CN108490410B - 一种两坐标雷达对海目标联合检测跟踪方法 - Google Patents

Abstract

本发明提出一种两坐标雷达对海目标联合检测跟踪方法，首先对原始视频数据进行背景自适应门限检测，对杂波和噪声进行初步的剔除，然后按照先距离后方位的顺序提取点迹信息，对不满足凝聚准则的过门限回波进行二次剔除，并根据凝聚为点迹的距离方位二维回波特性计算点迹质量，再通过动态假设路径搜索，以点迹质量为参考，定义搜索路径代价函数，形成动态假设航迹簇，最后通过多周期代价函数积累结果进行检测判决和航迹优选归并，实现对目标的联合检测跟踪处理。

Description

一种两坐标雷达对海目标联合检测跟踪方法

技术领域

本发明属于雷达目标检测跟踪技术领域。

背景技术

海杂波背景下雷达目标检测跟踪一直是雷达探测领域研究的热点问题之一，由于海杂波在时域回波幅度强，且呈现出非均匀分布的特点，在时域检测后往往会有大量杂波剩余；在频域中，海目标运动速度慢，目标多普勒频率位于海杂波频谱范围内，无法进行有效分离，大量虚假目标总是伴随着海目标自动检测提取而产生。在文献《一种基于动态规划法的雷达微弱多目标检测方法》(电子学报,2006,Vol.34,No.12,pp:2142-2145)中利用动态规划法对微弱目标进行多个周期信号非相参积累，基于能量积累结果采用极值法实现目标检测；在海杂波背景下杂波幅度强，采用非相参积累的方式海杂波也会积累，无法与目标进行分离。在文献《基于动态规划的雷达检测前跟踪新算法》(电子学报,2008,Vol.36,No.9,pp:1824-1828)中假定杂波服从瑞利分布，以直线运动目标为例提出了检测前跟踪新算法，利用目标的最大运动信息确定信号的最大转换状态，然后利用杂波分布特点设置检测门限对累加后的杂波进行滤除，进而提取出目标信息；在实际应用中，当海情海况等级较高时，瑞利分布不能够准确描述海杂波非均匀非平稳的特点，且海目标运动速度慢，雷达探测误差的存在使得目标回波在短时间内的运动特征并不明显。

针对只利用位置信息或幅度信息进行检测前跟踪处理存在的问题，在文献《ANovel Dynamic Programming Algorithm for Track-Before-Detect in Radar Systems》(IEEE Transactions on Signal Processing,2013,Vol.61,No.10,pp:2608-2619)中作者提出了在点迹级进行检测前跟踪处理的思路，利用凝聚点迹的局部信杂噪比作为动态规划指标函数，相对于直接在视频级处理的检测前跟踪算法，该方法更具有工程应用潜力，并在文献《Track-Before-Detect for Sea Clutter Rejection:Tests With Real Data》(IEEETransactions on Aerospace and Electronic Systems,2016,Vol.52,No.3,pp:1035-1045)中作者基于实测海杂波数据进行了海面目标检测跟踪验证；但采用点迹的局部信杂噪比作为指标函数并不能有效区分目标和杂波，在强杂波环境下性能也会急剧恶化。

发明内容

本发明针对背景技术存在的缺陷，提出一种两坐标雷达对海目标联合检测跟踪方法，首先对原始视频数据进行背景自适应门限检测，通过统计待检测单元的参考单元内回波数据特性，自适应选取不同检测准则，对杂波和噪声进行初步的剔除，然后按照先距离后方位的顺序提取点迹信息，对不满足凝聚准则的过门限回波进行二次剔除，并根据凝聚为点迹的距离方位二维回波特性计算点迹质量，再通过动态假设路径搜索，以点迹质量为参考，定义搜索路径代价函数，形成动态假设航迹簇，最后通过多周期代价函数积累结果进行检测判决和航迹优选归并，实现对目标的联合检测跟踪处理。

步骤一：背景自适应门限检测，根据待检测单元参考窗内数据判定局部场景为噪声背景、杂波背景或邻近强目标场景，自适应选取检测准则和检测门限，对原始视频数据进行初始门限检测预处理；

步骤二：基于质量评估的点迹提取，两坐标雷达按照先距离后方位的顺序，在距离向采用M_r/N_r准则滑窗检测凝聚，方位向采用M_a/N_a准则滑窗检测凝聚，在点迹凝聚处理的同时计算点迹质量，对于每一个距离点迹，距离凝聚质量定义为Q_r＝N_{r_plot}-M_r，N_{r_plot}为凝聚为当前点迹的距离单元个数；设形成最终点迹的M_a个距离点迹幅度为A_{r_plot_i},i＝1,…,M_a，方位向凝聚后点迹质量定义为

其中N_{a_plot}为凝聚为当前点迹的距离点迹个数，C_q为点迹质量归一化常数；统计每周期杂波区内点迹数量，当超过设定点迹数量上限值N_{plot_max}时，按照点迹质量从大到小排序输出；

