CN112014814A - 基于三帧积累速度筛选dp-tbd的动目标检测与跟踪方法 - Google Patents
基于三帧积累速度筛选dp-tbd的动目标检测与跟踪方法 Download PDFInfo
- Publication number
- CN112014814A CN112014814A CN202010782668.1A CN202010782668A CN112014814A CN 112014814 A CN112014814 A CN 112014814A CN 202010782668 A CN202010782668 A CN 202010782668A CN 112014814 A CN112014814 A CN 112014814A
- Authority
- CN
- China
- Prior art keywords
- frame
- state
- speed
- tbd
- detection threshold
- 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.)
- Pending
Links
Images
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
- 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
- G01S7/414—Discriminating targets with respect to background clutter
-
- 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
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
本发明属于雷达技术领域,公开了一种基于三帧积累速度筛选动态规划的检测前跟踪的动目标检测与跟踪方法,包括以下步骤:对雷达波束扫描过程中每一个波位上的回波进行检测,采用第一级恒虚警检测门限对雷达回波信号进行抑制,将不大于第一级恒虚警检测门限的雷达回波信号作为杂波和噪声抑制掉;采用三帧积累速度筛选动态规划‑检测前跟踪算法对大于第一级恒虚警检测门限的雷达回波信号进行处理,回溯得到所有航迹;从回溯得到所有航迹中剔除虚假航迹,得到目标航迹;该方法通过三帧积累取得目标可能的速度状态,在性能损失很小的情况下,大大减少了计算量,且在一定条件下能减小虚警率,能在低SNR下实现多目标跟踪,适用范围广。
Description
技术领域
本发明涉及雷达技术领域,具体涉及一种基于三帧积累速度筛选动态规划的检测前跟踪(Dynamic Programming Based on Track Before Detect Algorithm,DP-TBD)的动目标检测与跟踪方法,用于低信噪比下信号检测和跟踪。
背景技术
检测前跟踪方法的研究最早可追溯到二十世纪六七十年代,主要应用于光学、红外领域的弱小目标检测与跟踪,后来逐步在雷达领域引起重视。近几十年来,检测前跟踪技术在国内外受到广泛关注,公开发表了许多文献和研究成果。其中,DP-TBD由于其综合性能最佳,算法评价体系完善,获得了广泛关注。
1985年,Barniv首先提出了DP-TBD方法,用于对弱小目标的检测和跟踪,并进行了仿真和性能分析,但其系统模型仅仅适用于光学模型。1990年,Kramer等人首次提出了针对机载雷达的DP-TBD方法,通过动态规划在距离、角度和多普勒单元中选择最优航迹,但在高重频下机载雷达系统出现的距离模糊会导致算法性能下降。1993年,Arnold对DP-TBD方法进行了改进,使用了似然比作值函数,吸引了一些学者开始对直接影响DP-TBD性能的值函数进行研究。1996年,Tonissen等人提出了一种引入目标速度信息的DP-TBD方法,其目标状态集中包含位置信息、速度信息,状态转移集由给定速度确定,同时给出了在高斯背景下目标检测概率和虚警概率公式,并详细分析了目标检测和跟踪性能,但只适用于匀速运动目标或弱动目标。2002年,Wallace提出了一种改进Viterbi的DP-TBD方法,该方法在距离-多普勒平面积累,并对可能出现的多普勒模糊进行了处理,但该方法只考虑了弱动目标。2005年,Buzzi提出了一种针对机载雷达弱小目标检测DP-TBD方法,该方法通过在方位-距离-多普勒域上对回波数据进行多帧积累,提高了弱小目标检测性能。2007年,Buzzi首次提出了基于DP-TBD的多目标检测跟踪方法,并在次年提出了假设目标互不干扰的多目标DP-TBD方法,该方法假设目标航迹是相互独立的,因此,当目标航迹出现交叉,相互临近时,假设不成立,检测性能会下降。2010年,Orlando针对机载雷达提出了基于GLRT和ad hoc处理的DP-TBD方法,并推导了两种特定的检测器,该方法能有效地检测弱小目标并判别目标起始航迹。同年,Buzzi又在机载雷达下提出了一种基于恒虚警处理(CFAR)的单目标DP-TBD算法。
