專利名稱：特別用于在仰角中帶有多波束的監視雷達的多目標檢測方法
技術領域：
本發明涉及一種檢測目標的雷達方法，它可用于如一種在仰角中帶有多波束的監視雷達，該方法還可更廣泛地應用于各種雷達。
在這里給出的例子中，監視雷達由一具有旋轉天線的多波束雷達組成，天線的任務在于在長距離內檢測目標。通常，目標跟蹤由組合目標點跡(plot)組成，這些目標點跡是從在采用跟蹤濾波器和跟蹤初始邏輯的獨立掃描中接收的雷達信號中提取出來的。
然后，傳統的目標檢測包括三個階段的閾值設置即命中級上的信號強度閾值設置，點跡級上的二進制積分后的閾值設置，跟蹤級上的二進制積分后的閾值設置。監視雷達系統單次掃描中的目標檢測，是通過在掃描的連續相干處理間歇中對目標檢測即所謂的命中進行二進制積分完成的。監視雷達的每次掃描均包括大量相干處理間歇或脈沖串(bursts)，每一相干處理間歇或脈沖串覆蓋一方位間歇。由于方位中的雷達波束寬度通常幾倍于由一脈沖串所覆蓋的方位間歇的大小，因此目標信號將出現在掃描的大量連續脈沖串，即目標上的Nb個脈沖串中。以脈沖多普勒監視雷達為例，在適當的距離取樣，及應用多普勒濾波器組之后，可從每個脈沖串中獲得距離-多普勒結構中的接收信號。該結構中的某一距離，并某一多普勒速率上，如果接收信號高于保證命中級上的預定的恒虛警概率的閾值，就表明為一命中檢測。
如果對相同的距離和多普勒速率而言，在Nb個連續脈沖串中有Nh個命中，那么就表明為一掃描、一點跡中的一目標檢測。若采用在仰角中同步電子多波束形成接收信號，也要求命中源于相同的仰角波束中接收的信號。選擇參數Nh和Nb以及命中級上的閾值，使點跡級上的特定虛警概率得到保證。
接下來，一目標點跡被用于初始化跟蹤濾波器。用于連續掃描的跟蹤濾波器預測用來分辨與跟蹤相關的可能的目標點跡。Ns次掃描(包括產生初始點跡的掃描)之后，如果在可能的Ns個點跡中有Np個點跡與跟蹤相關，就表明確認的目標跟蹤檢測。選擇參數Np和Ns，以及點跡級上的該虛警概率，使跟蹤級上的特定虛警概率得到保證。
檢測目標的另一種方案在于以單階段的測前跟蹤(Track-Before-Detect)方案，即所謂的TBD取代常規的三階段跟蹤檢測方案，該方案僅涉及在跟蹤級上設置信號強度的閾值。在TBD方案中，目的是設置積分目標信號的閾值，該積分目標信號存在于我們進行積分的Ns次掃描的目標上的Nb個脈沖串中的目標仰角，距離以及多譜勒上。通過延遲閾值設置，并因而允許建立目標信號，與傳統的多階段跟蹤檢測方案相比，在相同虛警概率上檢測概率可獲得很大改善，這一點已廣為人知。TBD方案可如Blackman，S.S.和Popoli，R在《Design and Analasys of Modern Tracking Systems》Norwood，MAArtech House，1999中所述。
四維測量空間可被定義為于距離-方位-仰角-多譜勒波包(cell)或雷達波包中劃分。雷達波包的大小等于距離和多譜勒中的距離-多譜勒空間的大小，方位中脈沖串的方位間歇的大小，以及仰角中的仰角波束寬度的大小。雷達波包中心在距離和多譜勒中與距離-多譜勒結構的距離-多譜勒空間(bin)的中心重合，并在仰角中與仰角波束中心重合。如果目標上的Nb個脈沖串是奇數個，方位中的雷達波包中心與脈沖串的方位間歇的中心重合。然而，如果目標上的脈沖串是偶數個，雷達波包中心則位于脈沖串的方位間歇的邊界上。這允許定義雷達波包中的被測信號為Nb個脈沖串的Nb個功率測量的總和，所述Nb個脈沖串與在距離-多譜勒空間中的，和對應于雷達波包距離、多譜勒和仰角的仰角波束中的雷達波包方位最接近。這樣，就能夠將在目標上的脈沖串上積分的信號投影在雷達波包中。
回到用于監視雷達的TBD主題上，實際中遇到的問題是，首先，掃描的每個雷達波包都可能是新跟蹤的開始，新跟蹤在處理完可導致一跟蹤檢測的Ns次掃描之后。賴于監視雷達的參數如距離范圍和距離波門的大小，以及每次掃描脈沖串的數量，一次掃描中雷達波包的數量及由此的潛在起始點的數量能達到109量級。從一個雷達波包開始，四維區域目標很可能在下一次掃描中已包含幾百個雷達波包，其數量隨積分周期中的每個掃描呈指數級增長。這樣，在每次掃描的潛在起始點的數量極大的問題之外，在積分周期的接下來的掃描中找到目標信號也是一個問題。
