专利名称：特别用于在仰角中带有多波束的监视雷达的多目标检测方法
技术领域：
本发明涉及一种检测目标的雷达方法，它可用于如一种在仰角中带有多波束的监视雷达，该方法还可更广泛地应用于各种雷达。
在这里给出的例子中，监视雷达由一具有旋转天线的多波束雷达组成，天线的任务在于在长距离内检测目标。通常，目标跟踪由组合目标点迹(plot)组成，这些目标点迹是从在采用跟踪滤波器和跟踪初始逻辑的独立扫描中接收的雷达信号中提取出来的。
然后，传统的目标检测包括三个阶段的阈值设置即命中级上的信号强度阈值设置，点迹级上的二进制积分后的阈值设置，跟踪级上的二进制积分后的阈值设置。监视雷达系统单次扫描中的目标检测，是通过在扫描的连续相干处理间歇中对目标检测即所谓的命中进行二进制积分完成的。监视雷达的每次扫描均包括大量相干处理间歇或脉冲串(bursts)，每一相干处理间歇或脉冲串覆盖一方位间歇。由于方位中的雷达波束宽度通常几倍于由一脉冲串所覆盖的方位间歇的大�。虼四勘晷藕沤鱿衷谏璧拇罅苛龀宕茨勘晟系腘b个脉冲串中。以脉冲多普勒监视雷达为例，在适当的距离取样，及应用多普勒滤波器组之后，可从每个脉冲串中获得距离-多普勒结构中的接收信号。该结构中的某一距离，并某一多普勒速率上，如果接收信号高于保证命中级上的预定的恒虚警概率的阈值，就表明为一命中检测。
如果对相同的距离和多普勒速率而言，在Nb个连续脉冲串中有Nh个命中，那么就表明为一扫描、一点迹中的一目标检测。若采用在仰角中同步电子多波束形成接收信号，也要求命中源于相同的仰角波束中接收的信号。选择参数Nh和Nb以及命中级上的阈值，使点迹级上的特定虚警概率得到保证。
接下来，一目标点迹被用于初始化跟踪滤波器。用于连续扫描的跟踪滤波器预测用来分辨与跟踪相关的可能的目标点迹。Ns次扫描(包括产生初始点迹的扫描)之后，如果在可能的Ns个点迹中有Np个点迹与跟踪相关，就表明确认的目标跟踪检测。选择参数Np和Ns，以及点迹级上的该虚警概率，使跟踪级上的特定虚警概率得到保证。
检测目标的另一种方案在于以单阶段的测前跟踪(Track-Before-Detect)方案，即所谓的TBD取代常规的三阶段跟踪检测方案，该方案仅涉及在跟踪级上设置信号强度的阈值。在TBD方案中，目的是设置积分目标信号的阈值，该积分目标信号存在于我们进行积分的Ns次扫描的目标上的Nb个脉冲串中的目标仰角，距离以及多谱勒上。通过延迟阈值设置，并因而允许建立目标信号，与传统的多阶段跟踪检测方案相比，在相同虚警概率上检测概率可获得很大改善，这一点已广为人知。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。
四维测量空间可被定义为于距离-方位-仰角-多谱勒波包(cell)或雷达波包中划分。雷达波包的大小等于距离和多谱勒中的距离-多谱勒空间的大�。轿恢新龀宕姆轿患湫拇笮。约把鼋侵械难鼋遣ㄊ矶鹊拇笮�。雷达波包中心在距离和多谱勒中与距离-多谱勒结构的距离-多谱勒空间(bin)的中心重合，并在仰角中与仰角波束中心重合。如果目标上的Nb个脉冲串是奇数个，方位中的雷达波包中心与脉冲串的方位间歇的中心重合。然而，如果目标上的脉冲串是偶数个，雷达波包中心则位于脉冲串的方位间歇的边界上。这允许定义雷达波包中的被测信号为Nb个脉冲串的Nb个功率测量的总和，所述Nb个脉冲串与在距离-多谱勒空间中的，和对应于雷达波包距离、多谱勒和仰角的仰角波束中的雷达波包方位最接近。这样，就能够将在目标上的脉冲串上积分的信号投影在雷达波包中。
回到用于监视雷达的TBD主题上，实际中遇到的问题是，首先，扫描的每个雷达波包都可能是新跟踪的开始，新跟踪在处理完可导致一跟踪检测的Ns次扫描之后。赖于监视雷达的参数如距离范围和距离波门的大�。约懊看紊杪龀宕氖浚淮紊柚欣状锊ò氖考坝纱说那痹谄鹗嫉愕氖磕艽锏�109量级。从一个雷达波包开始，四维区域目标很可能在下一次扫描中已包含几百个雷达波包，其数量随积分周期中的每个扫描呈指数级增长。这样，在每次扫描的潜在起始点的数量极大的问题之外，在积分周期的接下来的扫描中找到目标信号也是一个问题。
