一种雷达回波数据的目标点迹凝聚方法与流程

本发明属于雷达信号处理技术领域，尤其涉及一种雷达回波数据的目标点迹凝聚方法，用于雷达回波数据的预处理和目标参数提取。

背景技术：

随着雷达技术的发展，人们要求雷达具有更多的功能和作用。传统意义上的雷达主要用于测量目标的距离、方位、俯仰等基本信息，现代雷达要求在更为复杂的环境(干扰与杂波)下实现对目标的检测、点迹录取和目标跟踪。

现代雷达技术向着智能化、小型化、信息化和精密化方向发展。人们要求雷达能够获取更为精确的目标信息，并且实现更为稳定的目标跟踪。点迹凝聚技术就是通过对雷达回波数据进行处理实现目标参数估计和点迹录取的过程，雷达数据处理系统对录取的点迹进行航迹处理实现目标的跟踪显示。国内对雷达数据处理技术的研究相比国外起步较晚，点迹凝聚处理技术的研究主要针对mtd体制的雷达系统。现阶段点迹凝聚主要采用的方法有基于滑窗法的点迹凝聚、基于图像处理的点迹凝聚等。

点迹凝聚现阶段主要存在的问题是复杂环境下如何对目标点迹的准确判别，以及如何改进不同雷达体制下点迹凝聚处理的方法。基于滑窗法的点迹凝聚方法是较为常用的一种点迹凝聚方法，主要存在的问题是目标终了门限值较大时会出现目标点迹的分裂，目标在方位上的分裂常常通过降低门限值的方法进行解决，而门限值选取又不能过低，过低的门限值造成虚假点迹过多，影响点迹质量。经典的基于图像处理的方法是采用图像轮廓查找求取质心的方法实现点迹凝聚，无法改善点迹在距离上和方位上的分裂问题。

技术实现要素：

针对上述现有技术的缺点，本发明的目的在于提供一种雷达回波数据的目标点迹凝聚方法，不仅采用滑窗法中的二值滑窗检测，同时采用了数学中的形态滤波算法对连通域进行膨胀腐蚀操作，通过选取合适的结构元素不仅可以改善滑窗法出现的目标点迹在方位上的分裂现象，同时可以实现改善目标点迹在距离上的分裂现象。

为达到上述目的，本发明采用如下技术方案予以实现。

一种雷达回波数据的目标点迹凝聚方法，所述方法包括如下步骤：

步骤1，获取雷达经过脉冲压缩处理的多个扫描周期的原始回波数据，所述原始回波数据为包含距离维和方位维的二维数据，且所述多个扫描周期的原始回波数据沿方位维依次排列；

步骤2，对所述原始回波数据依次进行包络检波和非相参积累，得到脉冲积累后的回波数据；

步骤3，对所述脉冲积累后的回波数据进行恒虚警检测，得到恒虚警检测后的回波数据，进而对所述恒虚警检测后的回波数据依次进行二值量化处理以及沿方位维的二值滑窗检测，得到二值滑窗检测后的回波数据。

步骤4，将所述二值滑窗检测后的回波数据转化为对应的二值图像数据，且二值图像的长度对应所述二值滑窗检测后的回波数据的距离单元，二值图像的宽度对应所述二值滑窗检测后的回波数据的脉冲数，对所述二值图像数据进行先膨胀后腐蚀的操作，从而得到所述二值图像数据中的所有连通域；

步骤5，在所述所有连通域中，滤除第一连通域和第二连通域，所述第一连通域为只包含一个孤立点迹的连通域，所述第二连通域为在距离维上扩展超过门限值的点迹组成的连通域，从而得到包含目标点迹的剩余连通域；根据所述包含目标点迹的剩余连通域得到目标信息，实现对目标点迹的凝聚。

