近场小慢目标雷达检测前跟踪技术研究

舰船电子对抗

SHIPBOARDELECTRONICCOUNTERMEASURE

Vol．４２No．５

Oct．２０１９

近场小慢目标雷达检测前跟踪技术研究

()中国船舶重工集团公司第七二三研究所,江苏扬州２２５１０１

周明利,吴　俭,柯　涛,苏贝贝

基于某近程连续波雷达进行了算法验证,结果证明了算法的有效性.TBD算法流程,

摘要:介绍了检测前跟踪(技术的基本原理,分析了其对小慢目标的检测跟踪性能,给出了基于动态规划的TBD)关键词:动态规划;检测前跟踪;小慢目标

()中图分类号:TN９５７􀆰５１　　　　　　　文献标识码:A　　　　　　　文章编号:CN３２Ｇ１４１３２０１９０５Ｇ００２０Ｇ０３

:/DOI１０．１６４２６．cnki．cdzdk．２０１９．０５．００５jj

ResearchintoTheTBDTechniueofRadartoSmallＧslowTaretqg

,,,ZHOUMinＧliWUJianKETaoSUBeiＧbeig

:,AbstractThispaerintroducesthebasicprincileoftrackＧbeforeＧdetect(TBD)techniueandanaＧppq

,lzesitsdetectionandtrackinerformancetosmallＧslowtaretsivestheflowofTBDalorithmygpgggcontinuouswaveradar．Theresultsprovetheeffectivenessofthealorithm．g

:;;KeordsdnamicprorammintrackＧbeforeＧdetectslowＧsmalltaretygggyw

,basedondnamicproramminerformsthealorithmverificationbasedonacertainshortＧraneyggpgg

()The７２３InstituteofCSIC,Yanzhou２２５１０１,Chinag

０　引　言

雷达网的能力具有十分重要的现实意义.

近年的科技发展,直接带动了小型飞行器的广

泛应用.旋翼无人机的普及化使得不法分子的行凶手段变得多样化,民防工程同时受到了更加严峻的挑战.战场上,现阶段低空超低空作战手段已经是Ｇ主要作战方式,分辨率低的警戒雷达所能发挥出的效能也就越来越低.例如目前小型飞行器主要在最具代表性的就是无人机.６００m以下低空飞行,

它可以充分利用地形地势以及杂乱背景来躲避雷达

]１

,波束的扫描[使其很难被雷达有效发现并确定其

技术１　检测前跟踪(TBD)

对比传统检测跟踪技术,检测前跟踪不对雷达

原始数据设置门限,允许更多的弱小慢目标信息进

]３

.入系统,通过多帧积累检测慢速运动小目标[

TBD技术的数据处理流程如图１所示,TBD

４]

.技术利用的是非相参积累[

为可疑飞行目标.

为了应对小慢目标在军民领域带来的重大威胁,解决如何对此类目标进行准确探测并进行拦截和打击已成为具有现实意义的研究课题.而采用信号处理的方法提高对此类目标的检测能力不仅手段

２]

.开展对杂噪背景下此类目标灵活,且成本较低[

检测技术的研究,对充分发挥我国预警雷达潜力,改进现役雷达性能、研制新体制雷达和提高我国警戒

收稿日期:２０１９０６１４

缺失造成的无法恢复的漏检情况,再进行后一步的检测处理.

TBD具备以下两点优势:

()对原始信号无门限处理,规避了由于数据１

图１　检测前跟踪处理流程

第５期

周明利等:近场小慢目标雷达检测前跟踪技术研究

２１

()通过多帧积累,形成可观可分辨的信噪比,２

提高检测概率.直接估计航迹,目标更不容易断航.

２　基于动态规划的TBD算法

量也仅包含这

()初始化起始条件:当处于K＝１时刻时,对１

􀅰􀅰

)各状态s(１xx＝(yy)初始化值函数为观测值:)循环递归:当２≤k≤K时,对k时刻的　　(２

状态:

—()[]I(saxI(s＝m＋zk)k１)x－yk２个信息:s(k)＝

􀅰􀅰

T

[,,,],则可用式(描述目x(k)x(k)k)k)１)y(y(标的运动状态:

１Téêê０１

,式中:为状态转移矩阵FF＝ê

００êê００ë２/é０ùêT２úêT０ú

(),()为噪声矩阵GkGk＝êú

/T２２úê０

êTúë０û且均值为零,方差为Q.

()算法步骤:２

k时刻的观测数据表示为:

)s(k＋１s(k)k)w(k)＝F􀅰＋G(

()运动模型:针对小慢目标,用匀速(模１CV)

５]

,型描述[具有恒定的目标速度和目标位置,状态向

)－－(I(szx＝１)y１

()０sk１＝ψ()４

()５()６()７

００ù

ú００ú

ú;１Tú０１úû

()１

其中式(及式(在求最大值　　值得注意的是,６)７)

时,在有效状态s即所有可能转移到k时刻k１中求,－特定状态的有效状态.

