[發(fā)明專利]一種基于信息積累的弱目標(biāo)檢測(cè)前跟蹤方法

在審

• 申請(qǐng)?zhí)枺?/td>: 202010189198.8
• 申請(qǐng)日: 2020-03-18
• 公開（公告）號(hào): CN111352104A
• 公開（公告）日: 2020-06-30
• 發(fā)明（設(shè)計(jì)）人: 李波;湯俊;岑宗駿
• 申請(qǐng)（專利權(quán)）人: 清華大學(xué)
• 主分類號(hào): G01S13/70
• 分類號(hào): G01S13/70;G01S7/41
• 代理公司: 北京眾合誠(chéng)成知識(shí)產(chǎn)權(quán)代理有限公司 11246
• 代理人: 張文寶

本發(fā)明公開屬于雷達(dá)跟蹤目標(biāo)與檢測(cè)前技術(shù)領(lǐng)域的一種基于信息積累的弱目標(biāo)檢測(cè)前跟蹤方法。具體步驟：(1)將狀態(tài)空間離散、網(wǎng)格化，(2)初始化離散格點(diǎn)的概率取值；(3)觀測(cè)數(shù)據(jù)得到當(dāng)前信息傳遞矩陣；(4)根據(jù)信息傳遞矩陣預(yù)測(cè)目標(biāo)狀態(tài)分布；(5)從觀測(cè)數(shù)據(jù)獲得信息目標(biāo)狀態(tài)分布的預(yù)測(cè)結(jié)果，(6)計(jì)算第k幀的信息熵；(7)按照選定閾值對(duì)信息熵進(jìn)行門限檢測(cè)，得到的目標(biāo)狀態(tài)分布估計(jì)目標(biāo)狀態(tài)；(8)重復(fù)第(4)步至第(7)步的方法進(jìn)行處理；(9)輸出目標(biāo)檢測(cè)和狀態(tài)估計(jì)結(jié)果。本發(fā)明能夠?qū)崿F(xiàn)對(duì)于弱目標(biāo)的檢測(cè)與跟蹤；運(yùn)算復(fù)雜度低且可并行化實(shí)現(xiàn)；魯棒性強(qiáng)，對(duì)于勻速目標(biāo)和具有一定機(jī)動(dòng)性的目標(biāo)都有較好的檢測(cè)性能。

技術(shù)領(lǐng)域

本發(fā)明屬于雷達(dá)跟蹤目標(biāo)與檢測(cè)前技術(shù)領(lǐng)域，特別涉及一種基于信息積累的弱目標(biāo)檢測(cè)前跟蹤方法。

背景技術(shù)

隨著電子信息技術(shù)的不斷進(jìn)步，傳統(tǒng)的雷達(dá)系統(tǒng)不僅面臨著無人機(jī)、隱身飛機(jī)、反輻射導(dǎo)彈等先進(jìn)軍事設(shè)備帶來的重大威脅，還需要面對(duì)超低空突防、綜合電子干擾等高超作戰(zhàn)手段的嚴(yán)峻挑戰(zhàn)。無人機(jī)、隱身飛機(jī)等軍事設(shè)備在不斷地發(fā)展，這些軍事目標(biāo)的散射截面積(RCS)通常比較小，回波的信噪比(SNR)比較低，利用傳統(tǒng)的檢測(cè)后跟蹤(Track-After-Detect,TAD)算法難以對(duì)這些信噪比低的弱目標(biāo)獲得穩(wěn)定、可靠的檢測(cè)效果，對(duì)傳統(tǒng)的雷達(dá)系統(tǒng)構(gòu)成了極大的威脅。

