• 
    

    
    

      99热精品在线国产_美女午夜性视频免费_国产精品国产高清国产av_av欧美777_自拍偷自拍亚洲精品老妇_亚洲熟女精品中文字幕_www日本黄色视频网_国产精品野战在线观看 ?

      基于粒子濾波TBD的高機(jī)動(dòng)目標(biāo)檢測(cè)技術(shù)

      2018-07-24 09:46:26汪文英王茹琪
      關(guān)鍵詞:機(jī)動(dòng)信噪比多普勒

      楊 帆,汪文英,王茹琪

      (南京電子技術(shù)研究所,江蘇 南京 210039)

      0 引 言

      高機(jī)動(dòng)目標(biāo)檢測(cè)是高頻雷達(dá)信號(hào)檢測(cè)面臨的難題之一。高頻雷達(dá)采用相參體制、通過(guò)提高多普勒分辨率以改善強(qiáng)地海雜波和復(fù)雜外部電磁環(huán)境下的目標(biāo)檢測(cè)能力。對(duì)于相干積累時(shí)間內(nèi)速度近似不變的空中目標(biāo),CIT的增加可有效提高目標(biāo)信噪比;而機(jī)動(dòng)目標(biāo)在CIT內(nèi)速度變化,其多普勒頻率是時(shí)變的、回波信號(hào)相位非線性變化,相參積累后性能下降,表現(xiàn)為多普勒頻譜展寬、信噪比降低[1]。目前針對(duì)弱機(jī)動(dòng)目標(biāo)的處理主要是將其建模為勻加速目標(biāo),采用匹配傅里葉變換法、多項(xiàng)式相位法以及多通道補(bǔ)償法等檢測(cè)。然而高加速、變加速等高機(jī)動(dòng)目標(biāo),在相同的CIT內(nèi),自身的頻譜展寬較弱機(jī)動(dòng)目標(biāo)要更為嚴(yán)重,信噪比損失更大,上述方法受模型失配以及算法魯棒性等因素的影響,檢測(cè)性能下降,需要結(jié)合新的信號(hào)處理技術(shù)減少積累損失,提高高機(jī)動(dòng)目標(biāo)發(fā)現(xiàn)概率。

      檢測(cè)前跟蹤(TBD)技術(shù)是在低信噪比和復(fù)雜背景條件下對(duì)目標(biāo)進(jìn)行檢測(cè)和跟蹤的一種技術(shù)。高機(jī)動(dòng)目標(biāo)由于加速度導(dǎo)致信噪比積累損失,基于相參積累的檢測(cè)方法性能下降。基于多幀積累思想的TBD技術(shù)利用目標(biāo)運(yùn)動(dòng)的相關(guān)性對(duì)回波信號(hào)進(jìn)行非相參積累,凸顯目標(biāo)信息的同時(shí)抑制雜波干擾,從而實(shí)現(xiàn)目標(biāo)能量的有效積累、有效改善檢測(cè)性能。本文將研究利用TBD技術(shù)解決高頻雷達(dá)高機(jī)動(dòng)目標(biāo)檢測(cè)問(wèn)題。

      1 粒子濾波TBD

      檢測(cè)前跟蹤技術(shù)的主要算法為:動(dòng)態(tài)規(guī)劃法[2]、粒子濾波法[3]、霍夫變換法[4]等。其中粒子濾波TBD[3]技術(shù)對(duì)目標(biāo)運(yùn)動(dòng)形式?jīng)]有嚴(yán)格限制,適用于非線性、非高斯情況下的目標(biāo)檢測(cè)。針對(duì)本文所研究的問(wèn)題,選擇研究粒子濾波TBD算法在高機(jī)動(dòng)目標(biāo)檢測(cè)中的應(yīng)用。