虽然国内对检测前跟踪方法的研究起步较晚,但对DP-TBD也进行了广泛研究。2003年,强勇对两类值函数进行了研究,用通用的递推关系式统一了两种DP-TBD方法。2004年,顾文彬研究了现有DP-TBD方法应用在雷达系统下的缺陷,提出了一种双门限判别DP-TBD方法,用于解决低信噪比下目标周围能量扩散问题。2006年,曲长文提出了一种适用于多目标DP-TBD方法,用于解决传统TBD方法下在目标数量未知时虚警率较高的问题。2009年,易伟等人对DP-TBD中值函数多帧积累导致航迹扩散问题进行了研究,提出了一种新的DP-TBD解决方案。2011年,罗小云提出了一种将相参积累和DP-TBD结合的方法,通过在雷达信号处理阶段作脉冲积累以提高信噪比,再经过门限处理去除明显杂波点减少了后续的计算量。
综上所述,通过国内外学者对DP-TBD方法的深入研究,DP-TBD方法的理论研究得到了长足发展,在雷达领域中取得了大量成果。目前,DP-TBD方法依旧是国内外学者研究的热点,而传统的DP-TBD方法计算复杂度比较高,雷达数据处理的计算量巨大。因此,在以后研究中,不仅要不断提高DP-TBD方法的检测跟踪性能,还要不断降低其计算量。因此,对于改进的DP-TBD方法的研究具有重要的意义。
发明内容
针对现有技术中存在的问题,本发明的目的在于提供一种基于三帧积累速度筛选DP-TBD的动目标检测与跟踪方法,该方法通过三帧积累取得目标可能的速度状态,与传统的DP-TBD方法相比,本发明在性能损失很小的情况下,大大减少了计算量,且在一定条件下能减小虚警率,能在低SNR下实现多目标跟踪,适用范围广。
为了达到上述目的,本发明采用以下技术方案予以实现。
一种基于三帧积累速度筛选DP-TBD的动目标检测与跟踪方法,包括以下步骤:
步骤1,数据预处理:设置较低的第一级恒虚警检测门限,对雷达波束扫描过程中每一个波位上的回波进行检测,采用所述第一级恒虚警检测门限对雷达回波信号进行抑制,将不大于第一级恒虚警检测门限的雷达回波信号作为杂波和噪声抑制掉,将大于第一级恒虚警检测门限的雷达回波信号转入步骤2进行处理;
步骤2,采用三帧积累速度筛选动态规划-检测前跟踪算法对大于第一级恒虚警检测门限的雷达回波信号进行处理,回溯得到所有航迹;
步骤3,从回溯得到所有航迹中剔除虚假航迹,得到目标航迹。
进一步的,步骤1具体为:
其中,zij(k)表示第k帧第(i,j)单元的雷达回波数据,V表示第一级恒虚警检测门限。
进一步的,步骤2包含以下子步骤:
子步骤2.1,初始化状态值函数I(xk)和状态转移关系ψxk(k),即令帧数k=1,对于第1帧时的各个状态令状态x1的位置p1=[x,y],状态x1的速度则x1状态的值函数其中,表示第1帧雷达回波数据功率;
子步骤2.2,三帧积累:2≤k≤3,遍历全部的状态xk=[pk,vk],则有:
子步骤2.3,速度筛选:对第3帧值函数I(x3)取出不同速度维度下二维位置的极大值点,记录位置极大值点的状态;将所述位置极大值点的状态的差距不大于2单元归为同一集合A,从所述集合A中舍弃掉数量小于M2/6的集合作为新的集合A′;从所述集合A′中每一个集合取出值函数最大L个速度状态,并归于一个集合S;其中,M为速度单元数;
子步骤2.4,值函数递推:遍历4≤k≤K,对所有状态xk=[pk,vk],vk∈S有
进一步的,步骤3中,所述剔除虚假航迹具体为:将拥有数个相同位置状态的航迹,只取第K帧值函数最大的一条,其余删除。
与现有技术相比,本发明的有益效果为:
a)本发明预设第一级恒虚警检测门限,滤出大部分杂波噪声干扰,降低计算复杂度,提高处理速度;b)本发明经过速度筛选,能够减少计算量的同时性能损失很小,一定条件下能减小虚警率;c)本发明能在低SNR下实现多目标跟踪,适用范围广。
附图说明
下面结合附图和具体实施例对本发明做进一步详细说明。
图1是本发明的基于三帧积累速度筛选DP-TBD的动目标检测与跟踪方法的流程示意图;
图2是传统DP-TBD处理的值函数积累图;
图3是本申请的基于三帧积累速度筛选DP-TBD的值函数积累图;
图4是本申请的基于三帧积累速度筛选DP-TBD方法与传统的DP-TBD处理方法的性能对比图;其中,图(a)为本申请的方法与传统方法的检测率的对比图;图(b)为本申请的方法与传统方法的虚警率的对比图;
图5是本申请的基于三帧积累速度筛选DP-TBD方法的多目标航迹结果图。