本发明技术方案的特点和进一步的改进为：

(1)在所述步骤1之后，且所述步骤2之前，所述方法还包括：对所述原始回波数据进行二次对消，抑制原始回波数据中的杂波。

(2)所述步骤2具体为：

对所述原始回波数据进行包络检波，从而得到原始回波数据在对应距离-方位单元的幅度信息；所述距离单元为所述原始回波数据在距离维上的采样点，所述方位单元为所述原始回波数据在方位维上的采样点。

对包络检波后的回波数据在相邻脉冲上进行滑窗积累，得到脉冲积累后的回波数据。

(3)所述步骤3具体为：

对所述脉冲积累后的回波数据沿距离单元进行滑窗检测，将窗口内所有参考单元的均值乘以门限因子得到的值设置为滑窗检测的门限值；将待检测单元的幅值与所述滑窗检测的门限值进行比较，若待检测单元的幅值大于所述滑窗检测的门限值，则将待检测单元的数据保留，否则将所述待检测单元的数据设置为0；

进而将幅值大于所述滑窗检测的门限值的待检测单元的数据设置为1，完成对恒虚警检测后的回波数据进行二值量化处理的过程；

对进行二值量化处理后的回波数据沿方位维进行二值滑窗检测时，采用m/n准则，其中，m表示二值滑窗检测的检测门限，n表示二值滑窗检测时所用窗口的长度。

(4)步骤4中，对所述二值图像数据进行先膨胀后腐蚀的操作，从而得到所述二值图像数据中的所有连通域，具体包括：

选取结构元素，用选取的结构元素对二值图像数据进行先膨胀后腐蚀的操作，然后对先膨胀后腐蚀的二值图像数据进行连通域的查找。

(5)步骤5中，所述根据所述包含目标点迹的剩余连通域得到目标信息，实现对目标点迹的凝聚，具体包括：

获取所述包含目标点迹的剩余连通域的质心位置，将所述质心位置在原始回波数据中对应的距离单元作为目标的距离信息，将所述质心位置在原始回波数据中对应的方位单元作为目标的方位信息；

获取所述包含目标点迹的剩余连通域对应的原始回波数据，根据所述包含目标点迹的剩余连通域对应的原始回波数据所在的距离-方位单元以及对应的包络检波结果，求得目标的距离信息、方位信息以及幅度信息。

本发明与现有技术相比，具有以下优点：

(1)由于本发明将回波数据转换为二值图像进行处理，可以采用软件实现和离线处理；具有基于图像处理和基于滑窗法点迹凝聚方法各自的优点，并且在经典点迹凝聚方法的基础上采用形态滤波方法进一步对点迹进行处理，弥补了两种经典方法的不足，进一步改善了目标点迹的分裂现象，同时具有较高的点迹质量；

(2)本发明提供的目标点迹凝聚方法采用二值图像连通域查找方法，能精确地确定目标点迹分布区域，对目标点迹有较高的分辨率，查找后采用质心法确定区域质心或者采用回波幅度加权方法对目标参数进行估计，目标参数估计比滑窗法更准确；

(3)对于目标点迹的判别和虚假点迹的滤除更为有效，首先结合基于滑窗法目标点迹的判别和点迹凝聚准则以及目标分布特点，可以制定这样的目标判别准则：对距离上延伸较大的目标点迹进行滤除和孤立的点迹进行滤除，其次对连通域面积较小的进行滤除(具体参数要根据情况进行设定，没有统一的标准)，这些目标判断和点迹滤除准则能有效识别目标点迹，同时能灵活控制点迹数量；

(4)通过图像膨胀腐蚀操作进行连通域合并能有效地减少目标分裂造成的影响，进一步改善基于滑窗法点迹凝聚的效果。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，，还可以根据这些附图获得其他的附图。在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1为本发明实施例提供的一种雷达回波数据的目标点迹凝聚方法的流程示意图；

