CN114114192A - 集群目标检测方法 - Google Patents

Abstract

本发明公开了一种集群目标检测方法，基于雷达回波的距离‑多普勒域中集群目标散射中心的幅度特征以及相邻两帧回波中散射中心位置分布特征，本发明采用固定阈值滤波和位置交叉滤波级联的方式，有效估计各个集群目标强散射中心数量和分布，最后对每个集群目标的强散射中心能量进行非相干积累实现检测，有效解决了噪声中目标散射中心估计不精确以及散射中心在距离‑多普勒域扩展的集群目标回波能量积累问题，从而在恒定虚警率下针对集群目标具有更高的检测概率，提高了雷达探测效能。

Description

集群目标检测方法

技术领域

本发明属于雷达目标检测技术领域，具体涉及噪声中集群目标回波散射中心估计、能量积累与目标检测方法。

背景技术

集群目标为尺寸相近、运动模式相似的大量个体目标混合而成的目标簇，在一定时间内保持空间关系(如位置)相对固定，且任意最相邻两个体目标量测差小于传感器系统的相关门限，则对于该传感器来说，这些个体组成的集合称为一个集群目标，如无人机群、鸟群、昆虫群等。

集群目标具有个体小、整体规模大、空间分布柔性时变的特点，其运动除整体运动速度外，集群内部各个体还会相对运动。因此，集群目标的雷达回波同时在距离维和多普勒维扩展为多个散射中心，即距离-多普勒扩展目标。

针对多散射中心扩展目标检测，有效的方式是精确估计出每个目标散射中心的数量和分布，并对所有目标散射中心能量进行非相干积累。

针对仅具有距离扩展的目标提出了许多检测方法，这些方法分别基于目标散射中心不同先验信息假设推导而出，如目标散射中心个数、分布、幅度和相位等。在实际目标检测过程中，以上方法存在先验假设不匹配问题导致无法达到声称的性能。CN112731388A提出了一种有效散射中心选择方法估计目标散射中心的数量，然后对估计的目标散射中心进行非相干检测并与第二门限比较，判断目标的有无。该方法由于能够自适应估计散射中心数量和分布，具有比其它方法更好的检测性能和鲁棒性，但是该方法存在以下不足。首先，该方法检测窗长度J固定，不能适应散射中心扩展范围大于J的目标检测；其次，其中的“有效散射中心选择”方法利用检测窗内散射中心相互之间的能量关系估计散射中心个数(散射中心个数k确定方法：一维距离像中第k个散射中心的能量不小于前k-1个散射中心能量平均值的一半)，经验证，该方法在高信噪比会遗漏能量较低的目标散射中心，而在低信噪比下会将噪声散射中心误认为目标散射中心，即存在不能精确估计目标散射中心问题而出现性能下降；最后，该方法仅实现了距离扩展目标能量积累，不能实现多普勒维度扩展能量积累；

针对具有距离-多普勒扩展的目标检测技术研究较少，文献《An Adaptive OFDMDetection Strategy for Range and Doppler Spread Targets in Non-GaussianClutter》(Zhen Du等，IEEE Access，2018年第6期，第61223-61232页)公开了一种非高斯杂波背景下的广义似然比检测方法，论文《Subspace detection for range and Dopplerdistributed targets with Rao and Wald tests》(JianGuan等，Signal Processing，2011年第1期，第51-60页)提出了基于Rao和Wald检测器的距离-多普勒检测方法，以上两种方法均利用了检测窗内包含噪声和目标散射中心的所有回波信息。由于实际距离-扩展目标散射中心分布的稀疏性，直接利用距离窗内所有回波散射中心将造成检测性能出现陷落损失，实际检测性能无法达到声称的性能。

发明内容

针对背景技术存在的问题，本发明提出了一种集群目标检测方法。

本发明的技术方案为：一种集群目标检测方法，包括以下步骤：

步骤一：回波预处理，在每个相干处理间隔(CPI)内，对雷达接收信进行预处理，得到距离-多普勒域二维信号s_r(n,k),(n＝(1,2,…,N),k＝(1,2，…,K))，其中，N、K分别为一个CPI周期发射脉冲个数和每个脉冲周期接收信号采样点数；s_r(n,k)也称为一帧雷达回波数据，共包含N×K个样本点，每个样本点幅度为散射中心功率。

