一种用于检测和跟踪的检测前跟踪方法.docxVIP

一种用于检测和跟踪的检测前跟踪方法 1 低门限fps与tbd联合检测 为了防止信号处理器的饱和，通常使用恒虚警率（rcr）来处理检测目标，但很难避免恒虚警率的损失，因为很难检测低信噪比和信任的弱目标。随着计算机专用性能的提高，为了满足预测目标增加的实际处理要求，人们希望消除不规则检测，提高系统弱目标的检测能力。检测前跟踪技术（nbd）可以显著提高系统的检测性能，但在实际应用中仍存在许多问题。 目前TBD主要应用于红外图象序列检测的例子中, 用于雷达目标的检测和跟踪的例子很少, 因为相对于图象序列的TBD处理, 雷达目标的TBD处理过程所考虑的因素要复杂的多.最近, 有人提出基于动态规划算法 (DPA) 的TBD算法用于低信噪比情况下红外图象序列的检测和跟踪.但是文章中也同样指出基于DPA 的TBD算法虽然有好的检测性能, 但其跟踪性能比较弱.本文在改进了文献中的DPA算法的基础上, 提出了低门限CFAR与TBD联合检测的方案, 并应用到雷达目标的检测和跟踪, 提高了在高斯噪声下的检测性能的同时, 也提高了跟踪性能. 2 tbd的概念 TBD是在低信噪比的情况下对目标进行检测和跟踪的一种技术.不同于一般的检测方法, 它在每一次扫描时刻内并不宣布检测结果, 并且不设检测门限, 只是将其数字化、并存储起来.然后在扫描与扫描之间对假设航迹包含的点作没有信息损失的相干处理.经过数次扫描的积累, 在目标的航迹被估计出来后检测结果与目标的航迹同时宣布.TBD的这个特点使其更适合于低信噪比背景下的弱小目标的检测. 对上述TBD概念可以作如下简单的数学描述:假设S(xk) 是N个扫描时刻的回波所构成的某条假设路径的目标函数,xk为各个扫描时刻的回波, 如果 ?xΚ={xΚ∶S(xΚ)＞VΤ}(1)x?K={xK∶S(xK)＞VT}(1) 则S(xk) 中所包含的点{x1,x2, …,xk}是我们所要宣布的一条目标轨迹. 当然, 解此类问题可以用穷举法, 这种方法看起来简单, 但实现起来却非常困难, 因为计算量大得惊人, 即使使用最先进的计算机, 所花费的时间也会使这种方法失去使用价值.为了减少运算量, 通过动态规划算法实现, 对每一个距离—方位—多普勒的分辨单元限制只能有一条“最佳”路径, 至此问题转化为选择进入每个单元的最佳路径.另外, 采用低门限的CFAR对数据进行预处理, 使运算量又可以减少几个数量级. 3 使用td方法进行雷达目标检测 3.1 考虑到的问题 TBD用于雷达目标检测首先需要解决好下面两个问题:低门限CFAR预处理和求秩过程. (1) tfd和tfr联合检测 我们已经注意到, 在文献、提到TBD检测不设门限的思想, 这样在宣布检测和跟踪结果之前虽然保存了所有的信息, 但由此造成了庞大的数据处理量和100%的虚警率, 虽然在后面的处理过程可以消除一些虚警, 但很难完全消除, 从而可能产生更多的伪航迹. 本文提出了CFAR和TBD联合检测的思想.CFAR的思想是在虚警概率一定的条件下, 设定门限, 进行目标检测, 这样难以避免恒虚警损失, 一些低SNR的弱小目标无法检测出来.一般来说, CFAR方法对于检测SNR高于10dB的目标有很好的检测性能, SNR低于5dB的目标很难通过CFAR的方法检测出来.TBD方法最初的思想是不设门限, 以牺牲虚警率为代价, 提高弱小目标的检测概率, 但由此造成了庞大的数据处理对实时性检测提出了更高的要求, 另外会产生大量的伪航迹, 虽然在后面的处理过程中可以消除一部分, 但很难完全消除, 影响了跟踪性能.本文采用了一种折衷方案, 即CFAR和TBD联合检测, 利用了两种方法各自的优点, 在第一个阶段采用低门限的CFAR, 除去那些成为目标的可能性极小的点, 大大减少的下一个阶段的运算量, 也消除了一些伪目标, 这个阶段以增加虚警率为代价, 提高了雷达的灵敏度, 由于有下一个阶段TBD的保证, 将虚警率降低.这样既保证了检测的灵敏度, 又使处理的运算量减少.用本文的方法可以50 %的概率检测出SNR为4dB以上的目标. (2) 距离-多普勒-方位范围的tbd数据处理 TBD算法实际上是搜索一条路径, 将这条路径上的各个扫描时刻的点的幅度值累加起来, 通过一个给定的门限进行检测, 在检测宣布的同时也确定了前N个扫描时刻的路径.但是, 随机外噪声的谱沿多普勒分布是非均匀的, 而沿距离分布也是随机的, 但具有短时平稳性, 如图1所示.如果不进行处理, 在整个距离-多普勒-方位范围内进行TBD处理结果将会不够准确.通过求秩, 将目标信号在整个距离域中突出出来, 如图2所示, 可以更精确的检测到目标. 求秩过程使用一个距离上的滑窗进行的, 当接收到了每一个新的多普勒值, 我们相同的多普勒值的距离单元幅度与