本發(fā)明屬于信息處理領(lǐng)域，特別涉及雷達(dá)檢測和跟蹤領(lǐng)域。

背景技術(shù)：

1、集群目標(biāo)諸如鳥群、無人機(jī)群等通常具有群體智能現(xiàn)象，其表現(xiàn)出不同的群體外形。不同外形對應(yīng)著不同的群內(nèi)個體空間分布，因此在雷達(dá)視線方向上的相對位置也不同，群內(nèi)個體之間存在相互干擾?，F(xiàn)有公開的文獻(xiàn)對集群目標(biāo)檢測的系統(tǒng)性論述較少，目前尚未有統(tǒng)一說法。傳統(tǒng)的檢測器諸如ca-cfar、go-cfar等無法很好適應(yīng)集群目標(biāo)檢測這類密集、高動態(tài)場景，由遮蔽效應(yīng)帶來的漏檢問題時有發(fā)生。另一方面，集群目標(biāo)在運(yùn)動過程中，群內(nèi)個體的空間分布位置都是隨機(jī)的，因此檢測時目標(biāo)峰值出現(xiàn)的位置也是高動態(tài)變化的。諸如論文《intelligent?cfar?processor?based?on?data?variability》(smith?m?e,varshney?p?k.ieee?transactions?on?aerospace?and?electronic?systems,2000,36(3):837-847.)提出的vi-cfar等自適應(yīng)類檢測器可以自動適應(yīng)于干擾的變化，在復(fù)雜環(huán)境背景中具有良好的檢測效果。但當(dāng)干擾目標(biāo)數(shù)目較大時檢測性能均會發(fā)生下降，未能有效利用群目標(biāo)空間分布的先驗統(tǒng)計知識。

技術(shù)實(shí)現(xiàn)思路

1、為克服集群目標(biāo)高分辨檢測場景下，由于目標(biāo)散射點(diǎn)數(shù)量與密度高度動態(tài)變化導(dǎo)致檢測器參數(shù)失配發(fā)生目標(biāo)漏檢的問題，本發(fā)明提出了一種基于最優(yōu)群特征參數(shù)輔助的密集目標(biāo)檢測方法。利用隨機(jī)矩陣法得到集群目標(biāo)對應(yīng)的群特征參數(shù)信息，并將其用于輔助檢測器最優(yōu)參數(shù)的確定，避免因檢測參數(shù)不適配發(fā)生的目標(biāo)漏檢，提高集群目標(biāo)的檢測概率。本發(fā)明的技術(shù)方案為：

2、一種基于最優(yōu)群特征參數(shù)輔助的密集目標(biāo)檢測方法，包括以下步驟：

3、步驟1.設(shè)雷達(dá)在一次掃描過程中對回波進(jìn)行脈沖壓縮、恒虛警檢測等處理后得到第t個時刻掃描空間內(nèi)的集群目標(biāo)一組有效量測集合zt＝{z1,z2,…,zk}，其中zj(j＝1,2,…,k)是第j個目標(biāo)的狀態(tài)向量，包括目標(biāo)的位置、速度、加速度等信息。該量測可有效建模為其中，為t時刻集群編號為i的狀態(tài)集合(增廣項)，表示該集群的量測率，表示該集群的質(zhì)心狀態(tài)向量，為一隨機(jī)矩陣，表示該集群的擴(kuò)展?fàn)顟B(tài)；

4、步驟2.計算t+1時刻的集群目標(biāo)的狀態(tài)隨機(jī)矩陣法將量測集合建模為ggiw(伽馬高斯逆威沙特)分布，在t時刻的預(yù)測分布可以表示為：

5、

6、上式中，各項被表示為：

7、

8、

9、

10、其中，νt+1∣t和vt+1∣t由下式給出更新：

11、νt+1∣t＝2d+4+e-t/τ(νt∣t-2d-4)

12、

13、其中，t表示預(yù)測時間間隔，τ為設(shè)計參數(shù)，表示時間衰減常數(shù)，d表示維度；

14、步驟3.利用預(yù)測的t+1時刻集群狀態(tài)計算t+1時刻集群目標(biāo)在雷達(dá)波束中心方向上的投影長度，以此預(yù)測t+1時刻集群目標(biāo)在距離維度上的分布范圍。假設(shè)雷達(dá)位于坐標(biāo)原點(diǎn)，其波束中心指向橢球的質(zhì)心?？杀硎举|(zhì)心向量，設(shè)為橢球最長半軸方向上的向量。假設(shè)距離單元長度為δr，投影的長度可以被表示為：

15、

16、其中，||·||2表示2-范數(shù)，·表示hadamard積。其中l(wèi)o與可以通過對進(jìn)行特征值分解得到：

17、

18、其中o2表示最大特征值，而lo∝o，實(shí)際使用中取lo＝3o。

19、步驟4.由量測率與量測率調(diào)整系數(shù)δγ可以進(jìn)一步等比例折算參考窗內(nèi)出現(xiàn)的平均目標(biāo)數(shù)目nav，具體步驟如下：

20、步驟4-1.計算量測率調(diào)整系數(shù)δγ，δγ的計算與t時刻和t-1時刻的標(biāo)準(zhǔn)化的量測點(diǎn)跡的ospa值有關(guān)，即：

