观测的传感器;2、使用每帧一个单元的数据用于多帧积累,这样会破坏目标多帧积累后的回波形状,不利于目标参数的进一步的精确估计;3、将位置和速度等估计在距离目标最近的整数分辨单元上,当目标不在整数分辨单元上时,误差巨大;4、设置滤波器的方法不恰当,只是考虑了目标每帧都正好落在分辨单元上,不符合实际情况。
发明内容
本发明的目的在于,针对现有技术中的至少一部分缺陷,提供一种微弱目标检测跟踪方法。
为了实现上述目的,本发明提供了一种基于混合坐标伪谱技术的微弱目标检测跟踪方法,包括如下步骤:
数据获取步骤、获取多帧雷达回波数据,积累并联合处理,建立目标回波模型;
滤波器组设置步骤、根据目标回波模型,设置滤波器组中单个速度滤波器的宽度和数量;
混合坐标预测步骤、将极坐标系下的分辨单元转换到笛卡尔坐标系中,根据每个速度滤波器假设的笛卡尔速度,得到该分辨单元在最后一帧的预测的笛卡尔位置,将该预测的笛卡尔位置转换回极坐标系中,得到该分辨单元在极坐标系中的预测位置;
极坐标系伪谱多帧能量积累步骤、对于每个速度滤波器,根据预测位置在极坐标系中构造伪谱,将各帧的伪谱强度累积,得到速度滤波器的空间域积累平面和速度域平面;
目标检测与参数估计步骤、根据预设的检测门限,判断是否有速度滤波器积累的峰值大于检测门限,如没有则判断没有检测到目标,如有则选择最大峰值的速度滤波器,得到目标多帧积累后的空间波形,各个速度滤波器在目标位置的值组成速度维波形,并估计出目标的极坐标位置和笛卡尔速度;
航迹回溯步骤、根据估计出的目标的极坐标位置和笛卡尔速度进行航迹回溯;
航迹输出步骤、输出回溯结果。
优选地,所述极坐标系伪谱多帧能量积累步骤包括:
极坐标系伪谱构造步骤、对于每个速度滤波器,以分辨单元的量测值为峰值,以上述分辨单元在极坐标系中最后一帧的预测位置为中心,构造伪谱;
极坐标系多帧能量积累步骤、对于每个速度滤波器,将该批次中各帧的伪谱强度累加,得到各个速度滤波器的积累平面,各个速度滤波器在目标位置处的积累值组成目标的速度域包络。
优选地,所述数据获取步骤中,以zk表示雷达第k帧的单帧雷达回波数据,k=1,…,K,K表示一个处理批次中总的积累帧数;建立目标回波模型时,采用高斯点扩散模型。
优选地,所述滤波器组设置步骤中,由滤波器组的速度分辨率来确定单个速度滤波器的宽度,表达式为:
其中,
式中,K表示该处理批次中雷达回波数据总的积累帧数,A表示目标单帧回波的峰值大小,f”ρp和f”θp表示目标单帧回波函数在峰值处的二阶偏导数,Δρ为雷达的距离分辨,Δθ为雷达的角度分辨,用于确定速度维中速度的3dB宽度,σρ和σθ分别表示目标回波在距离和角度方向上的扩展程度,pρ,max为雷达的最大观测距离;
设目标速度在(vmin,vmax)之间,则:
其中,Nv表示滤波器组所需的单个速度滤波器的数量,表示向上取整操作符号。
优选地,所述混合坐标预测步骤中,设目标的笛卡尔速度在积累的时间内恒定不变,假设第k帧雷达回波数据的整数分辨单元(ncρ,ncθ)上存在目标能量,ncρ=1,2,…,Nρ,ncθ=1,2,…,Nθ,Nρ表示距离方向上总的单元格数,Nθ表示角度方向上总的单元格数;
将该分辨单元(ncρ,ncθ)转换到笛卡尔坐标系中,得:
ncx=ncρcos(ncθΔθ)
ncy=ncρsin(ncθΔθ)
根据速度滤波器假设的笛卡尔速度,得到其在最后一帧K的预测的笛卡尔位置为:
将上述预测的笛卡尔位置转换回极坐标系中,得到该分辨单元在极坐标系中的预测位置为:
其中,(ncx,ncy)表示分辨单元(ncρ,ncθ)对应的笛卡尔坐标,(npx,npy)表示预测的笛卡尔位置,(npρ,npθ)表示分辨单元在极坐标系中的预测位置,表示速度滤波器的假设速度,Δθ表示雷达的角度分辨。
优选地,所述极坐标系伪谱构造步骤中,对于每个速度滤波器,根据预测得到的第k帧分辨单元(ncρ,ncθ)在极坐标系中最后一帧K的预测位置(npρ,npθ),1≤npρ≤Nρ,1≤npθ≤Nθ,以第k帧分辨单元(ncρ,ncθ)的量测值zk(ncρ,ncθ)为峰值,以预测位置(npρ,npθ)为中心,在极坐标系中构造伪谱,构造的伪谱表示为:
式中,fPS(·)代表构造的伪谱,nρ=1,…,Nρ,nθ=1,…,Nθ,σρ和σθ分别表示目标回波的在距离和角度方向上的扩散程度,SSρ和SSθ分别表示目标回波在距离和角度方向上的扩散范围。
