一种基于图像特征的雷达弱目标检测方法
【技术领域】
[0001] 本发明涉及雷达弱目标检测领域，尤其涉及一种基于图像特征的雷达弱目标检测 方法。
【背景技术】
[0002] 随着电磁环境的日益复杂，信噪比是影响雷达探测性能的重要因素。虽然可以通 过增大发射功率、提高天线孔径和增益、降低接收机噪声系数等方法改善低信噪比目标检 测性能，但与通过信号处理实现对弱小目标（又称弱目标）的检测与跟踪的方法相比，后者 更加灵活且成本较低。利用信号处理的雷达弱小目标检测与跟踪可以分为两类，检测后跟 踪（TAD，Track-after-Detect)算法和检测前跟踪（TBD，track-before-detect)算法。
[0003] 检测前跟踪算法TBD是一种低信噪比下对微弱目标检测与跟踪的技术，最初应用 在红外图像序列的检测。在传统雷达目标检测中为了防止信号处理器的饱和一般采用恒虚 警处理，但是会带来恒虚警损失，使得低信噪比下弱小目标无法被检测出来。为了去掉恒虚 警处理带来的恒虚警损失，TBD技术在雷达信号处理中应运而生。TBD算法的实质是在强杂 波/干扰、低信噪比下利用多次扫描积累提高信噪比，以增强雷达对弱小目标的检测能力。
[0004] 目前国内外研究的TBD算法主要集中在：基于三维匹配滤波的TBD算法、基于多级 假设检验的TBD算法、基于粒子滤波的TBD算法以及基于动态规划的TBD算法等。三维匹 配滤波的TBD算法依据目标所有可能的运动情况设计若干个三维匹配滤波器，以输出信噪 比最高的滤波器所获得的目标运动状态作为依据，对目标运动轨迹进行估计。该方法能同 时检测多条轨迹但计算量大，搜索过程可能无法收敛，不能被广泛应用。
[0005] 多级假设检验TBD算法能够在同一时刻检测到若干个速度不同的直线运动目标， 但需要设置很多个轨迹树的起始节点，计算量大。基于粒子滤波的TBD算法检测精度高， 但是粒子数的增加相应地造成计算量的递增，使得基于粒子滤波的TBD算法的实际应用受 到限制。基于动态规划的TBD算法（dynamicprogramming-basedtrack-before-detect， DP-TBD)能够实现对机动目标的检测与跟踪；为了降低无穷搜索带来的庞大计算量和存储 量，在每次积累后只保留积累值中最大值和其积累路径，并及时去除伪航迹，所以该算法易 于快速实现，但是算法在低SNR条件下存在虚警过多的问题。
【发明内容】
[0006] 发明目的：为了解决现有的雷达弱目标检测方法在低信噪比下虚警过多的问题， 本发明提出一种基于图像特征的雷达弱目标检测方法，达到提高雷达检测弱小目标性能、 增强工程适用性且易于实时实现的效果。
[0007] 技术方案：为了实现上述目的，本发明提供的基于图像特征的雷达弱目标检测方 法，包括以下步骤：
[0008] (1)将雷达观测目标的单帧观测数据进行滤波处理；
[0009] (2)确定起始观测帧，利用DP-TBD动态规划算法以所述起始观测帧为起点将所述 雷达观测目标的连续观测数据进行目标积累，获取并存储所述雷达观测目标在所述连续积 累观测帧数K内每一观测时刻k的累积观测量I(Xk)和最佳转移状态T(/f)，所述每一观 测时刻k对应一帧观测数据；
[0010] (3)对所述连续积累观测帧数K对应时刻的累积观测量I(XK)进行形态滤波，并利 用预先设定的目标判定门限VT判断所述雷达观测目标是否存在，获取目标峰值位置得到所 述连续积累观测帧数K对应时刻的估计状态:
[0011] (4)利用所述连续积累观测帧数K对应时刻的状态\和每一观测时刻k的所述最 佳转移状态+ (M进行航迹回溯并排除虚假航迹，得到所述雷达观测目标在所有观测帧对 应时刻的估计状态尤。