图2为本发明实施例提供的二值滑窗检测过程示意图；

图3为本发明实施例提供的不同结构元素对同一目标的膨胀结果示意图；

图4为本发明实施例提供的不同结构元素对同一目标的腐蚀结果示意图；

图5为本发明实施例提供的像素邻接关系示意图；

图6为本发明实施例提供的p、q、s点的连通关系示意图；

图7为本发明实施例提供的连通域查找过程示意图；

图8为本发明实施例提供的原始回波数据示意图；

图9为本发明实施例提供的非相参积累后的回波数据示意图；

图10为本发明实施例提供的恒虚警检测结果后的回波数据示意图；

图11为本发明实施例提供的二值滑窗检测结果示意图；

图12为本发明实施例提供的二值图像膨胀腐蚀结果示意图；

图13为本发明实施例提供的目标点迹凝聚结果示意图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

雷达技术的发展要求雷达系统提供更高的目标参数，天线波束对目标进行扫描后的回波数据经信号处理和目标检测后会产生分裂现象，分为距离分裂和方位分裂。对于两坐标雷达来说点迹凝聚就是对目标一次信息(距离方位)的提取。通常对目标信息的提取采用二元滑窗检测器，滑窗检测器减少虚警的程度取决于检测门限和窗口长度。点迹凝聚一方面要求对虚假点迹进行滤除，另一方面要求有较高的分辨能力。能否减少目标分裂带来的影响同时提高目标参数质量对于点迹凝聚来说是一个重要的指标。本发明实施例提供的基于图像处理的点迹凝聚方法一方面算法在二值图像中实现，不受其他条件影响，较为容易实现；另一方面图像处理与基于滑窗法点迹凝聚相结合，增加了对点迹的判别准则，有利于提高目标点迹质量。本发明实施例提供的基于图像处理的点迹凝聚方法是基于滑窗法点迹凝聚的思想和原理与图像处理相关算法相结合，并在此基础上进行改进的结果。

本发明实施例提供一种雷达回波数据的目标点迹凝聚方法，如图1所示，所述方法包括如下步骤：

步骤1，获取雷达经过脉冲压缩处理的多个扫描周期的原始回波数据，所述原始回波数据为包含距离维和方位维的二维数据，且所述多个扫描周期的原始回波数据沿方位维依次排列。

需要补充的是，在所述步骤1之后，且所述步骤2之前，所述方法还包括：对所述原始回波数据进行二次对消，抑制原始回波数据中的杂波。

步骤2，对所述原始回波数据依次进行包络检波和多脉冲非相参积累，得到脉冲积累后的回波数据。

脉冲积累分为相参积累和非相参积累。相参积累能较好地改善目标信噪比，但由于运算复杂度较高，而且相参积累后的点迹凝聚估计误差较大，尤其是当目标多普勒频率出现在多个通道中时或者目标沿切向运动时凝聚的效果不好，对于两坐标雷达来说，目标主要参数为距离、方位和速度，根据信号目标检测后的数据对目标参数进行提取。采用非相参积累运算复杂度低，在很多场景下适应性很强，因此本发明技术方案采用多脉冲非相参积累。

所述步骤2具体为：

对所述原始回波数据进行包络检波，从而得到原始回波数据在对应距离-方位单元的幅度信息；所述距离单元为所述原始回波数据在距离维上的采样点，所述方位单元为所述原始回波数据在方位维上的采样点。

对包络检波后的回波数据在相邻脉冲上进行滑窗积累，得到脉冲积累后的回波数据。

步骤3，对所述脉冲积累后的回波数据进行恒虚警检测，得到恒虚警检测后的回波数据，进而对所述恒虚警检测后的回波数据依次进行二值量化处理以及沿方位维的二值滑窗检测，得到二值滑窗检测后的回波数据，进一步降低虚假点迹带来的影响。所述二值滑窗检测后的回波数据为二维数据，其中一维表示距离单元，另一维表示方位维的脉冲数；