优选地,所述多帧能量积累步骤中,在一个批次处理后,得到一个速度滤波器的积累平面的表达式为:
其中,U(nρ,nθ)表示一个批次处理后的积累平面;
根据速度滤波器的积累平面找出每个速度滤波器输出的最大峰值,在这些峰值中搜索出其中最大的峰值,该峰值所在的速度滤波器的假设速度为与目标真实速度最近的假设速度;
将所有速度滤波器中该最大的峰值位置的幅度值及速度滤波器的假设速度组成一个三维矩阵,构成速度滤波器的速度域平面表示为:
其中,
q4=KQpA
式中,pθ,0表示目标的初始角度,(vx,vy)表示目标的真实笛卡尔速度。
优选地,所述目标检测与参数估计步骤中,设置虚警率pfa恒定的检测门限VT进行判断;
目标极坐标位置估计表达式为:
其中,
式中,表示多帧积累后最大峰值所在的单元,和分别表示距离和角度方向上次大峰值的单元, 且bρ=bθ=±1,其正负号分别根据距离和角度方向的最大峰值和次大峰值的单元位置确定;dρ表示距离方向最大峰值位置到目标位置的距离,dρ与bρ符号相同,dθ表示角度方向最大峰值位置到目标位置的距离,dθ与bθ符号相同;aρ0,aρ1和aθ0,aθ1分别表示L(dρ)和L(dθ)的多项式拟合系数;
目标笛卡尔速度估计表达式为:
其中,
cx=[cx0,cx1,cx2]′=(Vx′Vx)-1Vx′Ux
cy=[cy0,cy1,cy2]′=(Vy′Vy)-1Vy′Uy
式中,表示具有最大峰值的速度滤波器对应的假设笛卡尔速度,Nvp表示拟合的点数。
优选地,所述航迹回溯步骤中,根据估计出的第K帧的目标极坐标位置和估计出的目标笛卡尔速度回溯出一个批处理中前K-1帧的目标位置,K表示一个批次处理中总的积累帧数。
本发明的上述技术方案具有如下优点:
1、本发明提供的基于混合坐标伪谱技术的微弱目标检测跟踪方法通过混合坐标策略获得观测平面的目标预测位置,通过笛卡尔和极坐标之间的关系准确的预测目标的位置,避免了近似目标运动模型造成的模型失配,解决了现有技术中MF-TBD对极坐标观测处理时存在模型失配的问题;
2、本发明提供的微弱目标检测跟踪方法根据目标的回波,在目标的预测位置处构造一个伪谱,通过构造的极坐标系伪谱实现多帧能量积累,使得多帧积累后目标包络特征能很好的保持,避免多帧积累后,目标回波形状发生变形;
3、本发明提供的微弱目标检测跟踪方法考虑目标回波扩展,将每个包含目标能量的单元用于能量积累,使得目标能量得到最大化积累,提高了信噪比,也提高了对弱目标的检测能力;
4、本发明提供的微弱目标检测跟踪方法根据积累后的目标包络,对目标参数做精确估计,提高了目标极坐标位置和笛卡尔速度的估计精度;
5、本发明提供的微弱目标检测跟踪方法通过目标的速度域波形,得到速度滤波器组的分辨率,通过速度分辨率来设置速度滤波器组,使得通过最少的速度滤波器实现最佳的滤波效果,减轻硬件负担;
6、本发明提供的微弱目标检测跟踪方法采用多个速度滤波器并行处理,提高系统了效率,减少运行的时间。
附图说明
图1是本发明实施例中基于混合坐标伪谱技术的微弱目标检测跟踪方法的流程图;
图2是本发明实施例中目标回波的高斯点扩散模型;
图3是信噪比为8dB时的单帧回波平面;
图4(a)是信噪比为8dB时本发明实施例中微弱目标检测跟踪方法的积累平面;
图4(b)是信噪比为8dB时传统的基于动态规划的MF-TBD方法的积累平面;
图5表示不同输入信噪比下检测概率的对比;
图6表示不同输入信噪比下位置估计误差的对比;
图7表示不同积累帧数下检测概率的对比;
图8表示不同积累帧数下位置估计误差的对比;
图9表示本发明实施例中微弱目标检测跟踪方法在不同输入信噪比下的速度估计误差;
图10表示本发明实施例中微弱目标检测跟踪方法在不同积累帧数下的速度估计误差。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明的一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例,都属于本发明保护的范围。
如图1和图2所示,本发明实施例提供的一种基于混合坐标伪谱技术的微弱目标检测跟踪方法,具体包括如下步骤:
S1、数据获取步骤:获取多帧雷达极坐标回波数据,积累并联合处理,建立目标回波模型。
