本发明专利技术公开一种基于相控阵雷达系统的压缩传感-检测前跟踪方法，包括：(1)用噪声驱动压缩传感算法重构表征雷达稀疏场景的稀疏信号；(2)把潜在的目标占用的点从和噪声对应的点中区分出来；(3)用K-均值聚类方法对潜在目标进行分群；(4)输出检测目标轨迹。本发明专利技术应用压缩传感技术，为一系列连续扫描中的每个距离门重构整个雷达场景；本发明专利技术不但在连续的扫描中进行实时跟踪，而且基于从多个照度获得的信息在每次扫描中进行实时跟踪；本发明专利技术提出的噪声驱动压缩传感算法能有效重构雷达稀疏场景，而不需要因为优化传输波形而改变现有的硬件系统；另一方面，在每次扫描中进行的及时的跟踪，能够基于从多个照度获得的信息，有效地从假目标和杂波中辨别真实的目标。
【技术实现步骤摘要】
本专利技术涉及雷达信号处理
，特别涉及一种基于相控阵雷达系统的压缩传感_检测如跟踪方法。
技术介绍
检测前跟踪(TBD)算法应用未设门限的测量值同时进行检测和跟踪目标。TBD算法要求通过处理连续扫描中的没有设置门限的测量值来检测目标和跟踪目标轨迹。然而，TBD算法的计算复杂度大大的高于传统的跟踪算法。在最近的几年里，TBD算法已经广泛应用于雷达系统。在文献[I]中，连续时间、连续振幅信号被离散化来反映覆盖范围的功能区分和距离选通操作，并且用一个像Viterbi的跟踪算法来进行一个广义的似然比检验(GLRT)。在文献[2]中，作者对时间-空间自适应处理(STAP)雷达提出了一系列TBD策略。基于一个GLRT和特别的程序，可以得到用于两个不同场景(等效的协方差矩阵和非等效的协方差矩阵)的探测器。基于空间-时间数据，文献[3]提出来了许多新的针对自适应检测和跟踪的算法。总之，TBD技术的主要问题是，在很大的非线性范围内，测量值由目标的状态决定。解决这非线性滤波问题的一个可能方法是使用粒子滤波。一个可供选择的方案是离散目标状态空间。大量基于压缩传感的方法已经用于雷达系统，这些方法从比传统测量方法更少的测量值中恢复目标场景。在文献[4]中，结果表明压缩传感在接收端能够消除对匹配的滤波器的需求，并且有减少所需样品频率的潜力。在探地雷达(GPR)的环境里，文献[5]介绍了一个基于压缩传感的数据采集和成像算法。在空间中，通过使用目标的稀疏性，TBD算法能够用比标准的反向投影方法更少的测量值产生更加锐化的目标空间图像。文献[6]把目标在时间-频率平面的稀疏性应用于雷达方面。最近，文献[7，8]介绍了另外的传感矩阵H并且通过对以奈奎斯特频率采样的直接数据进行非适应、线性投影，进一步压缩了接收到的信号。文献[7]则最优化了传输的波形以减少传感矩阵和基础矩阵间的相关性。而文献单独地、同时地介绍了最优化传输波形和传感矩阵的方法，以减少不同目标响应间的交叉关联。然而，这些方法都没提到附加传感矩阵的硬件实现，这种硬件实现是非常复杂和昂贵的。参考文献:[1]S.Buzzi, M.Lops, L.Venturino, Track-before-detect procedures for earlydetection of moving target from airborne radars, IEEE Transaction on Aerospaceand Electronic Systems.41 (3) (2005) 937-954.[2] D.0rlando, L.Venturino, M.Lops, G.Ricci, Track-before-detectstrategies for STAP radars, IEEE Transactions on Signal Processing.58(2) (2010)933-938.[3]D.0rlando, G.Ricci, Y.Bar-Shalomj Track-before-detect algorithms fortargets with kinematic constraints,IEEE Transaction on Aerospace and ElectronicSystems.47(3) (2011) 1837-1849.[4]R.Baraniuk,P.Steeghs, Compressive radar imaging, Proc.RadarConference.(2007)128-133.[5]A.Gurbuz, J.McClellan, ff.Scott, Compressive sensing for GPRimaging, Proc.41th Asilomar Conf.Signals, Syst.Comput.(2007) 2223-2227.[6]M.Herman, T.Strohmer, Compressed sensing radar, IEEE Transactions onSignal Processing.13(10) (2006) 589-592.[7]Y.Yu, A.Petropulu, H.Poor, Measurement matrix design for compressivesensing based MIMO radar, IEEE Transactions on Signal Processing.59 (11) (2011)5338-5352.[8] J.Zhang, D.Zhu, G.Zhang, Adaptive compressed sensing radar orientedtoward cognitive detection in dynamic sparse target scene, IEEE Transactions onSignal Processing.60(4) (2012) 1718-1729.
