一種強雜波區目標檢測跟蹤算法

文｜趙會娟 薛壘 杜君南 汪敏

針對強海雜波環境下的目標檢測跟蹤問題，本文提出了一種基于環境感知的目標檢測跟蹤模型。通過雜波區域感知和點跡過濾建模，降低虛假回波點跡。提出了M周期-航跡分裂檢測算法實現了強海雜波環境下的目標檢測跟蹤。通過實際數據驗證，該模型能提高強海雜波環境下的目標檢測跟蹤性能，有效抑制虛假目標航跡。

一、引言

雷達處理系統中，雜波是指有海面雜波、氣象、射頻干擾和人為干擾所產生的信號，若信號處理算法無法抑制上述信號，會導致雷達顯示畫面上呈現較多虛警回波點跡，增加了目標航跡起始和航跡維持的難度，尤其是強雜波環境下的目標檢測跟蹤。強雜波環境下的目標檢測跟蹤問題采用多假設算法，可以獲得最優檢測跟蹤效果，但是該算法隨著目標數目以及雜波密度的增加，容易產生組合爆炸問題。針對強雜波環境下的目標檢測跟蹤問題，本文提出了一種基于環境感知的檢測跟蹤模型。首先對多幀累計點跡的分布特性進行建模，自適應感知出強雜波區域。對強雜波區域，以點跡幅度建立非參數統計模型進行點跡過濾。最終過濾處理后的點跡，采用航跡分支算法實現雜波區目標的檢測跟蹤。

二、雜波區檢測處理

雷達處理系統中要讓雷達處理設備自適應實現雜波區域的感知。設雷達探測距離為km，全方位探測。首先，按一定距離量化和方位量化將雷達探測區域網格化。其次，將雷達每個掃描周期的檢測點跡分別根據距離量化和方位量化映射到相應的網格單元。當掃描周期滿足到區域感知周期門限時，對每個網格單元的點跡數進行排序，點跡密集網格即自動識別為強雜波區。對于強雜波區中的點跡，傳統點跡過濾算法是依據目標點跡和雜波點跡在距離寬度、方位寬度上的差異，對于距離寬度或者方位寬度小于一定門限的點跡進行過濾，這種處理方法對目標統計特性有很強的依賴性，極易將雜波區中的小目標誤認為雜波，導致小目標檢測能力降低。本文對點跡幅度特征建立非參數統計模型，自動估算出最優幅度門限，實現點跡過濾。

三、目標檢測跟蹤

對雜波網格內點跡進行過濾處理后，網格內仍會存留一定的剩余點跡。受剩余點跡密度分布的影響，邏輯起始算法以最優鄰近數據關聯算法為基礎，將落在波門內的最優點跡作為目標，該方法容易將目標關聯到錯誤點跡造成目標檢測跟蹤丟失，導致目標跟蹤性能下降。多假設（MHT）數據關聯算法采用后驗概率來檢測評估最優目標航跡，但是其檢測跟蹤目標數隨著雜波點跡密度的增加而呈現幾何級數增長，容易產生組合爆炸問題。因此，本文綜合邏輯起始法和多假設法的優缺點，提出了一種M周期-航跡分裂檢測算法，優化了MHT算法。M周期-航跡分裂檢測算法的核心思想為M周期內，采用航跡分裂方法對點跡-點跡數據關聯的結果進行多條可能航跡的預測，對于滿足起始要求的可能航跡進行快速判斷。這種算法即避免了MHT檢測過程中的組合爆炸問題，又提高了最優鄰近算法的跟蹤準確性。

四、算法驗證

本文采集了某海域的強雜波環境數據用來驗證雜波區域感知、點跡過濾和M周期-航跡分裂檢測算法的處理效果。圖1為雜波區域感知示意圖?？梢娫撔屠走_在近距離受海浪雜波影響較嚴重，信號處理后產生了大量的剩余回波點跡。經本算法的自適應環境感知模型準確識別出強雜波區域。圖2在感知識別雜波區的基礎上利用幅度模型對雜波點跡進行過濾。雷達檢測后的剩余點跡每幀在2000點左右，過濾后點跡只有1200點左右，點跡過濾效率在60%。圖3為M周期-航跡分裂檢測算法的處理效果?？梢?，該算法能快速檢測出目標。同時，在此強雜波環境下，虛假目標控制的較好，提高了雷達檢測跟蹤的性能。

五、結語

本文提出了一種基于環境感知的目標檢測跟蹤模型，采用雜波環境感知、點跡過濾和M周期-航跡分裂檢測算法實現了強海雜波環境下的目標檢測跟蹤。通過實際雷達雜波數據驗證，實現了強雜波環境下的目標檢測跟蹤，有效地抑制了虛假目標航跡，具備一定的工程應用前景。

圖1 區域感知示意圖

圖2 點跡過濾示意圖

圖3 目標檢測跟蹤示意圖