[0012] 其中，步骤（2)中所述目标积累包括以下步骤：
[0013] (1)利用所述雷达观测目标的坐标位置和速度信息初始化观测数据在第一帧观测 数据的状态XjpDP-TBD动态规划算法的初始值，所述第一帧观测数据的状态X:的表达式 如下：
[0014]
[0015] 式中，（Xl，yi)是目标初始坐标，（先,丸）是目标初始速度；
[0016] 所述DP-TBD动态规划算法的初始值如下：
[0017]
[0018] 1成）为第一帧观测数据的累积观测量，zxy⑴为第一帧观测数据在坐标（x，y)位 置处的观测值，I(XJ为代价函数或累积观测量(1)为目标在第一帧的最佳转移状态；
[0019] (2)当2彡k彡K时，第k帧观测数据的状态Xk的递推表达式如下：
[0020]
[0021] 式中，I(Xk)为观测数据在k时刻的累积观测量，I(XkJ为观测数据在k_l时刻的 累积观测量，Wx〇i)(k)为最佳转移状态，zxy(k)表示第k帧观测数据在坐标（x，y)处的观测 值。
[0022] 其中，步骤（3)中所述获取目标峰值位置包括以下步骤：
[0023] (1)提取DP-TBD多帧累积观测数据进行形态滤波，表达式如下：
[0024] J(XK) =Tophat[I(XK),SE]
[0025] 式中，I(XK)表示连续积累观测帧数K对应时刻的累积观测量，J(XK)表示至第K帧 累积观测数据经过顶帽变换后的雷达数据，SE是形态滤波的结构算子；
[0026] (2)利用所述目标判定门限VT获取所述连续积累观测帧数K对应时刻的估计状态 ，之的表达式如下：
[0027] 丨尤丨={A: A) >
[0028] 进一步地，为了方便运算，该方法在步骤（1)中对单帧数据进行滤波处理后还进 行了数据归一化处理。
[0029] 进一步地，为了降低观测数据中的噪声干扰，步骤（1)中所述滤波处理为双极点 滤波，所述双极点滤波的差分递推公式为：
[0030] yn=Xni+kA「k2yn2
[0031] 式中，y#n时刻经过双极点积累后的输出信号，xn #n-l时刻的雷达输入信号， yni为n-1时刻经过双极点积累后的输出信号，yn2为n-2时刻经过双极点积累后的输出信 号，V匕是双极点积累器的加权系数。
[0032] 有益效果：本发明基于图像特征的雷达弱目标检测方法以雷达回波图像为研究对 象，采用动态规划方法积累目标能量并进行存储，同时以目标积累数据的图像特征即图像 的距离、方位、速度的状态转移为研究目标记录每一时刻的最佳转移状态，利用每帧观测数 据的最佳转移状态提取弱小目标来抑制虚警，并对累积观测量采用基于图像的形态滤波， 提高虚警抑制能力；常规雷达目标探测只利用了目标的能量起伏信息，忽略了目标在空间 的形态特征，本发明方法采用形态滤波一方面能实现图像去噪，另外一方面还能够利用形 态特征实现目标提取；本发明方法通过将弱小目标的轨迹搜索目标转换为最优寻迹问题， 通过构建目标函数，联合处理多帧的观测数据，将目标能量沿着所有可能航迹进行积累，找 出一条使得目标函数最优的状态序列作为目标的航迹估计，易于工程实现，经过循环验证， 本发明方法的目标检测概率可达到95%。
【附图说明】
[0033] 图1是基于图像特征的雷达弱目标检测方法的基本流程图；
[0034] 图2是采用双极点滤波前后的雷达观测数据；图2(a)是采用双极点滤波前的雷达 观测数据；图2(b)是图2(a)采用双极点滤波后的雷达观测数据；
[0035] 图3是距离-方位向的状态转移示意图；
[0036] 图4是连续6帧数据TBD累积视频截图；图4 (a)是第1帧数据视频截图；图4 (b) 是前两帧