一种基于距离匹配的PD雷达微弱目标动态规划检测方法与流程

本发明属于雷达微弱目标检测前跟踪领域，适用于解决PD雷达测距模糊条件下对微弱目标的积累检测问题。

背景技术：

雷达微弱目标的检测跟踪是一个困难而又至关重要的问题，对于打赢未来高科技战争具有决定性意义。随着隐身技术的发展，微弱目标的出现对雷达性能提出了巨大挑战，由于微弱目标的回波信号信噪比非常低，用传统的短时间相参积累检测方法不能实现目标的可靠检测；另一方面，为了无模糊地测量目标速度，PD雷达通常采用高、中脉冲重复频率模式，从而造成目标的距离测量是模糊的，这使得PD雷达对微弱目标的检测问题变得更加困难。

为了改善目标信噪比，必须进行长时间非相参积累以获得更多的信号能量，其中最典型的方法是动态规划方法。动态规划是一种基于多阶段过程决策的等效穷尽搜索算法，它通过多阶段分级处理把一个多维优化搜索问题划分为几个单维优化搜索问题，在最佳路径的规划过程中实现多帧量测信息的积累，从而改善目标信噪比，实现雷达微弱目标的可靠检测；但是，PD雷达量测出现模糊情况时，目标量测在时空关系上是断续的，无法采用动态规划方法对来自同一个目标的回波能量进行长时间非相参积累。

在文献[张伟,孔令讲,杨晓波等.一种用于HPRF雷达的改进DPA弱目标检测算法[J].现代雷达.2011,33(5)]中，作者提出了一种改进的动态规划方法来解决上述问题，其基本步骤如下：

1)利用上一时刻的预测状态对当前时刻量测进行跳变判断，判断量测是否跨模糊区间；

2)根据判决结果，选择不同的动态规划搜索策略，实现目标能量的积累；

3)通过门限检测，得到目标模糊航迹的回溯。

上述方法通过跳变判断采取不同的搜索策略，从而实现沿着目标模糊航迹的非相参积累，以改善目标信噪比，实现对目标模糊航迹的检测，但是其存在如下缺点：

1)需要根据上一时刻的预测状态进行跳变判断，因此需要目标状态模型的先验信息，当无法建立目标状态模型或者模型建立得不准确时，就会导致判断错误；

2)通过算法处理后只能检测到目标的模糊航迹，无法从根本上解决雷达目标的检测跟踪问题；

3)如果要得到目标真实航迹，还需要通过余数定理来进行解模糊处理，算法的解模糊性能受到余数定理应用条件的限制。

技术实现要素：

1.要解决的技术问题

本发明的目的是提出一种基于距离匹配的PD雷达微弱目标动态规划检测方法，从根本上解决动态规划方法无法应用于PD雷达模糊情况的问题。

2.技术方案

本发明提供了一种基于距离匹配的PD雷达微弱目标动态规划检测方法，采用技术方案步骤如下：

步骤1：初始化系统参数：

P_fa为初始门限虚警；

R_max为雷达最大作用距离；

M为PD雷达脉冲重复频率的种类；

m＝1,2,…,M为脉冲重复频率的序号；

F_m为第m个脉冲重复频率；

Ru_m为脉冲重复频率F_m对应的最大不模糊距离；

K为处理数据的扫描时刻总数；

k＝1,2,…,K为数据的扫描时刻序号；

N_k为k时刻量测的总数目；

n＝1,2,…,N_k为k时刻量测的序号；

为k时刻第n个量测的模糊距离；

为k时刻第n个量测的方位；

A_n(k)为k时刻第n个量测的回波幅度；

为k时刻第n个量测单元；

Z′_k为k时刻距离匹配量测序列；

J_k为k时刻可能航迹的总数目；

j＝1,2,…,J_k为k时刻可能航迹的序号；

S_k(j)为k时刻第j个可能航迹的目标函数；

I_k(j)为k时刻第j个可能航迹的价值函数；

H(j)为最终检测到的第j个目标真实量测序列；

步骤2：初始门限处理

在扫描时刻k，将每一个距离-方位单元的回波数据分别与一个初始门限η₁进行比较，从而消除部分噪声影响，得到PD雷达初始检测后的量测数据序列Z_k，具体措施为：

(1)在扫描时刻k，将每一个量测单元z_n(k)分别与一个初始门限η₁进行比较，从而消除部分噪声影响；为了最大限度的保留目标信息，选择一个较大初始虚警，其初始门限设定为：

