专利名称：用于微弱目标检测的改进型粒子滤波检测前跟踪方法
技术领域：
本发明属于雷达目标检测技术领域，它特别涉及了低信噪比下微弱目标雷达检测 技术领域。
背景技术：
随着现代科技的发展与进步，雷达目标检测技术面临着巨大的挑战，例如隐身目 标由于其雷达反射截面积大大减小，极大地缩短了雷达的对该类目标的探测距离。因此提 高雷达对微弱目标的检测和跟踪能力成为一项极其重要而严峻的使命。检测前跟踪技术利用目标的运动特性，通过对多帧不设门限(或低门限)回波数 据的联合处理，获得多帧目标回波能量的非相参积累，提高信噪比，实现对微弱目标的检测 和跟踪，是低信噪比环境下对微弱目标进行检测和跟踪的一种有效方法。应用于雷达目标 检测领域的检测前跟踪技术主要有基于Hough变换的检测前跟踪方法、基于粒子滤波的检 测前跟踪方法以及基于动态规划的检测前跟踪方法等。其中粒子滤波(PF)是基于贝叶斯 滤波理论，采用随机样本和其对应的权值近似目标状态的后验概率密度函数，从而估计目 标真实状态的一种滤波技术。它对非线性非高斯系统具有强的适应性，已被广泛应用于雷 达跟踪、计算机视觉、自动控制等领域。为了利用粒子滤波实现同时检测和跟踪雷达目标， Salmond等人基于SIR(采样重要性重采样)粒子滤波方法，在状态估计变量中加入一个“目 标存在变量”，提出了一种粒子滤波检测前跟踪方法，见文献“Salmond，D.J.，and Birch, H. ,A particle filter for track-before-detect,Proc. American Control Conf. ,2001, vol. 5，pp. 3755-3760”。该方法的核心思想是估计目标状态和目标存在变量的联合后验概 率密度函数，从而实现对目标的检测和跟踪。但由于SIR粒子滤波方法存在样本枯竭问题， 这样的样本集不足以表征所需的联合后验概率密度函数，使得检测结果不稳定，跟踪精度 不高，并且该方法没有充分利用估计目标状态和存在变量提供的信息。

发明内容
针对现有的粒子滤波检测前跟踪方法存在的问题，本发明提供了一种用于微弱目 标检测的改进型粒子滤波检测前跟踪方法。它是根据目标存在变量对粒子分类，采取不同 操作，减小了运算量，并对携带目标状态的继续存活粒子采用高斯分布重新产生，增加了粒 子的多样性，有效地克服了采样枯竭现象；具有计算时间短、鲁棒性强，检测性能稳定可靠 和跟踪精度高的特点。为了方便描述本发明的内容，首先作以下术语定义定义1、雷达系统中检测前跟踪检测前跟踪是低信噪比下对微弱目标检测和跟踪的一种现有技术，它首先在红外 图像序列检测中被引入。雷达系统中的检测前跟踪是指雷达对每一次扫描数据不设检测门 限，不宣布检测结果，而是将每一个扫描时刻获得的信息数字化并存储起来，然后在各扫描 时刻之间对假设路径包含的点作几乎没有信息损失的相关处理，经过数次扫描对目标能量的积累，在目标的轨迹被估计的同时，宣布检测结果。定义2、一帧数据在本发明中，一帧数据为雷达天线扫描一个周期后对该周期内所有发射脉冲的回 波采样后的数据。定义3、雷达天线扫描周期雷达天线扫描周期是指雷达对整个监视区域完成一次完整的扫描所用的时间。定义4、回波数据回波数据是指雷达信号处理器对接收的回波信号进行离散采样和快速傅里叶变 换等预处理，得到的X-Y平面和所在帧数k的三维数据矩阵。例如，第k帧的数据矩阵为
权利要求
