倪世道，朱海濤

(中國電子科技集團(tuán)公司第38研究所，合肥 230031)

?

基于雷達(dá)點(diǎn)跡置信度統(tǒng)計(jì)的目標(biāo)檢測方法

倪世道，朱海濤

(中國電子科技集團(tuán)公司第38研究所，合肥 230031)

低信噪比環(huán)境中對弱小目標(biāo)的檢測和跟蹤已經(jīng)在雷達(dá)數(shù)據(jù)處理領(lǐng)域中引起人們的廣泛關(guān)注。檢測前跟蹤(TBD)方法對弱小目標(biāo)的檢測非常有效，其基本思想是為了避免恒虛警(CFAR)處理帶來的信噪比損失，直接對原始數(shù)據(jù)進(jìn)行檢測。提出了點(diǎn)跡置信度方法對檢測的原始數(shù)據(jù)進(jìn)行量化，通過局部極值選取完成目標(biāo)檢測。

檢測前跟蹤；置信度；弱目標(biāo)檢測

0 引 言

雷達(dá)微弱目標(biāo)是指雷達(dá)散射截面(RCS)相對較小的目標(biāo)，隨著現(xiàn)代低可探測技術(shù)的迅速發(fā)展和廣泛應(yīng)用，對微弱目標(biāo)的探測和預(yù)警方法的研究成為雷達(dá)技術(shù)中的重要研究內(nèi)容。近年來，在微弱目標(biāo)的探測方面提出了很多方法，如Hough變化方法、粒子濾波方法、檢測前跟蹤方法(TBD)等，其中基于動(dòng)態(tài)規(guī)劃的檢測前跟蹤法在檢測低信噪比(SNR)的弱小目標(biāo)方面是一種非常有效的方法[1-2]。不同于一般的檢測方法，TBD方法在每個(gè)掃描時(shí)刻內(nèi)并不宣布檢測結(jié)果，只是將其數(shù)字化并存儲(chǔ)起來，然后在掃描幀之間對相關(guān)點(diǎn)進(jìn)行積累處理[3]。通過將雷達(dá)回波數(shù)據(jù)進(jìn)行存儲(chǔ)和預(yù)處理，可以得到多維數(shù)據(jù)陣，這時(shí)的雷達(dá)回波數(shù)據(jù)可以看作圖像序列，如距離-多普勒圖像、距離-方位圖像等兩維以及本文提及的距離-方位-置信度的三維圖像[4]。在低信噪比時(shí)給定有限幀數(shù)的條件下，有可能無法檢測到目標(biāo)，為此可以增加處理幀數(shù)來解決這個(gè)問題，但是增加處理幀數(shù)會(huì)不可避免地增加計(jì)算量[5]。本文提出了一種點(diǎn)跡置信度統(tǒng)計(jì)的方法作為原始數(shù)據(jù)檢測的量化手段，并在此基礎(chǔ)上通過局部極值選取的方式完成目標(biāo)檢測，該算法與常規(guī)的動(dòng)態(tài)規(guī)劃算法相比，在不增加運(yùn)算量的同時(shí)，有效地提高了檢測性能，得到的目標(biāo)航跡更加準(zhǔn)確。

1 算法原理

假設(shè)搜索區(qū)域中包含K個(gè)勻速直線運(yùn)動(dòng)的目標(biāo),并假設(shè)第m次掃描得到的量測數(shù)為Nm,其中Nm≥K,這些量測中包含目標(biāo)、雜波和接收機(jī)噪聲。目標(biāo)的運(yùn)動(dòng)模型為:

Xk(m+ 1)=F×Xk(m) +G×Vk(m)

(1)

目標(biāo)量測方程為:

Zk(m)=H·Xk(m)+Wk(m)

(2)

多次掃描所得到的目標(biāo)、雜波和噪聲量測的集合用Z表示,Z中的每個(gè)量測都包含位置信息和功率信息,表示如下:Z={Zm|m=1,2,…,M},Zm={(xmi,ymi,pmi)|i=1,2,…,Nm},pmi為第m次掃描得到的第i個(gè)回波的功率。