所述恒虚警检测采用单元平均恒虚警检测(ca-cfar)。

所述步骤3中，进而对所述恒虚警检测后的回波数据依次进行二值量化处理以及沿方位维的二值滑窗检测，得到二值滑窗检测后的回波数据，具体为：

首先对经过步骤2处理得到的脉冲积累后的回波数据进行采用单元平均恒虚警检测处理，单元平均恒虚警检测是沿距离单元进行滑窗检测，将窗口内所有参考单元的均值乘以门限因子得到的值设置为滑窗检测的门限值，将待检测单元的幅值与所述滑窗检测的门限值进行比较，对过门限数据保留，未过门限数据设置为0；而后将过门限值的数据设置为1，从而完成对所述脉冲积累后的回波数据进行恒虚警检测以及二值量化处理的过程；

对进行二值量化处理后的回波数据沿方位维进行二值滑窗检测时，采用m/n准则，其中，m表示二值滑窗检测的检测门限，n表示二值滑窗检测时所用窗口的长度。

二值滑窗检测的目标起始门限对目标点迹的分辨影响不大，所以这里设置目标终了门限与起始门限相同，m与n的关系按照经验公式m＝1.5*sqrt(n)进行选取，但是为了减少目标点迹分裂，二值滑窗检测的检测门限应适当的降低。

需要说明的是，目标终了门限值是指滑窗检测过程中对目标的点迹进行分辨时，二值滑窗积累值是一个变化过程，通过选取起始门限和终了门限判断目标点迹在方位上的起始点和终了点，从而完成目标点迹在方位上的分辨。

具体的，二值滑窗检测过程如图2所示，其中，图2(a)为二值量化处理后的输入信号，图2(b)为二值滑窗检测积累过程，图2(c)为二值滑窗检测结果示意图；m/n准则是指窗口长度n＝5，检测门限m＝3，当窗口内二值累加结果大于等于门限值时就认为检测到目标记为1，否则记为0。

需要补充的是，所述原始回波数据指的是天线扫描后经过脉冲压缩处理后的数据，对回波数据的处理包括杂波抑制、信号积累和恒虚警检测。

对于两坐标雷达来说，目标参数指的是目标的距离和方位信息，这里对回波数据进行非相参积累，杂波抑制采用对消器实现。

但是根据具体情况，比如为了不影响对切向飞行的目标检测，可以对回波数据只进行简单的信号积累而省略二次对消过程，本发明对回波数据处理采用滑窗积累、恒虚警检测和二值滑窗检测的方法。

步骤4，将所述二值滑窗检测后的回波数据作为二值图像数据，对所述二值图像数据进行先膨胀后腐蚀的操作，从而得到所述二值图像数据中的所有连通域。

具体的，对所述二值图像数据采用形态滤波算法进行膨胀腐蚀操作，目的是实现连通域的合并。

图像的膨胀与腐蚀操作，从图像处理角度来看，二值图像处理就是将一个小的结构元素在大的二值图像上逐点进行移动并比较，根据比较的结果做出相应的处理。结构元素是指具有一定尺寸的背景图像，结构元素没有固定的形状，在设计形态变换算法的同时需要根据输入图像和所需的信息进行结构元素的设计。通常结构元素形状有正方形、矩形、圆形和线性等。简单地说，膨胀就是将物体周围的背景点合并到物体中，物体通过膨胀向外扩展，这样对于两个相邻的物体就有可能被连在一起，在二值图像中就表现为连通域的合并。相反的，图像的腐蚀操作就是消除物体的边界点，另外消除较小的物体。

(1)图像的膨胀处理可以简单地描述为结构元素在二值图像上进行遍历，以二值图像黑色点为例，当结构元素原点与二值图像中某点像素相同，那么结构元素与二值图像对应的所有点都变为黑色点。如图3所示为不同结构元素对同一目标的膨胀结果示意图，图3(a)为结构元素1，图3(b)为结构元素2，图3(c)为原二值图像，图3(d)为采用结构元素1对原二值图像进行膨胀的结果，图3(e)为采用结构元素2对原二值图像进行膨胀的结果，其中，结构元素中符号“+”表示坐标原点所在位置。