当应用于光电传感器时，TBD具有数据的二维结构(frame)作为相对较高的更新率的输入，在多个结构中找出目标信号的问题仍然要赖于强力(brute-force)技术来解决。从积分周期的第一层结构中的所有象素开始，这些技术简单地积分用于所有动态可能目标轨迹的下几层结构中的象素强度。由于更新率较大，积分时间相对较短，因此允许动态可能目标的轨迹被限定为恒速轨迹。由于在大多数情况下，一目标在积分时间期间内能够移动的象素的最大数量值是很小的，因此，导出唯一象素辉度总和的离散速率的数量将受到限制，从而进一步限制待试验的可能轨迹的数量。所述强力技术的举例是霍夫变换(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)，速率滤波器组(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)，以及动态编程算法(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技术，均是在积分时间期间内尝试所有可能目标轨迹的强力技术。这对光电传感器而言是可行的，因为这些传感器是二维的，并具有较高的更新率。
在文献中，可找到一些在雷达系统中使用这些强力技术例子，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。为达到使用强力技术实际可行处理的需求，有必要仅考虑径向的目标轨迹，而将问题简化为二维。当这种应用涉及到跟踪雷达或多功能雷达时，与监视雷达比而言提高的更新率削弱了积分周期期间内，潜在目标区域的增长。在大多数情况下，通过将那些超过检波前阈值的数据点而不是原始被测数据用作实际TBD处理的输入，也可极大减少待处理数据的数量。
当用于雷达系统时，强力技术会面临每次扫描大得多的数据量，以及在积分时间期间内大得多的可能目标轨迹的数量，因而导致不能满足处理功率需求的状况。
本发明特别致力于解决处理功率需求太高的问题。为此，本发明的目的之一是提供一种如权利要求1所述的方法。
本发明的主要优点在于，与真TBD技术相比，不会削弱检测性能，能用来改善用于任何因处理功率局限造成强力测前跟踪体系(brute-force track-before-detect architectures)在实际中不可用的传感器系统的检测性能，并且简便易行。
本发明的其他特征及优点将在以下参照附图的描述里述及。其中，
图1所示为用于一监视雷达的TBD在理论上的检测概率；图2所示为用于一备有预选或不备有预选的监视雷达的TBD在理论上的检测概率，以及采用常规检测方案在跟踪级上的检测概率；图3所示为基于递归滤波的TBD算法的基本方法的方框图；图4所示为根据本发明所建议的TBD处理的检测概率，以及仰角中带有多波束的脉冲多普勒监视雷达检测目标的，理想化的常规和TBD处理的检测概率。
根据本发明，第一步要使用预选机制。该预选机制仅识别一扫描中的雷达波包，对该扫描可能值得启动TBD处理。因此一经预�。闯跏蓟疶BD算法，并为了有限数量的反向和正向扫描而处理原始雷达视频。这样，就如在真TBD方案中一样，从预选开始，处理原始被测数据，并只设置跟踪级上的积分信号强度阈值。
图1所示为用于监视雷达的TBD在理论上的检测概率与信噪比(SNR)的关系曲线。在积分扫描Ns＝{1，….8}的范围内，绘出了用于监视雷达的TBD在理论上的检测概率Pd，与SNR的关系曲线。每次扫描目标上的脉冲串的数量例如可设为Nb＝4。
图1中，在每种情况中，使用跟踪级上的一个阈值λt以对应于跟踪级上的虚警概率PFAt＝10-10，也可以从点迹级上虚警概率为10-5的2次扫描中的2个点迹的典型常规跟踪初始标准得出该阀值。
从图1可以看出，检测概率的增加量随积分间歇上每增加一扫描而降低，最初增加的几个扫描明显引起检测概率最大的增加。记住在积分周期内的增加还增加了反应时间，在下面的实施例中在积分周期内的扫描的数量已经被限制在Ns＝4。
根据本发明的方法接近了TBD算法的理论上的检测性能。预选阶段使得在最小限度削减性能的同时，可大量减少每次扫描待考虑的雷达波包数。为接近监视雷达的TDB在理论上的检测性能，可以考虑由理想的TDB处理输出的积分目标信号的统计量如概率密度函数。假设对每次扫描目标上带有Nb个脉冲串的Ns次扫描求积分，待被设置阈值的积分总和sumE等于NsNb个独立瑞利分布(independent Rayleigh distributed)功率测量xi的总和SumE=Σk=1Ns[Σb=1Nb(k)x(k,b)]---(1)]]>进一步假设将xi相对于瑞利分布背景噪音电平归一化，并具有线形信噪比即所谓的SNR，标为p，则概率密度函数，即所谓的pdf，对于所有xi，标为P1(x)等于P1(x)=11+ρexp(-x1+ρ)---(2)]]>如果将等于λh的阈值代入功率测量x，相当于前面讨论的命中检测，则检测概率PDh给出为PDh=Γ(λh1+ρ,1)---(3)]]>这里的Γ是不完全伽马函数，定义如Γ(λ,N)=∫λ∞tN-1exp(-t)dt]]>下纯噪声功率取样的pdf P0(x)和阈值λh的虚警概率PFAh可通过将ρ＝0的SNR代入式(2)和(3)中得到，则P0(x)＝exp(-x)，PFAh=Γ(λh,1).]]>