具体实施方式
下面将结合实施例对本发明的实施方案进行详细描述,但是本领域的技术人员将会理解,下列实施例仅用于说明本发明,而不应视为限制本发明的范围。
参考图1,一种基于三帧积累速度筛选DP-TBD的动目标检测与跟踪方法,包括以下步骤:
步骤1,数据预处理:设置较低的第一级恒虚警检测门限,对雷达波束扫描过程中每一个波位上的回波进行检测,采用第一级恒虚警检测门限对雷达回波信号进行抑制,将不大于第一级恒虚警检测门限的雷达回波信号作为杂波和噪声抑制掉,将大于第一级恒虚警检测门限的雷达回波信号转入步骤2进行处理,具体如下:
其中,zij(k)表示第k帧第(i,j)单元的雷达回波数据,V表示第一级恒虚警检测门限。
步骤2,采用三帧积累速度筛选动态规划-检测前跟踪(DP-TBD)算法对大于第一级恒虚警检测门限的雷达回波信号进行处理,回溯得到所有航迹。
具体的,步骤2包含以下子步骤:
子步骤2.2,三帧积累:2≤k≤3,遍历全部的状态xk=[pk,vk],则有:
子步骤2.3,速度筛选:对第3帧值函数I(x3)取出不同速度维度下二维位置的极大值点,记录位置极大值点的状态;然后进行按位置分类,将所述位置极大值点的状态的差距不大于2单元归为同一集合A,从所述集合A中舍弃掉数量小于M2/6的集合作为新的集合A′;从所述集合A′中每一个集合取出值函数最大L个速度状态,并归于一个集合S;其中,M为速度单元数。
具体的,将状态空间看作一个四维状态空间,值函数同样可看作一个四维空间,即位置维度和速度维度组成四维空间。设若平面上某一单元值函数大于周围8个单元值函数,就认为该单元为极大值点。对第3帧值函数取出所有不同速度维度下二维位置极大值点,记录位置极大值点的状态。从集合A′中每一个集合取出值函数最大L个速度状态,L一般取L=3。
子步骤2.4,值函数递推:遍历4≤k≤K,对所有状态xk=[pk,vk],vk∈S有
步骤3,从所述回溯得到所有航迹中,将共享大量状态的航迹进行虚假航迹剔除,得到目标航迹。
具体的,由于TBD算法的值函数扩散特性,回溯后将产生大量虚假的航迹。因此,对于拥有数个相同位置状态的航迹,认为是同一航迹的能量扩散到了邻域,导致形成了多条航迹。对此,将拥有数个相同位置状态的航迹,只取第K帧值函数最大的一条,其余删除。
本发明的效果通过以下仿真实验进一步说明:
仿真1:经传统DP-TBD处理的值函数积累结果
采取10帧TBD仿真航迹累积,帧间间隔T=1s,场景大小为30*30单元,速度单元为6;噪声服从高斯分布。目标的初始状态为[2.5,2.6,3.0,2.1],目标幅度B=2.25,门限VT=19.5。在此仿真经传统DP-TBD处理(传统的DP-TBD处理中未经过三帧积累和速度筛选操作),仿真值函数积累结果见图2。由图2可知,目标附近值函数会积累到相对较高的水平,在目标处形成一个“平台状”,即出现了“团聚效应”。导致检测门限设置困难,目标难以检测。
仿真2:经三帧积累速度筛选DP-TBD处理的值函数积累结果
本仿真中的参数设置与仿真1中的设置相同。由图3可以看出,目标处不再形成一个平台的形状,周围不少单元直接形成了零陷,目标较为突出。从其平面图中同样可以看到,其“团聚效应”大大减弱了,目标位置形成了一个相对独立的尖峰,能够较为清晰地识别出目标。
仿真3:本发明与传统方法性能对比
本仿真中的参数设置与仿真1中的设置相同,仿真结果见图4。由图4可以看出,本申请的基于三帧积累速度筛选DP-TBD方法相比传统DP-TBD方法,检测率和虚警率性能损失很小,甚至在目标信噪比较大情况下,虚警率更低。
仿真4,本发明与传统方法时间复杂度对比
本仿真中的参数设置与仿真1中的设置相同,仿真结果见表1。
表1基于三帧积累速度筛选方法与传统方法的时间复杂度对比结果
目标信噪比/dB | 传统DP-TBD方法/s | 改进DP-TBD方法/s |
7 | 5.2 | 2.5 |
13 | 5.2 | 2.5 |
由表1可以看出,本申请的基于三帧积累速度筛选DP-TBD相比传统的相比传统DP-TBD方法,时间复杂度更低。
仿真5,本发明与传统方法计算量的对比
本仿真中的参数设置:场景大小为50*50单元,速度单元数为20,目标的初始状态为[2.5,2.6,3.0,2.1],目标幅度B=2.25,仿真结果见表2。
表2基于三帧积累速度筛选方法与传统方法的计算量对比结果
由表2可以看出,随着速度单元增加,本申请的基于三帧积累速度筛选DP-TBD方法降低计算量的能力更强。
仿真6,本发明多目标检测航迹
本仿真中的参数设置与仿真1中的设置相同,新增一个目标2状态为[2.1,2.1,28.0,-2.1],仿真结果见图5。由图5可以看出,不仅成功的剔除了虚假航迹,而且成功的实现了两交错目标的航迹分离。这个仿真实验验证了本发明可以在低SNR下实现多目标跟踪,并且能够正确关联航迹,对多目标跟踪具有良好的检测跟踪性能。
