CN110376579A - 一种机动目标动态规划检测前跟踪方法 - Google Patents

Abstract

本发明涉及一种机动目标动态规划检测前跟踪方法，针对实际工程中存在的非线性系统模型，利用不敏卡尔曼滤波步骤中状态预测操作来预测目标在下一帧的位置，进而得到相邻两帧之间的转移步长，转移步长在自适应的改变，实现了沿着目标运动方向的目标信号能量的有效积累，从而达到目标有效。

Description

一种机动目标动态规划检测前跟踪方法

技术领域

本发明属于雷达目标检测跟踪技术领域，特别涉及雷达系统中微弱目标的检测前跟踪技术。

背景技术

检测前跟踪是对微弱目标进行检测和跟踪的一种技术。和传统检测方法相比，该方法不对单帧的雷达回波数据做目标检测判决，而是对多帧原始回波进行联合处理，以充分挖掘目标信息并抑制噪声杂波，实现最优化传感器的探测性能。由于没有对单帧数据进行检测处理，检测前跟踪保留了更多的目标信息，检测前跟踪的本质是通过长时间积累来提高目标信号信噪比。检测前跟踪方法嵌入了目标跟踪处理过程，解决了部分的数据互联问题，因此在检测判决的同时还可以估计出相应的航迹。

基于动态规划的微弱目标检测前跟踪方法最早应用于红外弱目标的检测，近年来该方法已被应用于雷达目标信号检测，但上述应用均假设为匀速或弱机动运动状态。但当目标做强机动运动时，由于目标运动速度(大小或方向)变化大，目标初速度确定的状态转移步长不能每时每刻匹配目标真实速度，从而不能有效地对目标进行检测和跟踪。国内外学者针对这一问题做了一定的研究。文献“一种基于二阶Markov目标状态模型的多帧关联动态规划检测前跟踪算法，电子与信息学报，34(4):885-890，2012”提出利用二阶马尔科夫模型对目标和量测进行建模，并设计了一种基于目标转弯角度的转移概率模型，用来修正检测前跟踪的积累统计值。在系统模型线性的条件下，文献“A Kalman filtering-baseddynamic programming track-before-detect algorithm for turn target,Proc ofICCCAS,Chengdu,China,449-452,2010”把卡尔曼滤波引入动态规划检测前跟踪方法，有效提高了算法对转弯机动目标的检测跟踪性能。针对加速度机动目标，文献“A DP-TBDalgorithm with adaptive state transition set for maneuvering targets,Proc ofCIE International Conference on Radar,Guangzhou,China,4-8,2016”采用基于卡尔曼滤波的动态规划检测前跟踪方法实现了目标的有效跟踪。上述方法均要求系统为线性模型，应用具有局限性。

发明内容

要解决的技术问题

为了避免现有技术的不足之处，本发明提出一种机动目标动态规划检测前跟踪方法。

技术方案

一种机动目标动态规划检测前跟踪方法，其特征在于步骤如下：

步骤1：初始化系统参数：

初始化系统参数包括：雷达x方向距离分辨力Δx；雷达y方向距离分辨力Δy；雷达x方向距离分辨单元个数N_x；雷达y方向距离分辨单元个数N_y；状态转移数q；采用蒙特卡洛仿真试验计算出的门限V_T；目标回波幅度A；无迹卡尔曼滤波初始化协方差P₀；观测间隔T；观测总帧数K；初始化当前帧数k＝1；

步骤2：从雷达接收机中读取第1帧量测并离散化处理得到所述的表示第1帧对应于原始量测的任一离散量化状态；其中，表示离散操作，和分别表示x方向距离分辨单元和y方向距离分辨单元的位置量化状态，和分别表示x方向和y方向距离维的速度量化状态；

步骤3：k＝1时，对所有状态X₁对应的值函数I(X₁)赋初值为z(X₁)；

步骤4：动态规划值函数积累：当2≤k≤K时，进行如下步骤：

步骤4.1：利用不敏卡尔曼滤波实现下一时刻状态预测 表示目标在k-1时刻对k时刻状态预测值，x″_k和y″_k分别表示目标在x和y方向的距离状态，和分别表示目标在x和y方向的速度状态；

步骤4.2、对下一时刻状态预测值进行离散化， 和分别表示目标下一时刻在x和y方向的距离状态预测值离散化后的结果，和分别表示目标在x和y方向的速度状态预测值离散化后的结果；

步骤4.3、计算第k-1帧和第k帧之间状态转移步长

步骤4.4、更新所有状态对应的值函数并记录状态对应的上一帧状态其中，表示第k-1帧以为转移步长的可能转移到的量化状态集合；

步骤5：如果k<K，令k＝k+1，返回步骤4；

步骤6：门限检测：如果k＝K，值函数积累结束，根据门限V_T，找出：

这里采用的最大值进行门限检测，表示第k帧的估计状态；

步骤7：航迹回溯：

利用记录的帧间状态转移关系，恢复值函数最大值所对应的航迹，作为估计的状态序列，表示为其中k＝K-1,…,1。

有益效果

本发明提出的一种机动目标动态规划检测前跟踪方法，针对实际工程中存在的非线性系统模型，本发明利用不敏卡尔曼滤波步骤中状态预测操作来预测目标在下一帧的位置，进而得到相邻两帧之间的转移步长，转移步长在自适应的改变，实现了沿着目标运动方向的目标信号能量的有效积累，从而达到目标有效。