数据获取步骤中,以zk表示雷达第k帧的单帧雷达回波数据,k=1,…,K,K表示一个处理批次中总的积累帧数。雷达的回波数据平面为一个Nρ*Nθ的离散点迹平面,每一点对应一个整数分辨单元,即每一个单元格代表一个单位距离,Nρ表示极坐标下距离方向上总的单元格数,Nθ为极坐标下角度方向上总的单元格数。建立目标回波模型时,采用高斯点扩散模型,如图2所示,即目标回波占据多个分辨单元。
S2、滤波器组设置步骤:根据目标回波模型,设置滤波器组中单个速度滤波器的宽度和数量。基于目标回波模型可确定目标单帧回波函数,基于目标多帧积累的速度域包络可得到速度分辨率。
该方法的实现是基于结构相同的多个速度滤波器实现的,优选地,为了更好的覆盖目标的真实速度,同时减少滤波器组使用个数,单个速度滤波器的宽度可以由滤波器组的速度分辨率来确定,单个速度滤波器的宽度可表示为:
其中,
式中,K表示该处理批次中雷达回波数据总的积累帧数,A表示目标单帧回波的峰值大小,f”ρp和f”θp表示目标单帧回波函数在峰值处的二阶偏导数,Δρ为雷达的距离分辨,Δθ为雷达的角度分辨,用于确定速度维中速度的3dB宽度,σρ和σθ分别表示目标回波在距离和角度方向上的扩展程度,pρ,max为雷达的最大观测距离。
设目标速度在(vmin,vmax)之间,则:
其中,Nv表示滤波器组所需的单个速度滤波器的数量,表示向上取整操作符号。
该方法通过多个速度设置不同的速度滤波器并行运算,可以提高系统的效率,缩短程序的运行时间。
S3、混合坐标预测步骤:将极坐标系下的分辨单元转换到笛卡尔坐标系中,根据每个速度滤波器假设的笛卡尔速度,得到该分辨单元在最后一帧的预测的笛卡尔位置,将该预测的笛卡尔位置转换回极坐标系中,得到该分辨单元在极坐标系中的预测位置。
优选地,本方法假设目标的笛卡尔速度在积累的时间内是恒定不变的,现假设第k帧雷达回波数据的整数分辨单元(ncρ,ncθ)上存在目标能量,考虑目标可能出现在量测平面的任意位置,即ncρ=1,2,…,Nρ,ncθ=1,2,…,Nθ。
将该分辨单元(ncρ,ncθ)转换到笛卡尔坐标系中,得:
ncx=ncρcos(ncθΔθ)
ncy=ncρsin(ncθΔθ)
根据速度滤波器假设的笛卡尔速度,得到其在最后一帧K的预测的笛卡尔位置为:
将上述预测的笛卡尔位置转换回极坐标系中,得到该分辨单元在极坐标系中的预测位置为:
其中,(ncx,ncy)表示分辨单元(ncρ,ncθ)对应的笛卡尔坐标,(npx,npy)表示预测的笛卡尔位置,(npρ,npθ)表示分辨单元在极坐标系中的预测位置,表示速度滤波器的假设速度,Δθ表示雷达的角度分辨。
传统的VF方法只适用于笛卡尔坐标系中的匹配处理,而无法处理极坐标系中的观测。现有技术中的MF-TBD方法将具有恒定笛卡尔速度的目标在极坐标系中按近似的匀速直线运动目标处理,这会引起运动模型失配,尤其是当目标靠近传感器(即雷达)的时候,从而影响能量积累。该方法提出利用笛卡尔坐标系和极坐标系之间的转换关系,通过混合坐标策略,可准确的预测目标的位置。
S4、极坐标系伪谱多帧能量积累步骤:对于每个速度滤波器,根据步骤S3中的预测位置在极坐标系中构造伪谱,将各帧的伪谱强度累积,得到速度滤波器的空间域积累平面和速度域平面。伪谱(Pseudo Spectrum,PS)指的是实际不存在,人为构造出的一种基于目标回波形状的谱线。
优选地,极坐标系伪谱多帧能量积累步骤包括:
S4-1、极坐标系伪谱构造步骤:对于每个速度滤波器,以分辨单元的量测值为峰值,以上述分辨单元在极坐标系中最后一帧的预测位置为中心,构造一个与目标回波类似的伪谱。
优选地,对于每个速度滤波器,根据所述步骤S3预测得到的第k帧分辨单元(ncρ,ncθ)在极坐标系中最后一帧K的预测位置(npρ,npθ),1≤npρ≤Nρ,1≤npθ≤Nθ,npρ和npθ为整数或非整数,以第k帧分辨单元(ncρ,ncθ)的量测值zk(ncρ,ncθ)为峰值,以预测位置(npρ,npθ)为中心,在极坐标系中构造一个与目标回波类似的伪谱。构造的伪谱表示为:
式中,fPS(·)代表构造的伪谱,nρ=1,…,Nρ,nθ=1,…,Nθ,σρ和σθ分别表示目标回波的在距离和角度方向上的扩散程度,SSρ和SSθ分别表示目标回波在距离和角度方向上的扩散范围。
S4-2、极坐标系多帧能量积累步骤:对于每个速度滤波器,将该批次中各帧的伪谱强度累加,得到各个速度滤波器的空间域积累平面,各个速度滤波器在目标位置处的积累值组成目标的速度域包络。