當應用于光電傳感器時，TBD具有數據的二維結構(frame)作為相對較高的更新率的輸入，在多個結構中找出目標信號的問題仍然要賴于強力(brute-force)技術來解決。從積分周期的第一層結構中的所有象素開始，這些技術簡單地積分用于所有動態可能目標軌跡的下幾層結構中的象素強度。由于更新率較大，積分時間相對較短，因此允許動態可能目標的軌跡被限定為恒速軌跡。由于在大多數情況下，一目標在積分時間期間內能夠移動的象素的最大數量值是很小的，因此，導出唯一象素輝度總和的離散速率的數量將受到限制，從而進一步限制待試驗的可能軌跡的數量。所述強力技術的舉例是霍夫變換(Hough Transform)(如Smith，M.C.《Feature Space Transform for Multitarget Detection》Proc.IEEE Conf.On Decision and Control，Albuquerne，NM，December1980，pp.835-836所述)，速率濾波器組(如Stocker，A.D.andJansen，P.《Algorithms and Architectures for ImplementingLarge Velocity Filter Bank》Proc.SPIE Conf.On Signal andData Processing of Small Targets，1991，pp.140-155中所述)，以及動態編程算法(如在Amold J.等《Efficient Target TrackingUsing Dynamic Programming》IEEE Trans.On Aerospace andElectronics Systems，vol.29，no 1，January 1993，pp.44-56中所述)。
然而，如前所述使用的TBD技術，均是在積分時間期間內嘗試所有可能目標軌跡的強力技術。這對光電傳感器而言是可行的，因為這些傳感器是二維的，并具有較高的更新率。
在文獻中，可找到一些在雷達系統中使用這些強力技術例子，如Urkowitz，H and Allen，M.R.《Long Term NoncoherentIntegration Across Resolvable Sea Clutter Areas》Proc.National Radar Conf.，1989，pp.67-71中所述的例子。為達到使用強力技術實際可行處理的需求，有必要僅考慮徑向的目標軌跡，而將問題簡化為二維。當這種應用涉及到跟蹤雷達或多功能雷達時，與監視雷達比而言提高的更新率削弱了積分周期期間內，潛在目標區域的增長。在大多數情況下，通過將那些超過檢波前閾值的數據點而不是原始被測數據用作實際TBD處理的輸入，也可極大減少待處理數據的數量。
當用于雷達系統時，強力技術會面臨每次掃描大得多的數據量，以及在積分時間期間內大得多的可能目標軌跡的數量，因而導致不能滿足處理功率需求的狀況。
本發明特別致力于解決處理功率需求太高的問題。為此，本發明的目的之一是提供一種如權利要求1所述的方法。
本發明的主要優點在于，與真TBD技術相比，不會削弱檢測性能，能用來改善用于任何因處理功率局限造成強力測前跟蹤體系(brute-force track-before-detect architectures)在實際中不可用的傳感器系統的檢測性能，并且簡便易行。
本發明的其他特征及優點將在以下參照附圖的描述里述及。其中，
圖1所示為用于一監視雷達的TBD在理論上的檢測概率；圖2所示為用于一備有預選或不備有預選的監視雷達的TBD在理論上的檢測概率，以及采用常規檢測方案在跟蹤級上的檢測概率；圖3所示為基于遞歸濾波的TBD算法的基本方法的方框圖；圖4所示為根據本發明所建議的TBD處理的檢測概率，以及仰角中帶有多波束的脈沖多普勒監視雷達檢測目標的，理想化的常規和TBD處理的檢測概率。
根據本發明，第一步要使用預選機制。該預選機制僅識別一掃描中的雷達波包，對該掃描可能值得啟動TBD處理。因此一經預選，即初始化TBD算法，并為了有限數量的反向和正向掃描而處理原始雷達視頻。這樣，就如在真TBD方案中一樣，從預選開始，處理原始被測數據，并只設置跟蹤級上的積分信號強度閾值。
圖1所示為用于監視雷達的TBD在理論上的檢測概率與信噪比(SNR)的關系曲線。在積分掃描Ns＝{1，….8}的范圍內，繪出了用于監視雷達的TBD在理論上的檢測概率Pd，與SNR的關系曲線。每次掃描目標上的脈沖串的數量例如可設為Nb＝4。
圖1中，在每種情況中，使用跟蹤級上的一個閾值λt以對應于跟蹤級上的虛警概率PFAt＝10-10，也可以從點跡級上虛警概率為10-5的2次掃描中的2個點跡的典型常規跟蹤初始標準得出該閥值。
從圖1可以看出，檢測概率的增加量隨積分間歇上每增加一掃描而降低，最初增加的幾個掃描明顯引起檢測概率最大的增加。記住在積分周期內的增加還增加了反應時間，在下面的實施例中在積分周期內的掃描的數量已經被限制在Ns＝4。
