基于目标存在概率斜率的epf-tbd方法
【技术领域】
[0001] 本发明属于通信雷达技术领域，特别涉及低信噪比下检测前跟踪中的基于粒子滤 波的检测前跟踪技术。
【背景技术】
[0002] 在现代战争中为了能够尽早发现敌方目标，为后方指挥和防御系统争取反应时 间，需要雷达能够在远距离处监测目标，例如天波超视距雷达、远距离的红外搜索与跟踪系 统等。在这种应用场景中，往往由于特殊的雷达回波特点造成噪声和杂波相当复杂，使得监 视目标信噪比很低。检测前跟踪（TrackbeforedeteCt，TBD)算法经过多帧数据积累后按 照某种规则进行检测判决，检测到目标存在就能同时给出跟踪结果，这样可以很好地解决 低信噪比下的目标检测问题。粒子滤波本质上是一种密度估计技术，这不同于传统技术中 直接的状态估计，它可以对目标状态的估计结果进行可能性描述，因此可以用于实现贝叶 斯TBD。
[0003] 迄今为止，已出现了众多TBD的实现方法。递归贝叶斯滤波（recursiveBayesian filters)(见 文献：Track-before-detectmethodsintrackinglow-observable targets:asurvey[J].HadzagicM,MichalskaH,LefebvreE.Sensors&Transducers Magazine(S&Te-Digest)，SpecialIssue, 2005,（8) : 374-380)，与其它TBD算法最大的不 同之处在于通过目标运动模型和传感器观测模型，完整地引入了跟踪的思想和算法。其中 基于蒙特卡罗采样近似的粒子滤波（particlefilter，PF)算法是最常用的手段，基于粒子 滤波的检测前跟踪（particlefilterbasedTBD，PF-TBD)处理，由于实现过程简单，精度 又可以逼近最优估计，是当前弱目标TBD在实现手段方面的研究热点，非常适合处理低信 噪比情况下的检测问题。
[0004] 2001年，Salmond等人提出了 一种利用粒子滤波递归解决TBD问题的方法 (见文 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：增加一个用来描述目标存在与否的离散变量，并 使其服从马尔可夫变换，用转移概率控制它的变化，利用粒子滤波算法对该离散变量和目 标状态向量进行混合估计，统计估计结果中表示目标出现粒子的数量，将它与粒子总数的 比值作为目标存在概率的估计结果，通过比较这个估计值与预设门限判断目标存在与否， 这样就完成了对目标的检测前跟踪。
[0005] 在跟踪部分Boers从理论上证明了最小均方误差意义下的最优估计可以利 用粒子集中估计得到，只要粒子数目足够大。在检测部分Boers证明了可以通过构造 似然比来检测目标（见文献：Particlefilterbaseddetectionfortracking[C]， BoersY,Driessen.ProceedingsoftheAmericanControlConference,Washington ，USA, 25-27June，2001，6:4393-4397.)，通过他的证明我们可以认为粒子权重和似然比 在本质上是一致的，这样就能利用粒子的未归一化权重来构造似然比以进行检测。在 前人工作的基础上，2004年Ristic等人系统的阐释了粒子滤波算法在检测和跟踪中的 应用。Rutten在瑞利噪声情况下推导出了EPF-TBD算法（Efficientparticle-based track-before-detectinRayleighnoise[C],M.G.Rutten,N.J.Gordon,S.Maskell Proceedingofthe7thInternationalConferenceofInformationFusion,Stockholm ，Sweden, 2004:693-700.)，这种算法不同于Salmond等人提出的标准的EPF-TBD算法，其忽 略表示目标不存在的粒子的影响，极大地提高了对粒子信息的使用效率。
[0006]EPF-TBD算法实现过称为：（1)依据目标存在状态将粒子滤波除去死亡粒子得到 存活粒子，其中存活粒子包括继续粒子和新生粒子；（2)利用继续粒子和新生粒子联合估 计目标状态，通过归一化权重递归估计出目标的存在概率；（3)将目标的存在概率与门限 值比较判断，目标的存在概率大于门限值则表示目标存在，否则表示目标不存在。
[0007]EPF-TBD算法在低信噪比下目标存在状态改变时会产生漏检和虚警问题。
【发明内容】
[0008] 本发明所要解决的技术问题是，提供一种检测性能更优的改进的EPF-TBD方法。
[0009] 本发明为解决上述技术问题所采用的技术方案是，基于目标存在概率斜率的 EPF-TBD方法，包括以下步骤：