其中，为Z_k中所有量测单元中幅度的平均值：

(2)采用初始门限对雷达量测数据进行初始检测，得到处理后的雷达量测序列其中z_n(k)取值如下：

在后续处理中，跳过取值全为0的量测单元，这样，就可以排除部分噪声的影响，从而降低计算机处理的数据量；

步骤3：距离匹配处理

PD雷达对目标距离的量测通常是模糊的，所有距离维的量测都压缩在第1个模糊区间内，导致目标量测在时空上不连续，因此难以沿着目标航迹进行非相参积累；为了解决这个问题，对雷达量测序列Z_k进行距离匹配处理，将距离等概率匹配到所有模糊区间，得到雷达的距离匹配量测序列Z′_k，从而恢复量测数据的时空相关性，具体措施为：

(1)计算每一个脉冲重复频率F_m的模糊区间个数Φ_m

Φ_m＝Int(R_max/Ru_m)，

其中Int()表示取整运算，m＝1,2,…,M；

(2)k时刻，对于雷达通过F_m测得的第n个量测z_n(k)，将其距离匹配到第l_m个模糊区间，可得一个匹配距离

(3)添加相应方位回波幅度A_n(k)、模糊区间数l_m等信息，构建一个距离匹配量测

(4)令模糊区间数l_m在l_m＝1,2,…,Φ_m中连续取值，得到一组距离匹配量测

(5)令量测数n在n＝1,2,…,N_k中连续取值，得到k时刻所有量测的距离匹配量测序列Z′_k

这样，通过距离匹配处理，在Z′_k中恢复了量测数据的时空相关性；

(6)Z′_k为一个行数为Φ_mN_k的序列，将其简化表示为：

其中，i表示距离匹配量测序列Z′_k中的量测的行数，i＝1,2,…,Φ_mN_k，z′_i(k)表示Z′_k中的第i行距离匹配量测向量；

经过上述处理，得到目标的距离匹配量测序列Z′_k，由于处理过程对雷达的所有模糊区间行了等概率匹配；因此必然有距离匹配量测落在目标真实模糊区间中；可见，处理后的量测序列Z′_k中必然存在目标的真实量测，从而恢复了量测数据的时空相关性。

步骤4：动态规划处理

将K个扫描时刻处理得到的所有距离匹配量测序列构成一个搜索集合Z′_1:K＝[Z′₁,Z′₂,…,Z′_K]；经过上述步骤3距离匹配处理后，Z′_k中必然存在目标k时刻的真实距离量测，这样就恢复了量测数据的时空相关性；进而可知，目标的真实航迹必然且唯一存在于搜索集合Z′_1:K中；在不考虑量测误差的情况下，不同时刻不同脉冲重复频率的目标量测应该积累在其真实航迹上，而随机噪声量测则不具备上述积累性；因此，可以通过动态规划方法对搜索集合中的所有可能航迹进行搜索，递推求取目标函数S_k(j)和相应价值函数I_k(j)，实现回波幅度沿目标航迹的非相参积累，从而改善目标信噪比，提高雷达检测概率；

步骤5：门限检测

根据积累的价值函数I_K(j)，设定检测门限G，消除积累价值较低的可能航迹，保留价值函数超过检测门限的可能航迹，将其存入候选航迹集合D：

D＝{j|[I_K(j)≥G，j＝1,2,…,J_k]}，

其中，{j|[I_K(j)≥G，j＝1,2,…,J_k]}表示提取所有满足I_K(j)≥G条件的可能航迹的序号j；

步骤6：目标提取

对于候选航迹集合D中的每一条可能航迹序号j∈D，从第K个时刻开始，进行逆序回溯，得到目标在k时刻对应的量测序号i_k：

i_k＝S_k(j)；

从Z′_K中提取序号i_k对应的目标量测

当k＝1,…,k,…,K时得到目标对应的量测序列从而实现对目标真实轨迹的提取。

3.有益效果

和背景技术相比，本发明的有益效果说明：

(1)本发明采用的一种基于距离匹配的PD雷达微弱目标动态规划检测方法，可以从根本上解决PD雷达在量测模糊情况下的微弱目标检测问题：首先通过距离匹配处理恢复目标模糊量测的时空相关性，然后利用动态规划实现对微弱目标信息的非相参积累，避免了PD雷达测距模糊问题和微弱目标低信噪比特性造成的目标漏检，可有效提高PD雷达对微弱目标的检测概率，工程实现容易，有较强的实用性和推广应用价值。

