基于雷達點跡置信度統計的目標檢測方法

倪世道，朱海濤

(中國電子科技集團公司第38研究所，合肥 230031)

?

基于雷達點跡置信度統計的目標檢測方法

倪世道，朱海濤

(中國電子科技集團公司第38研究所，合肥 230031)

低信噪比環境中對弱小目標的檢測和跟蹤已經在雷達數據處理領域中引起人們的廣泛關注。檢測前跟蹤(TBD)方法對弱小目標的檢測非常有效，其基本思想是為了避免恒虛警(CFAR)處理帶來的信噪比損失，直接對原始數據進行檢測。提出了點跡置信度方法對檢測的原始數據進行量化，通過局部極值選取完成目標檢測。

檢測前跟蹤；置信度；弱目標檢測

0 引 言

雷達微弱目標是指雷達散射截面(RCS)相對較小的目標，隨著現代低可探測技術的迅速發展和廣泛應用，對微弱目標的探測和預警方法的研究成為雷達技術中的重要研究內容。近年來，在微弱目標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，其中基于動態規劃的檢測前跟蹤法在檢測低信噪比(SNR)的弱小目標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方法在每個掃描時刻內并不宣布檢測結果，只是將其數字化并存儲起來，然后在掃描幀之間對相關點進行積累處理[3]。通過將雷達回波數據進行存儲和預處理，可以得到多維數據陣，這時的雷達回波數據可以看作圖像序列，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]。在低信噪比時給定有限幀數的條件下，有可能無法檢測到目標，為此可以增加處理幀數來解決這個問題，但是增加處理幀數會不可避免地增加計算量[5]。本文提出了一種點跡置信度統計的方法作為原始數據檢測的量化手段，并在此基礎上通過局部極值選取的方式完成目標檢測，該算法與常規的動態規劃算法相比，在不增加運算量的同時，有效地提高了檢測性能，得到的目標航跡更加準確。

1 算法原理

假設搜索區域中包含K個勻速直線運動的目標,并假設第m次掃描得到的量測數為Nm,其中Nm≥K,這些量測中包含目標、雜波和接收機噪聲。目標的運動模型為:

Xk(m+ 1)=F×Xk(m) +G×Vk(m)

(1)

目標量測方程為:

Zk(m)=H·Xk(m)+Wk(m)

(2)

多次掃描所得到的目標、雜波和噪聲量測的集合用Z表示,Z中的每個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個回波的功率。

一般來說，數據關聯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個目標形成的N(N≥K)條路徑集,本文給出的方法是通過單點的自身屬性(回波強度，探測位置，多普勒頻率等)以及與路徑集上各點的關聯性來統計點跡的置信度，并通過置信度的極值選擇方法進行目標檢測。

2 置信度的計算方法

該統計方法是源自動態規劃的工程應用改進算法，本質上是一個多階段決策優化問題。檢測前跟蹤算法以有效的方式對所有可能的目標航跡進行搜索，并對這些可能航跡上的量測進行積累。當航跡上的量測積累值超過門限時，就稱檢測到目標，并回溯航跡。針對雷達強雜波區域的微弱目標，通過對非相參積累多幀后的多因子加權進行統計實現。算法主要包括以下5個步驟：

(1) 初始化：對于第1幀數據的每個狀態x1，定義置信度函數C(x1)的初始值為該狀態的測量值，為通過回波強度、位置、多普勒頻率等點跡自身屬性計算所得:

C(x1)=Z(x1)

(3)

(2) 多幀積累：對第k幀狀態(2≤k≤M)中的每個狀態xk疊加多幀關聯值:

(4)

S為多個點跡關聯運算規則，由此可以得出置信度檢測值。

(3) 潛在目標檢測：對于統計的自適應門限Vs，潛在目標為:

(5)

(4) 潛在軌跡回溯：對k=K-1,K-2,…,1,則：

(6)

(5) 后處理：通過適當的目標鑒別方法來減少虛警，便于后端航跡處理。

3 基于置信度的目標檢測

通過多幀積累關聯的方式來運算單點的置信度，由于目標自身的擴散以及門限難以約定，可能會導致檢測結果中存在較多的虛警。

在基于置信度運算過程中，為了減少噪聲和目標擴散引起的虛假目標，需要對被檢測出的目標進行鑒別。盡管噪聲和目標擴散都可以引起虛警，但它們的軌跡通常存在較大差異，目標擴散引起的虛警存在一個明顯的特征,就是這些虛警與真實目標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去除而僅保留置信度局部較大的目標，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 置信度統計方法的鑒別過程

局部極值法和置信度統計方法在鑒別上具有互補性，置信度統計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擴散引起的虛假目標，通過兩者級聯使用可以同時消除目標擴散和噪聲引起的虛警。

4 實際數據驗證

為了檢驗本文提出的檢測前跟蹤方法的有效性，利用某雷達項目中的實際數據進行驗證。按照本文提出的方法進行目標檢測，先對原始探測數據非相參積累多幀后的多因子加權進行統計，獲得各點的初始置信度，并通過局部極值法進行篩選，獲得最終檢測結果。

圖2為實際數據中12幀雷達探測原始數據的積累圖；圖3為12幀數據的檢測結果。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幀雷達原始探測數據積累

圖3 12幀雷達探測的檢測結果

5 結束語

檢測前跟蹤的算法非常適用于強雜波、噪聲背景下的小目標檢測，通過檢測前跟蹤過程目標某個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，宣布檢測結果。這種通過加大運算量來提高對弱小目標檢測能力的方法，在當前高性能運算平臺資源充沛的條件下非常便于工程實現。實際數據驗證結果表明，本文中提出的基于點跡置信度的目標檢測方法具有很好的檢測性能，可以在工程中直接應用。

[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] 強勇，焦李成，保錚.一種有效的用于雷達弱目標檢測的算法[J].電子學報，2003,31(3)：440-443.

[4] 張海英，張田文，溫玄.基于對比度積累的弱點目標檢測[J].哈爾濱工業大學學報，2007,39(3)：448-451.

[5] 曲長文，黃勇，蘇峰.基于動態規劃的多目標檢測前跟蹤算法[J].電子學報，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