[发明专利]基于多伯努利滤波的雷达微弱起伏目标检测前跟踪算法

说明书

本发明公开了基于多伯努利滤波的雷达微弱起伏目标检测前跟踪算法，本发明在MB‑TBD中除了考虑幅度信息还对相位进行边缘化处理，以提高了目标与噪声的区分度。利用三种Swerling类型的复似然比(CLR)代替平方模似然比(SLR)。为适应起伏目标新生先验信息未知的情况，借鉴目标相继相除的思想提出一种基于量测似然比的多伯努利滤波器自适应新生分布的TBD(LABer‑STC‑TBD)，与现有的MB‑TBD自适应新生算法相比，新算法克服了目标起伏时，较弱目标与较强目标同时出现的检测困难，并在MB‑TBD更新结束后对提出依据距离和粒子权重的算法(DPM)对同一目标的伯努利分量合并。最后比较了所研究的不同情况下的估计和检测性能，并显示了LABer‑STC‑TBD算法在目标幅度波动下的优势。

技术领域

本发明涉及雷达起伏微弱多目标检测与跟踪技术领域，尤其涉及一种基于 多伯努利滤波的雷达微弱起伏目标检测前跟踪算法。

背景技术

传统的雷达多目标跟踪(MTT)算法是对雷达天线扫描的单帧数据通过图 像压缩成有限点集上来对预处理后的数据进行处理。然而，对于低信噪比环境 下的目标，目标的回波通常低于预处理的门限，这可能会导致目标丢失，发生 漏检；若降低门限，则会产生大量的虚警，使得目标航迹无法维持。

为了解决上述问题，采用检测前跟踪(TBD)算法，无需对量测信号设置 门限，根据空间中目标运动的连续性和连续几帧目标回波数据时间上的关联性， 对多帧数据进行联合处理，并通过多帧能量累积实现目标检测和跟踪。大多数 的TBD实现技术是基于批处理实现的，例如基于动态规划的检测前跟踪和基于 Hough变化的检测前跟踪，然而由于批处理需要对目标状态离散化，且需要等 待多帧量测数据才能处理，因此批处理实现的实时性很差。

还可以采用贝叶斯框架下的粒子滤波实现TBD算法(PF-TBD)。多目标 检测和跟踪主要任务是通过量测值来估计时变的目标个数及其状态，在实际应 用中，目标个数一般是未知的，随着目标数目的增加会导致目标后验概率维数 的增加，使得对多目标后验概率的估计更加困难，所以PF-TBD滤波器对未知 数目的MTT具有一定局限性。

因此，现有的技术不能有效解决微弱波动多目标检测跟踪问题。

发明内容

本发明的目的在于提供一种基于多伯努利滤波的雷达微弱起伏目标检测前 跟踪算法，旨在解决现有技术中不能有效解决微弱波动多目标检测跟踪问题的 技术问题。

为实现上述目的，本发明采用的一种基于多伯努利滤波的雷达微弱起伏目 标检测前跟踪算法，所述包括如下步骤：

S1：初始化系统参数，读取雷达接收机中第k-1时刻和第k时刻的原始量测 数据；

S2：对k-1时刻的原始量测数据使用LABer-STC-TBD算法自适应新生目标；

S3：获得k时刻的复量测和平方量测数据，分别计算三种幅度波动类型的复 似然比和平方模似然比，给出幅度波动下MB-TBD滤波的SMC实现；

S4：删除存在概率低于阈值的伯努利分量，并利用DPM算法对伯努利分量 进行合并；

S5：提取存在概率大于0.5的目标状态，存在概率大于0.5的伯努利分量的 数量为k时刻估计目标的数目；

S6：判断k+1是否大于目标运动总时间，如果大于，则算法结束，若不然返 S2。

所述系统参数包括：