根據本發明的方法接近了TBD算法的理論上的檢測性能。預選階段使得在最小限度削減性能的同時，可大量減少每次掃描待考慮的雷達波包數。為接近監視雷達的TDB在理論上的檢測性能，可以考慮由理想的TDB處理輸出的積分目標信號的統計量如概率密度函數。假設對每次掃描目標上帶有Nb個脈沖串的Ns次掃描求積分，待被設置閾值的積分總和sumE等于NsNb個獨立瑞利分布(independent Rayleigh distributed)功率測量xi的總和SumE=Σk=1Ns[Σb=1Nb(k)x(k,b)]---(1)]]>進一步假設將xi相對于瑞利分布背景噪音電平歸一化，并具有線形信噪比即所謂的SNR，標為p，則概率密度函數，即所謂的pdf，對于所有xi，標為P1(x)等于P1(x)=11+ρexp(-x1+ρ)---(2)]]>如果將等于λh的閾值代入功率測量x，相當于前面討論的命中檢測，則檢測概率PDh給出為PDh=Γ(λh1+ρ,1)---(3)]]>這里的Γ是不完全伽馬函數，定義如Γ(λ,N)=∫λ∞tN-1exp(-t)dt]]>下純噪聲功率取樣的pdf P0(x)和閾值λh的虛警概率PFAh可通過將ρ＝0的SNR代入式(2)和(3)中得到，則P0(x)＝exp(-x)，PFAh=Γ(λh,1).]]>
在TBD方案中，由式(1)給出的積分總和sumE是可導致一跟蹤檢測的閾值。在采用閾值λt時，對于TBD的理論上的檢測概率PDt和虛警概率PFAt，則不得不考慮將當前根據式(2)分布的NsNb個功率測量的總和，而不是單一的一個值被設置為閾值PDt=Γ(λt1+ρ,NsNb)---(4)]]>以及PFA′=Γ(λt,NsNb)---(5)]]>根據本發明，預選方案用來解決如下問題，即對于每次掃描的每個雷達波包，都必須開啟在計算上很浪費的TBD算法。在預選方案中，預選初始化TBD算法，遞歸處理Ns-1次反向掃描，以及隨后的Ns-1次正向掃描。預選這樣導致Ns個唯一關聯的積分周期第一個積分周期，預選由此生成的掃描是最后一個掃描，最后一個積分周期，預選由此生成的掃描是第一個掃描。再看反向，由于預選，為得出跟蹤級上可接受的檢波損耗需處理以前的掃描。然而，確實需要最后的Ns次掃描的雷達視頻是可用的，也就是說，要存在存儲器里。為計算出采用該預選方案的TBD在理論上的檢測概率，則需在方程式(4)和(5)中考慮至少一次掃描中，目標上Nb個脈沖串所求積分總和已經超過預選閾值λp的限制以及 圖2繪出了TBD在理論上的檢測概率與SNR的關系曲線，包括備有預選方案和不備有預選方案的情況。再次設置跟蹤級上的虛警概率為例如PFAt＝10-10，并且積分掃描的數量Ns等于例如4。采用相當于虛警概率為PFAp＝2，5·10-4的預選閾值λp，則可獲得將每次掃描需啟動的TBD算法的數量減少99.975％的效果。另外，在四次掃描上的常規三階段跟蹤檢測方案的檢測概率也通過曲線21示出。在常規的檢測方案中，在跟蹤級上運用如4個掃描雙擇(binary)檢測標準中的3個，在點跡級上運用4個脈沖串雙擇檢測標準中的3個，以及在命中級上的一個閾值λh，它相當于虛警概率為PFAh＝4，2266.10-2。如此，常規檢測方案的跟蹤級上的虛警概率也等于10-10。
從圖2看出，當采用TBD檢測方案取代常規的檢測方案時，檢測性能的潛在增益是顯著的。真TBD檢測由曲線22表示。用TBD算法，在檢測概率PDt＝0.9時的SNR比采用常規檢測方案時低6dB。這意味著通過采用TBD方案，檢測范圍可擴展超過40％。圖2進一步顯示，通過采用建議的對應曲線23的預選方案，申請人已指出實踐中檢測性能上的損耗可以忽略。
下一步，根據本發明，由預選啟動的TBD算法采用相應的雷達波包的距離，多普勒，方位和仰角來啟動遞歸跟蹤濾波器。在每次掃描中，基于跟蹤濾波器的預測以及以前測得的SNR，搜索跟蹤濾波器有效門(validation gate)中的雷達波包，以確定目標的存在，并選定一個雷達波包更新濾波器。通過對跟蹤濾波器的更新，待由TBD算法、有效門搜索的區域，可保持為最小。如果不進行更新，目標可能移動到的區域將隨積分周期的每次附加的掃描按指數級增長。最后，對所選雷達波包所求的積分信號就是閾值。
為獲得前述的檢測概率，有必要把目標信號對多個掃描進行積分。在基于遞歸濾波的TBD方法中，這要求采用跟蹤濾波器里以前多個掃描中的多個目標位置，或僅采用預選點跡表明的目標位置，對在下一個掃描中的目標位置進行預測。阻礙該預測處理的三個錯誤源可按如下識別---測量誤差與過去的、在跟蹤濾波器中已被傳播的目標位置相關的，和與將被檢測的目標位置有關的測量誤差；---目標機動兩次掃描之間的期間里，掃描時間，目標可能會啟動一機動。由于掃描時間以秒為數量級，因此目標機動能導致在一次掃描中的目標位置遠遠脫離預測。
---非相關跟蹤的伴隨雜波、噪聲峰值、或其他目標的信號會造成跟蹤濾波器的輸出背離真目標軌跡。
通常，處理由這些錯誤源導致的結合在一起的不確定因素，不僅要考慮用于相關的精確的預測點，還要考慮周邊的區域有效門。當建立有效門時，一方面，力圖實現使真目標的位置幾乎必定在其中。另一方面，力圖使有效門盡可能小，來限制必須考慮與跟蹤相關的點跡的數量。限制有效門大小的另一個原因是遠離預測點的點跡很有可能源于其他目標、雜波或噪音。
常規的處理使用有效門來選取被認為與跟蹤相關的那些點跡，而根據本發明的方法則使用基于遞歸濾波器的TBD算法中的有效門來選取被認為相關的掃描數據。這樣，不僅選定會導致點跡的數據，而且還選定真TBD要處理的處于有效門內的所有數據。