步骤三：基于动态假设簇的搜索路径形成，设定海目标运动速度最大值为V_max，对于第k周期形成的所有点迹Plot_{k_i},i＝1,…,N_{plot_k}，N_{plot_k}为第k周期点迹个数，以当前点迹Plot_{k_i}位置为中心，以V_maxT为半径建立圆形波门，T为天线扫描周期；在波门内关联前k-1个周期形成的搜索路径，关联准则为选取波门内代价函数值最大的路径进行关联，即Ψ_k(x_k)＝argmax(I(x_k-1))，其中I(x_k-1)＝Q_{plot_k-1}+max(I(x_k-2))为搜索路径代价函数，x_k为第k周期点迹信息，Q_{plot_k-1}为第k-1周期关联点迹质量；对于第1个周期的所有点迹均形成搜索路径起始点；

步骤四：多周期联合检测判决目标提取，设定联合检测周期数为N_cycle，对于持续时间达到联合检测周期的搜索路径，设定多周期积累代价函数检测门限T_I，对于满足检测门限的搜索路径，按照Ψ_k(·),k＝1,…,N_cycle进行路径位置提取，形成航迹；航迹提取后，对当前周期产生的所有航迹两两之间进行位置比较，如果在N_cycle个周期内有M_cycle个周期点迹相同，则以代价函数最大为优选原则，进行航迹归并，完成多周期联合判决目标提取。

本发明的创新点是先通过初始自适应门限检测再基于质量评估提取海目标点迹信息，通过基于点迹质量构建的路径搜索代价函数多周期联合检测强杂波背景下目标，既解决了海目标运动特征不明显而无法通过位置信息有效提取的问题，也避免了采用幅度积累或信杂噪比积累性能不稳定的问题。

附图说明

图1是本发明一种两坐标雷达对海目标联合检测跟踪方法处理流程图。

图2是本发明具体实施例中采用的一组岸对海雷达实测采集视频数据。

图3是本发明具体实施例中对实测数据自适应门限检测处理结果。

图4是本发明具体实施例中对连续50个天线周期数据点迹凝聚处理结果。

图5是本发明具体实施例中对其中15批目标和杂波点迹的质量统计结果。

图6是本发明具体实施例中按照点迹质量进行部分虚假点迹剔除后剩余点迹。

图7是本发明具体实施例中按照本发明方法对海目标联合检测跟踪结果。

具体实施方式

本发明一种两坐标雷达对海目标联合检测跟踪方法处理流程如图1所示，结合流程图和实施例，对本发明方法的实施方式作具体阐述，过程如下：

步骤一：背景自适应门限检测。

设每个主触发信号处理后的原始视频数据为f_MTP(i),i＝1,…,N_range，其中N_range为距离向采样点数，沿距离向滑窗进行自适应门限检测，对杂波和噪声进行初步剔除。设检测参考单元大小为N_ave，保护单元大小为N_pro，对于每一个距离单元，统计当前待检测单元f_MTP(i)左右参考单元内数据最大值分别为Amp_{max_1}和Amp_{max_2}，如果最大值超过设定门限

则对最大值所在距离单元左右N_pro个参考单元内数据进行删除，如果最大值没有超过门限，则不进行删除处理；然后统计当前待检测单元f_MTP(i)左右参考单元内数据均值分别为

和

设雷达噪声基底均值为A_noise，如果|A_noise-μ₁|＜ΔA且|A_noise-μ₂|＜ΔA，ΔA为设定阈值，则当前单元f_MTP(i)检测门限为V_T＝β₁·(μ₁+μ₂)/2，否则检测门限为V_T＝β₂·max(μ₁,μ₂)，β₁和β₂为检测门限系数，max()为取大运算；满足检测门限则保留f_MTP(i)，不满足则将该距离单元数据置零。

本发明实施例采用一组实测数据进行处理，本组实测数据为某型岸对海雷达在港口对海采集数据，如图2所示，场景中目标大多为正在捕鱼的渔船，经过自适应门限检测后结果如图3所示。

步骤二：基于质量评估的点迹提取。

经过自适应门限检测后，进行点迹信息提取，在距离向采用M_r/N_r准则滑窗检测凝聚，设两坐标雷达距离向分辨力为R_res，单位：米，距离采样单元大小为ΔR，单位：米，

如果N_r≤3，取N_r＝3，

表示向上取整运算，

表示向下取整运算，如果连续N_r个距离单元内有≥M_r个单元数据大于0，则进行距离凝聚处理；方位向采用M_a/N_a准则滑窗检测凝聚，设方位向天线波束3dB主瓣宽度为φ_3dB，单位：度，在一个主瓣宽度φ_3dB内相关脉冲个数为N_a，

如果连续N_a个脉冲内有≥M_a个脉冲有相同距离的距离点迹，则进行方位凝聚处理，提取点迹信息。

在点迹凝聚处理的同时计算点迹质量，对于每一个距离点迹，距离凝聚质量定义为Q_r＝N_{r_plot}-M_r，N_{r_plot}为凝聚为当前点迹的距离单元个数；设形成最终点迹的M_a个距离点迹幅度为A_{r_plot_i},i＝1,…,M_a，方位向凝聚后点迹质量定义为