(2)图像的腐蚀操作可以简单描述为结构元素在二值图像上进行遍历时，以二值图像黑色点为例，当结构元素原点与二值图像中某点像素相同，如果结构元素中其余像素有一个及以上的像素与二值图像对应像素点不同，那么原点所对应的二值图像的点变为白色点。如图4所示为不同结构元素对同一目标的腐蚀结果示意图，图4(a)为结构元素1，图4(b)为结构元素2，图4(c)为原二值图像，图4(d)为采用结构元素1对原二值图像进行腐蚀的结果，图4(e)为采用结构元素2对原二值图像进行腐蚀的结果。

本发明实施例采用的结构元素为线段形结构元素，中心点在线段中心位置，长度采用相参处理脉冲数的1/4，对二值图像先膨胀后腐蚀，膨胀腐蚀各进行一次。二值图像膨胀实现连通域的合并，腐蚀操作对膨胀后的二值图像进行恢复，但恢复后的图像与原来的二值图像是不一样的。

具体的，步骤4中，得到所述二值图像数据中的所有连通域时需要对膨胀腐蚀后的连通域进行查找。

邻接与连通是像素间的基本关系，二值图像中除边缘像素以外，每个像素周围都有8个邻接点，根据邻接点的位置进行区分又有4邻接点。如图5所示，图5(a)黑色点周围为8邻接示意图，图5(b)黑色点周围为4邻接示意图。

在二值图像中如果两个点通过一系列灰度相同的点序列根据4邻接关系或者8邻接关系将连在一起那么就称这两个点是连通域的，这样所有与这两个点连通的点的集合就构成了连通域，如图6所示，像素值为1的点p、q、s，其中p与q是8连通的，s与q是4连通的，s与p是8连通的。

以8连通为例，对像素值为1的像素进行连通域查找，假设a为二值图像中的一个连通域，a中一个点已知为p，那么对于连通域a的查找可以通过下述迭代式进行：

x0＝p

当xk＝xk-1时，算法收敛，并且a＝xk。其中，b表示结构元素，表示图像膨胀操作，y为原始二值图像。

如图7所示为连通域查找示意图，采用8连通关系，结构元素如图7(a)，图7(b)为连通域查找的起始点p，黑色元素为已提取的元素，灰色为尚未提取的元素，图7(c)为查找连通域第一次迭代的结果，图7(d)为查找连通域第二次迭代的结果，图7(e)为连通域查找最终结果示意图。根据连通域查找的方法，查找后的连通域需要进行标记，直到所有的像素为1的点全部都标记完为止，这样就完成了连通域的查找了。

步骤5，在所述所有连通域中，滤除第一连通域和第二连通域，所述第一连通域为只包含一个孤立点迹的连通域，所述第二连通域为在距离维上扩展超过门限值的点迹组成的连通域，从而得到包含目标点迹的剩余连通域；根据所述包含目标点迹的剩余连通域得到目标信息，实现对目标点迹的凝聚。

步骤5中，所述根据所述包含目标点迹的剩余连通域得到目标信息，实现对目标点迹的凝聚，具体包括：

获取所述包含目标点迹的剩余连通域的质心位置，将所述质心位置在原始回波数据中对应的距离单元作为目标的距离信息，将所述质心位置在原始回波数据中对应的方位单元作为目标的方位信息；

获取所述包含目标点迹的剩余连通域对应的原始回波数据，根据所述包含目标点迹的剩余连通域对应的原始回波数据所在的距离单元、方位单元以及对应的包络检波结果，求得目标的距离信息、方位信息以及幅度信息。