另一種方法在于例如在積分似然上，而不是在積分信號強度上設置閾值。在這種情況下，例如積分信號強度與位置數據一并用來計算似然。該似然與其他掃描的似然被用來在跟蹤級上設置閾值。待設置閾值并可導致一跟蹤檢測的對Ns次掃描所求的積分似然，等于獨立掃描的似然的乘積。若在大量連續掃描期間，對Ns次掃描所求的積分似然低于閾值時，要去掉該跟蹤。
圖3的方框圖概述了基于遞歸濾波的TBD算法的基本方法。倘若如何構建有效門是已知的，在第一步31中，從每次掃描中選取被認為相關的數據。下一步32實際上從有效門內的數據中，將最可能源自跟蹤中的目標的數據進行相關。采用任何關于目標機動和目標信號強度的可用信息，這一步可能以例如達到預測點的距離和觀測到的信號強度為基礎。跟蹤濾波器算法30將相關算法31，32的結果作為輸入。在第一步33中，跟蹤濾波器算法用相關數據更新跟蹤屬性。特別是，“跟蹤屬性”這一術語代表了跟蹤的運動學特征，例如位置和速率，以及能量特點如SNR和積分總和。在下一步34中，算法從更新的跟蹤屬性里預測下一次掃描中的跟蹤屬性。從該最后一步34得出的所預測的跟蹤屬性也分別是前面步驟31、32、33的輸入。
圖3的方框圖表現了跟蹤保持階段。當啟動跟蹤時，根據本發明的方法，以預選點跡的屬性為更新跟蹤屬性的基礎。隨后，圖3的處理先在時間上反向(即向后而非向前)施加到待處理的以前的掃描。處理這些掃描之后，用于試驗跟蹤啟動的第一個積分周期即為可用。接下來，處理從預選發源的掃描在時間上向前持續，在隨后的積分周期上的積分信號被設置為閾值。如果第一批Ns個積分周期里沒有能導致檢測的，那么跟蹤啟動就會停止。否則，進入跟蹤保持階段。當積分總和對于連續多個掃描(數量可為設計參數)低于該閾值時，則去掉跟蹤。如前所述，跟蹤濾波的輸出，所預測的跟蹤屬性，用來在數據相關中構建有效門，并從中選取相關數據。
用于跟蹤動態屬性的邏輯電路可以選擇如卡爾曼濾波器(Kalman filter)，由于它是遞歸濾波器，可提供為數據相關提供基礎的估測誤差特性，而且就.處理量來講也較為節省。進一步，在文獻中，可以找到各種基于卡爾曼濾波器的跟蹤濾波器，它們被設計為可處理多點跡和/或弱點跡，能用來從中獲得可能的TBD跟蹤濾波器，如在Lerro，D和Bar-shalom，Y的“Automated Trackingwith Target Amplitude Information”Proc.American ControlConference，San Diego，CA，1990，pp.2875-2880或者在Zwaga，J.H.和Driessen，H.“An Efficient One-Scan-Back PDAF for TargetTracking in Clutter”，Proc.SPIE Conf.On Signal and DataProcessing of Small Targets，2001，pp.393-404。
目標SNR可以簡單地通過采用在最后的掃描上的可能加權平均數來跟蹤。賴于在平均周期期間內的目標的相對距離率，必須用變化的距離r對在SNR中的1/r4變化進行校正。對于要采用的平均周期長度，有必要在達到雷達橫截面(RCS)波動(例如按瑞利分布的模式)的平均數和能夠跟蹤RCS中的瞬時變化(如可歸于視界角變化)之間，達成妥協。達到RCS波動的平均數要求較長的平均周期；而能夠跟蹤RCS中的瞬時變化，則要求較短的平均周期。
假設目標SNR的估測，或者最好是下一次掃描的還未標準化的目標振幅A是可用的，則可推導出關于雷達波包相關的積分總和(在Nb個脈沖串上)是被目標啟動的似然比LS|T的表達式。影響掃描k+1中的距離-多譜勒波包的積分總和的被測幅度Aik+1，是被目標啟動的概率ps|t由下式給出ps|t=Πi=1Nb2Ak+1iA‾k|k,...,k-(Ns-1)2exp[-(Ak+1i)2A‾k|k,...,k-(Ns-1)2]---(8)]]>如上所示，其中 通過對最后的Ns次掃描的振幅取均方根估測出來。
被測振幅是由噪聲生成的概率ps|n由下式給出ps|n=Πi=1NbAk+1iσ2exp[-(Ak+1i)22σ2]---(9)]]>其中2σ2是背景噪聲電平。這樣，基于被測信號強度的似然比LS|T由下式給出LS|T=ps|tps|n=Πi=1Nb2Ak+1iA‾k|k,...,k-(Ns-1)2exp[-(Ak+1i)2A‾k|k,...,k-(Ns-1)2]Πi=1NbAk+1iσ2exp[-(Ak+1i)22σ2]---(10)]]>可以被簡化為LS|T=(2σ2A‾k|k,...,k-(Ns-1)2)Nbexp[(1-2σ2A‾k|k,...,k-(Ns-1)2)Σi=1Nb(Ak+1i)22σ2]---(11)]]>其中對(Ak+1i)2/(2σ2)求和是對與雷達波包相關的Nb個脈沖串求積分的總和。