一般來說，數(shù)據(jù)關(guān)聯(lián)是搜索單條最佳路徑的遞推方法，而工程中需要搜索的是K個(gè)目標(biāo)形成的N(N≥K)條路徑集,本文給出的方法是通過單點(diǎn)的自身屬性(回波強(qiáng)度，探測位置，多普勒頻率等)以及與路徑集上各點(diǎn)的關(guān)聯(lián)性來統(tǒng)計(jì)點(diǎn)跡的置信度，并通過置信度的極值選擇方法進(jìn)行目標(biāo)檢測。

2 置信度的計(jì)算方法

該統(tǒng)計(jì)方法是源自動(dòng)態(tài)規(guī)劃的工程應(yīng)用改進(jìn)算法，本質(zhì)上是一個(gè)多階段決策優(yōu)化問題。檢測前跟蹤算法以有效的方式對所有可能的目標(biāo)航跡進(jìn)行搜索，并對這些可能航跡上的量測進(jìn)行積累。當(dāng)航跡上的量測積累值超過門限時(shí)，就稱檢測到目標(biāo)，并回溯航跡。針對雷達(dá)強(qiáng)雜波區(qū)域的微弱目標(biāo)，通過對非相參積累多幀后的多因子加權(quán)進(jìn)行統(tǒng)計(jì)實(shí)現(xiàn)。算法主要包括以下5個(gè)步驟：

(1) 初始化：對于第1幀數(shù)據(jù)的每個(gè)狀態(tài)x1，定義置信度函數(shù)C(x1)的初始值為該狀態(tài)的測量值，為通過回波強(qiáng)度、位置、多普勒頻率等點(diǎn)跡自身屬性計(jì)算所得:

C(x1)=Z(x1)

(3)

(2) 多幀積累：對第k幀狀態(tài)(2≤k≤M)中的每個(gè)狀態(tài)xk疊加多幀關(guān)聯(lián)值:

(4)

S為多個(gè)點(diǎn)跡關(guān)聯(lián)運(yùn)算規(guī)則，由此可以得出置信度檢測值。

(3) 潛在目標(biāo)檢測：對于統(tǒng)計(jì)的自適應(yīng)門限Vs，潛在目標(biāo)為:

(5)

(4) 潛在軌跡回溯：對k=K-1,K-2,…,1,則：

(6)

(5) 后處理：通過適當(dāng)?shù)哪繕?biāo)鑒別方法來減少虛警，便于后端航跡處理。

3 基于置信度的目標(biāo)檢測

通過多幀積累關(guān)聯(lián)的方式來運(yùn)算單點(diǎn)的置信度，由于目標(biāo)自身的擴(kuò)散以及門限難以約定，可能會(huì)導(dǎo)致檢測結(jié)果中存在較多的虛警。

在基于置信度運(yùn)算過程中，為了減少噪聲和目標(biāo)擴(kuò)散引起的虛假目標(biāo)，需要對被檢測出的目標(biāo)進(jìn)行鑒別。盡管噪聲和目標(biāo)擴(kuò)散都可以引起虛警，但它們的軌跡通常存在較大差異，目標(biāo)擴(kuò)散引起的虛警存在一個(gè)明顯的特征,就是這些虛警與真實(shí)目標(biāo)存在部分重合的軌跡，基于這一特征，就可以將具有部分重疊軌跡的目標(biāo)去除而僅保留置信度局部較大的目標(biāo)，即可以通過置信度值局部極值的方法處理，如圖1所示。

圖1 置信度統(tǒng)計(jì)方法的鑒別過程

局部極值法和置信度統(tǒng)計(jì)方法在鑒別上具有互補(bǔ)性，置信度統(tǒng)計(jì)方法主要用于消除噪聲引起的虛警，而局部極值方法主要用來消除目標(biāo)擴(kuò)散引起的虛假目標(biāo)，通過兩者級聯(lián)使用可以同時(shí)消除目標(biāo)擴(kuò)散和噪聲引起的虛警。