      1.1 粒子濾波器

      粒子濾波是由英國(guó)學(xué)者Cordon,Salmond等于1993年提出來(lái)的,又稱為序列重要采樣法,是一種通過(guò)蒙特卡羅積分模擬來(lái)實(shí)現(xiàn)對(duì)貝葉斯濾波遞推的技術(shù)[5]。檢測(cè)方法是利用一序列隨機(jī)樣本(即粒子)的加權(quán)和表示所需的后驗(yàn)概率密度,并用新的量測(cè)數(shù)據(jù)來(lái)不斷更新后驗(yàn)概率,得到狀態(tài)的估計(jì)值。當(dāng)粒子數(shù)很大時(shí),此時(shí)概率估算將等同于后驗(yàn)概率密度,從而得到狀態(tài)的估計(jì)值[5]。

      (1)

      (2)

      根據(jù)遞歸貝葉斯估計(jì)的思想,TBD問(wèn)題被描述為:已知k-1時(shí)刻目標(biāo)狀態(tài)和目標(biāo)存在狀態(tài)的聯(lián)合后驗(yàn)概率密度p(xk-1,Ek-1|Zk-1),在得到最新觀測(cè)數(shù)據(jù)zk的條件下,如何估計(jì)出k時(shí)刻的后驗(yàn)概率密度p(xk,Ek|Zk)。得到了后驗(yàn)概率密度函數(shù)p(xk,Ek=1|Zk)之后,目標(biāo)的存在概率p(Ek=1|Zk)和目標(biāo)的狀態(tài)概率p(xk|Zk)都可以通過(guò)p(xk,Ek=1|Zk)的邊緣概率密度計(jì)算得到。

      1.2 標(biāo)準(zhǔn)SIR-TBD算法步驟

      標(biāo)準(zhǔn)SIR-TBD(Sequential Importance Resampling-Track Before Detect, SIR-TBD)的核心是考慮將Ek變量加入所需估計(jì)的狀態(tài)中去,參與狀態(tài)估計(jì)過(guò)程,定義新的狀態(tài)向量yk=[xkTEk]T。變量Ek表示目標(biāo)是否存在,Ek∈{0,1}。目標(biāo)的存在概率便可以通過(guò)這個(gè)指示目標(biāo)存在與否的變量計(jì)算得到,即混合估計(jì)算法。算法具體流程如下:

      a.粒子初始化

      根據(jù)先驗(yàn)分布抽取N個(gè)隨機(jī)樣本,即粒子。

      b.粒子的出生與死亡

      假設(shè)第k幀有Na個(gè)粒子存活,隨機(jī)選擇NaPd個(gè)粒子死亡,將Ek置為零,選擇(N-Na)Pb個(gè)粒子作為新出生粒子,Ek置1。

      c.預(yù)測(cè)

      第k幀新出生的粒子,進(jìn)行如下抽樣:

      (3)

      從第k-1幀存活下來(lái)的粒子,進(jìn)行如下函數(shù)抽樣:

      (4)

      d.更新

      已經(jīng)死亡的粒子,似然比函數(shù)值為1;

      (5)

      從k幀存活下來(lái)的粒子:

      (6)

      e.權(quán)值歸一化

      (7)

      f.重采樣

      (8)

      g.目標(biāo)估計(jì)

      目標(biāo)狀態(tài)估計(jì)公式為:

      (9)

      目標(biāo)存在概率估計(jì)公式為:

      (10)