在TBD方案中，由式(1)给出的积分总和sumE是可导致一跟踪检测的阈值。在采用阈值λt时，对于TBD的理论上的检测概率PDt和虚警概率PFAt，则不得不考虑将当前根据式(2)分布的NsNb个功率测量的总和，而不是单一的一个值被设置为阈值PDt=Γ(λt1+ρ,NsNb)---(4)]]>以及PFA′=Γ(λt,NsNb)---(5)]]>根据本发明，预选方案用来解决如下问题，即对于每次扫描的每个雷达波包，都必须开启在计算上很浪费的TBD算法。在预选方案中，预选初始化TBD算法，递归处理Ns-1次反向扫描，以及随后的Ns-1次正向扫描。预选这样导致Ns个唯一关联的积分周期第一个积分周期，预选由此生成的扫描是最后一个扫描，最后一个积分周期，预选由此生成的扫描是第一个扫描。再看反向，由于预�。贸龈偌渡峡山邮艿募觳ㄋ鸷男璐硪郧暗纳�。然而，确实需要最后的Ns次扫描的雷达视频是可用的，也就是说，要存在存储器里。为计算出采用该预选方案的TBD在理论上的检测概率，则需在方程式(4)和(5)中考虑至少一次扫描中，目标上Nb个脉冲串所求积分总和已经超过预选阈值λp的限制以及 图2绘出了TBD在理论上的检测概率与SNR的关系曲线，包括备有预选方案和不备有预选方案的情况。再次设置跟踪级上的虚警概率为例如PFAt＝10-10，并且积分扫描的数量Ns等于例如4。采用相当于虚警概率为PFAp＝2，5·10-4的预选阈值λp，则可获得将每次扫描需启动的TBD算法的数量减少99.975％的效果。另外，在四次扫描上的常规三阶段跟踪检测方案的检测概率也通过曲线21示出。在常规的检测方案中，在跟踪级上运用如4个扫描双择(binary)检测标准中的3个，在点迹级上运用4个脉冲串双择检测标准中的3个，以及在命中级上的一个阈值λh，它相当于虚警概率为PFAh＝4，2266.10-2。如此，常规检测方案的跟踪级上的虚警概率也等于10-10。
从图2看出，当采用TBD检测方案取代常规的检测方案时，检测性能的潜在增益是显著的。真TBD检测由曲线22表示。用TBD算法，在检测概率PDt＝0.9时的SNR比采用常规检测方案时低6dB。这意味着通过采用TBD方案，检测范围可扩展超过40％。图2进一步显示，通过采用建议的对应曲线23的预选方案，申请人已指出实践中检测性能上的损耗可以忽略。
下一步，根据本发明，由预选启动的TBD算法采用相应的雷达波包的距离，多普勒，方位和仰角来启动递归跟踪滤波器。在每次扫描中，基于跟踪滤波器的预测以及以前测得的SNR，搜索跟踪滤波器有效门(validation gate)中的雷达波包，以确定目标的存在，并选定一个雷达波包更新滤波器。通过对跟踪滤波器的更新，待由TBD算法、有效门搜索的区域，可保持为最小。如果不进行更新，目标可能移动到的区域将随积分周期的每次附加的扫描按指数级增长。最后，对所选雷达波包所求的积分信号就是阈值。
为获得前述的检测概率，有必要把目标信号对多个扫描进行积分。在基于递归滤波的TBD方法中，这要求采用跟踪滤波器里以前多个扫描中的多个目标位置，或仅采用预选点迹表明的目标位置，对在下一个扫描中的目标位置进行预测。阻碍该预测处理的三个错误源可按如下识别---测量误差与过去的、在跟踪滤波器中已被传播的目标位置相关的，和与将被检测的目标位置有关的测量误差；---目标机动两次扫描之间的期间里，扫描时间，目标可能会启动一机动。由于扫描时间以秒为数量级，因此目标机动能导致在一次扫描中的目标位置远远脱离预测。
---非相关跟踪的伴随杂波、噪声峰值、或其他目标的信号会造成跟踪滤波器的输出背离真目标轨迹。
通常，处理由这些错误源导致的结合在一起的不确定因素，不仅要考虑用于相关的精确的预测点，还要考虑周边的区域有效门。当建立有效门时，一方面，力图实现使真目标的位置几乎必定在其中。另一方面，力图使有效门尽可能小，来限制必须考虑与跟踪相关的点迹的数量。限制有效门大小的另一个原因是远离预测点的点迹很有可能源于其他目标、杂波或噪音。
