本發(fā)明屬于目標(biāo)檢測(cè)領(lǐng)域，特別涉及了多傳感器融合和微弱目標(biāo)檢測(cè)前跟蹤技術(shù)領(lǐng)域。

背景技術(shù)：

多幀聯(lián)合檢測(cè)前跟蹤算法在單幀內(nèi)不對(duì)目標(biāo)進(jìn)行門限檢測(cè)，而是直接利用批處理方法對(duì)多個(gè)掃描周期的數(shù)據(jù)聯(lián)合處理，通過多周期數(shù)據(jù)的積累實(shí)現(xiàn)目標(biāo)能量累加和噪聲抑制，從而提高目標(biāo)的檢測(cè)能力。近年來受到了廣泛的關(guān)注和研究。該方法的主要特點(diǎn)是在時(shí)間維上增加目標(biāo)檢測(cè)所用樣本數(shù)目進(jìn)而提高檢測(cè)性能。而多傳感器融合則是通過在空間維度增加樣本數(shù)目標(biāo)來改善系統(tǒng)性能。通過將空間不同位置分布擺放的多個(gè)傳感器的回波數(shù)據(jù)聯(lián)合處理，多傳感器融合能夠?qū)崿F(xiàn)各傳感器的信息共享和互補(bǔ)。和傳統(tǒng)單傳感器數(shù)據(jù)處理方法相比，性能大大改善。

多傳感器多幀檢測(cè)前跟蹤方法將上述兩種處理手段有機(jī)的結(jié)合起來，通過聯(lián)合處理各個(gè)傳感器不同觀測(cè)角度、多個(gè)掃描周期的回波數(shù)據(jù)，能夠獲得更大的性能增量，進(jìn)一步提升目標(biāo)尤其是微弱目標(biāo)的檢測(cè)和估計(jì)性能。

技術(shù)實(shí)現(xiàn)要素：

本發(fā)明所要解決的技術(shù)問題是，提供一種能聯(lián)合處理多個(gè)傳感器多個(gè)掃描周期回波數(shù)據(jù)的檢測(cè)方法。

本發(fā)明為解決上述技術(shù)問題所采用的技術(shù)方案是，一種多傳感器多幀檢測(cè)前跟蹤方法，包括以下步驟：

步驟1：初始化系統(tǒng)參數(shù)；

初始化系統(tǒng)參數(shù)，包括：系統(tǒng)包含的傳感器數(shù)目m，各傳感器位置pm，m＝1,…,m，傳感器回波數(shù)據(jù)平面大小nx×ny，算法聯(lián)合處理周期數(shù)k；初始化變量k＝1；

步驟2：接收回波數(shù)據(jù)；

各傳感器傳遞第1至k幀回波數(shù)據(jù)到融合中心；

步驟3：融合中心積累多傳感器多周期數(shù)據(jù)計(jì)算值函數(shù)；

步驟3.1：?jiǎn)蝹€(gè)周期多傳感器聯(lián)合似然函數(shù)計(jì)算；

融合中心聯(lián)合利用m個(gè)傳感器第k幀的回波數(shù)據(jù)計(jì)算似然函數(shù)，對(duì)于離散狀態(tài)空間中的每個(gè)狀態(tài)xk計(jì)算：

其中，zk＝{zk,1,…,zk,m}表示k時(shí)刻所有傳感器回波量測(cè)結(jié)合，zk,m表示k時(shí)刻第m個(gè)傳感器的回波數(shù)據(jù)，xk為k時(shí)刻狀態(tài)，p(zk,m|xk)為第m個(gè)傳感器k時(shí)刻回波量測(cè)似然函數(shù)；

步驟3.2：多周期值函數(shù)積累；

如果k＝1，將步驟3.1中計(jì)算得到聯(lián)合似然函數(shù)作為值函數(shù)賦值給每個(gè)離散狀態(tài)xk；

如果k＞1，對(duì)于狀態(tài)空間中的每個(gè)狀態(tài)xk根據(jù)預(yù)設(shè)的目標(biāo)運(yùn)動(dòng)規(guī)律確定其前一個(gè)時(shí)刻可能的狀態(tài)轉(zhuǎn)移范圍，選擇狀態(tài)轉(zhuǎn)移范圍值函數(shù)最大的狀態(tài)作為xk的前一時(shí)刻狀態(tài)估計(jì)，并將該狀態(tài)的值函數(shù)與xk的聯(lián)合似然函數(shù)求和作為xk當(dāng)前時(shí)刻值函數(shù)；

