一種臨近空間高超聲速目標(biāo)檢測(cè)前跟蹤算法

李 林，王國(guó)宏，于洪波，譚順成

(海軍航空工程學(xué)院信息融合研究所，煙臺(tái)264001)

一種臨近空間高超聲速目標(biāo)檢測(cè)前跟蹤算法

李 林，王國(guó)宏，于洪波，譚順成

(海軍航空工程學(xué)院信息融合研究所，煙臺(tái)264001)

針對(duì)傳統(tǒng)算法無(wú)法對(duì)臨近空間高超聲速目標(biāo)進(jìn)行有效檢測(cè)的問(wèn)題，提出了一種基于Hough變換和多條件約束的檢測(cè)前跟蹤算法。首先采用時(shí)間-徑向距離量測(cè)(TBD)數(shù)據(jù)進(jìn)行Hough變換，將參數(shù)空間變量θ作為積累約束條件來(lái)避免無(wú)效積累，得到目標(biāo)可能航跡；之后對(duì)所有可能航跡進(jìn)行速度約束和航向約束，進(jìn)一步剔除虛假航跡和航跡內(nèi)雜波點(diǎn)；最后對(duì)同一目標(biāo)航跡進(jìn)行合并，得到最終確認(rèn)航跡。通過(guò)仿真對(duì)算法有效性進(jìn)行了驗(yàn)證，并分析了不同信噪比和雜波密度條件下的算法性能，仿真結(jié)果表明，算法能夠在雜波環(huán)境下對(duì)臨近空間高超聲速目標(biāo)進(jìn)行有效檢測(cè)。

Hough變換；多條件約束；臨近空間；高超聲速目標(biāo)；檢測(cè)前跟蹤(TBD)

0 引 言

臨近空間高超聲速飛行器是指在距離地面20～100千米，以馬赫數(shù)大于5的速度進(jìn)行飛行的飛行器。其具有飛行速度快、巡航高度高、突防能力強(qiáng)的作戰(zhàn)特點(diǎn)，隨著臨近空間高超聲速飛行器技術(shù)的不斷成熟及其在軍事領(lǐng)域的進(jìn)一步應(yīng)用，必將對(duì)國(guó)家空天安全產(chǎn)生戰(zhàn)略性影響[1-3]。因此，針對(duì)臨近空間高超聲速目標(biāo)的檢測(cè)跟蹤已經(jīng)成為了一個(gè)亟待解決的問(wèn)題。

近年來(lái)，眾多學(xué)者對(duì)這一問(wèn)題展開(kāi)了積極研究，文獻(xiàn)[4]通過(guò)分析高超聲速目標(biāo)運(yùn)動(dòng)對(duì)雷達(dá)檢測(cè)的影響，提出了一種采用參數(shù)估計(jì)進(jìn)行補(bǔ)償?shù)姆椒ㄟM(jìn)行目標(biāo)檢測(cè)，有效消除了多普勒模糊現(xiàn)象；文獻(xiàn)[5]針對(duì)臨近空間高超聲速目標(biāo)的跟蹤問(wèn)題，提出了一種基于目標(biāo)軌跡特性分析的三維投影跟蹤算法，具有較好的定位跟蹤效果。但是，上述文獻(xiàn)均是建立在傳統(tǒng)先檢測(cè)后跟蹤方法上的，而對(duì)低信噪比(SNR)條件下的臨近空間高超聲速目標(biāo)檢測(cè)跟蹤問(wèn)題未進(jìn)行充分討論，而檢測(cè)前跟蹤(Track-before-detect, TBD)技術(shù)作為一種典型的非相參積累技術(shù)，是提高目標(biāo)SNR進(jìn)行檢測(cè)的有效手段。

TBD技術(shù)是一種實(shí)現(xiàn)微弱目標(biāo)檢測(cè)跟蹤的有效方法，其不在每次掃描時(shí)對(duì)目標(biāo)進(jìn)行檢測(cè)，而是對(duì)來(lái)自同一目標(biāo)的回波信息進(jìn)行非相參積累，提高目標(biāo)的SNR，在獲取檢測(cè)結(jié)果的同時(shí)，還可以獲取目標(biāo)的航跡[6]?，F(xiàn)有的TBD算法主要有：Hough變換(HT)TBD算法、動(dòng)態(tài)規(guī)劃(DP)TBD算法、粒子濾波(PF)TBD算法等[7-9]。其中，Hough變換由于具有對(duì)局部缺損的不敏感，對(duì)隨機(jī)噪聲的魯棒性等優(yōu)點(diǎn)，使得HT-TBD算法在雷達(dá)目標(biāo)檢測(cè)跟蹤領(lǐng)域應(yīng)用廣泛[10]。