构造完伪谱后,将所构造的伪谱在各个分辨单元上的强度值分别与预测位置周围的一定数量的分辨单元的量测值累加,以此类推,对一个批次的后续帧做相同的处理,优选地,在一个批次处理后,得到一个速度滤波器的积累平面U(nρ,nθ)的表达式为:
其中,U(nρ,nθ)表示一个批次处理后的积累平面;K表示总的积累帧数,Nρ表示距离方向上总的单元格数,Nθ表示角度方向上总的单元格数。
根据速度滤波器的积累平面找出每个速度滤波器输出的最大峰值,然后进一步在这些峰值中搜索出其中最大的峰值,该峰值所在的速度滤波器的假设速度即为与目标真实速度最近的假设速度。
将所有速度滤波器中该最大的峰值位置的幅度值及速度滤波器的假设速度组成一个三维矩阵,该矩阵即为速度滤波器的速度域平面,表示为:
其中,
q4=KQpA
式中,pθ,0表示目标的初始角度,(vx,vy)表示目标的真实笛卡尔速度。从上式可以看出,目标的速度域包络在距离和角度方向都可以看作是一个二次函数,通过二次多项式拟合,可以精确的估计目标的真实速度。
目前已有的TBD技术只考虑每帧一个分辨单元用于积累,即对目标的能量进行积累时,只考虑了目标回波最大的一个分辨单元,导致目标的能量积累不充分,且目标回波在多帧累加后发生严重变化,这会影响目标的检测性能,同时也不能进一步对目标参数进行精确的估计。如果目标的真实位置在两个整数分辨单元中间时,传统的方法会导致目标能量不能积累到最大,从而影响系统性能。该方法提出通过构造目标的回波伪谱实现多帧的积累,即考虑目标回波的多个分辨单元用于多帧的积累,实现目标能量积累的最大化。
多帧积累后,超过检测门限的量测单元即为离目标真实位置或速度最近的分辨单元,这是目标极坐标位置和笛卡尔速度的粗略估计,然后根据目标空间域和速度域的波形对目标的极坐标位置和笛卡尔速度进行进一步的精确估计。
S5、目标检测与参数估计步骤:根据预设的检测门限,判断是否有速度滤波器积累的峰值大于检测门限,如没有则判断没有检测到目标,如有则选择最大峰值的速度滤波器,得到目标多帧积累后的空间波形,各个速度滤波器在目标位置处的值组成速度维波形,并估计出目标的极坐标位置和笛卡尔速度。
目标检测与参数估计步骤中,设置虚警率pfa恒定的检测门限VT,判断是否有积累值大于检测门限,如果没有超过检测门限的峰值,则判断没有检测到目标;如果有峰值超过检测门限,选择最大峰值,记录下最大峰值所在的位置单元以及速度单元,得到目标的多帧积累后一个空间波形和速度维波形。然后根据空间波形估计出目标的位置,根据速度维波形估计出目标的速度。
优选地,目标极坐标位置估计表达式为:
其中,
式中,表示多帧积累后最大峰值所在的单元,和分别表示距离和角度方向上次大峰值的单元, 且bρ=bθ=±1,其正负号分别根据距离和角度方向的最大峰值和次大峰值的单元位置确定。dρ表示距离方向最大峰值位置到目标位置的距离,dρ与bρ符号相同,dθ表示角度方向最大峰值位置到目标位置的距离,dθ与bθ符号相同。aρ0,aρ1和aθ0,aθ1分别表示L(dρ)和L(dθ)的多项式拟合系数。
优选地,目标笛卡尔速度估计表达式为:
其中,
cx=[cx0,cx1,cx2]′=(Vx′Vx)-1Vx′Ux
cy=[cy0,cy1,cy2]′=(Vy′Vy)-1Vy′Uy
式中,表示具有最大峰值的速度滤波器对应的假设笛卡尔速度。Δvμ表示速度滤波器间隔(宽度),Nvp表示拟合的点数。
传统的VF等诸多TBD方法由于使用单个分辨单元来实现多帧的积累,破坏了积累后的目标回波波形,不利于目标参数的精确估计。本发明的方法使用伪谱来实现多帧的积累,在提高了目标积累后的信噪比的同时,保持了良好的信号回波波形,利于目标参数的精确估计。
S6、航迹回溯步骤:根据估计出的目标的极坐标位置和笛卡尔速度进行航迹回溯。
根据估计出的第K帧的目标极坐标位置和估计出的目标笛卡尔速度回溯出一个批处理中前K-1帧的目标位置。
S7、航迹输出步骤、输出步骤S6中的回溯结果,实现目标跟踪。
