基于目標存在概率斜率的epf-tbd方法
【技術領域】
[0001] 本發明屬于通信雷達技術領域，特別涉及低信噪比下檢測前跟蹤中的基于粒子濾 波的檢測前跟蹤技術。
【背景技術】
[0002] 在現代戰爭中為了能夠盡早發現敵方目標，為后方指揮和防御系統爭取反應時 間，需要雷達能夠在遠距離處監測目標，例如天波超視距雷達、遠距離的紅外搜索與跟蹤系 統等。在這種應用場景中，往往由于特殊的雷達回波特點造成噪聲和雜波相當復雜，使得監 視目標信噪比很低。檢測前跟蹤（TrackbeforedeteCt，TBD)算法經過多幀數據積累后按 照某種規則進行檢測判決，檢測到目標存在就能同時給出跟蹤結果，這樣可以很好地解決 低信噪比下的目標檢測問題。粒子濾波本質上是一種密度估計技術，這不同于傳統技術中 直接的狀態估計，它可以對目標狀態的估計結果進行可能性描述，因此可以用于實現貝葉 斯TBD。
[0003] 迄今為止，已出現了眾多TBD的實現方法。遞歸貝葉斯濾波（recursiveBayesian filters)(見 文獻：Track-before-detectmethodsintrackinglow-observable targets:asurvey[J].HadzagicM,MichalskaH,LefebvreE.Sensors&Transducers Magazine(S&Te-Digest)，SpecialIssue, 2005,（8) : 374-380)，與其它TBD算法最大的不 同之處在于通過目標運動模型和傳感器觀測模型，完整地引入了跟蹤的思想和算法。其中 基于蒙特卡羅采樣近似的粒子濾波（particlefilter，PF)算法是最常用的手段，基于粒子 濾波的檢測前跟蹤（particlefilterbasedTBD，PF-TBD)處理，由于實現過程簡單，精度 又可以逼近最優估計，是當前弱目標TBD在實現手段方面的研究熱點，非常適合處理低信 噪比情況下的檢測問題。
[0004] 2001年，Salmond等人提出了 一種利用粒子濾波遞歸解決TBD問題的方法 (見文 南犬：Aparticlefilterfortrack-before-detect[C]，SalmondDJ,Birch H.ProceedingsoftheAmericanControlConference,Washington,USA, 25~27Ju ne，2001，5:3755-3760.)，其主要思路是：增加一個用來描述目標存在與否的離散變量，并 使其服從馬爾可夫變換，用轉移概率控制它的變化，利用粒子濾波算法對該離散變量和目 標狀態向量進行混合估計，統計估計結果中表示目標出現粒子的數量，將它與粒子總數的 比值作為目標存在概率的估計結果，通過比較這個估計值與預設門限判斷目標存在與否， 這樣就完成了對目標的檢測前跟蹤。
[0005] 在跟蹤部分Boers從理論上證明了最小均方誤差意義下的最優估計可以利 用粒子集中估計得到，只要粒子數目足夠大。在檢測部分Boers證明了可以通過構造 似然比來檢測目標（見文獻：Particlefilterbaseddetectionfortracking[C]， BoersY,Driessen.ProceedingsoftheAmericanControlConference,Washington ，USA, 25-27June，2001，6:4393-4397.)，通過他的證明我們可以認為粒子權重和似然比 在本質上是一致的，這樣就能利用粒子的未歸一化權重來構造似然比以進行檢測。在 前人工作的基礎上，2004年Ristic等人系統的闡釋了粒子濾波算法在檢測和跟蹤中的 應用。Rutten在瑞利噪聲情況下推導出了EPF-TBD算法（Efficientparticle-based track-before-detectinRayleighnoise[C],M.G.Rutten,N.J.Gordon,S.Maskell Proceedingofthe7thInternationalConferenceofInformationFusion,Stockholm ，Sweden, 2004:693-700.)，這種算法不同于Salmond等人提出的標準的EPF-TBD算法，其忽 略表示目標不存在的粒子的影響，極大地提高了對粒子信息的使用效率。
[0006]EPF-TBD算法實現過稱為：（1)依據目標存在狀態將粒子濾波除去死亡粒子得到 存活粒子，其中存活粒子包括繼續粒子和新生粒子；（2)利用繼續粒子和新生粒子聯合估 計目標狀態，通過歸一化權重遞歸估計出目標的存在概率；（3)將目標的存在概率與門限 值比較判斷，目標的存在概率大于門限值則表示目標存在，否則表示目標不存在。
[0007]EPF-TBD算法在低信噪比下目標存在狀態改變時會產生漏檢和虛警問題。
【發明內容】
[0008] 本發明所要解決的技術問題是，提供一種檢測性能更優的改進的EPF-TBD方法。