步驟3.3：迭代處理；

k＝k+1；如果k≤k，返回步驟3.1，否則，執(zhí)行步驟4；

步驟4：值函數(shù)檢測(cè)；

將k時(shí)刻每個(gè)離散狀態(tài)xk的值函數(shù)與預(yù)先給定的檢測(cè)門限進(jìn)行比較，如果值函數(shù)超過檢測(cè)門限，則認(rèn)為xk是目標(biāo)；否則，認(rèn)為xk是噪聲；算法終止。

本發(fā)明的優(yōu)點(diǎn)是通過聯(lián)合處理多個(gè)空間中任意分布的傳感器提供的多個(gè)掃描周期回波數(shù)據(jù)，將多傳感器系統(tǒng)的平臺(tái)優(yōu)勢(shì)與多幀檢測(cè)前跟蹤算法的批處理優(yōu)勢(shì)進(jìn)行結(jié)合，能夠提高微弱目標(biāo)的檢測(cè)概率，有效改善算法性能。本發(fā)明可以用于組網(wǎng)雷達(dá)協(xié)同探測(cè)、多基地雷達(dá)探測(cè)、mimo雷達(dá)檢測(cè)、陣列聲吶等多個(gè)領(lǐng)域。

附圖說明

圖1為本發(fā)明的示意圖。

圖2為本發(fā)明所提算法與單傳感器單幀檢測(cè)算法、多傳感單幀檢測(cè)算法以及單傳感器多幀聯(lián)合處理算法在不同信噪比下的檢測(cè)概率對(duì)比圖；

圖2中多幀聯(lián)合處理幀數(shù)為k＝9，傳感器數(shù)目為m＝3；從圖2中可以看出：首先，隨著信噪比的增加本發(fā)明所提方法檢測(cè)概率不斷增加；此外，本發(fā)明所提算法和單傳感器單幀檢測(cè)算法、多傳感器單幀檢測(cè)算法以及單傳感器多幀聯(lián)合處理算法相比具有更好的檢測(cè)性能。和多傳感器單幀檢測(cè)算法相比在該仿真條件下，本發(fā)明所提算法信噪比改善約為5db左右。

圖3為起伏目標(biāo)場(chǎng)景下不同觀測(cè)時(shí)刻本發(fā)明所提算法與單傳感器單幀檢測(cè)算法、多傳感單幀檢測(cè)算法以及單傳感器多幀聯(lián)合處理算法的檢測(cè)概率對(duì)比圖。其中，(a)為待檢測(cè)目標(biāo)的不同觀測(cè)時(shí)刻信噪比變化示意圖，(b)為起伏目標(biāo)場(chǎng)景下的檢測(cè)概率對(duì)比圖；

圖3中多幀聯(lián)合處理幀數(shù)為k＝5，傳感器數(shù)目為m＝3。從圖3中可以看出，在起伏目標(biāo)場(chǎng)景下，本發(fā)明所提算法和單傳感器單幀檢測(cè)算法、多傳感器單幀檢測(cè)算法以及單傳感器多幀聯(lián)合處理算法相比具有更穩(wěn)定的檢測(cè)性能，不隨目標(biāo)起伏而變化。

具體實(shí)施方式

本發(fā)明主要采用計(jì)算機(jī)仿真的方法進(jìn)行驗(yàn)證，所有步驟、結(jié)論都在matlab-r2012b上驗(yàn)證確認(rèn)。具體實(shí)施步驟如下：

步驟1)初始化系統(tǒng)參數(shù)：

初始化系統(tǒng)參數(shù)，包括：系統(tǒng)包含的傳感器數(shù)目m，各傳感器位置pm，m＝1,…,m，傳感器回波數(shù)據(jù)平面大小nx×ny，算法聯(lián)合處理周期數(shù)k；初始化變量k＝1。執(zhí)行步驟2)。