(2)与现有方法相比，本发明不需要进行跳变判断，而是通过距离匹配处理提取量测相关性，从而实现动态规划的递推积累，处理方法更加简单灵活；另一方面，现有方法只是检测到了目标的模糊轨迹，还需要通过余数定理进行解模糊处理才能得到目标真实轨迹，本发明的距离匹配处理过程实现了目标真实量测的匹配，因此最终检测结果输出的是目标的真实轨迹。

附图说明

附图1是本发明的整体流程图；

附图2是本发明实施例中初始门限处理前后雷达量测图；

附图3是本发明实施例中距离匹配处理后雷达量测图；

附图4是本发明实施例中动态规划搜索航迹图；

附图5是本发明实施例中各搜索航迹的价值函数积累图；

附图6是本发明实施例中对积累的价值函数进行门限检测的示意图；

附图7是本发明实施例中最终提取的目标轨迹图；

具体实施方式

本发明主要采用试验的方法进行验证，所有步骤、结论都在Matlab2010a上验证正确。

实施例条件：针对一个通用的单目标运动场景进行仿真。假设目标在x-y平面内做匀速直线运动，其初始位置为(51km，22km)，速度为(-220m/s,230m/s)，目标为非起伏目标，其雷达截面积0.1m²。传感器参数设置为：两坐标PD雷达处于坐标原点位置，扫描周期为1s，最大作用距离为70km，发射功率P_t＝5kw，载波波长λ＝0.1m，雷达天线增益34dB，雷达的距离分辨率为150m，角度分辨率为0.5°。雷达采用3个不同PRF的发射脉冲轮流工作，各PRF分别为16000Hz、111400Hz和119400Hz，对应最大不模糊距离分别为Ru₁＝9375m，Ru₂＝13158m，Ru₃＝7732m。针对目标信噪比为7dB的情况，仿真25个扫描时刻的数据进行验证，其中初始虚警设置为P_fa＝10^-2。

以下结合说明书附图1对本发明的一种基于距离匹配的PD雷达微弱目标动态规划检测方法进行详细描述。参照说明书附图1，本发明的处理流程分以下步骤：

步骤1：根据仿真条件进行参数初始化：

P_fa＝0.01，R_max＝70km，M＝3；

F₁＝16000Hz,F₂＝11400Hz,F₃＝19400Hz；

Ru₁＝9375m，Ru₂＝13158m，Ru₃＝7732m，K＝25；

N_k为量测的总数目；J_k为可能航迹的总数目；

A_n(k)＝[]，Z′_k＝[]；

S_k(j)＝[]，I_k(j)＝[]，H(j)＝[]，j＝1,2,…,J_k；

步骤2：初始门限处理

(1)在扫描时刻k，将每一个量测单元z_n(k)分别与一个初始门限η₁进行比较，从而消除部分噪声影响；为了最大限度的保留目标信息，选择一个较大初始虚警，其初始门限设定为：

其中，为Z_k中所有量测单元中幅度的平均值：

(2)采用初始门限对雷达量测数据进行初始检测，得到处理后的雷达量测序列其中z_n(k)取值如下：

在后续处理中，跳过取值全为0的量测单元，这样，就可以排除部分噪声的影响，从而降低计算机处理的数据量。

图2所示为初始门限处理前后雷达量测对比图，与图2(a)对比可以看出，图2(b)中数据量减少了很多，但是源于目标的数据并没有被滤除；可见，初始门限处理的主要目的是通过设定一个较高的虚警门限，过滤掉一部分无关的噪声量测，从而降低数据量，提高算法效率。

步骤3：距离匹配处理

从图2可以看出，PD雷达对目标距离的量测通常是模糊的，所有距离维的量测都压缩在第1个模糊区间内，导致目标量测在时空上不连续，因此难以沿着目标航迹进行非相参积累；为了解决这个问题，对雷达量测序列Z_k进行距离匹配处理，将距离等概率匹配到所有模糊区间，得到雷达的距离匹配量测序列Z′_k，从而恢复量测数据的时空相关性，具体措施为：