虽然,本说明书中已经用一般性说明及具体实施方案对本发明作了详尽的描述,但在本发明基础上,可以对之作一些修改或改进,这对本领域技术人员而言是显而易见的。因此,在不偏离本发明精神的基础上所做的这些修改或改进,均属于本发明要求保护的范围。
Claims (5)
1.基于三帧积累速度筛选DP-TBD的动目标检测与跟踪方法,其特征在于,包括以下步骤:
步骤1,数据预处理:设置较低的第一级恒虚警检测门限,对雷达波束扫描过程中每一个波位上的回波进行检测,采用所述第一级恒虚警检测门限对雷达回波信号进行抑制,将不大于第一级恒虚警检测门限的雷达回波信号作为杂波和噪声抑制掉,将大于第一级恒虚警检测门限的雷达回波信号转入步骤2进行处理;
步骤2,采用三帧积累速度筛选动态规划-检测前跟踪算法对大于第一级恒虚警检测门限的雷达回波信号进行处理,回溯得到所有航迹;
步骤3,从回溯得到所有航迹中剔除虚假航迹,得到目标航迹。
3.根据权利要求1所述的三帧积累速度筛选DP-TBD的动目标检测与跟踪方法,其特征在于,步骤2包含以下子步骤:
子步骤2.2,三帧积累:2≤k≤3,遍历全部的状态xk=[pk,vk],则有:
子步骤2.3,速度筛选:对第3帧值函数I(x3)取出不同速度维度下二维位置的极大值点,记录位置极大值点的状态;将所述位置极大值点的状态的差距不大于2单元归为同一集合A,从所述集合A中舍弃掉数量小于M2/6的集合作为新的集合A′;从所述集合A′中每一个集合取出值函数最大L个速度状态,并归于一个集合S;其中,M为速度单元数;
子步骤2.4,值函数递推:遍历4≤k≤K,对所有状态xk=[pk,vk],vk∈S有
5.根据权利要求1所述的三帧积累速度筛选DP-TBD的动目标检测与跟踪方法,其特征在于,步骤3中,所述剔除虚假航迹具体为:将拥有数个相同位置状态的航迹,只取第K帧值函数最大的一条,其余删除。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010782668.1A CN112014814A (zh) | 2020-08-06 | 2020-08-06 | 基于三帧积累速度筛选dp-tbd的动目标检测与跟踪方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010782668.1A CN112014814A (zh) | 2020-08-06 | 2020-08-06 | 基于三帧积累速度筛选dp-tbd的动目标检测与跟踪方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112014814A true CN112014814A (zh) | 2020-12-01 |
Family
ID=73500169
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010782668.1A Pending CN112014814A (zh) | 2020-08-06 | 2020-08-06 | 基于三帧积累速度筛选dp-tbd的动目标检测与跟踪方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112014814A (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113109796A (zh) * | 2021-03-03 | 2021-07-13 | 四川九洲防控科技有限责任公司 | 一种目标检测方法及装置 |
CN113204891A (zh) * | 2021-05-24 | 2021-08-03 | 中国人民解放军空军预警学院 | 基于指数平滑预测的dp-tbd算法跟踪方法及设备 |
CN113311420A (zh) * | 2020-12-30 | 2021-08-27 | 西安电子科技大学 | 一种基于分簇管理的雷达目标检测与跟踪方法及其装置 |
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 |
CN113721223A (zh) * | 2021-08-04 | 2021-11-30 | 南京莱斯电子设备有限公司 | 基于极值理论的弱小目标检测前跟踪技术性能分析方法 |
-
2020
- 2020-08-06 CN CN202010782668.1A patent/CN112014814A/zh active Pending
