[发明专利]一种基于代价参考粒子滤波器组的检测前跟踪方法

说明书

一种基于代价参考粒子滤波器组(CRPF bank)的检测前跟踪方法，将目标回波近似为分段线性调频信号，建立状态空间模型；并采用CRPF bank估计可能的目标状态；最后进行目标检测。本发明中，滤波器组具有完全并行结构，基于CRPF bank的估计结果，分别累积各段观测信号，将各段的累积能量与给定门限比较，实现给定虚警概率下目标在各个时刻的目标检测。仿真结果表明，与现有的基于粒子滤波的检测前跟踪方法相比，本发明提出的方法检测能力强，运行速率高。

技术领域

本发明属于目标检测与跟踪技术领域，特别涉及一种基于代价参考粒子滤波器组的检测前跟踪方法。

背景技术

延长观测时间是雷达中检测微弱目标的有效方法。但在较长的观测时间内，目标机动性等给信号积累带来困难。例如，在天波雷达中，在较长的观测时间内，目标处在同一个检测单元内，但转向或加速等使目标回波具有复杂的调频特性，可模拟为未知的非线性调频信号。此种情况下，长时间信号积累检测微弱目标的问题，即是检测低信噪比的非线性调频信号的问题。

国内外学者提出了很多检测非线性调频信号的方法，从检测结果看，可将这些方法分为两类。第一类，基于非线性调频信号的状态估计结果累积观测数据，通过门限比较实现给定虚警率下的检测。脊能量检测方法和时频分布累积方法，都是沿瞬时频率曲线在频域累积观测数据能量实现目标检测。此外，基于粒子滤波(particle filter,PF)构造观测数据的联合似然比，基于代价参考粒子滤波(cost-reference particle filter,CRPF)和FB-CRPF(Forward-backward CRPF)构造累积代价，也是通过累积观测数据的能量实现目标检测。第二类方法主要是基于PF的检测前跟踪(track-before-detect,TBD)方法(PF-TBD)。此类方法在目标状态向量中增加表示目标存在状态的离散变量，估计各个时刻的目标存在概率，当存在概率大于给定门限时，即判断目标在该时刻存在。

上述两类方法中，第一类方法虽然可提供给定虚警概率下的目标检测，但无法判断目标出现和消失的具体时刻；第二类方法虽然能够判断目标出现和消失的具体时刻，但采用存在概率描述检测能力，较难用常规的检测概率和虚警概率衡量算法性能。

上述两类方法的关键都是非线性调频信号的瞬时频率估计，瞬时频率估计精度与检测能力直接相关。PF类方法用大量带有权值的随机样本近似目标状态的后验概率密度函数，可提供更准确的非线性调频信号瞬时频率估计，广泛应用于雷信号处理、图像处理等领域。但PF类方法的状态估计精度与收敛速度直接相关。通常，非线性调频信号检测问题的先验信息非常有限，导致PF类方法的收敛速度较慢。此外，有限的先验信息要获得较好的估计结果，就需要大量样本，大量的样本必然带来巨大的计算量。而PF类算法的并行化执行一直是一个难题。因而，在先验信息非常有限的情况下，收敛速度和计算复杂度是限制PF类检测方法的主要因素。

发明内容

针对PF类算法收敛慢和计算复杂度高的问题，本发明的目的在于提供一种基于代价参考粒子滤波器组的检测前跟踪方法，滤波器组具有完全并行结构，基于CRPF bank的估计结果，分别累积各段观测信号，将各段的累积能量与给定门限比较，实现给定虚警概率下目标在各个时刻的目标检测。仿真结果表明，与现有的PF-TBD方法相比，本发明提出的方法检测能力强，运行速率高。

为了实现上述目的，本发明采用的技术方案是：

一种基于代价参考粒子滤波器组的检测前跟踪方法，包括：

1、建立状态空间模型

假设目标存在，将目标回波近似为分段线性调频信号。

1.1回波信号模型

在观测时间t∈[0，T_ob]s内，回波信号(t)是未知的非线性调频信号s(t)与未知的背景噪声w(t)的混合，如下式所示。