本发明还通过将所提出的方法与传统的基于动态规划的MF-TBD方法进行对比实验,验证了本发明所提出方法在输出包络聚焦、检测概率、位置估计等方面的优越性。图3是信噪比为8dB时的单帧回波平面;图4(a)是信噪比为8dB时本发明实施例中微弱目标检测跟踪方法的积累平面;图4(b)是信噪比为8dB时传统的基于动态规划的MF-TBD方法的积累平面,其中,图3、图4(a)和图4(b)中椭圆圈内所圈部分为目标。图5至图7表示本发明所提出MF-TBD方法与传统的基于动态规划的MF-TBD方法的对比,图5表示不同输入信噪比下检测概率的对比;图6表示不同输入信噪比下位置估计误差的对比;图7表示不同积累帧数下检测概率的对比;图8表示不同积累帧数下位置估计误差的对比。另外,传统的基于动态规划的MF-TBD不能对目标的速度进行估计,而本发明提出的方法具有较好的速度估计性能,如图9和图10所示。图9表示本发明实施例中微弱目标检测跟踪方法在不同输入信噪比下的速度估计误差;图10表示本发明实施例中微弱目标检测跟踪方法在不同积累帧数下的速度估计误差。
由此可知,该方法具有如下优势:
1、通过混合坐标策略,在准确的获得传感器坐标系中的目标预测位置,避免了由于模型失配造成的积累能量损失。
2、构造类似于目标回波包络的伪谱,利用伪谱来实现多帧的能量积累,使得目标回波的特征得到很好的保持。
3、考虑了目标回波扩展的特性,每个包含目标能量的单元都被用于能量积累,使得目标的能量充分积累,提高了积累后的信噪比,增加了目标被检测到的可能性。
4、根据积累后的目标输出包络,精确地估计出目标的极坐标位置和笛卡尔速度。由于伪谱的使用,多帧积累后的回波形状保持良好,这样使得目标参数的精确估计得以继续,使得估计精度得到提高。
5、利用3dB速度分辨率来设置滤波器的宽度和数量,使得可以用最少的滤波器实现最佳滤波效果,减轻硬件的负担。
6、可采用并行的编程实现,可以减少方法的运行时间,提高运行效率。
综上所述,本发明提出了一种新的基于混合坐标和伪谱构造的检测前跟踪方法,并以雷达为例进行了说明,实际上,该方法也可以拓展至其他极坐标系传感器中,例如声呐。该微弱目标检测跟踪方法有效解决了传统的MF-TBD方法不能很好地处理雷达等极坐标系传感器数据,按照传感器坐标系中的近似目标运动模型来处理数据的方法存在的模型失配和性能不佳,多帧能量积累后目标的回波包络被严重破坏,不能对目标参数做进一步精确的估计,目标能量不能完全积累,在多目标场景下信噪比增益和检测概率不佳,以及运算量过大等问题。
最后应说明的是:以上实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
Claims (9)
1.一种基于混合坐标伪谱技术的微弱目标检测跟踪方法,其特征在于,包括如下步骤:
数据获取步骤、获取多帧雷达回波数据,积累并联合处理,建立目标回波模型;
滤波器组设置步骤、根据目标回波模型,设置滤波器组中单个速度滤波器的宽度和数量;
混合坐标预测步骤、将极坐标系下的分辨单元转换到笛卡尔坐标系中,根据每个速度滤波器假设的笛卡尔速度,得到该分辨单元在最后一帧的预测的笛卡尔位置,将该预测的笛卡尔位置转换回极坐标系中,得到该分辨单元在极坐标系中的预测位置;
极坐标系伪谱多帧能量积累步骤、对于每个速度滤波器,根据预测位置在极坐标系中构造伪谱,将各帧的伪谱强度累积,得到速度滤波器的空间域积累平面和速度域平面;
目标检测与参数估计步骤、根据预设的检测门限,判断是否有速度滤波器积累的峰值大于检测门限,如没有则判断没有检测到目标,如有则选择最大峰值的速度滤波器,得到目标多帧积累后的空间波形,各个速度滤波器在目标位置的值组成速度维波形,并估计出目标的极坐标位置和笛卡尔速度;
航迹回溯步骤、根据估计出的目标的极坐标位置和笛卡尔速度进行航迹回溯;
航迹输出步骤、输出回溯结果。
2.根据权利要求1所述的微弱目标检测跟踪方法,其特征在于:所述极坐标系伪谱多帧能量积累步骤包括:
极坐标系伪谱构造步骤、对于每个速度滤波器,以分辨单元的量测值为峰值,以上述分辨单元在极坐标系中最后一帧的预测位置为中心,构造伪谱;
极坐标系多帧能量积累步骤、对于每个速度滤波器,将该批次中各帧的伪谱强度累加,得到各个速度滤波器的积累平面,各个速度滤波器在目标位置处的积累值组成目标的速度域包络。
3.根据权利要求1所述的微弱目标检测跟踪方法,其特征在于:所述数据获取步骤中,以zk表示雷达第k帧的单帧雷达回波数据,k=1,…,K,K表示一个处理批次中总的积累帧数;建立目标回波模型时,采用高斯点扩散模型。
4.根据权利要求2所述的微弱目标检测跟踪方法,其特征在于:所述滤波器组设置步骤中,由滤波器组的速度分辨率来确定单个速度滤波器的宽度,表达式为:
其中,