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113311420A (zh) * | 2020-12-30 | 2021-08-27 | 西安电子科技大学 | 一种基于分簇管理的雷达目标检测与跟踪方法及其装置 |
CN113311420B (zh) * | 2020-12-30 | 2023-10-31 | 西安电子科技大学 | 一种基于分簇管理的雷达目标检测与跟踪方法及其装置 |
CN113109796A (zh) * | 2021-03-03 | 2021-07-13 | 四川九洲防控科技有限责任公司 | 一种目标检测方法及装置 |
CN113204891A (zh) * | 2021-05-24 | 2021-08-03 | 中国人民解放军空军预警学院 | 基于指数平滑预测的dp-tbd算法跟踪方法及设备 |
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 |
CN113721223A (zh) * | 2021-08-04 | 2021-11-30 | 南京莱斯电子设备有限公司 | 基于极值理论的弱小目标检测前跟踪技术性能分析方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112014814A (zh) | 基于三帧积累速度筛选dp-tbd的动目标检测与跟踪方法 | |
CN108490410B (zh) | 一种两坐标雷达对海目标联合检测跟踪方法 | |
WO2022022239A1 (zh) | 一种基于检测前估计的雷达目标检测方法 | |
CN111157953B (zh) | 一种强地杂波下两级门限恒虚警检测算法 | |
CN114114192A (zh) | 集群目标检测方法 | |
CN116206359A (zh) | 基于毫米波雷达与动态采样神经网络的人体步态识别方法 | |
CN111580063A (zh) | 基于广义解调频-楔形变换的雷达目标检测方法 | |
CN111965613B (zh) | 一种基于动态规划与分数阶傅里叶变换的弱目标检测方法 | |
CN108983194B (zh) | 一种基于地面监视雷达系统的目标提取及凝聚方法 | |
Xingyu et al. | A recognition algorithm of deception jamming based on image of time-frequency distribution | |
CN110515044A (zh) | 低慢小雷达空频域四维杂波抑制方法 | |
CN105652256B (zh) | 一种基于极化信息的高频地波雷达tbd方法 | |
CN111044996A (zh) | 一种基于降维近似消息传递的lfmcw雷达目标检测方法 | |
CN107340504B (zh) | 基于frft域峰值特性的压制干扰存在性检测方法 | |
CN107561506B (zh) | 一种多级虚警概率联合递推目标检测方法 | |
CN116819432A (zh) | 基于特征谱跟踪的单矢量水听器水下多目标高稳定测向方法及系统 | |
CN113126086B (zh) | 一种基于状态预测积累的生命探测雷达弱目标检测方法 | |
Tian et al. | Multiresolution jamming recognition with few-shot learning | |
CN111025251B (zh) | 一种基于动态规划的多目标复合检测方法 | |
CN110082748B (zh) | 一种无源雷达目标检测方法及装置 | |
Sheng et al. | Weak target detection with information geometry in weather clutter | |
Zhang et al. | An improved fast viterbi algorithm for track-before-detect | |
Dong et al. | A Joint Detection and State Estimation Algorithm for Pulse Doppler Radar | |
CN109462561A (zh) | 基于概率的噪声估计与门限判决方法 | |
CN116224280B (zh) | 雷达目标检测方法、装置、雷达设备及存储介质 |
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 |