常规的处理使用有效门来选取被认为与跟踪相关的那些点迹，而根据本发明的方法则使用基于递归滤波器的TBD算法中的有效门来选取被认为相关的扫描数据。这样，不仅选定会导致点迹的数据，而且还选定真TBD要处理的处于有效门内的所有数据。
另一种方法在于例如在积分似然上，而不是在积分信号强度上设置阈值。在这种情况下，例如积分信号强度与位置数据一并用来计算似然。该似然与其他扫描的似然被用来在跟踪级上设置阈值。待设置阈值并可导致一跟踪检测的对Ns次扫描所求的积分似然，等于独立扫描的似然的乘积。若在大量连续扫描期间，对Ns次扫描所求的积分似然低于阈值时，要去掉该跟踪。
图3的方框图概述了基于递归滤波的TBD算法的基本方法。倘若如何构建有效门是已知的，在第一步31中，从每次扫描中选取被认为相关的数据。下一步32实际上从有效门内的数据中，将最可能源自跟踪中的目标的数据进行相关。采用任何关于目标机动和目标信号强度的可用信息，这一步可能以例如达到预测点的距离和观测到的信号强度为基础。跟踪滤波器算法30将相关算法31，32的结果作为输入。在第一步33中，跟踪滤波器算法用相关数据更新跟踪属性。特别是，“跟踪属性”这一术语代表了跟踪的运动学特征，例如位置和速率，以及能量特点如SNR和积分总和。在下一步34中，算法从更新的跟踪属性里预测下一次扫描中的跟踪属性。从该最后一步34得出的所预测的跟踪属性也分别是前面步骤31、32、33的输入。
图3的方框图表现了跟踪保持阶段。当启动跟踪时，根据本发明的方法，以预选点迹的属性为更新跟踪属性的基础。随后，图3的处理先在时间上反向(即向后而非向前)施加到待处理的以前的扫描。处理这些扫描之后，用于试验跟踪启动的第一个积分周期即为可用。接下来，处理从预选发源的扫描在时间上向前持续，在随后的积分周期上的积分信号被设置为阈值。如果第一批Ns个积分周期里没有能导致检测的，那么跟踪启动就会停止。否则，进入跟踪保持阶段。当积分总和对于连续多个扫描(数量可为设计参数)低于该阈值时，则去掉跟踪。如前所述，跟踪滤波的输出，所预测的跟踪属性，用来在数据相关中构建有效门，并从中选取相关数据。
用于跟踪动态属性的逻辑电路可以选择如卡尔曼滤波器(Kalman filter)，由于它是递归滤波器，可提供为数据相关提供基础的估测误差特性，而且就.处理量来讲也较为节省。进一步，在文献中，可以找到各种基于卡尔曼滤波器的跟踪滤波器，它们被设计为可处理多点迹和/或弱点迹，能用来从中获得可能的TBD跟踪滤波器，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。
目标SNR可以简单地通过采用在最后的扫描上的可能加权平均数来跟踪。赖于在平均周期期间内的目标的相对距离率，必须用变化的距离r对在SNR中的1/r4变化进行校正。对于要采用的平均周期长度，有必要在达到雷达横截面(RCS)波动(例如按瑞利分布的模式)的平均数和能够跟踪RCS中的瞬时变化(如可归于视界角变化)之间，达成妥协。达到RCS波动的平均数要求较长的平均周期；而能够跟踪RCS中的瞬时变化，则要求较短的平均周期。
假设目标SNR的估测，或者最好是下一次扫描的还未标准化的目标振幅A是可用的，则可推导出关于雷达波包相关的积分总和(在Nb个脉冲串上)是被目标启动的似然比LS|T的表达式。影响扫描k+1中的距离-多谱勒波包的积分总和的被测幅度Aik+1，是被目标启动的概率ps|t由下式给出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 通过对最后的Ns次扫描的振幅取均方根估测出来。
被测振幅是由噪声生成的概率ps|n由下式给出ps|n=Πi=1NbAk+1iσ2exp[-(Ak+1i)22σ2]---(9)]]>其中2σ2是背景噪声电平。这样，基于被测信号强度的似然比LS|T由下式给出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)]]>可以被简化为LS|T=(2σ2A‾k|k,...,k-(Ns-1)2)Nbexp[(1-2σ2A‾k|k,...,k-(Ns-1)2)Σi=1Nb(Ak+1i)22σ2]---(11)]]>其中对(Ak+1i)2/(2σ2)求和是对与雷达波包相关的Nb个脉冲串求积分的总和。
接下来，假设具有相关的误差协方差Pk+1|k的预测目标的状态向量sk+1|k是可用的(象在卡尔曼滤波器用来跟踪滤波中一样)，可推导出跟踪的目标会在下一次扫描中特定的雷达波包里的似然LP|T的表达式。四维雷达测量域里的精确位置和扫描k+1的预测sk+1|k之间的向量差 的剩余统计由pdf给出f(z~)=exp(-12z~T(HPk+1|kHT)-1z~)|2πHPk+1|kHT|---(12)]]>