接下來，假設具有相關的誤差協方差Pk+1|k的預測目標的狀態向量sk+1|k是可用的(象在卡爾曼濾波器用來跟蹤濾波中一樣)，可推導出跟蹤的目標會在下一次掃描中特定的雷達波包里的似然LP|T的表達式。四維雷達測量域里的精確位置和掃描k+1的預測sk+1|k之間的向量差 的剩余統計由pdf給出f(z~)=exp(-12z~T(HPk+1|kHT)-1z~)|2πHPk+1|kHT|---(12)]]>
其中H是如在標準擴展卡爾曼跟蹤濾波中的觀測矩陣(observation matrix)(可見如Blackman，S.S.和Popoli，R《Design and Analasys of Modern Tracking Systrms》，Norwood，MAArtech House，1999)。對于掃描k+1中波包中心位于距離，方位，仰角和多譜勒中的雷達波包zcell，k+1＝[rcell，k+1bcell，k+1ecell，k+1vdcell，k+1]T，通過把(12)的pdf 對四維雷達波包體積求積分，能計算出目標位于其中的概率pp|t 其中RBSize、DBSize、BISize和EBWidth分別是距離空間大小、多譜勒空間大小、脈沖串的方位間歇的大小，以及仰角波束寬度；h是從狀態空間到雷達測量域的標準(非線性)轉換函數(見如前面引述的Blackman，S.S.和Popoli，R的文獻)。在實際的TBD算法里，用黎曼總和近似這個整數，對雷達應用而言，這里采用每維兩個點就足夠了。
對基于噪聲測量的跟蹤而言，處于掃描k+1的有效門中的所有NRC，k+1個雷達波包都不具備優先選擇性。因此，所有的雷達波包有相等的概率pp|n，等于1/NRC，k+1。
這樣，基于雷達波包位置的似然比LP|T由下式給出LP/T=pp|tpp|n=pp|t1/NRC,k+1---(14)]]>pp|t由式(13)給出。將基于被測信號強度的似然比LS|T和基于雷達波包位置的似然比LP|T結合在一起，根據被測信號強度和在預測窗中的位置，可得到測量來源于目標的似然比LSP|T。LSP|T=LS|TLP|T=(2σ2A‾k|k,...,k-(Ns-1)2)Nbexp[(1-2σ2A‾k|k,...,k-(Ns-1)2)Σi=1Nb(Ak+2i)22σ2]pp|t1/NRC,k+1---(15)]]>其中pp|t仍由式(13)給出。根據這一似然比，本發明的方法進行數據相關，或者在基于遞歸濾波的TBD算法設計的基本方法中，選擇雷達波包。
基于遞歸濾波(RFB)的TBD算法能由掃描k＝0中的預選點跡p0來啟動。預選點跡包括具有相關測量誤差協方差R的測量位置z0p=[rcell,0bcell,0ecell,0vcell,0d]T]]>(也就是等于預選雷達波包中心)，該協方差R等于在雷達波包體積上均勻概率密度的高斯近似。R=diag([RBSize212BISize212EBWidth212DBSize212])=diag([σr,q2σb,q2σe,q2σvd,q2])---(16)]]>測量位置之后，預選點跡由據認為是雷達波包的Nb個脈沖串中的被測振幅A‾0={A01,...,A0Nb}]]>組成。通過適當的轉換為預選點跡測量位置的狀態空間(考慮未知的切線速率分量)，并對被測振幅求平均值，可以獲得掃描k＝0的初始跟蹤屬性s0|0，P0|0以及A0|0。
除了使用在時間上一反向掃描狀態轉移矩陣F-1，而不是一正向掃描中的標準狀態變換矩陣F之外，在時間上反向使用RFB-TBD算法來處理以前的Ns-1次掃描等于在時間上正向使用該算法，這將在后面陳述。處理以前掃描的結果是，處于最有可能包含目標的以前的掃描中的Ns-1個雷達波包，循環地與跟蹤相關，測量位置為zkML，被測振幅為Ak，其中 k＝{-1，…，-(Ns-1)}。另外，對于第一個積分周期的積分總和SumE0|0，...，-(Ns-1)是可用的，以及平均目標振幅A0|0，...，-(Ns-1)。
如果第一個積分周期的積分總和超過閾值，則在掃描k＝0時可能已經表明一目標跟蹤檢測。如果閾值沒超過或者進入跟蹤保持階段，則必須從掃描k＝0時起正向進行處理。然而在正向TBD處理繼續進行以前，初始狀態向量s0|0以及相關誤差協方差P0|0。必須由以前的Ns-1次掃描中的相關測量位置zkML來更新。如果該循環開始由第一次回掃中的測量位置z-1ML來進行，那么由第ns次反向掃描中的測量位置 進行的更新，可由下式給出K=P0|0,...,-(ns-1)(HF-ns)T[HF-nsP0|0,...,-(ns-1)(HF-ns)T+R]-1---(17)]]>s0|0,..,-ns=s0|0,...,-(ns-1)+p^-nstK[z-nsML-h(s0|0,...,-(ns-1))]---(18)]]>P0|0,...,-ns=(I-p^-nstKHF-ns)P0|0,...,-(ns-1)---(19)]]>這里k是卡爾曼增益，F-n是n次反向掃描的狀態轉移矩陣。在反向TBD處理部分和用得到的測量位置的校正中，目標動態被模擬為未經歷隨機擾動，也就是處理噪聲設置為0。這與常規跟蹤系統相符，常規跟蹤系統僅對完全平直的目標軌跡進行跟蹤初始化以減少虛警初始化的次數。