      2 SIR-TBD檢測(cè)高頻雷達(dá)高機(jī)動(dòng)目標(biāo)

      假設(shè)機(jī)動(dòng)目標(biāo)在距離-多普勒平面內(nèi)運(yùn)動(dòng),由于飛機(jī)目標(biāo)速度變化快,因此考慮處理一個(gè)相干積累時(shí)間內(nèi)的回波數(shù)據(jù)。將一個(gè)CIT內(nèi)的數(shù)據(jù)分為多個(gè)小段數(shù)據(jù),再進(jìn)行分段相干積累,分成的數(shù)據(jù)段數(shù)根據(jù)雷達(dá)具體參數(shù)選擇。假定每小段相干積累時(shí)間內(nèi)目標(biāo)速度近似不變(目標(biāo)在該段時(shí)間內(nèi)速度變化不超過(guò)5%),各分段積累時(shí)刻間認(rèn)為機(jī)動(dòng)目標(biāo)做近似勻加速運(yùn)動(dòng),每個(gè)分段積累結(jié)果作為一幀觀測(cè)數(shù)據(jù)。一般情況下變加速機(jī)動(dòng)目標(biāo)在一個(gè)相干積累時(shí)間內(nèi)并不完全遵從變加速運(yùn)動(dòng)規(guī)律,同樣假定它們?cè)诜侄魏蟮南喔煞e累時(shí)間內(nèi)速度近似不變,目標(biāo)在分段積累時(shí)間段間做帶有一定的加加速度擾動(dòng)的勻變速運(yùn)動(dòng),即可近似描述變加速目標(biāo)的運(yùn)動(dòng)狀態(tài)。

      2.1 機(jī)動(dòng)目標(biāo)運(yùn)動(dòng)模型

      假設(shè)某距離單元第k幀的目標(biāo)狀態(tài)為:

      (11)

      機(jī)動(dòng)目標(biāo)轉(zhuǎn)移狀態(tài)方程為:

      Xk+1=FXk+EVk

      (12)

      其中:

      (13)

      (14)

      2.2 觀測(cè)模型

      將分段相干積累所得到的K組數(shù)據(jù)作為K個(gè)連續(xù)時(shí)刻的觀測(cè)數(shù)據(jù):

      (15)

      3 實(shí)驗(yàn)結(jié)果

      3.1 回波數(shù)據(jù)處理

      圖1為某幀回波數(shù)據(jù)頻譜圖和時(shí)頻分析圖,從該目標(biāo)所在距離單元頻譜圖1(a)中可知其多普勒頻譜有展寬,目標(biāo)信噪比損失;此外結(jié)合對(duì)該數(shù)據(jù)的短時(shí)傅立葉變換分析圖1(b)認(rèn)為目標(biāo)為機(jī)動(dòng)目標(biāo),做近似勻加速運(yùn)動(dòng),可以計(jì)算得出該機(jī)動(dòng)目標(biāo)平均加速度絕對(duì)值大于1 g,判斷該目標(biāo)為高機(jī)動(dòng)目標(biāo)。目標(biāo)信噪比約為12 dB。

      圖1 某幀數(shù)據(jù)高機(jī)動(dòng)目標(biāo)分析圖

      圖2 SIR-TBD對(duì)高機(jī)動(dòng)目標(biāo)的檢測(cè)跟蹤結(jié)果

      從圖2(c)可以看出,前兩個(gè)時(shí)刻目標(biāo)存在概率估計(jì)小于門限值0.6,其余時(shí)刻目標(biāo)存在概率均大于ηd=0.6。檢測(cè)結(jié)果出現(xiàn)時(shí)延是由于目標(biāo)加速度太大,頻譜展寬嚴(yán)重,信噪比有所降低引起的。多普勒及多普勒增量的估計(jì)理論值是根據(jù)時(shí)頻分析的平均加速度計(jì)算所得,圖2(a)中可見(jiàn)目標(biāo)多普勒估計(jì)值與理論值基本相符,圖2(b)中前幾個(gè)時(shí)刻點(diǎn)多普勒增量與假定真實(shí)值存在少許偏差,但該偏差在允許范圍之內(nèi)。

      根據(jù)SIR-TBD對(duì)該組回波數(shù)據(jù)的驗(yàn)證結(jié)果可知SIR-TBD受加速度范圍的影響不大,對(duì)于信噪比滿足一定條件、加速度值大于1 g的高機(jī)動(dòng)目標(biāo)具有較好的檢測(cè)效果,同時(shí)能夠較準(zhǔn)確地估計(jì)出目標(biāo)的運(yùn)動(dòng)參數(shù)速度和加速度,獲取更為全面的目標(biāo)信息。