其中H是如在标准扩展卡尔曼跟踪滤波中的观测矩阵(observation matrix)(可见如Blackman，S.S.和Popoli，R《Design and Analasys of Modern Tracking Systrms》，Norwood，MAArtech House，1999)。对于扫描k+1中波包中心位于距离，方位，仰角和多谱勒中的雷达波包zcell，k+1＝[rcell，k+1bcell，k+1ecell，k+1vdcell，k+1]T，通过把(12)的pdf 对四维雷达波包体积求积分，能计算出目标位于其中的概率pp|t 其中RBSize、DBSize、BISize和EBWidth分别是距离空间大小、多谱勒空间大小、脉冲串的方位间歇的大�。约把鼋遣ㄊ矶龋籬是从状态空间到雷达测量域的标准(非线性)转换函数(见如前面引述的Blackman，S.S.和Popoli，R的文献)。在实际的TBD算法里，用黎曼总和近似这个整数，对雷达应用而言，这里采用每维两个点就足够了。
对基于噪声测量的跟踪而言，处于扫描k+1的有效门中的所有NRC，k+1个雷达波包都不具备优先选择性。因此，所有的雷达波包有相等的概率pp|n，等于1/NRC，k+1。
这样，基于雷达波包位置的似然比LP|T由下式给出LP/T=pp|tpp|n=pp|t1/NRC,k+1---(14)]]>pp|t由式(13)给出。将基于被测信号强度的似然比LS|T和基于雷达波包位置的似然比LP|T结合在一起，根据被测信号强度和在预测窗中的位置，可得到测量来源于目标的似然比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)给出。根据这一似然比，本发明的方法进行数据相关，或者在基于递归滤波的TBD算法设计的基本方法中，选择雷达波包。
基于递归滤波(RFB)的TBD算法能由扫描k＝0中的预选点迹p0来启动。预选点迹包括具有相关测量误差协方差R的测量位置z0p=[rcell,0bcell,0ecell,0vcell,0d]T]]>(也就是等于预选雷达波包中心)，该协方差R等于在雷达波包体积上均匀概率密度的高斯近似。R=diag([RBSize212BISize212EBWidth212DBSize212])=diag([σr,q2σb,q2σe,q2σvd,q2])---(16)]]>测量位置之后，预选点迹由据认为是雷达波包的Nb个脉冲串中的被测振幅A‾0={A01,...,A0Nb}]]>组成。通过适当的转换为预选点迹测量位置的状态空间(考虑未知的切线速率分量)，并对被测振幅求平均值，可以获得扫描k＝0的初始跟踪属性s0|0，P0|0以及A0|0。
除了使用在时间上一反向扫描状态转移矩阵F-1，而不是一正向扫描中的标准状态变换矩阵F之外，在时间上反向使用RFB-TBD算法来处理以前的Ns-1次扫描等于在时间上正向使用该算法，这将在后面陈述。处理以前扫描的结果是，处于最有可能包含目标的以前的扫描中的Ns-1个雷达波包，循环地与跟踪相关，测量位置为zkML，被测振幅为Ak，其中 k＝{-1，…，-(Ns-1)}。另外，对于第一个积分周期的积分总和SumE0|0，...，-(Ns-1)是可用的，以及平均目标振幅A0|0，...，-(Ns-1)。
如果第一个积分周期的积分总和超过阈值，则在扫描k＝0时可能已经表明一目标跟踪检测。如果阈值没超过或者进入跟踪保持阶段，则必须从扫描k＝0时起正向进行处理。然而在正向TBD处理继续进行以前，初始状态向量s0|0以及相关误差协方差P0|0。必须由以前的Ns-1次扫描中的相关测量位置zkML来更新。如果该循环开始由第一次回扫中的测量位置z-1ML来进行，那么由第ns次反向扫描中的测量位置 进行的更新，可由下式给出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)]]>这里k是卡尔曼增益，F-n是n次反向扫描的状态转移矩阵。在反向TBD处理部分和用得到的测量位置的校正中，目标动态被模拟为未经历随机扰动，也就是处理噪声设置为0。这与常规跟踪系统相符，常规跟踪系统仅对完全平直的目标轨迹进行跟踪初始化以减少虚警初始化的次数。
