专利名称：基于图切的雷达微弱目标优化检测方法
技术领域：
本发明属于雷达系统中信号处理技术领域，具体涉及一种基于图切的雷达微弱目标优化检测方法。
背景技术：
传统的雷达微弱目标检测主要是采用积累的方法，包括相干积累和非相干积累两种。相干积累充分利用了回波信号相位信息，能够最大限度地提高检测性能。由于相干积累时间的前提条件是目标走动距离不能超过半个距离单元，因此随着积累时间的增加，目标回波的多普勒频移呈现时变特性，不再能够通过简单FFT实现相干积累，需要考虑距离走动校正问题。常用的距离走动校正方法有包络相关法和Keystone变换法。包络相关法是在较大信噪比前提条件下，通过估计目标的运动参数实现包络校正补偿，然后再进行积累以提高雷达的检测概率，但当回波的信噪比很低时难以奏效。Keystone变换法需要在频域 进行内插处理，计算量大。相干积累时间受限于目标运动，特别对于高距离分辨雷达或观测高速目标的雷达系统，这种限制尤为显著。为了克服这个困难，在大多数情况下都是利用长时间非相干积累的方法来提高信噪比。非相干积累仅仅利用了相干脉冲的幅度信息，其积累效果不如相干积累，但借助于图像处理技术可实现长时间积累，而且在输入信噪比大于I的情况下，非相干积累引入的检波损失可以忽略不计。非相干积累通常在一定机动模型条件下，通过Hough变换或动态规划实现目标信号积累。当目标运动规律较复杂时，即便是非相干积累具体处理也变得十分困难。

发明内容
为了能在低信噪比条件下，即使在目标运动规律较复杂的情形下也能实现对雷达微弱目标的检测，本发明提出了基于图切的全局优化弱目标检测方法。该方法具体思路如下首先对相干积累后的距离-多普勒序列进行短时非相关积累；然后利用目标模型和杂波模型在贝叶斯框架下，对距离-多普勒视频帧进行基于图切的全局优化目标检测，得到目标视频序列；最后利用目标视频序列进行目标特征检测与跟踪，对目标模型进行更新。通过与常规的恒虚警率检测和基于粒子波的TBD目标检测方法分析比较，充分验证了该方法的有效性。为了方便描述本发明的内容，首先作以下术语定义
定义I距离-多普勒序列
距离-多普勒序列是指对雷达数据进行距离/多普勒处理得到的关于雷达目标信息的序列。(距离/多普勒处理是通过观测回波频率的脉冲到脉冲间的变化，提取出非模糊的距离和多普勒信息。回波的傅里叶变换导出频率域的距离信息，可以形成一连串距离单元。对于每个距离单元而言，脉冲序列的傅里叶变换导出脉冲到脉冲间的相位变化，这种相位变化就对应于这一距离上的多普勒频移)。定义2距离-多普勒序列视频帧距离-多普勒序列视频帧是由距离-多普勒序列增量积累得到的。定义3恒虚警率检测
所谓信号的恒虚警率检测，就是在噪声强度变化的情况下，信号经过恒虚警率处理，使虚警概率保持恒定。定义4基于粒子滤波的检测前跟踪(TBD)
基于粒子滤波的TBD方法是指使用一个离散变量对目标存在与否建模，并将该变量加入到目标状态矢量中，进行混合滤波，实现目标存在与否以及目标状态的联合估计；该方法实际上隐含了通过多帧观测数据的积累来提升信噪比的思想。定义5信噪比
信噪比是指信号的功率与杂波背景噪声功率的比值。本发明提出了基于图切的全局优化弱目标检测方法，该方法在距离-多普勒视频帧基础上进行全局优化目标检测，包括基于图切的全局优化检测和目标特征检测与跟踪两项关键技术。具体处理步骤如下
步骤一目标模型的描述
对距离-多普勒视频帧序列对应的目标视频帧序列的目标模型进行描述，设在目标视频序列中，数值I表示该距离-多普勒位置处存在目标，数值0表示该距离-多普勒位置处为杂波背景，不存在目标，于是二值化目标视频帧i采用马尔可夫随机场模型描述，即
权利要求
1.基于图切的雷达微弱目标优化检测方法，其特征在于该方法的具体步骤是 步骤一目标模型的描述 对距离-多普勒视频帧序列对应的目标视频帧序列的目标模型进行描述，设在目标视频序列中，数值I表示该距离-多普勒位置处存在目标，数值O表示该距离-多普勒位置处为杂波背景，不存在目标，于是ニ值化目标视频帧I采用马尔可夫随机场模型描述，即=ズ)=善 exp{-i/(x)}=去 ^ W J 式中び0)为能量函数；为部分函数；为团e的势能函数力ニ值化目标视频帧中所有团集合； 步骤ニ 目行特怔的定义与检测 设ニ值化目标视频帧中的目标前景像素数力 ニ值化目标视频帧中目标和杂波背景的邻接像素对数为S，利用一阶和ニ阶团势能函数近似能量函数，于是ニ值化目标视频帧X的先验概率密度函数简化为ぬか斗を+名5[がト發4 其中流量參数y=-lnH^=—ln￥^’「B— 流骨参数多=—In -， 肌里ノ狱_ (Ar-I)M+ m'M-1)-5- MxAf为ニ值化目标视频帧if中的所有像素点数，,反映了目标的面积几何特征，(M-I)M + N(M-I)为ニ值化目标视频帧J中的所有邻接像素对数π反映了目标的周长几何特征，Q为ニ值化目标视频帧 的所有像素集合，cf为像素点Xi的一阶邻域集合； 步骤三目标特征的预测与动态跟踪 基于马尔可夫随机场模型，从ニ值化目标视频帧中提取和跟踪目标的面积和周长这两个目标几何特征；设像素数为MxN的距离-多普勒视频帧，第た帧视频的目标前景像素数为Ok ,目标前景和杂波背景的四连通邻接像素对数为Bk , 4和式分别为Ok和Bk的速度分量，则定义第i帧视频的状态向量=，式f ,观测向量Zit=[る,其中‘为目标前景像素点数的观测值，为目标前景和杂波背景四连通邻接像素对数的观测值；于是，系统模型可表示为状态方程h = AA+ ;观测方程4 = + h;这Jl fit为系统卩栄声， 两足可办]=O , = E\gkq\ ],な为观测卩栄声， 两足 ]= O ,Rk =喊};系统噪声相关矩阵以，观测噪声相关矩阵A ,以及方程參数分别为
全文摘要
本发明公开了一种基于图切的雷达微弱目标优化检测方法。本发明提出了基于图切的全局优化弱目标检测方法。该方法具体思路如下首先对相干积累后的距离-多普勒序列进行短时非相关积累；然后利用目标模型和杂波模型在贝叶斯框架下，对距离-多普勒视频帧进行基于图切的全局优化目标检测，得到目标视频序列；最后利用目标视频序列进行目标特征检测与跟踪，对目标模型进行更新。本发明利用基于添加路径的最小图切算法作为性能优良的全局优化检测方法，实现快速检测，并较好地解决了低信噪比条件下微弱目标的检测问题，特别是运动规律比较复杂的目标。
文档编号G01S7/41GK102680957SQ20121015710
公开日2012年9月19日 申请日期2012年5月21日 优先权日2012年5月21日
发明者彭冬亮, 王智玉, 郭云飞, 郭春生 申请人:杭州电子科技大学