1. 一种用于微弱目标检测的改进型粒子滤波检测前跟踪方法，其特征是它包括以下步骤步骤1、初始化系统参数初始化系统参数包括雷达天线扫描周期 ；，目标状态的先验分布P(Xtl)，初始目标存 在的先验概率1^( = 1)，总粒子数Ns，目标的出生概率Pb和死亡概率Pd，目标运动模型的 状态转移矩阵F，过程噪声的协方差矩阵Q，量测噪声方差σ2，信噪比SNR，目标回波幅度A ； 量测zn,m (k)值在雷达接收机中，η和m分别为目标的X轴和Y轴坐标，k为帧数，l^k^K, n，m和k均为正整数；步骤2、k = 0帧，对每个粒子的初始状态赋值从所有的队个粒子中，随机选择I3HEtl = 1)*队个粒子，用集合Φ。表示，令集合 Φο中粒子的存在变量勾=l，i表示粒子的序号，Pr(E0 = I)为初始目标存在的先验概 率；从目标状态的先验分布POO中采样得到k = O帧集合中每个粒子的初始状态 ‘二^，碟义，成，^^^，其中[χ;, 乂]为第i个粒子在X-Y平面的位置，[雄,戽]为第i 个粒子在X-Y平面的速度，i表示粒子的序号；对其余WNs-PHh = 1)*队个粒子，用集合Φ。表示，令Φ。集合中粒子的存在变量 E10=O,表示粒子的序号，对Φ。集合中粒子的状态不做定义；步骤3、如果k = 0，执行步骤9，k为帧数；如果k Φ 0，根据第k-Ι帧的每个粒子的目标存在变量及目标的出生概率&和死亡概率Pd，计算第k帧每个粒子的存在变量j二，Ns为粒子总数如果第k-Ι帧的第i个粒子的目标存在变量母―,=1，根据目标的死亡概率Pd 令第k帧的第i个粒子的目标存在变量勾=0;如果第k-Ι帧的第i个粒子的目标存在变量母―,=0，根据目标的出生概率Pb 令第k帧的第i个粒子的目标存在变量￡1 = 1;步骤4、根据步骤3得到的第k-Ι帧的每个粒子的目标存在变量I^Lfii和第k帧每个粒子的存在变量丨尽；}二，将粒子分为3类第一类满足^L=O且￡1=0或^L1=I且￡1=0的粒子，命名为死亡的粒子，这类 粒子采用集合Od表示；对死亡的粒子，不定义它的状态；第二类满足母—,=0且￡1=1的粒子，命名为新出生的粒子，新出生的粒子采用集合 Ob表示；对新出生的粒子，根据目标状态的先验分布P(Xtl)，采样得到它的第k帧状态忒； 第三类满足母—,=1且^=I的粒子，命名为继续存活的粒子，继续存活的粒子采用 集合表示；对继续存活的粒子，首先重新产生它在k-Ι帧的状态4—,，产生的方法为从 分布N Ο^,Γ)中采样，其中N(a, b)表示以a为中心，b为方差的高斯分布；毛—表示k_l 帧得到的目标状态估计值；Γ为预设的协方差矩阵；然后将新产生的在k-1帧的状态At1 代入目标运动模型中，得到第k帧粒子的状态X1k; 步骤5、从雷达接收机中读取第k帧量测 Z(k) = {zn, m(k)}其中，1≤η≤N，1≤m≤Μ，η和m分别为X轴和Y轴坐标，n, m均为正整数，k为帧 数；N是X轴量化的单元个数，M是Y轴量化的单元个数；zn,m(k)表示第k帧回波数据的量 测单元(n，m)中的量测值，为回波数据的功率值；步骤6、根据步骤4得到的3类粒子集和步骤5得到的第k帧量测，计算每个粒子的权值对第一类粒子Od，令其权值# = 1;对第二类粒子Ob和第三类粒子Φ3，根据第i个粒子携带的状态忒得到粒子在X-Y 平面的坐标[X丨,X]，根据坐标[X丨,X]找到第k巾贞量测中坐标为
全文摘要
本发明公开了一种用于微弱目标检测的改进型粒子滤波检测前跟踪方法。它是根据目标存在变量的状态，将粒子分为死亡、新出生和继续存活3类集合，对不同集合中的粒子状态区别操作对死亡集合中的粒子不定义、不参与运算；对新出生集合中的粒子，根据先验分布采样得到新的状态；对继续存活集合中的粒子，首先根据高斯分布重新生成，再依据目标运动模型得到新的状态。该方法减小了运算量，增加了粒子的多样性，有效地克服了采样枯竭现象；具有计算时间短、鲁棒性强，检测性能稳定可靠和跟踪精度高的特点。
文档编号G01S7/36GK102043150SQ201010574049
公开日2011年5月4日 申请日期2010年12月6日 优先权日2010年12月6日
发明者张晓玲, 樊玲 申请人:电子科技大学