(1)计算每一个脉冲重复频率F_m的模糊区间个数Φ_m

Φ_m＝Int(R_max/Ru_m)，

其中Int()表示取整运算，m＝1,2,…,M；

(2)k时刻，对于雷达通过F_m测得的第n个量测z_n(k)，将其距离匹配到第l_m个模糊区间，可得一个匹配距离

(3)添加相应方位回波幅度A_n(k)、模糊区间数l_m等信息，构建一个距离匹配量测

(4)令模糊区间数l_m在l_m＝1,2,…,Φ_m中连续取值，得到一组距离匹配量测

(5)令量测数n在n＝1,2,…,N_k中连续取值，得到k时刻所有量测的距离匹配量测序列Z′_k

这样，通过距离匹配处理，在Z′_k中恢复了量测数据的时空相关性；

(6)Z′_k为一个行数为Φ_mN_k的序列，将其简化表示为：

其中，i表示距离匹配量测序列Z′_k中的量测的行数，i＝1,2,…,Φ_mN_k，z′_i(k)表示Z′_k中的第i行距离匹配量测向量；由于距离匹配处理过程对雷达的所有模糊区间进行了等概率匹配，因此必然有距离匹配量测落在目标真实模糊区间中；可见，处理后的量测序列Z′_k中必然存在目标的真实量测，从而恢复了量测数据的时空相关性；

图3所示为距离匹配处理后雷达量测图，图中用白色线框标出了目标轨迹的实际区域；将图3与图2中雷达原始量测对比可以看出，经过距离匹配处理后量测的距离范围由一个不模糊距离匹配到雷达最大测距范围；如果不考量测误差影响，经过距离匹配处理后，在图2中杂乱的模糊量测在图3中都积累在目标真实轨迹附近，这说明距离匹配处理能有效提取目标量测的时空相关信息。

步骤4：动态规划处理

从图3可以看出，虽然经过距离匹配处理后雷达量测的相关性得到了恢复；但是由于目标信噪比较低，如果没有通过白色线框标示出目标轨迹，很难将目标从背景中区分出来。为了解决这个问题，接下来采用动态规划方法对目标量测进行非相参积累，从而改善目标信噪比，将目标轨迹从噪声背景中检测出来，具体方法如下：

将K个扫描时刻处理得到的所有距离匹配量测序列构成一个搜索集合Z′_1:K＝[Z′₁,Z′₂,…,Z′_K]；经过上述步骤3距离匹配处理后，Z′_k中必然存在目标k时刻的真实距离量测，这样就恢复了量测数据的时空相关性；进而可知，目标的真实航迹必然且唯一存在于搜索集合Z′_1:K中；在不考虑量测误差的情况下，不同时刻不同脉冲重复频率的量测应该积累在真实航迹上。

通过动态规划方法对搜索集合中的所有可能航迹进行搜索，搜索得到集合中所有的可能航迹，如图4所示；然后，递推求取各可能航迹的价值函数I_k(j)，实现回波幅度沿目标航迹的非相参积累，从而改善目标信噪比，提高雷达检测概率，各可能航迹的价值函数如图5所示。

步骤5：门限检测

如图6所示，根据积累的价值函数I_K(j)，设定归一化检测门限G＝45，消除积累价值较低的可能航迹，保留价值函数超过检测门限的可能航迹，将其存入候选航迹集合D：

D＝{j|[I_K(j)≥G，j＝1,2,…,J_k]}，

从图6可以看出，在本发明实施例中，候选航迹集合D中只有一个元素D＝{j＝30}；

步骤6：目标提取

对于候选航迹集合D中的可能航迹j＝30，从第K个时刻开始，进行逆序回溯，得到目标在k时刻对应的量测序号i_k：

i_k＝S_k(30)；

从Z′_K中提取对应的匹配量测

当k＝1,…,k,…,K时得到目标对应的量测序列从而实现对目标真实轨迹的提取，如图5所示；从图5中可以看出，本发明的方法可以有效消除噪声的干扰检测到目标的真实轨迹。

从实施例验证结果可以看出，本发明克服了PD雷达测距模糊条件下微弱目标量测数据无法有效积累的问题；通过距离匹配处理恢复目标模糊量测的时空相关性，然后利用动态规划实现对微弱目标信息的非相参积累，避免了PD雷达测距模糊问题和微弱目标低信噪比特性造成的目标漏检，可有效提高PD雷达对微弱目标的检测概率；在当前仿真条件下，本发明对微弱目标具有很好的检测性能，同时可以直接提取目标的真实轨迹，无需再进行解模糊处理，工程实现容易，有较强的实用性和推广应用价值。