一种基于不同距离角度分辨率雷达集中式异步融合方法与流程

本发明属于雷达技术领域，涉及不同距离分辨率雷达量测对齐和多雷达数据融合技术研究。

背景技术：

检测前跟踪(track-before-detect)即TBD技术是在低信杂比的情况下对目标进行检测和跟踪的一种技术。与一般的检测方法的不同之处在于，它采用一种新的思想：在单帧内并不宣布检测结果，而是将单帧回波数据信息数字化并存储起来，对多帧数据处理后同时宣布检测结果与目标的航迹。它的实质是通过对目标信号进行多帧积累，突显目标信息的同时抑制杂波干扰，用时间上的积累换取信噪比的提高，解决了传统的检测后跟踪算法对每一帧数据进行处理而导致的有用的目标信息可能丢失的问题，有效地提高了强杂波、强干扰、低信噪比下雷达对弱目标的检测和跟踪能力。

实现TBD技术的算法有很多，包括动态规划(Dynamic Programming)、粒子滤波(Particle Filter)、霍夫变换(Hough Transform)、最大似然概率数据融合(ML-PDA)等。

其中，基于动态规划的检测前跟踪算法(DP-TBD)具有允许目标有一定机动性，易于实现等特点，已成为当前TBD领域研究的热点。近年来，DP-TBD技术作为一种探测跟踪目标的高效方法，在民用和军用领域都有着广阔的发展空间。

对于基于DP-TBD的多雷达融合方法，通过利用多个雷达的量测数据，可以使检测和跟踪效果的显著提升并且可以获得目标雷达反射截面积(RCS)的空间增益。但是基于DP-TBD的多传感器融合方法研究不多，多个传感器的大量原始数据如何处理和异步的量测数据如何进行融合问题难以解决。在文献“An Amplitude Association Dynamic Programming TBD Algorithm with Multistatic Radar，Control Conference(CCC),35th Chinese TCCT,5076-5079,2016”中，实现了基于DP-TBD算法的多雷达融合，并且有效提高了对弱目标的跟踪效果和取得了目标雷达反射截面积(RCS)的空间增益。但此模型只能解决相同距离和角度分辨率雷达的融合问题，不能应用于解决不同距离分辨率的雷达融合问题。

技术实现要素：

本发明的目的是针对现有技术存在的缺陷，研究设计一种可以实现不同距离和角度分辨率雷达的基于DP-TBD的集中式融合方法，解决现有不同距离和角度分辨率的雷达数据不能够采用基于检测前跟踪(TBD)的动态(DP)规划算法进行处理的问题。

本发明的解决方案是是首先将空间按照其距离和角度分辨率进行栅格划分，然后在真实雷达的极坐标系下建模。量测采用空间栅格对齐的方式把不同距离分辨率的雷达数据对齐到相同的栅格尺寸上，首先选定一个确定的栅格大小，都按照这个栅格大小量化检测区域。当雷达栅格尺寸小于该个栅格大小时，取出临近范围内栅格中最大的量测作为该栅格量测。当雷达珊格大于确定栅格大小时，将这些雷达珊格的量测分别对应到指定栅格的位置，其余栅格量测全部加上均值为0方差为1的高斯分布噪声。该方法有效解决了在实际应用中不同距离和角度分辨率的雷达数据不能运用DP-TBD方法进行处理的问题，并且利用多个雷达数据的集中式融合，从而实现对弱目标的检测能力的提升。

为了方便描述本发明的内容，首先对以下术语进行解释：

术语1：极坐标系(polar coordinates)

极坐标系(polar coordinates)是指在平面内由极点、极轴和极径组成的坐标系。在平面上取定一点O，称为极点。从O出发引一条射线Ox，称为极轴。再取定一个长度单位，通常规定角度取逆时针方向为正。这样，平面上任一点P的位置就可以用线段OP的长度ρ以及从Ox到OP的角度θ来确定，有序数对(ρ，θ)就称为P点的极坐标，ρ称为P点的极径，θ称为P点的极角。

术语2：栅格

栅格是指将雷达检测区域划分成若干个指定大小的矩形格子，是DP-TBD算法的第一步

术语3：集中式融合

集中式融合即将每个雷达的量测数据不加处理，直接传到一个融合中心进行数据处理的融合方式

术语4：融合中心

将传到融合中心的数据根据指定的算法的进行数据处理并且恢复出目标的运动状态估计的一个数据处理中心

术语5：雷达距离和方位分辨率

雷达距离分辨率指的是两个目标物在雷达荧光屏上产生的回波数据能够区分开来的最小实际距离。角分辨率即成像系统或系统元件能有差别地区分开两相邻物体最小间距的能力。分辨本领一般用成像系统对两个最小可辨目标之间所张角度大小表示。

