[发明专利]一种基于轨迹增强的雷达目标检测前跟踪方法

说明书

技术领域

本发明属于雷达动目标跟踪技术领域，特别涉及一种基于轨迹增强的雷达目标检测前跟踪方法，本发明是一种对高机动目标在低信噪比情况下进行稳定跟踪的方法，可用于雷达等监视系统对远距离且回波信号微弱的机动目标的探测跟踪一体化处理。

背景技术

高科技背景下的现代战争，对战场进行连续监视，能为势态评估、指挥等应用提供丰富的战略和战术信息，对取得战争胜利起着关键的作用。雷达以其全天时、全天候工作特点，一直是战场监视系统的核心。

针对低信噪比情况下的检测跟踪问题，为避免因信噪比低而造成的目标漏检情况，通常采用检测前跟踪(TBD：Track Before Detect)方法。TBD方法利用目标运动特性将目标检测问题简化为轨迹检测问题，没有门限判别造成的信息损失，经过多帧积累，检测结果与目标航迹同时得到。典型的TBD算法可分为TBD批处理算法和TBD递归算法两大类。其中TBD批处理算法有三维匹配滤波算法、高阶相关算法、基于投影变换算法、多假设检验算法、动态规划算法等；典型的TBD递归算法包括递归贝叶斯滤波算法、直方图概率多假设跟踪算法等。

下面对几个典型TBD算法进行简略介绍。

1)三维匹配滤波算法。针对所有可能的目标轨迹设计一系列相应的三维匹配滤波器组，挑选使输出信噪比最高的滤波器，并通过该滤波器所对应的状态确定目标在图像中的位置和运动轨迹。然而，该方法需预知目标的速度信息，当速度未知时，会有严重的失配损失。

2)高阶相关算法。利用目标轨迹点的时空相关性，将轨迹点从噪声、杂波中区别开来。其缺点是计算量大，计算复杂。

3)基于Hough变换方法。它是基于投影变换算法的典型代表，Hough变换法对于直线的检测和估计是很有效的，但对于复杂曲线的检测则存在计算复杂和需要大存储空间等缺点。随机Hough变换能检测各种参数化的曲线，但该方法在参数估计精度和运算量之间难以同时兼顾。

4)多阶段假设检验TBD算法。它属于穷尽搜索方式，需要计算图像序列中所有可能的轨迹，当序列帧数变长时，轨迹的数目呈爆炸式增长，运算量巨大。

5)动态规划的TBD算法。它将针对目标轨迹的搜索转变为多阶段决策优化问题，利用量测数据产生的值函数及设定的门限值判定是否宣布检测结果。然而在低信噪比下该方法在给定的有限帧数情况下可能无法检测到目标。

6)递归贝叶斯滤波的TBD算法。它是利用前一时刻目标状态的后验概率密度以及当前时刻的最新量测估计当前时刻目标状态的后验概率密度。典型的贝叶斯滤波TBD算法有粒子滤波算法和有限集统计的TBD算法。粒子滤波算法是利用一系列随机样本的加权和表示所需的后验概率密度，进而得到状态估计。有限集统计的TBD算法是将多目标运动和传感器观测模型建模为随机有限集，对于时变数目的弱目标检测与跟踪具有明显优点。然而，递归贝叶斯滤波的TBD算法运算复杂度较高，存在粒子退化等一系列问题。

7)直方图概率多假设跟踪算法。利用直方图分布对观测数据进行建模，此方法不需要计算观测似然函数，运算复杂度较递归贝叶斯方法低，但该算法容易受到杂波的干扰。

发明内容

本发明的目的在于提出一种基于轨迹增强的雷达目标检测前跟踪方法，能将稳定跟踪的信噪比门限降低到较低水平(例如为6dB)，在低信噪比环境下对于机动目标可实现检测跟踪一体化处理。

为实现上述技术目的，本发明的技术方案是：首先进行非参数化航迹起始批处理操作，获得目标轨迹状态的初始值；然后进行参数化轨迹增强操作，充分利用目标轨迹状态的估计信息，实时动态设计相应的一组边缘增强算子，使用这组边缘增强算子对距离-多普勒或距离-时间数据进行处理，将得到的结果加权求和，确定出最终的轨迹走向，即目标运动参数。具体实现步骤包括如下：

步骤1，利用雷达获取N帧原始回波数据，得出N帧原始回波数据的距离-多普勒图像，N为大于1的自然数；

步骤2，对于得出的N帧原始回波数据的距离-多普勒图像进行图像域航迹起始处理，得出目标轨迹起始点迹集合{L}；根据目标航迹起始点迹集合{L}，得到对应的目标运动参数c_X；

步骤3，设定目标运动模型的个数为N_l，令m＝1,2,...；令l＝1,2，…,N_l；