這些方程式原則上是從標準擴展卡爾曼跟蹤濾波器中得到的，也可被用作所謂的信息歸約因子(information reductionfactor)(見Li，X.R.and Bar-Shalom，Y”Tracking in clutterwith Nearest Neighbor FilterAnalysis and Performance”IEEETrans.On Aerospace and Electronics Systems，vol.32，no.3，July 1996，pp.995-1009)，具有測量位置 的相關雷達波包是目標起源的概率為 。用這種方法，非相關的不確定性可通過用概率 更新加權考慮在內。所述概率從第ns次回掃的相關雷達波包的似然比 中導出，為p^-nst=LSP|T-ns/(1+LSP|T-ns),]]>這是因為似然比被定義為測量是由噪聲起源的概率除以包含噪聲的概率。信息歸約因子將在RFB-TDB算法的掃描處理部分中類似地使用。
為描述RFB-TDB算法的正向掃描處理部分，可以在其中于掃描k中已經發現具有最大似然比KSP|Tk的雷達波包的那個點上開始。然后，用采用概率p^-nst=LSP|T-ns/(1+LSP|T-ns)]]>作為信息歸約因子，用測量位置zkML對預測狀態向量sk|k-1和相關誤差協方差Pk|k-1進行更新，由下式給出K＝Pk|k-1HT[HPk|k-1HT+R]-1(20)sk|k=sk|k-1+p^ktK[zkML-h(sk|k-1)]---(21)]]>Pk|k=(I-p^ktKH)Pk|k-1---(22)]]>其中當前僅表明最后掃描的掃描數，數據被用來從該最后掃描估測狀態向量或者錯誤協方差；數據總是被從其中采用的第一次掃描是掃描k＝-(Ns-1)。
對于最后Ns次掃描(包括掃描K)的平均振幅Ak|k，...，k-(Ns-1)的計算，須考慮將每個雷達波包的平方振幅與目標概率 加權，并與噪聲概率p^kn=1-p^kt]]>加權，是一對應于0的線性SNR的平方振幅。A‾k|k,...,k-(Ns-1)=Σl=0Ns-1(P^k-1tΣi=1Nb-1(Ak-1i)2+P^k-1nNb2σ2)NsNb---(23)]]>類似地，積分總和計算如下SumEk|k,...,k-(Ns-1)=Σl=0Ns-1(P^k-1tΣi=1Nb-1(Ak-1i)22σ2+P^k-1nNb)---(24)]]>
積分總和 是被設置為在掃描k時可表明一目標跟蹤檢測的閾值的積分信號強度。
掃描k+1的動態跟蹤屬性和能量跟蹤屬性的預測由下式給出sk+1|k＝Fsk|k(25)Pk+1|k＝FPk|kFT+Q(26)Ak+1|k，...，k-(Ns-1)＝Ak|k，...，k-(Ns-1)(27)其中非零處理噪聲的協方差Q用來模擬隨機目標動態。
在掃描k+1中，根據本發明的方法，首先使用門標準d2=z~T(HPk+1|kHT)-1z~≤G]]>來選取有效門內的雷達波包，其中門G被選擇來保證目標位于得到的有效門內的固定的概率(見前面引證的如Blackman和Popoli的文獻)。使用預測狀態向量sk+1|k和相關的誤差協方差Pk+1|k，以及估測的目標振幅Ak+1|k，...，k-(Ns-1)，按照式(15)并基于雷達波包的位置和投射在其中的被測振幅來計算對有效門中所有雷達波包而言，目標位于雷達波包中的似然比。RFB-TBD算法的最后一步是將雷達波包與跟蹤的最大似然比LSP|Tk+1聯系在一起。
使用粒子濾波器(Particle Filter)充當跟蹤過濾器是可能的，粒子濾波器在Y.Boers和J.N.Driessen《Particle FilterBased Detection For Tracking》Proc.Of the American ControlConference June 25-27，2001 Arlington，VA.中有特別描述。這種情況下，有效門中的原始數據輸入到跟蹤過濾器用于計算被給予測量數據的狀態的條件概率密度。所述概率密度用來估測目標狀態和目標存在的似然，后者可被用于設置跟蹤級上的閾值。
基于遞歸濾波的TBD算法，能用于例如在仰角中帶有多波束、其任務是為了檢測多目標的脈沖-多普勒監視雷達。該算法非常適合于處理多個仰角波束。