其中N_{a_plot}为凝聚为当前点迹的距离点迹个数，C_q为点迹质量归一化常数；统计每周期杂波区内点迹数量，当超过设定点迹数量上限值N_{plot_max}时，按照点迹质量从大到小排序，只输出质量高的N_{plot_max}个点迹。

对本实施例中该组实测数据进行点迹凝聚处理，得到连续50个天线周期数据点迹凝聚处理结果如图4所示，对其中15批目标点迹多周期点迹质量取平均和对杂波点迹质量取平均统计结果如图5所示，按照点迹质量进行部分虚假点迹剔除后剩余点迹如图6所示。

步骤三：基于动态假设簇的搜索路径形成。

海目标运动速度慢，设定运动速度最大值为V_max，对于第k周期形成的所有点迹Plot_{k_i},i＝1,…,N_{plot_k}，N_{plot_k}为第k周期点迹个数，以当前点迹Plot_{k_i}位置为中心，以V_maxT为半径建立圆形波门，T为天线扫描周期；在波门内关联前k-1个周期形成的搜索路径，关联准则为选取波门内代价函数值最大的路径进行关联，即Ψ_k(x_k)＝argmax(I(x_k-1))，其中I(x_k-1)＝Q_{plot_k-1}+max(I(x_k-2))为搜索路径代价函数，x_k为第k周期点迹信息，Q_{plot_k-1}为第k-1周期关联点迹质量；对于第1个周期的所有点迹均形成搜索路径起始点。

步骤四：多周期联合检测判决目标提取。

设定联合检测周期数为N_cycle，对于持续时间达到联合检测周期的搜索路径，设定多周期积累代价函数检测门限T_I，对于满足检测门限的搜索路径，按照Ψ_k(·),k＝1,…,N_cycle进行路径位置提取，形成航迹；航迹提取后，对当前周期产生的所有航迹两两之间进行位置比较，如果在N_cycle个周期内有M_cycle个周期点迹相同，则以代价函数最大为优选原则，进行航迹归并，完成多周期联合判决目标提取。

对本实施例中该组实测数据进行基于动态假设簇的路径搜索和多周期联合检测判决目标提取，处理结果如图7所示。

Claims (1)

1.一种两坐标雷达对海目标联合检测跟踪方法，其特征在于：

步骤一：背景自适应门限检测，根据待检测单元参考窗内数据判定局部场景为噪声背景、杂波背景或邻近强目标场景，自适应选取检测准则和检测门限，对原始视频数据进行初始门限检测预处理；

步骤二：基于质量评估的点迹提取，两坐标雷达按照先距离后方位的顺序，在距离向采用M_r/N_r准则滑窗检测凝聚，方位向采用M_a/N_a准则滑窗检测凝聚，在点迹凝聚处理的同时计算点迹质量，对于每一个距离点迹，距离凝聚质量定义为Q_r＝N_{r_plot}-M_r，N_{r_plot}为凝聚为当前点迹的距离单元个数；设形成最终点迹的M_a个距离点迹幅度为A_{r_plot_i},i＝1,…,M_a，方位向凝聚后点迹质量定义为

其中N_{a_plot}为凝聚为当前点迹的距离点迹个数，C_q为点迹质量归一化常数；统计每周期杂波区内点迹数量，当超过设定点迹数量上限值N_{plot_max}时，按照点迹质量从大到小排序输出；

步骤三：基于动态假设簇的搜索路径形成，设定海目标运动速度最大值为V_max，对于第k周期形成的所有点迹Plot_{k_i},i＝1,…,N_{plot_k}，N_{plot_k}为第k周期点迹个数，以当前点迹Plot_{k_i}位置为中心，以V_maxT为半径建立圆形波门，T为天线扫描周期；在波门内关联前k-1个周期形成的搜索路径，关联准则为选取波门内代价函数值最大的路径进行关联，即Ψ_k(x_k)＝argmax(I(x_k-1))，其中I(x_k-1)＝Q_{plot_k-1}+max(I(x_k-2))为搜索路径代价函数，x_k为第k周期点迹信息，Q_{plot_k-1}为第k-1周期关联点迹质量；对于第1个周期的所有点迹均形成搜索路径起始点；

步骤四：多周期联合检测判决目标提取，设定联合检测周期数为N_cycle，对于持续时间达到联合检测周期的搜索路径，设定多周期积累代价函数检测门限T_I，对于满足检测门限的搜索路径，按照Ψ_k(·),k＝1,…,N_cycle进行路径位置提取，形成航迹；航迹提取后，对当前周期产生的所有航迹两两之间进行位置比较，如果在N_cycle个周期内有M_cycle个周期点迹相同，则以代价函数最大为优选原则，进行航迹归并，完成多周期联合判决目标提取。

Images