术语6：雷达反射截面积

雷达截面积Radar cross-section(RCS)是指雷达的反射截面积，雷达探测的原理是发射电磁波照射到物体表面在反射回接收天线，而雷达波照射到物体表面依原路径返回的电磁波越少，雷达截面积越小，雷达对目标的信号特征就越小，探测距离也越短。

本发明提出了一种基于不同距离角度分辨率雷达集中式异步融合方法，该方法包括：

步骤1：各雷达获取量测空间的回波信号；

步骤2：各雷达根据自身的角度和距离分辨率对自身的量测空间进行栅格划分；

步骤3：确定一个量测空间的栅格模板，将各雷达的量测空间根据选定的栅格模板进行映射，从而将各雷达量测空间进行尺寸统一；

步骤4：将各雷达映射后的量测空间数据传输至融合中心，融合中心按照时间顺序对各量测空间数据进行排序；

步骤5：对各雷达相同时间的量测数据进行融合；

步骤6：根据融合后数据判断目标轨迹。

进一步的，所述步骤2的具体方法为：

步骤2.1：确定各雷达中分辨率居中的雷达；

步骤2.2：将该雷达量测空间的进行栅格划分，确定每个栅格中包括的距离单元的个数；

步骤2.3：对其他雷达量测空间进行栅格划分，使划分后的各栅格中包含的距离单元个数与步骤2.2中雷达栅格中距离单元个数相同。

进一步的，所述步骤3的具体方法为：

步骤3.1：将各雷达分辨率居中的雷达栅格划分方式确定为栅格模板；

步骤3.2：对高于步骤3.1中雷达分辨率的高分辨率雷达进行栅格映射时，首先确定栅格模板中各栅格所处的量测空间对应于高分辨率雷达的哪些栅格，然后从高分辨雷达对应于同一模板栅格的所有栅格中选择出量测值最大的栅格，将选出的栅格映射到模板栅格上；

步骤3.3：对低于步骤3.1中雷达分辨率的低分辨率雷达进行栅格映射时，采用如下公式进行栅格映射：

Z″(i,j)＝Z(m,n)，i＝n_rl×m，j＝n_θl×n；

其中Z″(i,j)表示映射后位置为(i,j)的栅格的量测值，Z(m,n)为映射前位置为(m,n)的栅格的量测值，n_rl表示待映射雷达的距离分辨率与栅格模板雷达的距离分辨率的比值，n_θl表示待映射雷达的角度分辨率与栅格模板雷达的角度分辨率的比值，将未映射到的栅格采用均值为0，方差为1的高斯白噪声来填充。

本发明的有益效果：本发明的方法利用不同距离和角度分辨率的雷达空间量测栅格对齐和集中式异步融合的方法，首先将目标在距离和方位向上进行建模，然后将空间进行栅格划分，将不同距离和角度分辨率的雷达量测数据进行栅格大小对齐，然后将对齐的量测数据送到融合中心，再对量测数据按时间顺序进行排序和运动DP-TBD算法进行处理，从而解决了不同距离和角度分辨率雷达运用DP-TBD算法无法实现数据融合的问题。本发明的优点是通过以上方法可以有效提升目标的检测跟踪效果和实现不同距离和角度分辨率的雷达数据融合，求解过程简单。本发明可以应用于雷达信号处理和预警雷达跟踪目标等领域。

附图说明

图1是本发明提供方法的流程框图。

图2是本发明具体实施方式中不同距离和角度分辨率雷达珊格划分的大小不同示意图。

图3是本发明具体实施方式中多雷达按照获取量测时间进行量测排序和集中式异步融合的示意图。

图4是本发明具体实施方式中第一个雷达对目标精确跟踪次数随着帧数的变化情况。

图5是本发明具体实施方式中第二个雷达对目标精确跟踪次数随着帧数的变化情况。

图6是本发明具体实施方式中第三个雷达对目标精确跟踪次数随着帧数的变化情况。

图7是本发明具体实施方式中通过集中式融合对目标精确跟踪次数随着帧数的变化情况。

具体实施方式

本发明主要采用仿真实验的方法进行验证，所有步骤、结论都在MatlabR2013a上验证正确。下面就具体实施方式对本发明作进一步的详细描述。

步骤1：确定目标运动方程；

设定检测区域里面有P个雷达，每个雷达处理F帧，目标航迹为一系列连续状态，从第1帧到第P×F帧定义如下：

其中P×F表示融合中心进行一次动态规划的总处理帧数；

步骤2：量测空间栅格化；

考虑检测区域是由距离和角度组成的区域；选定一个确定栅格尺寸的量测空间Z″′；该量测空间选择为多个雷达中的中间分辨率雷达；这是因为当分辨率较高时，雷达跟踪的计算量会大量提升，当雷达分辨率较低时，检测误差增大；