本文中的重要的雷達參數在該例中描述雷達旋轉時間為5秒，一脈沖串的方位間歇為BISize＝0.85°，方位中的雷達波束寬度是2.2°，仰角中的雷達波束寬度EBWidth＝5.0°，距離空間大小RBSize＝80m，多普勒空間大小DBSize＝12m/s。從方位中的雷達波束寬度和脈沖串的方位間歇當中，可以得出約2.6個方位間歇適于雷達波束寬度。為確保脈沖串的相對位置對目標的獨立性，覆蓋了方位中等于雷達波束寬度的一個區域，每次掃描積分脈沖串的數量被選定為Nb＝4。
目標RCS(雷達橫截面)可以模擬為具有5m2的平均值，被分配為帶有2級自由度的χ2pdf，從脈沖串到脈沖串彼此獨立。雷達域中，戰斗轟炸機的目標的初始位置和速率是距離隨機在150km到500km之間。
仰角等于仰角波束的中心(2.66°)。
方位為0°。
徑向速度為300m/s，加上正負一半多譜勒空間大小DBSize的隨機偏移。
切線速率為0m/s。
假設目標沒有加速，只按照初始條件沿恒速軌跡移動。
作為遞歸跟蹤濾波器，可使用一濾波器，用分段恒定白加速模型(如Blackman，S.S.和Popoli，R的文獻描述的)跟蹤目標動態的三維位置和速率，其中隨機加速度的標準偏差設置為1m/s2，相當于0.2g的最大假定加速度。跟蹤濾波器初始化中的最大假定目標速率為1000m/s。
在該例子中，一個運行包括4次掃描，以確定依據一預選的Ns-1次反向掃描和正向掃描RFB-TBD初始化方法的檢測概率。與理論上的檢測概率導出類似，這是通過允許一次運行的4次掃描中的每一次產生一個預選來實現的，其中RFB-TBD算法通過預選啟動。隨機選擇初始距離，以獲得從500km直到150km的檢測概率，其中500km對于TBD處理可近似為0，150km對于常規TBD處理可近似為1。在更小標度內，隨機選取初始范圍，將會造成離散(stradding)損耗，這是因為相對距離空間位置，目標距離不同。基于同樣的原因，初始徑向速度也在與額定速率附近的多普勒空間規模相等的范圍內隨機選取。
為了將該結果同常規處理，以及TBD處理可能的最大性能進行比較，可以通過理想化的常規處理和TBD處理來處理相同的數據。所述處理的“理想化”特征就是在真距離，多普勒，和(當然)仰角處，目標上真脈沖串中的接收信號強度輸入到常規和TBD檢測方案中，每一次掃描的特征。每種情況下都采用了PFAt＝10-10的跟蹤級上的虛警概率。在圖4中詳細給出了結果。
在圖4中，繪出了RFB-TBD處理的檢測概率與距離的關系曲線(曲線41)，和理想化的常規處理(曲線42)和TBD處理(曲線43)。這些結果是基于大約28000次運行，這是從每5km距離級平均400次運行中得出的。從于每5km距離級中的運行中可確定檢測概率。
圖4表明，RFB-TBD處理實際上勝過理想化的TBD處理。這是RFB-TBD算法利用在挨著目標所在的精確雷達波包的雷達波包中的噪聲峰值的能力的結果。如Kirlin，R.L以及Marama，B.H<<TheEffect of Noise-Only Tracks on the Performance of a CombinedDetection and Tracking Algorithm>>，IEEE Trans，On Aerospaceand Electronic Systems，vol.33，no.1，January 1997，pp.329-333中所指出的，我們不得不因這樣的事實而受到處罰，在TBD處理中，多個目標軌跡已經被考慮，其中之一可導致目標跟蹤檢測。限制RFB-TBD算法特征的搜索區域表明這種處罰是有限的。當精確的目標位置接近兩個雷達波包的邊界時，對于兩個雷達波包，目標功率大致相當。然而，噪聲實現不同，偶爾導致挨著目標所在的精確雷達波包的雷達波包中的較大振幅。可以得出一個結論至少在初始階段，基于遞歸濾波的方法，即限制搜索區域為跟蹤濾波器的有效門并且僅使最可能包含目標的雷達波包相關的方法，不會降低檢測性能。
至于常規處理，就象從0.9的檢測距離中可得到的，對于0.9檢測概率則可獲得8.4dB增益，這甚至超過理論上的檢測概率。這可以從以下事實中獲得解釋，對于一次掃描中目標上的所有脈沖串，目標功率不相等，正如在理論推導中作出的假設。當雷達波束掃過目標時，目標功率電平將跟隨方位中的波束形狀。對于一個TBD處理，結果是積分信號強度相當于比波束中心內的平均功率電平還低的平均功率電平。然而，對于常規處理，這意味著對目標上的四個脈沖串中的兩個外側脈沖串而言，擊中檢測概率遠遠低于兩個內側脈沖串。這對常規檢測方案的點跡級上的4選3的檢測標準的檢測概率的效果(因此也是對跟蹤檢測概率的效果)，比之目標上脈沖串上的較低的平均功率對TBD檢測方案的跟蹤檢測概率的效果更為強烈(更負面)。
基于遞歸濾波的TBD方法可用于監視雷達。直接從該方法推導出來的原始RFB-TBD算法，被給定為使用例如卡爾曼跟蹤濾波器作為由每次掃描最可能包含目標的雷達波包來更新的遞歸濾波器。緊接著，引入了預選方案，僅對一掃描中超過預選閾值的雷達波包，啟動TBD處理，還要處理有限數量的反向掃描。通過理論上的檢測性能分析，申請人示出了采用該預選方案啟動TBD處理，在檢測性能上的損耗可以忽略的同時，計算需求能極大地減少。申請人完成的模擬結果表明，使用所述用于跟蹤啟動的RFB-TBD處理可獲得理論上的TBD性能。