[0009] 本發明為解決上述技術問題所采用的技術方案是，基于目標存在概率斜率的 EPF-TBD方法，包括以下步驟：
[0010] 粒子分類步驟：依據當前時刻的目標存在狀態將粒子濾波除去死亡粒子得到當前 時刻的存活粒子，其中存活粒子包括繼續粒子和新生粒子；
[0011] 存在概率計算步驟：利用繼續粒子和新生粒子聯合估計當前時刻的目標狀態，通 過歸一化權重遞歸估計出當前時刻的目標的存在概率；
[0012] 存在判決步驟：初始時刻，將當前時刻的目標的存在概率與門限值比較判斷，當前 時刻的目標的存在概率大于門限值則表示當前時刻的目標的存在判決為目標存在，否則表 示當前時刻的目標的存在判決為目標不存在；
[0013] 初始時刻之外的其它時刻，判斷判斷當前時刻的目標的存在概率與上一時刻的目 標的存在概率的變化量是否大于閾值，如是，則當前時刻的目標的存在判決與上一時刻的 目標的存在判決結果不同，否則當前時刻的目標的存在判決與上一時刻的目標的存在判決 結果相同。
[0014] 本發明的有益效果是，利用1個單位時間的目標的存在概率的變化量結合上一時 刻目標的存在判決結果進行檢測，從而改進EPF-TBD算法，通過仿真結果表明，較現有的 EPF-TBD方法，本發明能有效緩解漏檢和虛警問題，檢測性能更優。
【附圖說明】
[0015] 圖1信噪比為3dB情況下單次實驗目標存在概率結果。
[0016] 圖2不同信噪比下現有EPF-TBD算法與本發明的平均檢測概率結果。
[0017] 圖3不同信噪比下現有EPF-TBD算法與本發明的平均虛警概率結果。
【具體實施方式】
[0018]本發明主要是通過當前時刻和上一時刻的目標存在概率計算當前時刻對應的目 標存在概率的斜率，由于是以1個單位時間的斜率，因此1個單位時間的變化量就能表示斜 率。
[0019] 為描述方便，首先對現有術語進行如下說明：
[0020] 粒子濾波（ParticleFilter，PF):粒子濾波是一種利用蒙特卡洛積分思想獲得貝 葉斯估計中的積分運算的近似結果的統計濾波方法。其主要思想是在狀態空間中獲得一組 可以近似描述目標狀態的后驗概率分布的隨機樣本，這些樣本被稱為粒子，根據蒙特卡洛 積分思想利用粒子均值代替積分運算即可獲得最小均方誤差意義下的目標狀態估計結果。
[0021] 檢測前跟蹤（Trackbeforedetect，TBD) :TBD的主體思路是非相參積累，觀測數 據直接來源于原始傳感器，通過建立目標跟蹤模型，所有的信息在被使用的同時隨時間完 成累積，在處理過程的最后才進行檢測，檢測到目標存在就能同時給出跟蹤結果。
[0022] 平均檢測概率和平均虛警概率：平均檢測概率Pd和平均虛警概率PF定義如下：
[0025] 其中，Nni。表示蒙特卡洛仿真次數，MMlst表示單次蒙特卡洛仿真中真實目標存在的 采樣間隔次數，Md(k)表示第k次蒙特卡洛仿真中目標真實存在過程中檢測到目標存在的次 數，Mncital^t表示單次蒙特卡洛仿真中真實目標不存在的采樣間隔次數，MncidGO表示第k次 蒙特卡洛仿真中真實目標不存在過程中檢測到目標存在的次數。
[0026] 本發明方法包括以下步驟：
[0027] 步驟1初始化粒子狀態時根據先驗信息采樣得到N。個表示目標存在的粒子，k時 刻產生Nb個新生粒子，新生粒子狀態為：
[0028] - (6(?.)Eh = = 0：,Zi)
[0029] 其中，（b)i表示第i個新生粒子，i= 1,…，Nb，Nb表示新生粒子總數，Ek= 1表示 k時刻目標存在，Eki= 0表示k-1時刻目標不存在，zk表示k時刻觀測值序列，函數q()表 產生新生粒子的重要密度函數，~表示新生粒子服從函數q()的分布；
[0030] 未歸一化粒子權重利用似然比計算
[0035] 步驟2按下面的重要度函數采樣繼續粒子
[0036] x(；], -gix.lx^E^hE,^=1,?)
[0037] 未歸一化粒子權重
[0041] (c)i表示第i個繼續粒子，i=1，…，N。，N。表示繼續粒子總數；
[0042] 步驟3兩類粒子的混合概率遍^和1^:分別用未歸一化權重的和以及上一時刻的目 標存在概率來計算
[0051] 將兩個粒子集聯合為一個大的粒子集
[0052] =
[0053] 步驟5從上式的NJNb個粒子中重采樣得到N。個粒子，即降采樣，從而得到k時刻 濾波后的粒子集為{(?，I/OU' = 1，?.…D"。
[0054] 步驟6計算當前時刻的目標存在概率惠。
[0056] 上述步驟1-6與現有EPT-TBD方法相同。
[0057] 步驟7用爲(表示k時刻的目標存在狀態的估計結果，k=1時刻，當汽 > 心時，判 斷目標存在狀態氣=1，否則爲=0 :;當4-4=〇時，若4-41>%，則4 = 1，否則4=〇 ; 當矣=1時，若4 -為i<知，則總=〇，否則A=丨，當4=1時同時給出目標狀態估計結 果：