4 實(shí)際數(shù)據(jù)驗(yàn)證

為了檢驗(yàn)本文提出的檢測前跟蹤方法的有效性，利用某雷達(dá)項(xiàng)目中的實(shí)際數(shù)據(jù)進(jìn)行驗(yàn)證。按照本文提出的方法進(jìn)行目標(biāo)檢測，先對原始探測數(shù)據(jù)非相參積累多幀后的多因子加權(quán)進(jìn)行統(tǒng)計(jì)，獲得各點(diǎn)的初始置信度，并通過局部極值法進(jìn)行篩選，獲得最終檢測結(jié)果。

圖2為實(shí)際數(shù)據(jù)中12幀雷達(dá)探測原始數(shù)據(jù)的積累圖；圖3為12幀數(shù)據(jù)的檢測結(jié)果。通過比較可以看出，采用本文的檢測方法對于虛警抑制有著較為明顯的效果。

圖2 12幀雷達(dá)原始探測數(shù)據(jù)積累

圖3 12幀雷達(dá)探測的檢測結(jié)果

5 結(jié)束語

檢測前跟蹤的算法非常適用于強(qiáng)雜波、噪聲背景下的小目標(biāo)檢測，通過檢測前跟蹤過程目標(biāo)某個(gè)量化檢測屬性的積累，在最后的門限檢測中消除大部分虛警目標(biāo)，宣布檢測結(jié)果。這種通過加大運(yùn)算量來提高對弱小目標(biāo)檢測能力的方法，在當(dāng)前高性能運(yùn)算平臺(tái)資源充沛的條件下非常便于工程實(shí)現(xiàn)。實(shí)際數(shù)據(jù)驗(yàn)證結(jié)果表明，本文中提出的基于點(diǎn)跡置信度的目標(biāo)檢測方法具有很好的檢測性能，可以在工程中直接應(yīng)用。

[1]AverbuchA,Bar-shalomY,DayanJ.Interactingmultiplemodelmethodsintargets:asurvey[J].IEEETransactionsonAerospaceandElectronicSystems,1998,34(1):103-113.

[2]LeighAJohnston.Performanceanalysisofatrackbeforedetectdynamicprogrammingalgorithm[A].ProcIEEEICASSP2000[C].Brighton,UK:IEEEPress,2000：49-52.

[3] 強(qiáng)勇，焦李成，保錚.一種有效的用于雷達(dá)弱目標(biāo)檢測的算法[J].電子學(xué)報(bào)，2003,31(3)：440-443.

[4] 張海英，張?zhí)镂模瑴匦?基于對比度積累的弱點(diǎn)目標(biāo)檢測[J].哈爾濱工業(yè)大學(xué)學(xué)報(bào)，2007,39(3)：448-451.

[5] 曲長文，黃勇，蘇峰.基于動(dòng)態(tài)規(guī)劃的多目標(biāo)檢測前跟蹤算法[J].電子學(xué)報(bào)，2006,34(12)：2138-2141.

Target Detection Method Based on Radar Plot Confidence Statistic

NI Shi-dao,ZHU Hai-tao

(No.38 Research Institute of CETC,Hefei 230031,China)

Detecting and tracking weak and small targets in low signal-to-noise ratio environment has aroused people's attention widely in radar data processing domain.Track-before-detect (TBD) method is effective to detect weak and small targets.Its basic idea is to avoid the signal-to-noise ratio loss due to constant false alarm rate (CFAR) processing,and perform the detection of original data directly.This paper puts forward the plot confidence method to quantify the detected original data,completes target detection by selecting local extremum.

track-before-detect;confidence;weak target detection

2014-08-26

TN957.51

A

CN32-1413(2015)01-0047-03

10.16426/j.cnki.jcdzdk.2015.01.011