附图说明

图1图1为本发明方法的流程图

图2图2为传统检测前跟踪和本发明方法精确航迹跟踪概率曲线图

图3图3为本发明方法的目标值函数累积图(ω＝0.12rad/s)

图4为目标真实航迹和本发明方法恢复航迹图(ω＝0.12rad/s)

具体实施方式

现结合实施例、附图对本发明作进一步描述：

本发明采用计算机仿真的方法进行验证，所有步骤、结论都在MATLAB-R2016a上验证正确。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：雷达x方向距离分辨力Δx＝1m；雷达y方向距离分辨力Δy＝1m；雷达x方向距离分辨单元个数N_x＝400；雷达y方向距离分辨单元个数N_y＝400；状态转移数q＝9；采用蒙特卡洛仿真试验计算出的门限V_T＝25.745752；目标回波幅度无迹卡尔曼滤波初始化协方差观测间隔T＝1s；观测总帧数K＝11；初始化当前帧数k＝1。

步骤2、从雷达接收机中读取第1帧量测并离散化处理得到 表示第1帧对应于原始量测的任一离散量化状态。其中，表示离散操作，和分别表示x方向距离分辨单元和y方向距离分辨单元的位置量化状态，和分别表示x方向和y方向距离维的速度量化状态。

步骤3、k＝1时，对所有状态X₁对应的值函数I(X₁)赋初值为z(X₁)。

步骤4、动态规划值函数积累：当2≤k≤K时

步骤4.1、利用不敏卡尔曼滤波实现下一时刻状态预测 表示目标在k-1时刻对k时刻状态预测值，x″_k和y″_k分别表示目标在x和y方向的距离状态，和分别表示目标在x和y方向的速度状态。

步骤4.2、对下一时刻状态预测值进行离散化， 和分别表示目标下一时刻在x和y方向的距离状态预测值离散化后的结果，和分别表示目标在x和y方向的速度状态预测值离散化后的结果。

步骤4.3、计算第k-1帧和第k帧之间状态转移步长

步骤4.4、更新所有状态对应的值函数并记录状态对应的上一帧状态其中，表示第k-1帧以为转移步长的可能转移到的量化状态集合。

步骤5、如果k<K，令k＝k+1，返回步骤4。

步骤6、门限检测。如果k＝K，值函数积累结束，根据门限V_T，找出：

这里采用的最大值进行门限检测，表示第k帧的估计状态。

步骤7、航迹回溯。

利用记录的帧间状态转移关系，恢复值函数最大值所对应的航迹，作为估计的状态序列，表示为其中k＝K-1,…,1。

航迹精确跟踪概率为对于恢复出的目标航迹满足每一帧估计的目标位置与真实目标位置误差小于2个距离分辨单元。对于4帧回波数据，从图2可以看出当机动角速度ω>0.1rad/s时常规动态规划检测前跟踪方法已经跟踪失效。不管ω为多大，本发明方法的航迹精确跟踪概率均接近1。也就是说，对于转弯强机动目标，基于无迹卡尔曼的动态规划检测前跟踪方法可以实现目标跟踪，而常规动态规划检测前跟踪方法跟踪失效。图3为本发明方法对强机动目标(ω＝0.12rad/s)的值函数累积图，可以看出目标值函数可以有效累积。图4为目标真实航迹和本发明恢复航迹图，可以看出对强机动目标(ω＝0.12rad/s)，本发明方法可以有效地跟踪雷达目标。

Claims (1)

1.一种机动目标动态规划检测前跟踪方法，其特征在于步骤如下：

步骤1：初始化系统参数：

初始化系统参数包括：雷达x方向距离分辨力Δx；雷达y方向距离分辨力Δy；雷达x方向距离分辨单元个数N_x；雷达y方向距离分辨单元个数N_y；状态转移数q；采用蒙特卡洛仿真试验计算出的门限V_T；目标回波幅度A；无迹卡尔曼滤波初始化协方差P₀；观测间隔T；观测总帧数K；初始化当前帧数k＝1；

步骤2：从雷达接收机中读取第1帧量测并离散化处理得到所述的表示第1帧对应于原始量测的任一离散量化状态；其中，表示离散操作，和分别表示x方向距离分辨单元和y方向距离分辨单元的位置量化状态，和分别表示x方向和y方向距离维的速度量化状态；

步骤3：k＝1时，对所有状态X₁对应的值函数I(X₁)赋初值为z(X₁)；

步骤4：动态规划值函数积累：当2≤k≤K时，进行如下步骤：

步骤4.1：利用不敏卡尔曼滤波实现下一时刻状态预测 表示目标在k-1时刻对k时刻状态预测值，x”_k和y”_k分别表示目标在x和y方向的距离状态，和分别表示目标在x和y方向的速度状态；

步骤4.2、对下一时刻状态预测值进行离散化， 和分别表示目标下一时刻在x和y方向的距离状态预测值离散化后的结果，和分别表示目标在x和y方向的速度状态预测值离散化后的结果；

步骤4.3、计算第k-1帧和第k帧之间状态转移步长

步骤4.4、更新所有状态对应的值函数并记录状态对应的上一帧状态其中，表示第k-1帧以为转移步长的可能转移到的量化状态集合；

步骤5：如果k<K，令k＝k+1，返回步骤4；

步骤6：门限检测：如果k＝K，值函数积累结束，根据门限V_T，找出：

这里采用的最大值进行门限检测，表示第k帧的估计状态；

步骤7：航迹回溯：

利用记录的帧间状态转移关系，恢复值函数最大值所对应的航迹，作为估计的状态序列，表示为其中k＝K-1,…,1。