步骤二：固定阈值滤波，将s_r(n,k)中每个样本点的幅度与预先设定的第一门限值T₁比较，大于T₁则保留，反之则置0，固定阈值滤波后的非零强散射中心信号表示为

步骤三：位置交叉滤波，记第q-1和q连续两帧回波固定阈值滤波后的信号为

和

其中，2≤q，假设

中有I个非零强散射中心，第i(i＝1,2,…,I)个强散射中心在距离-多普勒域的坐标为(N_i,K_i)，对

中每个强散射中心i，判断

中(N_i±η,K_i±μ)区域内是否也含非零强散射中心，若是则保留

中的第i个强散射中心，反之则滤除该散射中心，其中，η和μ分别为交叉相关滤波器在多普勒维和距离维的相关门限，第q帧回波位置交叉滤波的非零强散射中心信号记为

步骤四：聚类，

中剩余非零强散射中心可能来自同一目标或不同目标，基于同一目标散射中心在距离-多普勒域中位置临近的特征，采用聚类方法对

中散射中心进行分割，得到属于不同目标的散射中心分布簇；

步骤五：非相干积累与检测，假设

聚类后共有M个簇，第m(m＝1,2,…,M)个簇中含有的散射中心个数为I_m，依次对每个簇中所有散射中心能量进行非相干积累，得到检验统计量Λ_m，将Λ_m与预先设定的第二门限T₂比较，若Λ_m大于T₂则判断为是目标，反之，则判断为无目标。

进一步的，步骤一中所述的预处理具体为在一个相干处理间隔(CPI)内，对雷达接收信号通过MTI、脉冲压缩、MTD以及平方率检波预处理。

进一步的，所述步骤二中所述的预先设定的第一门限值T₁与回波中噪声功率σ²相关，即T₁＝λσ²，λ为比例系数。

实际检测中σ²可以通过对回波中无目标区域数据估计得到。对于无目标回波信号(即：H0假设)，固定阈值滤波后的虚警率为：

其中，f(z)为噪声功率分布函数，在高斯杂波背景下，f(z)服从参数为σ²的指数分布。当λ＝1\4\9时，P_fa1约等于0.34、0.045、0.003。通常λ取6.65，即虚警率P_fa1＝0.01。

需要说明的是，所述步骤三中所述的η和μ依据目标在一个CPI间隔周期的最大多普勒变化和距离变化，以及雷达的多普勒分辨率和距离分辨率设置。在H0假设下，位置交叉滤波后散射中心的虚警率为：

P_fa2＝P_fa1(1-(1-P_fa1)^{(2η+1)(2μ+1)})，

若P_fa1＝0.01，η＝1，μ＝2时，此时P_fa2＝0.0014。

需要说明的是，所述步骤四中采用典型的密度聚类算法DBSCAN，其具有两个参数(ε,MinPts)，ε用于限制同一个簇中最相邻的两个散射中心最大距离，MinPts用于限制每个簇中最少的散射中心个数。由于集群目标最少散射点个数为1，因此MinPts通常设置为1。在H0假设下，记聚类后一个簇中含有I个散射中心的概率为P(I；H0)，则I＝1和I＝2的概率分别为：

当I＞2时，P(I；H0)的表达式会更加复杂。但是随着K的增大，P(I；H0)会逐渐降低，当P_fa2远小于1时，虚警概率满足P(K；H0)＜＜…＜＜P(2；H0)＜＜P(1；H0)，即对于I≥2的情况，P(I；H0)相对于P(1；H0)可忽略不计。

需要说明的是，所述步骤五中，对于含有I个散射中心簇的检验统计量Λ_I的表达式为：

其中，p_i为该簇中第i个散射中心在距离-多普勒域中的位置，s_pi表示对应位置散射中心的功率。

在H0假设下，Λ_I概率密度函数p_ΛI(Λ_I；H0)服从自由度为I的卡方分布，因此，系统的总的虚警率P_fa为：

R为聚类后簇中最多含有的散射中心数量。

由于I≥2时P(1；H0)＞＞P(I；H0)，因此，P_fa可近似表达为：

服从参数为σ²的指数分布，因此，门限T₂满足

本发明的有益效果：本发明的方法采用固定阈值滤波和位置交叉滤波级联的方式，可以更加精确估计目标散射中心的数量和位置，相对于现有方法，该方法可以尽可能降低门限T₁，使得更多噪声散射中心以及目标散射中心通过门限，然后基于噪声散射中心在每帧回波中位置的随机性，而目标散射中心在相邻帧回波中位置临近的特点，位置交叉滤波器可以滤除噪声散射中心而保留目标散射中心；其次，采用聚类对散射中心进行分割，无需设置固定的检测门限，能够自适应不同尺寸的目标检测；再次，该方法不仅能够对点目标和距离扩展目标能量积累，并且能够对具有距离-多普勒二维扩展的集群目标回波能量进行积累。

附图说明

图1是本发明的集群目标检测方法的流程示意图。

图2是本发明的实施例的位置交叉滤波原理示意图。

图3是本发明实施例的仿真结果示意图。

具体实施方式

本发明主要采用计算机仿真的方法进行验证，所有步骤、结论都在MATLAB-R2018a上验证正确。下面结合附图对本发明作进一步详细描述。

针对背景技术存在的缺陷，研究设计一种集群目标检测方法，克服了现有检测方法只能实现点目标和距离扩展目标能量积累，距离扩展目标散射中心估计不精确，以及不能实现具有距离-多普勒二维扩展的集群目标能量积累和检测问题。

