基于雷达点迹置信度统计的目标检测方法

倪世道，朱海涛

(中国电子科技集团公司第38研究所，合肥 230031)



基于雷达点迹置信度统计的目标检测方法

倪世道，朱海涛

(中国电子科技集团公司第38研究所，合肥 230031)

低信噪比环境中对弱小目标的检测和跟踪已经在雷达数据处理领域中引起人们的广泛关注。检测前跟踪(TBD)方法对弱小目标的检测非常有效，其基本思想是为了避免恒虚警(CFAR)处理带来的信噪比损失，直接对原始数据进行检测。提出了点迹置信度方法对检测的原始数据进行量化，通过局部极值选取完成目标检测。

检测前跟踪；置信度；弱目标检测

0 引 言

雷达微弱目标是指雷达散射截面(RCS)相对较小的目标，随着现代低可探测技术的迅速发展和广泛应用，对微弱目标的探测和预警方法的研究成为雷达技术中的重要研究内容。近年来，在微弱目标的探测方面提出了很多方法，如Hough变化方法、粒子滤波方法、检测前跟踪方法(TBD)等，其中基于动态规划的检测前跟踪法在检测低信噪比(SNR)的弱小目标方面是一种非常有效的方法[1-2]。不同于一般的检测方法，TBD方法在每个扫描时刻内并不宣布检测结果，只是将其数字化并存储起来，然后在扫描帧之间对相关点进行积累处理[3]。通过将雷达回波数据进行存储和预处理，可以得到多维数据阵，这时的雷达回波数据可以看作图像序列，如距离-多普勒图像、距离-方位图像等两维以及本文提及的距离-方位-置信度的三维图像[4]。在低信噪比时给定有限帧数的条件下，有可能无法检测到目标，为此可以增加处理帧数来解决这个问题，但是增加处理帧数会不可避免地增加计算量[5]。本文提出了一种点迹置信度统计的方法作为原始数据检测的量化手段，并在此基础上通过局部极值选取的方式完成目标检测，该算法与常规的动态规划算法相比，在不增加运算量的同时，有效地提高了检测性能，得到的目标航迹更加准确。

1 算法原理

假设搜索区域中包含K个匀速直线运动的目标,并假设第m次扫描得到的量测数为Nm,其中Nm≥K,这些量测中包含目标、杂波和接收机噪声。目标的运动模型为:

Xk(m+ 1)=F×Xk(m) +G×Vk(m)

(1)

目标量测方程为:

Zk(m)=H·Xk(m)+Wk(m)

(2)

多次扫描所得到的目标、杂波和噪声量测的集合用Z表示,Z中的每个量测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为第m次扫描得到的第i个回波的功率。

一般来说，数据关联是搜索单条最佳路径的递推方法，而工程中需要搜索的是K个目标形成的N(N≥K)条路径集,本文给出的方法是通过单点的自身属性(回波强度，探测位置，多普勒频率等)以及与路径集上各点的关联性来统计点迹的置信度，并通过置信度的极值选择方法进行目标检测。

2 置信度的计算方法

该统计方法是源自动态规划的工程应用改进算法，本质上是一个多阶段决策优化问题。检测前跟踪算法以有效的方式对所有可能的目标航迹进行搜索，并对这些可能航迹上的量测进行积累。当航迹上的量测积累值超过门限时，就称检测到目标，并回溯航迹。针对雷达强杂波区域的微弱目标，通过对非相参积累多帧后的多因子加权进行统计实现。算法主要包括以下5个步骤：

(1) 初始化：对于第1帧数据的每个状态x1，定义置信度函数C(x1)的初始值为该状态的测量值，为通过回波强度、位置、多普勒频率等点迹自身属性计算所得:

C(x1)=Z(x1)

(3)

(2) 多帧积累：对第k帧状态(2≤k≤M)中的每个状态xk叠加多帧关联值:

(4)

S为多个点迹关联运算规则，由此可以得出置信度检测值。

(3) 潜在目标检测：对于统计的自适应门限Vs，潜在目标为:

(5)

(4) 潜在轨迹回溯：对k=K-1,K-2,…,1,则：

(6)

(5) 后处理：通过适当的目标鉴别方法来减少虚警，便于后端航迹处理。

3 基于置信度的目标检测

通过多帧积累关联的方式来运算单点的置信度，由于目标自身的扩散以及门限难以约定，可能会导致检测结果中存在较多的虚警。

在基于置信度运算过程中，为了减少噪声和目标扩散引起的虚假目标，需要对被检测出的目标进行鉴别。尽管噪声和目标扩散都可以引起虚警，但它们的轨迹通常存在较大差异，目标扩散引起的虚警存在一个明显的特征,就是这些虚警与真实目标存在部分重合的轨迹，基于这一特征，就可以将具有部分重叠轨迹的目标去除而仅保留置信度局部较大的目标，即可以通过置信度值局部极值的方法处理，如图1所示。

图1 置信度统计方法的鉴别过程

局部极值法和置信度统计方法在鉴别上具有互补性，置信度统计方法主要用于消除噪声引起的虚警，而局部极值方法主要用来消除目标扩散引起的虚假目标，通过两者级联使用可以同时消除目标扩散和噪声引起的虚警。

4 实际数据验证

为了检验本文提出的检测前跟踪方法的有效性，利用某雷达项目中的实际数据进行验证。按照本文提出的方法进行目标检测，先对原始探测数据非相参积累多帧后的多因子加权进行统计，获得各点的初始置信度，并通过局部极值法进行筛选，获得最终检测结果。

图2为实际数据中12帧雷达探测原始数据的积累图；图3为12帧数据的检测结果。通过比较可以看出，采用本文的检测方法对于虚警抑制有着较为明显的效果。

图2 12帧雷达原始探测数据积累

图3 12帧雷达探测的检测结果

5 结束语

检测前跟踪的算法非常适用于强杂波、噪声背景下的小目标检测，通过检测前跟踪过程目标某个量化检测属性的积累，在最后的门限检测中消除大部分虚警目标，宣布检测结果。这种通过加大运算量来提高对弱小目标检测能力的方法，在当前高性能运算平台资源充沛的条件下非常便于工程实现。实际数据验证结果表明，本文中提出的基于点迹置信度的目标检测方法具有很好的检测性能，可以在工程中直接应用。

[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] 强勇，焦李成，保铮.一种有效的用于雷达弱目标检测的算法[J].电子学报，2003,31(3)：440-443.

[4] 张海英，张田文，温玄.基于对比度积累的弱点目标检测[J].哈尔滨工业大学学报，2007,39(3)：448-451.

[5] 曲长文，黄勇，苏峰.基于动态规划的多目标检测前跟踪算法[J].电子学报，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