一种多传感器多帧检测前跟踪方法与流程

本发明属于目标检测领域，特别涉及了多传感器融合和微弱目标检测前跟踪技术领域。

背景技术：

多帧联合检测前跟踪算法在单帧内不对目标进行门限检测，而是直接利用批处理方法对多个扫描周期的数据联合处理，通过多周期数据的积累实现目标能量累加和噪声抑制，从而提高目标的检测能力。近年来受到了广泛的关注和研究。该方法的主要特点是在时间维上增加目标检测所用样本数目进而提高检测性能。而多传感器融合则是通过在空间维度增加样本数目标来改善系统性能。通过将空间不同位置分布摆放的多个传感器的回波数据联合处理，多传感器融合能够实现各传感器的信息共享和互补。和传统单传感器数据处理方法相比，性能大大改善。

多传感器多帧检测前跟踪方法将上述两种处理手段有机的结合起来，通过联合处理各个传感器不同观测角度、多个扫描周期的回波数据，能够获得更大的性能增量，进一步提升目标尤其是微弱目标的检测和估计性能。

技术实现要素：

本发明所要解决的技术问题是，提供一种能联合处理多个传感器多个扫描周期回波数据的检测方法。

本发明为解决上述技术问题所采用的技术方案是，一种多传感器多帧检测前跟踪方法，包括以下步骤：

步骤1：初始化系统参数；

初始化系统参数，包括：系统包含的传感器数目m，各传感器位置pm，m＝1,…,m，传感器回波数据平面大小nx×ny，算法联合处理周期数k；初始化变量k＝1；

步骤2：接收回波数据；

各传感器传递第1至k帧回波数据到融合中心；

步骤3：融合中心积累多传感器多周期数据计算值函数；

步骤3.1：单个周期多传感器联合似然函数计算；

融合中心联合利用m个传感器第k帧的回波数据计算似然函数，对于离散状态空间中的每个状态xk计算：

其中，zk＝{zk,1,…,zk,m}表示k时刻所有传感器回波量测结合，zk,m表示k时刻第m个传感器的回波数据，xk为k时刻状态，p(zk,m|xk)为第m个传感器k时刻回波量测似然函数；

步骤3.2：多周期值函数积累；

如果k＝1，将步骤3.1中计算得到联合似然函数作为值函数赋值给每个离散状态xk；

如果k＞1，对于状态空间中的每个状态xk根据预设的目标运动规律确定其前一个时刻可能的状态转移范围，选择状态转移范围值函数最大的状态作为xk的前一时刻状态估计，并将该状态的值函数与xk的联合似然函数求和作为xk当前时刻值函数；

步骤3.3：迭代处理；

k＝k+1；如果k≤k，返回步骤3.1，否则，执行步骤4；

步骤4：值函数检测；

将k时刻每个离散状态xk的值函数与预先给定的检测门限进行比较，如果值函数超过检测门限，则认为xk是目标；否则，认为xk是噪声；算法终止。

本发明的优点是通过联合处理多个空间中任意分布的传感器提供的多个扫描周期回波数据，将多传感器系统的平台优势与多帧检测前跟踪算法的批处理优势进行结合，能够提高微弱目标的检测概率，有效改善算法性能。本发明可以用于组网雷达协同探测、多基地雷达探测、mimo雷达检测、阵列声呐等多个领域。

附图说明

图1为本发明的示意图。

图2为本发明所提算法与单传感器单帧检测算法、多传感单帧检测算法以及单传感器多帧联合处理算法在不同信噪比下的检测概率对比图；

图2中多帧联合处理帧数为k＝9，传感器数目为m＝3；从图2中可以看出：首先，随着信噪比的增加本发明所提方法检测概率不断增加；此外，本发明所提算法和单传感器单帧检测算法、多传感器单帧检测算法以及单传感器多帧联合处理算法相比具有更好的检测性能。和多传感器单帧检测算法相比在该仿真条件下，本发明所提算法信噪比改善约为5db左右。

图3为起伏目标场景下不同观测时刻本发明所提算法与单传感器单帧检测算法、多传感单帧检测算法以及单传感器多帧联合处理算法的检测概率对比图。其中，(a)为待检测目标的不同观测时刻信噪比变化示意图，(b)为起伏目标场景下的检测概率对比图；

图3中多帧联合处理帧数为k＝5，传感器数目为m＝3。从图3中可以看出，在起伏目标场景下，本发明所提算法和单传感器单帧检测算法、多传感器单帧检测算法以及单传感器多帧联合处理算法相比具有更稳定的检测性能，不随目标起伏而变化。

具体实施方式

本发明主要采用计算机仿真的方法进行验证，所有步骤、结论都在matlab-r2012b上验证确认。具体实施步骤如下：

步骤1)初始化系统参数：

初始化系统参数，包括：系统包含的传感器数目m，各传感器位置pm，m＝1,…,m，传感器回波数据平面大小nx×ny，算法联合处理周期数k；初始化变量k＝1。执行步骤2)。

步骤2)接收回波数据

各传感器传递第1至k帧回波数据到融合中心，执行步骤3)。

步骤3)融合中心积累多传感器多周期数据计算值函数

3.1：单个周期多传感器联合似然函数计算

融合中心联合利用m个传感器第k帧的回波数据计算似然函数，对于离散状态空间中的每个状态xk计算：

其中，zk＝{zk,1,…,zk,m}表示k时刻所有传感器回波量测结合，zk,m表示k时刻第m个传感器的回波数据，xk为k时刻状态，p(zk,m|xk)为第m个传感器k时刻回波量测似然函数。

3.2：多周期值函数积累

如果k＝1，将步骤3.1中计算得到联合似然函数作为值函数赋值给每个离散状态xk；

如果k＞1，对于状态空间中的每个状态xk根据预设的目标运动规律确定其前一个时刻可能的状态转移范围，选择状态转移范围值函数最大的状态作为xk的前一时刻状态估计，并将该状态的值函数与xk的联合似然函数求和作为xk当前时刻值函数。

3.3：迭代处理

k＝k+1；如果k≤k，执行步骤3.1，否则，执行步骤4。

步骤4)值函数检测

将k时刻每个离散状态xk的值函数与预先给定的检测门限进行比较，如果值函数超过检测门限，则认为xk是目标；否则，认为xk是噪声。算法终止。

技术特征：

技术总结
本发明公开了一种多传感器多帧检测前跟踪方法，属于目标检测领域，特别涉及了多传感器融合和微弱目标检测前跟踪技术领域。在每个检测时刻，融合中心联合处理多传感器提供的多周期数据进行值函数积累，然后对积累后的值函数进行检测，输出目标检测结果。该方法将多传感器融合技术和多帧检测前跟踪技术进行了结合。相比于多传感器融合技术，其在时间维上对目标检测所用数据样本进行了扩展；相比于多帧检测前跟踪技术，其在空间维上对数据进行了扩展，因此该方法能够同时利用目标信号的空‑时二维相关性，大大增加了系统对微弱目标的检测跟踪能力。

技术研发人员：易伟;王经鹤;黎明;文鸣;孔令讲;王亚茹;崔国龙
受保护的技术使用者：电子科技大学
技术研发日：2017.07.04
技术公布日：2017.11.10