      3.2 檢測(cè)性能曲線比較

      為了更直觀地比較粒子濾波TBD算法與常規(guī)機(jī)動(dòng)目標(biāo)處理的檢測(cè)性能,考慮在回波數(shù)據(jù)中添加不同信噪比的機(jī)動(dòng)目標(biāo),通過(guò)1000次蒙特卡羅實(shí)驗(yàn)得到虛警概率Pfa=10-3條件下,兩種算法在相同虛警條件下的Pd-SNR關(guān)系曲線。其中常規(guī)機(jī)動(dòng)目標(biāo)處理采用性能較好的改進(jìn)多通道補(bǔ)償法。

      SIR-TBD算法的檢測(cè)概率Pd定義為:15個(gè)時(shí)刻內(nèi),目標(biāo)估計(jì)概率大于門限ηd的時(shí)刻點(diǎn)數(shù)目大于等于10個(gè),且目標(biāo)檢測(cè)時(shí)延小于等于3個(gè)時(shí)刻點(diǎn)的概率。圖3為機(jī)動(dòng)目標(biāo)加速度a=10 m/s2,Pfa=10-3時(shí)兩種算法Pd-SNR關(guān)系曲線。

      圖3 兩種算法Pd-SNR關(guān)系曲線比較

      由圖3關(guān)系曲線對(duì)比看出,信噪比10 dB時(shí),SIR-TBD算法獲得的檢測(cè)概率為87.5%,改進(jìn)多通道補(bǔ)償法獲得的檢測(cè)概率僅有9.7%。SIR-TBD算法受目標(biāo)加速度范圍影響較小,相比改進(jìn)多通道補(bǔ)償法可獲得7 dB左右的性能改善,提高了高機(jī)動(dòng)目標(biāo)的檢測(cè)性能。

      4 結(jié) 語(yǔ)

      本文針對(duì)高頻雷達(dá)在高機(jī)動(dòng)目標(biāo)檢測(cè)中存在的難題,提出基于粒子濾波SIR-TBD高機(jī)動(dòng)目標(biāo)檢測(cè)算法。對(duì)回波數(shù)據(jù)的處理驗(yàn)證了該算法可成功檢測(cè)加速度值大于1 g的高機(jī)動(dòng)目標(biāo),并可獲得較為精確的目標(biāo)多普勒變化信息,有效抑制虛警。蒙特卡羅仿真表明,與常規(guī)機(jī)動(dòng)目標(biāo)檢測(cè)方法相比,相同虛警概率條件下,SIR-TBD算法處理高機(jī)動(dòng)目標(biāo)可獲得7 dB左右的性能提高。該方法經(jīng)回波數(shù)據(jù)驗(yàn)證,具備一定的工程可行性。

      猜你喜歡
      機(jī)動(dòng)信噪比多普勒
      裝載機(jī)動(dòng)臂的疲勞壽命計(jì)算
      基于深度學(xué)習(xí)的無(wú)人機(jī)數(shù)據(jù)鏈信噪比估計(jì)算法
      12萬(wàn)畝機(jī)動(dòng)地不再“流浪”
      機(jī)動(dòng)三輪車的昨天、今天和明天
      低信噪比下LFMCW信號(hào)調(diào)頻參數(shù)估計(jì)
      低信噪比下基于Hough變換的前視陣列SAR稀疏三維成像
      基于多普勒效應(yīng)的車隨人動(dòng)系統(tǒng)
      電子器件(2015年5期)2015-12-29 08:43:38
      保持信噪比的相位分解反褶積方法研究
      海上機(jī)動(dòng)之師
      基于多普勒的車輛測(cè)速儀
      达日县| 高邮市| 浮梁县| 赤峰市| 同心县| 焦作市| 江阴市| 墨江| 巴彦县| 镇康县| 肃宁县| 九江市| 怀宁县| 沈丘县| 江口县| 贺兰县| 安泽县| 漠河县| 蓝山县| 麟游县| 家居| 白城市| 德安县| 昌乐县| 阳新县| 怀安县| 察哈| 玛沁县| 阜城县| 无锡市| 新田县| 民勤县| 林芝县| 武川县| 岱山县| 沁源县| 上思县| 石首市| 柳河县| 沙雅县| 湘阴县|