式中,K表示该处理批次中雷达回波数据总的积累帧数,A表示目标单帧回波的峰值大小,f”ρp和f”θp表示目标单帧回波函数在峰值处的二阶偏导数,Δρ为雷达的距离分辨,Δθ为雷达的角度分辨,用于确定速度维中速度的3dB宽度,σρ和σθ分别表示目标回波在距离和角度方向上的扩展程度,pρ,max为雷达的最大观测距离;
设目标速度在(vmin,vmax)之间,则:
其中,Nv表示滤波器组所需的单个速度滤波器的数量,表示向上取整操作符号。
5.根据权利要求4所述的微弱目标检测跟踪方法,其特征在于:所述混合坐标预测步骤中,设目标的笛卡尔速度在积累的时间内恒定不变,假设第k帧雷达回波数据的整数分辨单元(ncρ,ncθ)上存在目标能量,ncρ=1,2,…,Nρ,ncθ=1,2,…,Nθ,Nρ表示距离方向上总的单元格数,Nθ表示角度方向上总的单元格数;
将该分辨单元(ncρ,ncθ)转换到笛卡尔坐标系中,得:
ncx=ncρcos(ncθΔθ)
ncy=ncρsin(ncθΔθ)
根据速度滤波器假设的笛卡尔速度,得到其在最后一帧K的预测的笛卡尔位置为:
将上述预测的笛卡尔位置转换回极坐标系中,得到该分辨单元在极坐标系中的预测位置为:
其中,(ncx,ncy)表示分辨单元(ncρ,ncθ)对应的笛卡尔坐标,(npx,npy)表示预测的笛卡尔位置,(npρ,npθ)表示分辨单元在极坐标系中的预测位置,表示速度滤波器的假设速度,Δθ表示雷达的角度分辨。
6.根据权利要求5所述的微弱目标检测跟踪方法,其特征在于:所述极坐标系伪谱构造步骤中,对于每个速度滤波器,根据预测得到的第k帧分辨单元(ncρ,ncθ)在极坐标系中最后一帧K的预测位置(npρ,npθ),1≤npρ≤Nρ,1≤npθ≤Nθ,以第k帧分辨单元(ncρ,ncθ)的量测值zk(ncρ,ncθ)为峰值,以预测位置(npρ,npθ)为中心,在极坐标系中构造伪谱,构造的伪谱表示为:
式中,fPS(·)代表构造的伪谱,nρ=1,…,Nρ,nθ=1,…,Nθ,σρ和σθ分别表示目标回波的在距离和角度方向上的扩散程度,SSρ和SSθ分别表示目标回波在距离和角度方向上的扩散范围。
7.根据权利要求6所述的微弱目标检测跟踪方法,其特征在于:所述多帧能量积累步骤中,在一个批次处理后,得到一个速度滤波器的积累平面的表达式为:
其中,U(nρ,nθ)表示一个批次处理后的积累平面;
根据速度滤波器的积累平面找出每个速度滤波器输出的最大峰值,在这些峰值中搜索出其中最大的峰值,该峰值所在的速度滤波器的假设速度为与目标真实速度最近的假设速度;
将所有速度滤波器中该最大的峰值位置的幅度值及速度滤波器的假设速度组成一个三维矩阵,构成速度滤波器的速度域平面表示为:
其中,
q4=KQpA
式中,pθ,0表示目标的初始角度,(vx,vy)表示目标的真实笛卡尔速度。
8.根据权利要求7所述的微弱目标检测跟踪方法,其特征在于:所述目标检测与参数估计步骤中,设置虚警率pfa恒定的检测门限VT进行判断;
目标极坐标位置估计表达式为:
其中,
式中,表示多帧积累后最大峰值所在的单元,和分别表示距离和角度方向上次大峰值的单元, 且bρ=bθ=±1,其正负号分别根据距离和角度方向的最大峰值和次大峰值的单元位置确定;dρ表示距离方向最大峰值位置到目标位置的距离,dρ与bρ符号相同,dθ表示角度方向最大峰值位置到目标位置的距离,dθ与bθ符号相同;aρ0,aρ1和aθ0,aθ1分别表示L(dρ)和L(dθ)的多项式拟合系数;
目标笛卡尔速度估计表达式为:
其中,
cx=[cx0,cx1,cx2]′=(Vx′Vx)-1Vx′Ux
cy=[cy0,cy1,cy2]′=(Vy′Vy)-1Vy′Uy
式中,表示具有最大峰值的速度滤波器对应的假设笛卡尔速度,Nvp表示拟合的点数。
9.根据权利要求1所述的微弱目标检测跟踪方法,其特征在于:所述航迹回溯步骤中,根据估计出的第K帧的目标极坐标位置和估计出的目标笛卡尔速度回溯出一个批处理中前K-1帧的目标位置,K表示一个批次处理中总的积累帧数。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910305369.6A CN110007299B (zh) | 2019-04-16 | 2019-04-16 | 一种基于混合坐标伪谱技术的微弱目标检测跟踪方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910305369.6A CN110007299B (zh) | 2019-04-16 | 2019-04-16 | 一种基于混合坐标伪谱技术的微弱目标检测跟踪方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110007299A true CN110007299A (zh) | 2019-07-12 |