一般而言，本發明也能夠用來改善傳感器系統的檢測性能，在所述傳感器系統中，處理功率限制使強力測前跟蹤體系在實際中無法使用。最后，本發明簡便易行。
本發明雖然只描述了監視雷達，但實際可用于各種雷達，例如搜索雷達，跟蹤雷達或多功能雷達。
權利要求
1.一種檢測目標的方法，一雷達包括產生雷達脈沖的脈沖串的發射機裝置，雷達的每次掃描由多個(Nb(k))脈沖串組成，其特征在于對于每次掃描k-在第一步驟中，雷達波包由檢測處理預先選取；-在第二步驟中，依據預選的波包起始啟動測前跟蹤(TBD)處理，采用跟蹤濾波器構建與下一個掃描k+1相關的有效門。-在第三步驟中，掃描k+1的有效門中的數據用來更新測前跟蹤處理，并用來構建與下一個掃描k+2相關的有效門。一個掃描接一個掃描地重復第三步驟。
2.如權利要求1所述的方法，其特征在于，在預選步驟里，測前跟蹤對有限數量的反向掃描和正向掃描處理有效門的原始數據。
3.如權利要求2所述的方法，其特征在于，測前跟蹤處理Ns-1次反向掃描，以及隨后處理Ns-1次正向掃描。
4.如權利要求2或3之一所述的方法，其特征在于，有效門中的原始數據被轉換為一虛擬點跡，該點跡以一距離位置，一多普勒速率，一仰角位置，一方位位置和一積分信號強度為特征，所述距離，多普勒，仰角和方位信息被用作跟蹤濾波器的輸入，所述積分信號強度與其他掃描的積分信號強度一起用來設置跟蹤級上的閾值。
5.如權利要求4所述的方法，其特征在于，用每次掃描目標上的Nb(k)個脈沖串，對Ns次掃描進行積分，待設為閾值、可導致一跟蹤檢測的積分總和sumE，等于獨立瑞利分布(independentRayleigh distributed)功率測量值x(k，b)的總和SumE=Σk=1Ns[Σb=1Nb(k)x(k,b)]]]>
6.如權利要求2或3之一所述的方法，其特征在于，有效門中的原始數據被轉換為一虛擬點跡，該點跡以一距離位置，一多普勒速率，一仰角位置，一方位位置和一積分信號強度為特征，所述距離，多普勒，仰角和方位信息被用作跟蹤濾波器的輸入，所述積分信號強度與位置數據一起用來計算一似然，該似然與其他掃描的似然一起用來設置跟蹤級上的閾值。
7.如權利要求2或3之一所述的方法，其特征在于，將有效門中的原始數據輸入到跟蹤濾波器中以計算被給予測量數據的狀態的條件概率密度，所述概率密度用來估測目標狀態和目標存在的似然，后者用來設置跟蹤級上的閾值。
8.如權利要求6或7之一所述的方法，其特征在于，待設為閾值的、可導致一跟蹤檢測的、在Ns次掃描上所求的積分似然，等于獨立掃描的似然的乘積。
9.如權利要求1至8任一所述的方法，其特征在于，跟蹤濾波器是遞歸濾波器。
10.如權利要求1至6任一所述的方法，其特征在于，跟蹤濾波器是卡爾曼濾波器。
11.如權利要求9所述的方法，其特征在于，跟蹤濾波器是粒子濾波器。
12.如權利要求1至11任一所述的方法，其特征在于，跟蹤濾波器-從每次掃描中選取(31)據認為是相關的數據；-從有效門中的數據中，對最有可能來源于跟蹤中的目標的數據進行相關(32)；-用相關數據更新(33)跟蹤屬性；-從更新的跟蹤屬性中，預測(34)下一次掃描的跟蹤屬性。
13.如權利要求12所述的方法，其特征在于，跟蹤濾波的結果，預測的跟蹤屬性，用來構建有效門，所述有效門用來選取用于下個跟蹤更新的原始數據。
14.如權利要求12或13所述的方法，其特征在于，跟蹤屬性包括運動屬性。
15.如權利要求12至14任一所述的方法，其特征在于，跟蹤屬性包括能量屬性。
16.如權利要求12至15任一所述的方法，其特征在于，當啟動跟蹤時，更新屬性是基于預選波包的屬性來更新的。
17.如權利要求5，及權利要求12至16任一所述的方法，其特征在于，當積分總和SumE對于連續多次掃描低于該閾值時，去掉一跟蹤。
18.如權利要求8，及權利要求12至16任一所述的方法，其特征在于，當對Ns次掃描所求的積分似然對于多個連續掃描低于閾值時，去掉該跟蹤。
19.如權利要求12至18任一所述的方法，其特征在于，所述方法用于具有波束形成仰角的監視雷達。
全文摘要
一種雷達，包括產生雷達脈沖的脈沖串的發射機裝置，雷達的每次掃描由大量(Nb)脈沖串組成，對每次掃描k來說，方法包括第一步，在有效門中預先選取一個雷達波包；第二步，基于預選波包，使用構建與下一掃描k+1相關的有效門的跟蹤濾波器，啟動測前跟蹤處理。一個掃描接一個掃描重復所述步驟。本發明用于例如在仰角中形成多波束的監視雷達，也可更廣泛地用于各種雷達。
文檔編號G01S13/524GK1453595SQ03136780
公開日2003年11月5日 申請日期2003年4月2日 優先權日2002年4月2日
發明者漢斯·德里森, 維茨·邁耶, 集斯·茨瓦格 申請人:塔萊斯荷蘭公司