[0010] 粒子分类步骤：依据当前时刻的目标存在状态将粒子滤波除去死亡粒子得到当前 时刻的存活粒子，其中存活粒子包括继续粒子和新生粒子；
[0011] 存在概率计算步骤：利用继续粒子和新生粒子联合估计当前时刻的目标状态，通 过归一化权重递归估计出当前时刻的目标的存在概率；
[0012] 存在判决步骤：初始时刻，将当前时刻的目标的存在概率与门限值比较判断，当前 时刻的目标的存在概率大于门限值则表示当前时刻的目标的存在判决为目标存在，否则表 示当前时刻的目标的存在判决为目标不存在；
[0013] 初始时刻之外的其它时刻，判断判断当前时刻的目标的存在概率与上一时刻的目 标的存在概率的变化量是否大于阈值，如是，则当前时刻的目标的存在判决与上一时刻的 目标的存在判决结果不同，否则当前时刻的目标的存在判决与上一时刻的目标的存在判决 结果相同。
[0014] 本发明的有益效果是，利用1个单位时间的目标的存在概率的变化量结合上一时 刻目标的存在判决结果进行检测，从而改进EPF-TBD算法，通过仿真结果表明，较现有的 EPF-TBD方法，本发明能有效缓解漏检和虚警问题，检测性能更优。
【附图说明】
[0015] 图1信噪比为3dB情况下单次实验目标存在概率结果。
[0016] 图2不同信噪比下现有EPF-TBD算法与本发明的平均检测概率结果。
[0017] 图3不同信噪比下现有EPF-TBD算法与本发明的平均虚警概率结果。
【具体实施方式】
[0018]本发明主要是通过当前时刻和上一时刻的目标存在概率计算当前时刻对应的目 标存在概率的斜率，由于是以1个单位时间的斜率，因此1个单位时间的变化量就能表示斜 率。
[0019] 为描述方便，首先对现有术语进行如下说明：
[0020] 粒子滤波（ParticleFilter，PF):粒子滤波是一种利用蒙特卡洛积分思想获得贝 叶斯估计中的积分运算的近似结果的统计滤波方法。其主要思想是在状态空间中获得一组 可以近似描述目标状态的后验概率分布的随机样本，这些样本被称为粒子，根据蒙特卡洛 积分思想利用粒子均值代替积分运算即可获得最小均方误差意义下的目标状态估计结果。
[0021] 检测前跟踪（Trackbeforedetect，TBD) :TBD的主体思路是非相参积累，观测数 据直接来源于原始传感器，通过建立目标跟踪模型，所有的信息在被使用的同时随时间完 成累积，在处理过程的最后才进行检测，检测到目标存在就能同时给出跟踪结果。
[0022] 平均检测概率和平均虚警概率：平均检测概率Pd和平均虚警概率PF定义如下：
[0025] 其中，Nni。表示蒙特卡洛仿真次数，MMlst表示单次蒙特卡洛仿真中真实目标存在的 采样间隔次数，Md(k)表示第k次蒙特卡洛仿真中目标真实存在过程中检测到目标存在的次 数，Mncital^t表示单次蒙特卡洛仿真中真实目标不存在的采样间隔次数，MncidGO表示第k次 蒙特卡洛仿真中真实目标不存在过程中检测到目标存在的次数。
[0026] 本发明方法包括以下步骤：
[0027] 步骤1初始化粒子状态时根据先验信息采样得到N。个表示目标存在的粒子，k时 刻产生Nb个新生粒子，新生粒子状态为：
[0028] - (6(?.)Eh = = 0：,Zi)
[0029] 其中，（b)i表示第i个新生粒子，i= 1,…，Nb，Nb表示新生粒子总数，Ek= 1表示 k时刻目标存在，Eki= 0表示k-1时刻目标不存在，zk表示k时刻观测值序列，函数q()表 产生新生粒子的重要密度函数，~表示新生粒子服从函数q()的分布；
[0030] 未归一化粒子权重利用似然比计算
[0035] 步骤2按下面的重要度函数采样继续粒子
[0036] x(；], -gix.lx^E^hE,^=1,?)
[0037] 未归一化粒子权重
[0041] (c)i表示第i个继续粒子，i=1，…，N。，N。表示继续粒子总数；
[0042] 步骤3两类粒子的混合概率遍^和1^:分别用未归一化权重的和以及上一时刻的目 标存在概率来计算
[0051] 将两个粒子集联合为一个大的粒子集
[0052] =
[0053] 步骤5从上式的NJNb个粒子中重采样得到N。个粒子，即降采样，从而得到k时刻 滤波后的粒子集为{(?，I/OU' = 1，?.…D"。
[0054] 步骤6计算当前时刻的目标存在概率惠。
[0056] 上述步骤1-6与现有EPT-TBD方法相同。
[0057] 步骤7用爲(表示k时刻的目标存在状态的估计结果，k=1时刻，当汽 > 心时，判 断目标存在状态氣=1，否则爲=0 :;当4-4=〇时，若4-41>%，则4 = 1，否则4=〇 ; 当矣=1时，若4 -為i<知，则总=〇，否则A=丨，当4=1时同时给出目标状态估计结 果：