()设置终止条件:找到并记录满足式(条件３８)的所有终状态sk:

∧

()a[]raxI(sgmsk１)－kk＝ψsk－１

sk－１

;用w(k)

{()ssI(s８＝{＞VT}k}k:k)式中:VT为检测门限.

()航迹回溯:当通过步骤(后,得到所有的４３)终状态s又有:k,

∧

∧

以表示目标运动的过程噪声,其本身为高斯白噪声,

},􀆺,()z(k)zk)i,N２＝{ij＝１,j(

　　其中每个分辨单元的数据统计特性表示为:

()９

依次逆推,即可得到对目标的轨迹　　依据式(９)估计:

(),,,,􀆺,^s１k＝sk＋１k＋１k＝K－１K－２K－３ψzk)＝ij(

],式中:为复随机变量,相位属于[且幅度A(k)０,２π恒定服从均匀分布.的过程噪声.

利用零均值复高斯白噪声wik)来描述系统j(动态规划算法与维特比算法在本质上是相似的,下面给出具体步骤:

{

wik)j(

A(k)k)＋wij(

()３

向的距离分辨单元总数都是５０,每帧间隔T＝

,积累帧数为１目标初始位置设置为x＝２􀆰５s０,初始速度分别为２２􀆰６,􀆰２,􀆰５、２􀆰２.离散化目y＝３标状态时,进行向下取整.仿真结果如图２所示.

恒定,为A＝２门限为VT＝２􀆰１５,４.附加噪声

),帧间有效状态转移数q＝wi０,１４.x,y方j~N(

^^^{􀆺,()ssssK}１０＝{k}１,２,)仿真对比　　(３

假设目标做匀速直线运动,采取C幅度V模型,

∧

图２　小目标检测结果仿真图

２２舰船电子对抗　　　第４２卷　

３　算法实现流程

大于等于６次,就被认定为是所要检测的小慢目标,即图３中方框处的离散点所标记的位置;而圈中的点表示的是目标出现次数大于警告检测次数的轨迹,即确定为小慢目标.

()图像预处理:对第t帧图像利用高斯模型１

进行背景提取,并根据当前像素对模型参数进行更新.相关参数设定如下:历史帧数为２高斯模５帧;训练时学习率α学习帧数１检测时＝０􀆰００１５;００帧;边缘检测算子检测当前图像的边缘信息,采用形态学处理中的闭运算对图像进项连接处理,获得更为光滑的轮廓线条.

()为了突出检测效果,采用了二级检测２TBD:的方法,第１级是对疑似目标进行判断,获得疑似目确认或删除目标轨迹.先对基于高斯混合模型的图像分割程序处理后得到的图像进行处理,对于每一帧图像中获得的疑似目标,在匹配过程中,在轨迹队列中的每个疑似目标点都要搜寻最适合的轨迹,若该轨迹没有临时点,则该目标点成为临时点;否则,当有点进入队列时,判断是否合适,合适则成为临时点.判断的门限值为算法中设置的两点间前后两速度差模值,根据动态规划理论得知,对于每个点的下一时间段,由设置的最大速率和最小速率再根据“不后退”运动,可以推测一个目标转移状态范围.当下一目标点落入该范围,我们将其视为疑似目标,对其进行跟踪,绘制轨迹.

/;/;最大值为１前后两速度差模值为１目０ms０ms标警告检出次数为６;两点之间速率最小值０;轨迹/;最大平均速度２轨迹最小平均速度０.对于０ms最终检测得到的目标轨迹,当目标连续出现的次数　　　　

在算法中,各参数的设定如下:设两点之间速率型个数为１背景概率设定为０前景０５个;􀆰９５;􀆰０６;学习率为０􀆰０００８.对第t帧图像同时采用Canny

４　检测结果及分析

主要测试目标为行人以及低空近距离无人机,测试距离≤５无人机飞行空域在雷达的仰角１以００m,０°/.内,目标速度控制在０~２０ms

场景:由于条件限制,雷达于地面架高１􀆰５m,

/,飞行速度为０~２m相对雷达做径向飞行运动.s经过多帧的检测积累后,检测到无人机飞行轨迹,并能够持续跟踪.检测结果如图３划圈处航迹所示.

首先对慢速近距离无人机目标进行检测实验,

标绘制轨迹,第２级是对绘制的疑似轨迹进行判断,

人机在弱杂波区可被检测到,经过多帧判断,当其被系统判断为目标后,目标运动的机动性较弱时,系统能够对无人机进行持续有效的跟踪.