这些方程式原则上是从标准扩展卡尔曼跟踪滤波器中得到的，也可被用作所谓的信息归约因子(information reductionfactor)(见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)，具有测量位置 的相关雷达波包是目标起源的概率为 。用这种方法，非相关的不确定性可通过用概率 更新加权考虑在内。所述概率从第ns次回扫的相关雷达波包的似然比 中导出，为p^-nst=LSP|T-ns/(1+LSP|T-ns),]]>这是因为似然比被定义为测量是由噪声起源的概率除以包含噪声的概率。信息归约因子将在RFB-TDB算法的扫描处理部分中类似地使用。
为描述RFB-TDB算法的正向扫描处理部分，可以在其中于扫描k中已经发现具有最大似然比KSP|Tk的雷达波包的那个点上开始。然后，用采用概率p^-nst=LSP|T-ns/(1+LSP|T-ns)]]>作为信息归约因子，用测量位置zkML对预测状态向量sk|k-1和相关误差协方差Pk|k-1进行更新，由下式给出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)]]>其中当前仅表明最后扫描的扫描数，数据被用来从该最后扫描估测状态向量或者错误协方差；数据总是被从其中采用的第一次扫描是扫描k＝-(Ns-1)。
对于最后Ns次扫描(包括扫描K)的平均振幅Ak|k，...，k-(Ns-1)的计算，须考虑将每个雷达波包的平方振幅与目标概率 加权，并与噪声概率p^kn=1-p^kt]]>加权，是一对应于0的线性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)]]>类似地，积分总和计算如下SumEk|k,...,k-(Ns-1)=Σl=0Ns-1(P^k-1tΣi=1Nb-1(Ak-1i)22σ2+P^k-1nNb)---(24)]]>
积分总和 是被设置为在扫描k时可表明一目标跟踪检测的阈值的积分信号强度。
扫描k+1的动态跟踪属性和能量跟踪属性的预测由下式给出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)其中非零处理噪声的协方差Q用来模拟随机目标动态。
在扫描k+1中，根据本发明的方法，首先使用门标准d2=z~T(HPk+1|kHT)-1z~≤G]]>来选取有效门内的雷达波包，其中门G被选择来保证目标位于得到的有效门内的固定的概率(见前面引证的如Blackman和Popoli的文献)。使用预测状态向量sk+1|k和相关的误差协方差Pk+1|k，以及估测的目标振幅Ak+1|k，...，k-(Ns-1)，按照式(15)并基于雷达波包的位置和投射在其中的被测振幅来计算对有效门中所有雷达波包而言，目标位于雷达波包中的似然比。RFB-TBD算法的最后一步是将雷达波包与跟踪的最大似然比LSP|Tk+1联系在一起。
使用粒子滤波器(Particle Filter)充当跟踪过滤器是可能的，粒子滤波器在Y.Boers和J.N.Driessen《Particle FilterBased Detection For Tracking》Proc.Of the American ControlConference June 25-27，2001 Arlington，VA.中有特别描述。这种情况下，有效门中的原始数据输入到跟踪过滤器用于计算被给予测量数据的状态的条件概率密度。所述概率密度用来估测目标状态和目标存在的似然，后者可被用于设置跟踪级上的阈值。
基于递归滤波的TBD算法，能用于例如在仰角中带有多波束、其任务是为了检测多目标的脉冲-多普勒监视雷达。该算法非常适合于处理多个仰角波束。
本文中的重要的雷达参数在该例中描述雷达旋转时间为5秒，一脉冲串的方位间歇为BISize＝0.85°，方位中的雷达波束宽度是2.2°，仰角中的雷达波束宽度EBWidth＝5.0°，距离空间大小RBSize＝80m，多普勒空间大小DBSize＝12m/s。从方位中的雷达波束宽度和脉冲串的方位间歇当中，可以得出约2.6个方位间歇适于雷达波束宽度。为确保脉冲串的相对位置对目标的独立性，覆盖了方位中等于雷达波束宽度的一个区域，每次扫描积分脉冲串的数量被选定为Nb＝4。
目标RCS(雷达横截面)可以模拟为具有5m2的平均值，被分配为带有2级自由度的χ2pdf，从脉冲串到脉冲串彼此独立。雷达域中，战斗轰炸机的目标的初始位置和速率是距离随机在150km到500km之间。
仰角等于仰角波束的中心(2.66°)。
方位为0°。