这个确定的量测空间在距离方向上均匀划分为N_r＝a个栅格，在角度方向上划分为N_θ＝b个栅格；这里的栅格划分数目是基于雷达的距离分辨率和角度分辨率；对于更高距离分辨率雷达，假设它在距离方向上的栅格数目为N_r′＝a×n_rh，在角度方向上的栅格数目为N′_θ＝b×n_θh；n_xh代表距离方向上和角度方向上确定的量测空间栅格尺寸和高分辨率雷达的栅格尺寸大小之比；对于低距离分辨率雷达，假定它在r方向栅格数目分别是N_r″＝a/n_rl和N″_θ＝b/n_θl；

步骤3：不同距离和速度分辨率雷达珊格数目对齐；

对齐包括将高距离角度分辨率雷达和低距离角度分辨率雷达都对齐到确定栅格尺寸的量测空间Z″′；对于高分辨率雷达，由于高分辨率雷达的量测中存在非常多无用的量测，这些量测只会提升虚警概率但是不会对检测概率有所提升；因此，对于DP迭代，我们采用了一种更大栅格尺寸划分的方法。这些最有意义的高幅度量测值被保留在了新的栅格当中。转换公式如下

Z_k(i,j)代表第k帧量测空间里面第(i,j)个分辨单元的量测值。Z′_k代表第k帧处理之后的量测数据。并且1≤i≤a，1≤j≤b，其中M(i,j)代表对应于珊格(i,j)的所有栅格。

M_i,j＝{(m,n):m∈(n_p×i-n_p+1,...,n_p×i),n∈(n_p×j-n_p+1,...,n_p×j)} (3)

对于低距离分辨率的雷达，在DP迭代中，我们采用了一种划分更小栅格尺寸大小的方法。从原始的量测空间Z_k(m,n)到量测空间Z_k″(i,j)转换公式如下

Z_k″(i,j)＝Z_k(m,n) (4)

Z_k″代表处理之后第k帧的量测。并且1≤i≤a，1≤j≤b，1≤m≤N_r″，并且i＝n_rl×m，j＝n_θl×n。在这个场景中，在量测Z_k中每个栅格将对应于量测中Z_k″中的几个栅格。因此，在转换过后，Z″_k中很多栅格不包含任何量测信息。由于这些栅格内均不包含任何的目标信息，所以这些栅格的量测信息均以均值为0，方差为1的高斯白噪声来填充。

步骤4：集中式融合

在量测栅格匹配之后，不同分辨率的雷达量测栅格匹配到同样的栅格大小。然后将这些来自于不同雷达的量测数据送往融合中心。融合中心从不同分辨率和不同周期的异步雷达中收到这些量测数据Z′₁…Z′_k,Z″₁…Z″_k,Z″′₁…Z″′_k,然后将这些量测数据按照获得的时间顺序进行排序。排序过后，这些量测数据为Z₁,Z₂…Z_P×F，(P代表雷达总数目，F代表每个雷达DP处理的总帧数)。Z_i代表按照时间排序后的第i帧量测数据。之后采用DP算法对这些量测数据进行处理。

步骤5：值函数和状态转移函数初始化

在初始时刻i＝1，目标的极坐标系运动方程且

其中I是值函数，Ψ用来记录状态转移关系，当前时刻为初始时刻，因此令其等于零。

步骤6：动态规划递归

当2≤i≤P×F时，对第i帧的状态x_i，有

集合D为状态转移的区域。

步骤7：航迹终止

对最后一帧值函数最大值进行过门限判决，超过门限就判为存在目标：

其中V_T代表门限值，由蒙特卡洛仿真得出，满足恒虚警。

步骤8：航迹回溯：

对当i＝P×F-1,P×F-2,……,2,1时，令

得到估计的状态序列：

经过步骤1到步骤7可以恢复出目标运动的轨迹。并且和目标的真实运动轨迹比较即可得到恢复出的航迹的跟踪效果。

图4至图7分别为实施方式采用的不同距离分辨率的三个雷达的精确跟踪效果图和集中式融合之后的精确跟踪效果图，其对应的参数表为表1。且选定的栅格大小和雷达2的栅格划分大小相同。

表1

通过本发明具体实施方式可以看出，本发明可以很好的实现对不同距离和角度分辨率的雷达进行集中式异步融合，并且利用DP-TBD算法提升对目标的跟踪效果。

本领域的普通技术人员将会意识到，这里所述的实施例是为了帮助读者理解本发明的原理，应被理解为本发明的保护范围并不局限于这样的特别陈述和实施例。本领域的普通技术人员可以根据本发明公开的这些技术启示做出各种不脱离本发明实质的其它各种具体变形和组合，这些变形和组合仍然在本发明的保护范围内。