技术实现思路
本专利技术的目的在于提供一种，以解决上述技术问题。本专利技术方法基于有线宽度的天线波束，在每次扫描中，一个目标通常被一系列连续的而不是单一的照度照亮。因此，我们不但在连续的扫描中进行实时跟踪，而且基于多个照度获得的信息，在每次扫描中都进行了实时跟踪。这个TBD在重建的距离-DOA-多普勒空间跟踪和检测多个目标，有效避免了非线性问题。在本专利技术中，我们采用确定传感矩阵——一个由空间-时间方向向量组成的基字典——来重构稀疏雷达场景。这不需要传输波形的最优化而改变现有的硬件系统。然而，在这个应用中，基字典具有高相关性。根据相关文献，不能以很大的概率保证一个稀疏向量的完美重构。如果单纯依靠原始基字典，就会存在一个大的重构误差。因此，本专利技术提出了一种噪声驱动压缩传感的方法，通过减少原始基字典的相关性来减少重构误差。这种方法通过合并测量噪声e，建立一个和压缩传感标准模型等效的系统，产生一个等效的基字典。受到压缩传感中的普适定律——低相关性保证稀疏向量以很大的可能性完美重构——的启发，等效的基字典在一个基于马尔科夫链蒙特卡罗(MCMC)的框架中迭代更新，以减少在特定的列与列之间大的相关性。同时，该方法通过调整一个噪声相关矩阵来存储原始基字典的大部分信息。由于测量噪声的并入，该方法能够处理大幅噪声并且能够高效地检测低信噪比(SNR)的目标。然而，一些假目标以很小的可能性出现在重建的稀疏雷达场景中。幸运的是，上文所提到在每次扫描过程中执行的实时跟踪，能够根据从多个照度中获得的信息，有效地从假目标中辨别真目标。我们的仿真结果表明，在每次扫描过程中，我们所提出的TBD算法和在每次扫描过程中执行的实时跟踪能够在一个杂波环境中成功地检测测和跟踪多个目标。为了实现上述目的，本专利技术采用如下技术方案:一种，包括以下步骤:(I)用噪声驱动压缩传感算法重构表征雷达稀疏场景的稀疏信号Xl，m ；(2)把潜在的目标占用的点从和噪声对应的点中区分出来；(3)用K-均值聚类方法对潜在目标进行分群；(4)输出检测目标轨迹。本专利技术进一步的改进在于:步骤(I)中重构稀疏信号Xl，m的具体实现步骤如下:〈1> 初始化:τ =0，X0=R本文档来自技高网...
【技术保护点】
一种基于相控阵雷达系统的压缩传感?检测前跟踪方法，其特征在于，包括以下步骤：(1)用噪声驱动压缩传感算法重构表征雷达稀疏场景的稀疏信号xl,m；(2)把潜在的目标占用的点从和噪声对应的点中区分出来；(3)用K?均值聚类方法对潜在目标进行分群；(4)输出检测目标轨迹。
【技术特征摘要】
1.种基于相控阵雷达系统的压缩传感-检测前跟踪方法，其特征在于，包括以下步骤: (1)用噪声驱动压缩传感算法重构表征雷达稀疏场景的稀疏信号Xl，m; (2)把潜在的目标占用的点从和噪声对应的点中区分出来； (3)用K-均值聚类方法对潜在目标进行分群； (4)输出检测目标轨迹。2.据权利要求1所述的一种基于相控阵雷达系统的压缩传感-检测前跟踪方法，其特征在于，步骤(I)中重构稀疏信号Xl，m的具体实现步骤如下: <1>初始化:3.据权利要求1所述的一种基于相控阵雷达系统的压缩传感-检测前跟踪方法，其特征在于，步骤(I)中重构稀疏信号Xl，m方法的步骤〈2>中减少相关性的具体步骤如下: 1、输入矩阵Ψ和门限值T。，其中Ψ是一个普适的MXN的矩阵； i1、计算矩阵Ψ的任意两列的相关系数，具体方法为:4.据权利要求1所述的一种基于相控阵雷达系统的压缩传感-检测前跟踪方法，其特征在于，步骤(2)具体方法如下: PTliffl(C)表示位于第m...
【专利技术属性】
技术研发人员：刘静，韩崇昭，郭同兴，姚向华，
申请(专利权)人：西安交通大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。