CN110007299B CN110007299B (zh) | 2020-02-11 |
Family
ID=67172352
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910305369.6A Active CN110007299B (zh) | 2019-04-16 | 2019-04-16 | 一种基于混合坐标伪谱技术的微弱目标检测跟踪方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110007299B (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110727515A (zh) * | 2019-10-12 | 2020-01-24 | 电子科技大学 | 一种雷达mf-tbd算法的多路fpga快速并行处理系统及处理方法 |
CN110954895A (zh) * | 2019-12-13 | 2020-04-03 | 哈尔滨工业大学 | 一种基于复伪谱的速度滤波检测前跟踪方法 |
CN111796267A (zh) * | 2020-07-14 | 2020-10-20 | 哈尔滨工业大学 | 一种基于伪谱匹配滤波的机动转弯目标检测前跟踪方法 |
WO2021179548A1 (zh) * | 2020-03-12 | 2021-09-16 | 五邑大学 | 河道地形模型构建方法、装置、机器人和存储介质 |
CN113514823A (zh) * | 2021-04-25 | 2021-10-19 | 哈尔滨工业大学 | 一种基于伪谱的多模型机动目标检测前跟踪方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104931952A (zh) * | 2015-06-26 | 2015-09-23 | 西安电子科技大学 | 一种基于多帧联合的运动目标航迹的雷达检测方法 |
JP2015180858A (ja) * | 2014-03-03 | 2015-10-15 | 三菱電機株式会社 | レーダ装置 |
CN108802722A (zh) * | 2018-08-28 | 2018-11-13 | 哈尔滨工业大学 | 一种基于虚拟谱的弱目标检测前跟踪方法 |
-
2019
- 2019-04-16 CN CN201910305369.6A patent/CN110007299B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2015180858A (ja) * | 2014-03-03 | 2015-10-15 | 三菱電機株式会社 | レーダ装置 |
CN104931952A (zh) * | 2015-06-26 | 2015-09-23 | 西安电子科技大学 | 一种基于多帧联合的运动目标航迹的雷达检测方法 |
CN108802722A (zh) * | 2018-08-28 | 2018-11-13 | 哈尔滨工业大学 | 一种基于虚拟谱的弱目标检测前跟踪方法 |
Non-Patent Citations (1)
Title |
---|
LIANGLIANG WANG ET AL.: "Track-Before-Detect Technique in Mixed Coordinate", 《2018 21ST INTERNATIONAL CONFERENCE ON INFORMATION FUSION》 * |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110727515A (zh) * | 2019-10-12 | 2020-01-24 | 电子科技大学 | 一种雷达mf-tbd算法的多路fpga快速并行处理系统及处理方法 |
