雷达微弱目标检测的有效方法[1]

49642009,30(21)计算机工程与设计Computer Engineering and Design0引言复杂背景下低信噪比运动目标的检测和跟踪是雷达信号处理系统的关键技术之一。

在微弱运动目标检测和跟踪的应用中，雷达接收的远距离目标回波强度非常弱，信噪比很低，目标易被噪声淹没，单个脉冲回波的信噪比甚至是负的，若仅对单帧图像处理，不能可靠地检测目标。

在预警雷达应用中，由于运动目标距离雷达较远，又处在强杂波环境中，对微弱运动目标的检测与跟踪是雷达信号处理的一个重要课题。

早期算法主要有Kalman滤波等方法，主要采用检测后跟踪(detect before track，DBT)方法，这类方法在信噪比较高时可以取得很好的效果，否则不能检测出目标。

要想对微弱目标进行有效的检测及跟踪，除了抑制杂波和降低系统噪声等方法外，一种有效的方法是检测前跟踪(track before detect，TBD)方法，即对单次观测信号先不进行判断，而是结合雷达图像特点，对目标进行多次观测，计算出目标在各帧图像之间的移动规律，预测目标在下一帧图像的可能位置，同时在帧与帧之间将多次扫描得到的数据沿着预测轨迹进行几乎没有信息损失的相关处理，从而改善目标的信噪比，提高检测性能，在得到检测结果的同时获得目标航迹。

目前，用于微弱目标检测的TBD方法主要有极大似然法、粒子滤波法、动态规划(dynamic programming，DP)法、Hough变换法，等[1-2]。

其中，Hough变换法对检测沿径向做匀速直线运动的目标具有较好的检测性能，目标在直线轨迹上的能量集中在Hough变换后的单点上，目标轨迹的能量远大于其它点的能量，但计算量和存储量都较大[3]，难以实现。

动态规划算法对目标信噪比要求较低，可以探测各种运动形式的目标[4-5]。

动态规划算法是美国Y.Barniv于1985年提出的，利用动态规划的分段优化思想，将目标轨迹搜索问题分解为分级优化的问题[6]。

将其应用到雷达微弱目标检测中，可将雷达回波信号在多普勒频率和距离二维方向的幅度排列成图像，在多帧相继的图像序列中，运动目标轨迹可看作是一条连续变化的曲线，利用动态规划算法，检测是否存在着这样一条曲线，从而判断目标是否存在。

基于动态规划的检测前跟踪的关键在于沿目标运动航迹积累能量[7-8]，可以看出，搜索目标航迹的计算量非常大，在实际应用中存在不足。

在预警雷达中，来袭目标比远离雷达的目标更具有威胁性，更需早期发现和预防，所以单独针对来袭目标进行探测，可以大大减少动态规划法搜索的运算量，提高预警雷达的探测能力。

本文针对动态规划算法计算量大的缺收稿日期：2009-02-26；修订日期：2009-06-10。

罗倩，王岩飞：雷达微弱目标检测的有效方法2009,30(21)4965陷，对算法进行了改进，提出了一种通过对来袭目标移动规律的预测来探测微弱目标的检测前跟踪方法，能减少在循环迭代过程中的计算量，并能有效地探测微弱运动目标，是搜索目标运动路径的有效方法。

1算法描述1.1基于动态规划的检测前跟踪方法描述由于单帧回波信号信噪比低，有时甚至是负的，因此运用单帧数据进行目标的检测是难以实现的。

检测前跟踪是在低信噪比的情况下对目标进行检测和跟踪的一种技术，它在每一次扫描时刻内并不宣布检测结果，不设检测门限，只是将其数字化并存储起来。

然后，在扫描与扫描之间，沿目标的假设航迹作没有信息损失的能量积累，由于目标的能量在不同帧之间是相关的，而噪声的能量在不同帧之间是不相关的，因此，积累后的信号会有较高的信噪比，若某条假设路径的积累能量超过所设定的门限，则目标航迹被估计出来。

在对假设目标航迹进行积累时，可以采用穷举法，但计算量大得惊人，如果不采用合适的方法减少计算量，这种方法将无实际意义。

动态规划算法是Viterbi 算法的改进方法，该方法依据最大概率准则设定一个目标函数，它是在所有可能的状态序列上执行穷举搜索，在对目标函数作一定阶段的递推后，返回超过门限目标函数的状态序列，找到可能的目标轨迹，然后得到最后检测结果。

采用动态规划方法实现检测前跟踪，可降低运算量。

如果目标在第轨迹为1,,2×î´ó¡£¶¨ÒåÄ¿±êº¯ÊýµÄ³õʼֵΪµÚ1帧每一个状态的测量值，即=1(1)=0(2)检测前跟踪动态规划算法从第2帧开始，进行循环递归，当2≤时，对所有的假设目标=max1(1[1Ö¡ºóµÄÄ¿±êº¯ÊýÉèÖÃÃÅÏÞ£¬³¬¹ýÃÅÏÞµÄ״̬ÐòÁоÍ×÷ΪĿ±êº½¼£µÄ¹À¼ÆÖµ£¬¼´<=1,…,<}<=(5)1.2状态转移目标状态转移是指经过一帧的时间间隔，目标可能出现的位置及状态。

