[发明专利]用于微弱目标检测的改进型粒子滤波检测前跟踪方法

说明书

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

C(k)＝{c_n，m(k)}

其中1≤n≤N，1≤m≤M，n和m分别为X轴和Y轴坐标，1≤k≤K，k为帧数，n，m和k均为正整数。N为X轴量化的单元总数，M为Y轴量化的单元总数，K为总的扫描帧数。数据矩阵C(k)中单元(n，m)中接收的回波c_n，m(k)为：有目标时，为目标回波幅度加噪声；没有目标时，仅为噪声。

其中，A为目标回波幅度，w_k为均值为零方差为σ²的复高斯噪声，即其中为w_k的实部，为w_k的虚部，和分别为均值为零方差为σ²/2的高斯噪声，j为虚部符号，复高斯噪声的定义见文献“Kay，S.M.，统计信号处理基础——估计与检测理论.北京：电子工业出版社，2006”。

定义5、量测