具体流程如图1所示，首先对相关参数进行初始化，具体为：初始化检测器各系统参数，包括参数k、η、μ、ε和MinPts。其中，k＝6.65、η＝1、μ＝2、ε＝5和MinPts＝1；利用集群目标回波生成软件生成连续两帧含有两个不同尺寸的群目标雷达原始回波，其中雷达一个CPI周期脉冲数和每个脉冲采样点数分别设置为N＝256和K＝128。

具体执行步骤如下：

步骤一：对雷达任意第q-1和q连续两帧雷达回波进行预处理，并基于第q待检测帧回波估计噪声功率σ²，计算当前帧判别门限T₁和T₂。

步骤二：对第q-1和q帧雷达回波信号进行固定阈值滤波，得到固定滤波后信号

和

固定阈值滤波后含有较多分散的强噪声散射中心，且强噪声散射中心在连续两帧回波中的位置具有随机性；目标散射中心位置分布相对集中，且在相邻两帧回波中的位置临近。

步骤三：对

和

信号进行位置交叉滤波，具体原理如图2所示，得到第q帧回波位置交叉滤波后信号

经过进行位置交叉滤波后，除个别噪声散射中心外，大部分强噪声散射中心被滤除，而目标散射中心得以保留。

步骤四：对

信号进行聚类，得到该帧回波散射中心分布簇；

步骤五：对每个簇中所有散射中心进行非相干积累，并与门限T₂比较，大于则判断为有目标，反之则判断为无目标，完成检测。

最后采用蒙特卡洛仿真方法，针对集群目标的检测性能进行分析，并与改进的二维CA-CFAR检测性能进行对比，其中二维CA-CFAR算法保护单元和参考单元个数分别设置为24和75。改进的二维CA-CFAR即先对回波中每一个单元进行CA-CFAR检测，然后采用本实施例一致的聚类算法对通过检测的单元进行聚类，聚类后每一个簇为一个目标，从而实现集群目标检测。性能仿真结果如图3所示，在虚警率P_fa＝10^-4和检测概率P_d＝0.9时，本发明的方法比二维CA-CFAR信噪比低约9dB。

可以看出，本发明的方法基于雷达回波中集群目标散射中心的幅度特征以及相邻两帧回波散射中心位置分布特征，采用多级滤波和密度聚类相结合，有效提取和分辨各个集群目标强散射中心，然后对强散射中心能量进行非相干积累并进行目标有无判决。多级滤波有效解决了噪声中目标散射中心估计不精确问题，密度聚类和非相干积累实现了多个集群目标间散射中心分辨划分以及每个目标散射中心能量积累问题。本发明的方法能够在恒定虚警率下针对集群目标具有更高的检测概率，提高了雷达探测效能。

Claims (4)

1.一种集群目标检测方法，包括以下步骤：

步骤一：回波预处理，在每个相干处理间隔(CPI)内，对雷达接收信进行预处理，得到距离-多普勒域二维信号s_r(n,k),(n＝(1,2,…,N),k＝(1,2，…,K))，其中，N、K分别为一个CPI周期发射脉冲个数和每个脉冲周期接收信号采样点数；

步骤二：固定阈值滤波，将s_r(n,k)中每个样本点的幅度与预先设定的第一门限值T₁比较，大于T₁则保留，反之则置0，固定阈值滤波后的非零强散射中心信号表示为

步骤三：位置交叉滤波，记第q-1和q连续两帧回波固定阈值滤波后的信号为

和

其中，2≤q，假设

中有I个非零强散射中心，第i(i＝1,2,…,I)个强散射中心在距离-多普勒域的坐标为(N_i,K_i)，对

中每个强散射中心i，判断

中(N_i±η,K_i±μ)区域内是否也含非零强散射中心，若是则保留

中的第i个强散射中心，反之则滤除该散射中心，其中，η和μ分别为交叉相关滤波器在多普勒维和距离维的相关门限，第q帧回波位置交叉滤波的非零强散射中心信号记为

步骤四：聚类，采用聚类方法对

中散射中心进行分割，得到属于不同目标的散射中心分布簇；

步骤五：非相干积累与检测，假设

聚类后共有M个簇，第m(m＝1,2,…,M)个簇中含有的散射中心个数为I_m，依次对每个簇中所有散射中心能量进行非相干积累，得到检验统计量Λ_m，将Λ_m与预先设定的第二门限T₂比较，若Λ_m大于T₂则判断为是目标，反之，则判断为无目标。

2.根据权利要求1所述的集群目标检测方法，其特征在于，步骤一中所述的预处理具体为在一个相干处理间隔(CPI)内，对雷达接收信号通过MTI、脉冲压缩、MTD以及平方率检波预处理。

3.根据权利要求1所述的集群目标检测方法，其特征在于，步骤二中所述的预先设定的第一门限值T₁与回波中噪声功率σ²相关，即T₁＝λσ²，λ为比例系数。

4.根据权利要求3所述的集群目标检测方法，其特征在于，步骤五中所述的第二门限T₂满足

其中，P_fa为系统的总的虚警率，P(1；H0)为在H0假设下聚类后一个簇中含有1个散射中心的概率。

Images