径向速度为300m/s，加上正负一半多谱勒空间大小DBSize的随机偏移。
切线速率为0m/s。
假设目标没有加速，只按照初始条件沿恒速轨迹移动。
作为递归跟踪滤波器，可使用一滤波器，用分段恒定白加速模型(如Blackman，S.S.和Popoli，R的文献描述的)跟踪目标动态的三维位置和速率，其中随机加速度的标准偏差设置为1m/s2，相当于0.2g的最大假定加速度。跟踪滤波器初始化中的最大假定目标速率为1000m/s。
在该例子中，一个运行包括4次扫描，以确定依据一预选的Ns-1次反向扫描和正向扫描RFB-TBD初始化方法的检测概率。与理论上的检测概率导出类似，这是通过允许一次运行的4次扫描中的每一次产生一个预选来实现的，其中RFB-TBD算法通过预选启动。随机选择初始距离，以获得从500km直到150km的检测概率，其中500km对于TBD处理可近似为0，150km对于常规TBD处理可近似为1。在更小标度内，随机选取初始范围，将会造成离散(stradding)损耗，这是因为相对距离空间位置，目标距离不同。基于同样的原因，初始径向速度也在与额定速率附近的多普勒空间规模相等的范围内随机选取。
为了将该结果同常规处理，以及TBD处理可能的最大性能进行比较，可以通过理想化的常规处理和TBD处理来处理相同的数据。所述处理的“理想化”特征就是在真距离，多普勒，和(当然)仰角处，目标上真脉冲串中的接收信号强度输入到常规和TBD检测方案中，每一次扫描的特征。每种情况下都采用了PFAt＝10-10的跟踪级上的虚警概率。在图4中详细给出了结果。
在图4中，绘出了RFB-TBD处理的检测概率与距离的关系曲线(曲线41)，和理想化的常规处理(曲线42)和TBD处理(曲线43)。这些结果是基于大约28000次运行，这是从每5km距离级平均400次运行中得出的。从于每5km距离级中的运行中可确定检测概率。
图4表明，RFB-TBD处理实际上胜过理想化的TBD处理。这是RFB-TBD算法利用在挨着目标所在的精确雷达波包的雷达波包中的噪声峰值的能力的结果。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，我们不得不因这样的事实而受到处罚，在TBD处理中，多个目标轨迹已经被考虑，其中之一可导致目标跟踪检测。限制RFB-TBD算法特征的搜索区域表明这种处罚是有限的。当精确的目标位置接近两个雷达波包的边界时，对于两个雷达波包，目标功率大致相当。然而，噪声实现不同，偶尔导致挨着目标所在的精确雷达波包的雷达波包中的较大振幅。可以得出一个结论至少在初始阶段，基于递归滤波的方法，即限制搜索区域为跟踪滤波器的有效门并且仅使最可能包含目标的雷达波包相关的方法，不会降低检测性能。
至于常规处理，就象从0.9的检测距离中可得到的，对于0.9检测概率则可获得8.4dB增益，这甚至超过理论上的检测概率。这可以从以下事实中获得解释，对于一次扫描中目标上的所有脉冲串，目标功率不相等，正如在理论推导中作出的假设。当雷达波束扫过目标时，目标功率电平将跟随方位中的波束形状。对于一个TBD处理，结果是积分信号强度相当于比波束中心内的平均功率电平还低的平均功率电平。然而，对于常规处理，这意味着对目标上的四个脉冲串中的两个外侧脉冲串而言，击中检测概率远远低于两个内侧脉冲串。这对常规检测方案的点迹级上的4选3的检测标准的检测概率的效果(因此也是对跟踪检测概率的效果)，比之目标上脉冲串上的较低的平均功率对TBD检测方案的跟踪检测概率的效果更为强烈(更负面)。
基于递归滤波的TBD方法可用于监视雷达。直接从该方法推导出来的原始RFB-TBD算法，被给定为使用例如卡尔曼跟踪滤波器作为由每次扫描最可能包含目标的雷达波包来更新的递归滤波器。紧接着，引入了预选方案，仅对一扫描中超过预选阈值的雷达波包，启动TBD处理，还要处理有限数量的反向扫描。通过理论上的检测性能分析，申请人示出了采用该预选方案启动TBD处理，在检测性能上的损耗可以忽略的同时，计算需求能极大地减少。申请人完成的模拟结果表明，使用所述用于跟踪启动的RFB-TBD处理可获得理论上的TBD性能。
一般而言，本发明也能够用来改善传感器系统的检测性能，在所述传感器系统中，处理功率限制使强力测前跟踪体系在实际中无法使用。最后，本发明简便易行。
本发明虽然只描述了监视雷达，但实际可用于各种雷达，例如搜索雷达，跟踪雷达或多功能雷达。
权利要求