為了有效地對(duì)低信噪比的弱目標(biāo)進(jìn)行檢測(cè)，形成了一類檢測(cè)前跟蹤(Track-Before-Detect,TBD)算法。這類算法并不直接對(duì)單幀數(shù)據(jù)進(jìn)行閾值判決形成點(diǎn)跡，而是利用目標(biāo)的運(yùn)動(dòng)特征沿著可能的運(yùn)動(dòng)軌跡進(jìn)行多幀回波信號(hào)的能量積累，在此基礎(chǔ)上實(shí)現(xiàn)微弱目標(biāo)的檢測(cè)和跟蹤。傳統(tǒng)的TBD算法主要包括霍夫變換、動(dòng)態(tài)規(guī)劃和粒子濾波等方法。基于動(dòng)態(tài)規(guī)劃和基于霍夫變換的弱目標(biāo)檢測(cè)算法是批處理算法，需要等待多幀觀測(cè)數(shù)據(jù)才能開始處理，實(shí)時(shí)性較差。而基于遞推實(shí)現(xiàn)的粒子濾波算法則需要大量的粒子來保證其濾波性能，導(dǎo)致算法的計(jì)算復(fù)雜度較高，運(yùn)行時(shí)間較長(zhǎng)，難以保證雷達(dá)系統(tǒng)中目標(biāo)檢測(cè)較高的實(shí)時(shí)性需求。

發(fā)明內(nèi)容

本發(fā)明的目的是提出一種基于信息積累的弱目標(biāo)檢測(cè)前跟蹤方法，其特征在于，所述弱目標(biāo)檢測(cè)前跟蹤方法是基于遞推貝葉斯原理，按照以下步驟來實(shí)現(xiàn)：

第一步：將目標(biāo)狀態(tài)空間離散化，設(shè)置目標(biāo)狀態(tài)空間的離散化網(wǎng)格；

第二步：初始化目標(biāo)狀態(tài)在各個(gè)離散格點(diǎn)的概率取值；

第三步：第k幀數(shù)據(jù)到來時(shí)，若k＝1，設(shè)置初始化信息傳遞矩陣；若k≠1，設(shè)置從上的第k-1幀到當(dāng)前幀第k幀的信息傳遞矩陣；

第四步：若k＝1，根據(jù)第二步中的初始化目標(biāo)狀態(tài)分布以及第三步中的初始化信息傳遞矩陣預(yù)測(cè)第1幀的目標(biāo)狀態(tài)分布；若k≠1，則根據(jù)第五步計(jì)算得到的第k-1幀的目標(biāo)狀態(tài)分布以及第三步中的從上的第k-1幀，到當(dāng)前幀第k幀的信息傳遞矩陣來預(yù)測(cè)第k幀的目標(biāo)狀態(tài)分布。

第五步：根據(jù)第k幀的觀測(cè)數(shù)據(jù)和第四步得到的目標(biāo)狀態(tài)分布的預(yù)測(cè)結(jié)果更新計(jì)算最終第k幀的目標(biāo)狀態(tài)分布；

第六步：根據(jù)第五步得到的目標(biāo)狀態(tài)分布計(jì)算信息熵；

第七步：選定閾值對(duì)第六步得到的信息熵進(jìn)行門限判決得到目標(biāo)檢測(cè)結(jié)果；具體是若判斷當(dāng)前第k幀存在目標(biāo)，則根據(jù)第五步得到的目標(biāo)狀態(tài)的分布，利用最大后驗(yàn)估計(jì)準(zhǔn)則來估計(jì)目標(biāo)狀態(tài)；

第八步：依次類推處理，在第k+1幀的數(shù)據(jù)到來時(shí)，重復(fù)第四步至第七步的方法進(jìn)行處理；

第九步：輸出目標(biāo)的檢測(cè)和狀態(tài)估計(jì)結(jié)果。

所述第一步將連續(xù)的目標(biāo)狀態(tài)空間離散化為網(wǎng)格點(diǎn)，目標(biāo)狀態(tài)轉(zhuǎn)移服從一階馬爾科夫過程，目標(biāo)狀態(tài)從當(dāng)前格點(diǎn)向其他格點(diǎn)的轉(zhuǎn)移概率由第三步中設(shè)置的信息傳遞矩陣來確定，通過信息傳遞矩陣實(shí)現(xiàn)多幀觀測(cè)數(shù)據(jù)之間的信息積累。