行人相伴运动,间距１~２m.运动速度在１~

通过图３的检测结果可以看出,慢速飞行的无

图３　小慢目标监测情况

其次对２个临近目标进行观测,控制无人机与

/.通过雷达对２个目标同时检测.检测结果２ms

如图４所示.

)中,目标１实际中为２个目标,其一为　　图４(a

行人目标,其二为与行人相伴的无人机目标;图４

图４　多目标混叠情况

()中,靠近图像中间位置的目标１为行人目标,目b

(下转第５　　　　５页)

第５期

王刚等:一体化野战电子防空体系作战效能评估

５５

T)０􀆰２４０８,０􀆰１６１３,０􀆰２２２０

从上述结果可以看出,战区体制下一体化野战

T

)W５T＝(０．０１３７,０．０１３７,０．０２５４,０．０４７３,０．０５５３,０．１０８８,０．１８６９,０．０７７７,０．０７８４,０．１３８８,０．２５４

出更为科学的数据,就要在以后的作战中进行检验.　　由本征向量法计算可得:S＝(０􀆰３７６０,

参考文献

[]]廖正荣．俄罗斯第二代野战防空体系分析[１　阳曙光,J．[]李为民．基于G２　阳曙光,IS的陆军野战防空指挥自动化

():５１０１３．

():飞航导弹,２０１４９８１０．

电子防空效能的等级达到优,可见本文以指挥控制、电子对抗、火力打击和综合保障４个准则构建的评估体系有助于作战效能的提高.因此,要提升作战效能,就要重点构建科学、精简的指挥控制体系以及高科技手段多措并举的电子对抗技术.

]系统分析[情报指挥控制系统与仿真技术,J．２０１４

４　结束语

[]汪彬,张青苗．信息化条件下野战防空装备保障３　严剑,[]涂晨阳．信息化条件下野战防空的特点问题研究４　张猛,[]５　ZARGHAMIE,AZEMATIH,FATOUREHCHID,

toolsforIranianresidentialbuildinsusinuzzggfyanaltichierarchyy

,():Environment２０１８１２８１０７１２８．

rocess[J]．Buildinpg

&

etal．CustomizinellＧknownsustainabilitssessmentgwya[]():科技信息,J．２０１１１４５９．[]():四川兵工学报,J．２０１１１５５５７．

本文通过模糊层次分析法对战区体制下一体化

野战电子防空作战效能进行了评估,主要采用构建评估体系、咨询专家意见、科学运用评估方法得出合理的结果.评估结果以当前我军改革的实际为基础,又结合了专家的科学评价,因此具有客观性、科学性、合理性.但从实际来看,我作战经验较少,专家的评价具有片面性,存在着诸多不确定因素,要得

上接第２　　(２页)

标２为无人机目标.观察检测结果可知,在两目标但仍然会出现目标混叠.目标在初始阶段虽然可以监测到２个目标,但由于目标距离过近,以及团聚效应的产生,导致算法认为其是同一个目标,最终只建立一个航迹.在图４(中,可以观察到,两目标相b)距较大时,算法的检测性能基本没有影响,可有效对分别为无人机和行人,两目标在同一起点沿同一线路不同时出发,检测结果显示在成功对无人机建航后,在同一线路上还可对其他目标有效建航.

技术存在的虚警问题还需进一步研究讨论.参考文献

[]基于动态规划的检测前跟踪D１　董建双．PＧTBD算法研[]]多帧相参积累检测前跟踪方法[电讯技术,２　樊玲．J．[],３　HUZJZHANGLR,FANGJQ．ATrackＧbeforeＧdeＧ

tectalorithmfortrackinultilefluctuatinaretsggmpgtgusinassivemultistaticradar[J]．Journalofgp():２０１１,５１７５０５４．

究[大连:大连海事大学,D]．２０１７．

距离相近时,即便利用了方向加权对算法进行改进,

)多目标进行检测跟踪.图４(中,目标２和目标３c

５　结束语

[]４　GUWK,WANGDW,MAXY,etal．Distributed

[//secondordertaretstatemodelC]２０１６IEEEInforＧg,,mationTechnoloNetworkinElectronicandAutoＧgygmationControlConference．IEEE,２０１６:１６９１７５．OFDMＧMIMOradartrackＧbeforeＧdetectbasedon

６５１６５７．

,:Electronics&InformationTechnolo２０１５,３７(３)gy

通过对动态规划的检测前跟踪技术的研究,为

得到此方法的检测跟踪小慢目标实际性能,将其应用于连续波的场面监视雷达中时,可以对小慢目标进行有效的检测跟踪,尤其对慢速目标检测性能更佳.检测结果验证了该技术的实际应用效果.但该

[]汤子跃,易蕾,等．基于广义似然比检测动态规５　战立晓,

１９０１９６．

]:划的检测前跟踪算法[电波科学学报,J．２０１２,２８(１)