1.一种检测目标的方法，一雷达包括产生雷达脉冲的脉冲串的发射机装置，雷达的每次扫描由多个(Nb(k))脉冲串组成，其特征在于对于每次扫描k-在第一步骤中，雷达波包由检测处理预先选取；-在第二步骤中，依据预选的波包起始启动测前跟踪(TBD)处理，采用跟踪滤波器构建与下一个扫描k+1相关的有效门。-在第三步骤中，扫描k+1的有效门中的数据用来更新测前跟踪处理，并用来构建与下一个扫描k+2相关的有效门。一个扫描接一个扫描地重复第三步骤。
2.如权利要求1所述的方法，其特征在于，在预选步骤里，测前跟踪对有限数量的反向扫描和正向扫描处理有效门的原始数据。
3.如权利要求2所述的方法，其特征在于，测前跟踪处理Ns-1次反向扫描，以及随后处理Ns-1次正向扫描。
4.如权利要求2或3之一所述的方法，其特征在于，有效门中的原始数据被转换为一虚拟点迹，该点迹以一距离位置，一多普勒速率，一仰角位置，一方位位置和一积分信号强度为特征，所述距离，多普勒，仰角和方位信息被用作跟踪滤波器的输入，所述积分信号强度与其他扫描的积分信号强度一起用来设置跟踪级上的阈值。
5.如权利要求4所述的方法，其特征在于，用每次扫描目标上的Nb(k)个脉冲串，对Ns次扫描进行积分，待设为阈值、可导致一跟踪检测的积分总和sumE，等于独立瑞利分布(independentRayleigh distributed)功率测量值x(k，b)的总和SumE=Σk=1Ns[Σb=1Nb(k)x(k,b)]]]>
6.如权利要求2或3之一所述的方法，其特征在于，有效门中的原始数据被转换为一虚拟点迹，该点迹以一距离位置，一多普勒速率，一仰角位置，一方位位置和一积分信号强度为特征，所述距离，多普勒，仰角和方位信息被用作跟踪滤波器的输入，所述积分信号强度与位置数据一起用来计算一似然，该似然与其他扫描的似然一起用来设置跟踪级上的阈值。
7.如权利要求2或3之一所述的方法，其特征在于，将有效门中的原始数据输入到跟踪滤波器中以计算被给予测量数据的状态的条件概率密度，所述概率密度用来估测目标状态和目标存在的似然，后者用来设置跟踪级上的阈值。
8.如权利要求6或7之一所述的方法，其特征在于，待设为阈值的、可导致一跟踪检测的、在Ns次扫描上所求的积分似然，等于独立扫描的似然的乘积。
9.如权利要求1至8任一所述的方法，其特征在于，跟踪滤波器是递归滤波器。
10.如权利要求1至6任一所述的方法，其特征在于，跟踪滤波器是卡尔曼滤波器。
11.如权利要求9所述的方法，其特征在于，跟踪滤波器是粒子滤波器。
12.如权利要求1至11任一所述的方法，其特征在于，跟踪滤波器-从每次扫描中选取(31)据认为是相关的数据；-从有效门中的数据中，对最有可能来源于跟踪中的目标的数据进行相关(32)；-用相关数据更新(33)跟踪属性；-从更新的跟踪属性中，预测(34)下一次扫描的跟踪属性。
13.如权利要求12所述的方法，其特征在于，跟踪滤波的结果，预测的跟踪属性，用来构建有效门，所述有效门用来选取用于下个跟踪更新的原始数据。
14.如权利要求12或13所述的方法，其特征在于，跟踪属性包括运动属性。
15.如权利要求12至14任一所述的方法，其特征在于，跟踪属性包括能量属性。
16.如权利要求12至15任一所述的方法，其特征在于，当启动跟踪时，更新属性是基于预选波包的属性来更新的。
17.如权利要求5，及权利要求12至16任一所述的方法，其特征在于，当积分总和SumE对于连续多次扫描低于该阈值时，去掉一跟踪。
18.如权利要求8，及权利要求12至16任一所述的方法，其特征在于，当对Ns次扫描所求的积分似然对于多个连续扫描低于阈值时，去掉该跟踪。
19.如权利要求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监视雷达。
全文摘要
一种雷达，包括产生雷达脉冲的脉冲串的发射机装置，雷达的每次扫描由大量(Nb)脉冲串组成，对每次扫描k来说，方法包括第一步，在有效门中预先选取一个雷达波包；第二步，基于预选波包，使用构建与下一扫描k+1相关的有效门的跟踪滤波器，启动测前跟踪处理。一个扫描接一个扫描重复所述步骤。本发明用于例如在仰角中形成多波束的监视雷达，也可更广泛地用于各种雷达。
文档编号G01S13/524GK1453595SQ03136780
公开日2003年11月5日 申请日期2003年4月2日 优先权日2002年4月2日
发明者汉斯·德里森, 维茨·迈耶, 集斯·茨瓦格 申请人:塔莱斯荷兰公司
专业数控铣床产品供应商
20年生产经验，实力工厂，精工品质，质量有保障