CN110954895A (zh) * | 2019-12-13 | 2020-04-03 | 哈尔滨工业大学 | 一种基于复伪谱的速度滤波检测前跟踪方法 |
WO2021179548A1 (zh) * | 2020-03-12 | 2021-09-16 | 五邑大学 | 河道地形模型构建方法、装置、机器人和存储介质 |
CN111796267A (zh) * | 2020-07-14 | 2020-10-20 | 哈尔滨工业大学 | 一种基于伪谱匹配滤波的机动转弯目标检测前跟踪方法 |
CN111796267B (zh) * | 2020-07-14 | 2022-05-06 | 哈尔滨工业大学 | 一种基于伪谱匹配滤波的机动转弯目标检测前跟踪方法 |
CN113514823A (zh) * | 2021-04-25 | 2021-10-19 | 哈尔滨工业大学 | 一种基于伪谱的多模型机动目标检测前跟踪方法 |
Also Published As
Publication number | Publication date |
---|---|
CN110007299B (zh) | 2020-02-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110007299B (zh) | 一种基于混合坐标伪谱技术的微弱目标检测跟踪方法 | |
CN108802722B (zh) | 一种基于虚拟谱的弱目标检测前跟踪方法 | |
CN107861107B (zh) | 一种适用于连续波雷达的双门限cfar与点迹凝聚方法 | |
CN106680806A (zh) | 一种多雷达点迹融合方法 | |
CN110161494B (zh) | 基于速度平方滤波的rd平面弱目标检测跟踪方法及装置 | |
CN107015205B (zh) | 一种分布式mimo雷达检测的虚假目标消除方法 | |
CN111965632B (zh) | 一种基于黎曼流形降维的雷达目标检测方法 | |
CN107576959B (zh) | 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 | |
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 | |
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 | |
CN104459661B (zh) | 检测快速火炮类微弱目标的方法 | |
CN103197297B (zh) | 基于认知框架的雷达动目标检测方法 | |
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 | |
CN107942324B (zh) | 基于多普勒引导的多帧联合小目标双重检测方法 | |
CN112731307B (zh) | 基于距离-角度联合估计的ratm-cfar检测器及检测方法 | |
CN106680783B (zh) | 基于站址误差融合算法对抗欺骗式假目标的方法 | |
CN106501800A (zh) | 基于代价参考粒子滤波的mimo雷达目标检测前跟踪方法 | |
CN108872961B (zh) | 基于低门限的雷达微弱目标检测方法 | |
CN111352105A (zh) | 用于目标跟踪的测角方法 | |
CN110673130A (zh) | 一种基于航迹关联的运动目标航迹跟踪方法 | |
CN111796266B (zh) | 一种匀加速运动目标rd平面检测前跟踪方法 | |
CN105652256B (zh) | 一种基于极化信息的高频地波雷达tbd方法 | |
CN117310642A (zh) | 一种基于多尺度聚类的多雷达密集群目标航迹关联方法 | |
CN112505665A (zh) | 适用于部分均匀混响环境的空时自适应检测方法及系统 | |
CN111090088B (zh) | 基于主动声纳阵列斜对称特性的泄露目标空时检测方法 |
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 |