21、

22、其中，表示t時刻標(biāo)準(zhǔn)化的量測點(diǎn)跡，具體而言：

23、

24、門限值θ刻畫該時刻量測與上一時刻的相似度，門限值以下表明相鄰時刻量測僅在空間相對位置上存在一定差異，數(shù)量相對穩(wěn)定。

25、對于給定的隨機(jī)有限集x和y，x和y之間的p階ospa距離dp,c(·,·)的計算方式如下：

26、

27、其中階參數(shù)p反映了dp,c(·,·)對于誤差值的敏感性，而截斷參數(shù)c則決定了dp,c(·,·)對漏檢與虛假目標(biāo)的懲罰距離。

28、步驟4-2.按照如下方式計算參考窗內(nèi)出現(xiàn)的平均目標(biāo)數(shù)目nav：

29、

30、其中n為檢測器的參考窗長，pl為步驟3中計算的投影長度；

31、步驟5.計算t+1時刻在參考窗內(nèi)集群目標(biāo)所占的平均參考單元數(shù)目。由于處理目標(biāo)實(shí)際場景的過程中會高分辨一維距離像進(jìn)行插值使其平滑，假設(shè)每個目標(biāo)所占的平均參考單元數(shù)目為η，t+1時刻參考窗內(nèi)集群目標(biāo)所占的平均參考單元數(shù)目ψ由下式計算：

32、

33、其中，表示向上取整。

34、步驟6.利用預(yù)測的t+1時刻參考窗內(nèi)集群目標(biāo)所占的平均參考單元數(shù)目計算t+1時刻os-cfar的最優(yōu)檢測參數(shù)k′：

35、

36、其中，

37、

38、

39、其中，為門限閾值的期望，為參考窗內(nèi)門限閾值的概率密度函數(shù)，αos為乘積因子，閾值為門限閾值，qm(a,b)為marcum?q函數(shù)，β為指數(shù)分布參數(shù)，λ為非中心χ2分布的非中心參數(shù)，ξ為目標(biāo)在參考窗內(nèi)所占的參考單元數(shù)目，k為os-cfar檢測器的排序參數(shù)，圖2為os-cfar檢測器算法示意圖。

40、將步驟5中得到參考窗內(nèi)集群目標(biāo)所占的平均參考單元數(shù)目ψ代入，令ξ＝ψ，計算得到對應(yīng)的檢測參數(shù)k′。

41、本發(fā)明具有如下有益效果：

42、(1)本發(fā)明通過將隨機(jī)矩陣法得到集群目標(biāo)的特征信息用于輔助集群目標(biāo)檢測參數(shù)的確定，提高集群目標(biāo)探測過程中的檢測性能；

43、(2)本發(fā)明不需要更改現(xiàn)有的雷達(dá)數(shù)據(jù)處理結(jié)構(gòu)。計算集群目標(biāo)特征信息和最優(yōu)檢測參數(shù)的步驟并未改變數(shù)據(jù)維度，因此本專利可以在不改變現(xiàn)有雷達(dá)數(shù)據(jù)處理結(jié)構(gòu)的前提下用于群目標(biāo)的檢測跟蹤流程中。

技術(shù)特征：

1.一種基于最優(yōu)群特征參數(shù)輔助的密集目標(biāo)檢測方法，其特征在于，包括如下步驟：

2.如權(quán)利要求1所述的方法，其特征在于，基于隨機(jī)矩陣法的群濾波將集群目標(biāo)量測集合建模為ggiw(伽馬高斯逆威沙特)分布，其在t時刻的預(yù)測分布可以表示為：

3.如權(quán)利要求1所述的方法，其特征在于，對于集群目標(biāo)在雷達(dá)波束中心方向上的投影長度，其計算方式為：

4.如權(quán)利要求1所述的方法，其特征在于，參考窗內(nèi)集群目標(biāo)所占的平均參考單元數(shù)目ψ的計算方法為：

5.如權(quán)利要求4所述的方法，其特征在于，量測率調(diào)整系數(shù)δγ的計算方法為：

6.如權(quán)利要求1所述的方法，其特征在于，利用平均參考單元數(shù)目計算確定下一時刻的檢測參數(shù)k′的計算方法為：

技術(shù)總結(jié)
本發(fā)明公開了一種基于最優(yōu)群特征參數(shù)輔助的密集目標(biāo)檢測算法；可用于集群目標(biāo)檢測跟蹤處理流程，可有效利用群特征參數(shù)輔助確定檢測器的最優(yōu)參數(shù)，減少了現(xiàn)有技術(shù)手段對集群目標(biāo)進(jìn)行檢測時產(chǎn)生的漏檢。本發(fā)明首先根據(jù)當(dāng)前時刻的集群目標(biāo)量測確定該時刻的集群狀態(tài)集合，基于隨機(jī)矩陣法相關(guān)模型預(yù)測下一時刻的集群狀態(tài)集合，然后利用下一時刻的集群狀態(tài)集合計算集群目標(biāo)在雷達(dá)波束中心方向上的投影長度，并依此計算參考窗內(nèi)集群目標(biāo)所占的平均參考單元數(shù)目，最后利用平均參考單元數(shù)目計算確定下一時刻的檢測參數(shù)；本發(fā)明利用實(shí)測數(shù)據(jù)驗證了其有效性，克服了現(xiàn)有技術(shù)手段中未能有效利用集群目標(biāo)空間分布先驗統(tǒng)計知識的弊端，提升集群目標(biāo)的檢測概率。

技術(shù)研發(fā)人員：王銳,姜琦,史孟鑫,竇立斌,李衛(wèi)東,胡程
受保護(hù)的技術(shù)使用者：北京理工大學(xué)
技術(shù)研發(fā)日：
技術(shù)公布日：2024/9/9