目标的转移状态，可以以目标当前位置为中心，根据目标运动速度的大小及其它因素形成搜索区域，确定下一帧中目标可能的位置区域。

状态转移数的大小在动态规划算法中直接影响到算法的计算量大小。

为了对微弱运动目标进行实时的检测，必须降低算法的复杂性。

若动态规划算法积累K 帧能量，对雷达回波数据做FFT 相参积累处理，FFT 点数为M 点，距离单元为L 个，则每帧图像大小为M ×L ，若转移状态数为q ，则动态规划算法的计算量约为KMLq 。

在探测概率和虚警概率一定的情况下，信噪比越低，动态规划算法所须处理的图像帧数越多，需要保存的数据量越大。

因此在采用动态规划方法进行搜索的过程中，虽然其分段优化思想可以大大提高算法效率，但计算量仍然很大。

1.3改进算法在预警雷达系统中，驶向雷达方向的来袭目标比驶离雷达方向的目标对预警区域威胁更大，更需要实时发现和预警。

在采用检测前跟踪动态规划算法进行目标探测时，根据来袭目标和远离目标的威胁性不同，在选择下一帧状态转移方向上，按照对来袭目标运动轨迹的预测，只对来袭目标可能的状态转移方向进行探测，这样就可以大大减少动态规划算法的运算量，缩短探测目标的时间，减少探测来袭目标的漏警概率，提高预警雷达的探测能力。

本文根据来袭目标特性，设定状态转移方向，改进动态规划的算法，从而提高运算速度。

当考虑来袭目标时，对从第一帧图像每一分辨单元可能出发的目标，依据来袭目标特性，预测其在后续各帧图像间的运动轨迹，确定目标在帧与帧之间的状态转移方向和范围，沿着运动目标预测的轨迹积累能量。

如果目标运动存在小幅度机动，只要在机动过程中其速度不超出算法设定的上下限，就不会发生目标丢失。

在进行K 帧能量积累后，通过对目标函数进行门限检测来完成探测。

雷达回波数据第，］｝＇（６）其中，r=1,2,…,L ，f=1,2,…,M ，r 为目标单元的距离坐标，f 为目标所在单元的多普勒频率坐标，k 为帧数。

对于来袭目标，若目标在当前帧的位置坐标为(r,f )，1≤r ≤L ，1≤f ≤M ，且目标的状态变化率在所设定的范围内，若下一帧目标可能的位置表示为(r',f ')，则依据来袭目标运动轨迹特性，在对其后续多帧图像预测运动轨迹时，可以只考虑距离减小的状态转移方向，即2≤≤+2(7)于是，动态规划算法中，只按来袭目标的运动轨迹估计后续帧的目标运动方向。

由于仅对来袭目标进行处理，在使用动态规划算法检测目标的过程中，状态转移区域将大大减少，既有效地减少了目标搜索过程中的计算量，又能对威胁较大的来袭目标进行实时探测，减小探测来袭目标的漏警概率。

1.4算法过程为了降低计算量，本文提出了对来袭目标进行探测的方法，即只搜索距离减小的方向，在递归的状态转移过程中去掉对不相关方向的搜索。

在应用动态规划算法前，先对每帧图像进行非均匀校正处理，然后依据最大概率准则设定目标函数，针对来袭目标方向对目标函数进行一定阶段的递推后，对超过门限的目标函数，得到所有可能的目标运动轨迹，然后逆向反推，并通过对轨迹进行曲线拟合，得出非直线轨迹，在将同一目标的轨迹合并后，得到最后的检测结果。

这一算法减少了需要49662009,30(21)计算机工程与设计Computer Engineering and Design判决的次数和所需保存的可能的路径数，从而减少了计算量。

算法检测过程为：先进行初始化，再进行循环递归积累。

当帧回波数据的强度值。

在能量积累后，进行门限检测：沿最大可能的目标运动路径对幅度值累加得到目标函数做门限检测，将第找出，判定为目标轨迹。

对于判定的目标进行轨迹回溯估计：对于超过门限的每一条路径，由=1.5m ，脉冲重复频率PRF =300Hz ，FFT 相参积累点数为128点，共积累16帧数据。

图1为经过非均匀校正处理后包含微弱运动目标回波的一组回波信号，可以看出，由于单帧回波信号的信噪比低，运用单帧数据进行目标的检测是难以实现的。

图2是经相参积累后，用灰度图表示的回波数据的累加。

由图可以看出，杂波和噪声比较严重，目标完全淹没在杂波和噪声之中，只用相关检测方法，无法探测目标。

有效的方法是在多帧回波数据中沿目标运动轨迹进行能量积累。

对经相参积累后的数据采用改进的动态规划方法处理，处理结果如图3所示。

从图3可以看出，检测效果显著，平均信噪比得以提高。

而且递推的层数越高，信噪比提高越大，但是，递推层数高，计算量也迅速增大。

从能量利用的观点出发，采用脉冲串相参积累和非相参积累的检测后跟踪都只是解决单次扫描脉冲串之间的能量积累，而检测前跟踪不但利用单次扫描的脉冲串，而且利用扫描间的信息，提高了雷达能量的利用率。

从图3可知，按照本文提出的改进方法，信噪比明显提高，通过门限检测能够正确地检测出低信噪比目标。