具体的，本发明实施例中，当实测数据目标回波较弱，为了尽可能保留目标点迹，从而采用的点迹滤除准则为：

(1)对独立的点迹进行滤除，根据目标回波分布特点，通常目标在方位上或者距离上会发生扩展，因此可以根据目标点迹在距离或方位扩展的大小扩展滤除一些虚假点迹；

(2)对回波数据对应的距离上扩展较多的点迹进行滤除，距离单元的最大值根据目标和系统的估计参数来确定；

(3)在系统允许的情况下，应尽可能保留较多的点迹，所以点迹分辨与滤除准则要根据实际情况增加或者减少。

实验内容与结果

实验1，回波数据为某对空雷达录取的回波数据，如图8所示为某对空数据的截取部分，数据由雷达9个扫描周期内截取的相同方位和距离段上的数据拼接而成。

目标回波数据显示如图8所示，滑窗积累后的回波数据如图9所示。如图10所示为恒虚警处理后的结果，如图11所示为二值滑窗检测后的结果，图11(a)为二值滑窗检测m/n准则中，m＝2，n＝5时的检测结果，图11(b)为二值滑窗检测m/n准则中，m＝3，n＝5时的检测结果。如图12所示为二值图像膨胀腐蚀后的结果，如图13所示为本发明实施例提供的目标点迹凝聚方法的点迹凝聚结果。

由图8可以看出，目标周围存在较强的杂波分布，单次截取的数据很难判断目标点迹的位置，因此通过拼接后的数据可以大致看到目标的位置，可以通过对目标位置的估计对点迹凝聚效果进行验证。

由图9可以看出，目标经过非相参积累后，对于弱目标的改善情况并不明显，但是还是有一定好处的，主要是对沿径向分布的气象杂波有一定平滑作用，对接下来进行恒虚警检测是有利的。

由图10可以看出，剩余点迹中目标点迹和虚假点迹受信号处理和恒虚警检测影响比较大，恒虚警检测后与原始回波数据进行对比，通过对目标位置的大致判断可以看到同一目标的点迹分裂现象较为明显，图中标记的地方即为目标分裂的点迹。

由图11可以看出，二值滑窗检测能有效改善目标分裂带来的影响，同时降低虚警，但是采用m/n准则时，门限值过大会损失较弱目标的点迹，滑窗检测时会出现目标点迹分裂现象，通常通过降低门限值的方法解决，门限值过低虚假点迹会增多，对点迹质量影响较大。所以门限值需要折中考虑。由图12可以看出，通过对滑窗检测后的二值图像进行膨胀腐蚀操作后一方面保证了目标分辨能力另一方面对目标分裂的改善也是相当有效的。

由图13可以看出，改进后的方法成功实现了点迹凝聚，目标点迹凝聚取得了较好的效果。

综上，由实验结果可知，本发明方法能够有效的实现点迹凝聚，同时减少目标分裂对点迹凝聚的影响。

本发明实施例提供的技术方案相比滑窗法的点迹凝聚，基于图像处理的点迹凝聚技术大大提高了目标参数精度和目标分辨能力，而且图像中相关算法比如本发明采用的二值图像膨胀腐蚀方法可以进一步改善滑窗法点迹凝聚中可能存在目标分裂的问题。滑窗法的好处是能有效克服目标分裂和虚警带来的影响，但是滑窗法门限值的选取对点迹凝聚影响较大，这一点可以通过图像处理中形态滤波进行改善。所以结合滑窗法和图像处理的优点，将点迹变换到图像域进行处理，采用连通域查找算法和图像膨胀腐蚀处理，一方面采用二值滑窗检测对目标回波数据进行处理和点迹判决，另一方面可以利用图像处理方法克服点迹分裂，从而获得较高质量的目标估计参数。本专利所提的方法结合了滑窗法和图像处理方法，改进方法主要体现在一是采用滑窗检测器和恒虚警检测对回波数据的处理，第二是采用图像处理中形态滤波方法改善目标点迹分裂的影响。改进的点迹凝聚方法对点迹凝聚技术的研究有着重要的参考价值和研究意义，实测数据验证了所提方法的有效性。

以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以所述权利要求的保护范围为准。