步驟2)接收回波數(shù)據(jù)

各傳感器傳遞第1至k幀回波數(shù)據(jù)到融合中心，執(zhí)行步驟3)。

步驟3)融合中心積累多傳感器多周期數(shù)據(jù)計(jì)算值函數(shù)

3.1：?jiǎn)蝹€(gè)周期多傳感器聯(lián)合似然函數(shù)計(jì)算

融合中心聯(lián)合利用m個(gè)傳感器第k幀的回波數(shù)據(jù)計(jì)算似然函數(shù)，對(duì)于離散狀態(tài)空間中的每個(gè)狀態(tài)xk計(jì)算：

其中，zk＝{zk,1,…,zk,m}表示k時(shí)刻所有傳感器回波量測(cè)結(jié)合，zk,m表示k時(shí)刻第m個(gè)傳感器的回波數(shù)據(jù)，xk為k時(shí)刻狀態(tài)，p(zk,m|xk)為第m個(gè)傳感器k時(shí)刻回波量測(cè)似然函數(shù)。

3.2：多周期值函數(shù)積累

如果k＝1，將步驟3.1中計(jì)算得到聯(lián)合似然函數(shù)作為值函數(shù)賦值給每個(gè)離散狀態(tài)xk；

如果k＞1，對(duì)于狀態(tài)空間中的每個(gè)狀態(tài)xk根據(jù)預(yù)設(shè)的目標(biāo)運(yùn)動(dòng)規(guī)律確定其前一個(gè)時(shí)刻可能的狀態(tài)轉(zhuǎn)移范圍，選擇狀態(tài)轉(zhuǎn)移范圍值函數(shù)最大的狀態(tài)作為xk的前一時(shí)刻狀態(tài)估計(jì)，并將該狀態(tài)的值函數(shù)與xk的聯(lián)合似然函數(shù)求和作為xk當(dāng)前時(shí)刻值函數(shù)。

3.3：迭代處理

k＝k+1；如果k≤k，執(zhí)行步驟3.1，否則，執(zhí)行步驟4。

步驟4)值函數(shù)檢測(cè)

將k時(shí)刻每個(gè)離散狀態(tài)xk的值函數(shù)與預(yù)先給定的檢測(cè)門限進(jìn)行比較，如果值函數(shù)超過檢測(cè)門限，則認(rèn)為xk是目標(biāo)；否則，認(rèn)為xk是噪聲。算法終止。

技術(shù)特征：

技術(shù)總結(jié)
本發(fā)明公開了一種多傳感器多幀檢測(cè)前跟蹤方法，屬于目標(biāo)檢測(cè)領(lǐng)域，特別涉及了多傳感器融合和微弱目標(biāo)檢測(cè)前跟蹤技術(shù)領(lǐng)域。在每個(gè)檢測(cè)時(shí)刻，融合中心聯(lián)合處理多傳感器提供的多周期數(shù)據(jù)進(jìn)行值函數(shù)積累，然后對(duì)積累后的值函數(shù)進(jìn)行檢測(cè)，輸出目標(biāo)檢測(cè)結(jié)果。該方法將多傳感器融合技術(shù)和多幀檢測(cè)前跟蹤技術(shù)進(jìn)行了結(jié)合。相比于多傳感器融合技術(shù)，其在時(shí)間維上對(duì)目標(biāo)檢測(cè)所用數(shù)據(jù)樣本進(jìn)行了擴(kuò)展；相比于多幀檢測(cè)前跟蹤技術(shù)，其在空間維上對(duì)數(shù)據(jù)進(jìn)行了擴(kuò)展，因此該方法能夠同時(shí)利用目標(biāo)信號(hào)的空?時(shí)二維相關(guān)性，大大增加了系統(tǒng)對(duì)微弱目標(biāo)的檢測(cè)跟蹤能力。

技術(shù)研發(fā)人員：易偉;王經(jīng)鶴;黎明;文鳴;孔令講;王亞茹;崔國龍
受保護(hù)的技術(shù)使用者：電子科技大學(xué)
技術(shù)研發(fā)日：2017.07.04
技術(shù)公布日：2017.11.10