目前，針對(duì)常規(guī)目標(biāo)的HT-TBD算法研究已經(jīng)較為成熟，文獻(xiàn)[11-13]首次將Hough變換應(yīng)用到搜索雷達(dá)中，建立了基于Hough變換的低可觀測(cè)目標(biāo)檢測(cè)理論；文獻(xiàn)[14]提出了一種針對(duì)強(qiáng)雜波環(huán)境下基于多維Hough變換的TBD算法，對(duì)于直線運(yùn)動(dòng)條件下的多目標(biāo)檢測(cè)效果較好；文獻(xiàn)[15]提出了一種基于遍歷Hough變換的弱目標(biāo)TBD算法，利用不同掃描時(shí)刻數(shù)據(jù)遍歷求取目標(biāo)運(yùn)動(dòng)參數(shù)的方法，有效提高了檢測(cè)概率和算法效率。以上算法均能實(shí)現(xiàn)對(duì)常規(guī)目標(biāo)的有效檢測(cè)并獲得目標(biāo)航跡，但是對(duì)于臨近空間高超聲速目標(biāo)，由于其探測(cè)距離遠(yuǎn)，導(dǎo)致目標(biāo)量測(cè)數(shù)據(jù)相對(duì)目標(biāo)真實(shí)軌跡偏差較大[16]，并且由于目標(biāo)飛行速度快，使相關(guān)波門(mén)增大，造成落入波門(mén)內(nèi)的雜波點(diǎn)增多，使得傳統(tǒng)算法很難對(duì)臨近空間高超聲速目標(biāo)進(jìn)行有效的檢測(cè)跟蹤。

針對(duì)上述問(wèn)題，本文提出了一種基于Hough變換和多條件約束的臨近空間高超聲速目標(biāo)檢測(cè)前跟蹤算法。首先，對(duì)量測(cè)數(shù)據(jù)中的時(shí)間、徑向距離數(shù)據(jù)進(jìn)行規(guī)格化處理，利用變換后的時(shí)間-徑向距離數(shù)據(jù)進(jìn)行Hough變換，并利用參數(shù)空間變量θ作為積累約束條件來(lái)避免無(wú)效積累，得到目標(biāo)可能航跡；之后根據(jù)目標(biāo)運(yùn)動(dòng)特性設(shè)立速度波門(mén)與角度波門(mén)，對(duì)可能航跡進(jìn)行速度約束與角度約束，對(duì)可能航跡進(jìn)行進(jìn)一步的篩選；最后對(duì)同一目標(biāo)航跡進(jìn)行合并，得到最終確認(rèn)航跡。仿真結(jié)果表明，本文算法能夠?qū)崿F(xiàn)對(duì)臨近空間高超聲速目標(biāo)的有效檢測(cè)并得到目標(biāo)航跡。

1 目標(biāo)模型

考慮點(diǎn)目標(biāo)運(yùn)動(dòng)場(chǎng)景，則k時(shí)刻目標(biāo)狀態(tài)向量Xk可表示為：

(1)

Xk+1=FXk+Gkvk

(2)

式中：F為狀態(tài)轉(zhuǎn)移矩陣，Gk為過(guò)程噪聲分布矩陣，vk為零均值高斯過(guò)程噪聲。

令zk(x,y)表示k時(shí)刻量測(cè)點(diǎn)(x,y)的回波能量信息

(3)

式中：δk(x,y)為高斯白噪聲，各幀間相互獨(dú)立，滿(mǎn)足δk(x,y)～N(0,σ2)，Sk(x,y)為目標(biāo)在量測(cè)時(shí)刻k對(duì)(x,y)的強(qiáng)度貢獻(xiàn)值。

2 算法原理

基于Hough變換的TBD方法通常采用位置量測(cè)數(shù)據(jù)進(jìn)行變換，但對(duì)于臨近空間高超聲速目標(biāo)，為保證足夠的預(yù)警時(shí)間，雷達(dá)對(duì)目標(biāo)進(jìn)行探測(cè)時(shí)，目標(biāo)與雷達(dá)之間的距離通常很遠(yuǎn)，在雷達(dá)的方位角量測(cè)精度不高的情況下，所獲得的目標(biāo)位置量測(cè)數(shù)據(jù)誤差較大，很難實(shí)現(xiàn)對(duì)目標(biāo)的檢測(cè)跟蹤。假設(shè)雷達(dá)測(cè)角誤差為△α，目標(biāo)徑向距離為r，則由測(cè)角誤差引起的目標(biāo)橫向偏差△r為：

(4)

根據(jù)式(4)，假設(shè)雷達(dá)測(cè)角誤差為0.2°，目標(biāo)徑向距離為500km，則目標(biāo)橫向偏差可達(dá)到1.7km，根據(jù)高斯噪聲隨機(jī)分布準(zhǔn)則，目標(biāo)橫向偏差將在(0km,5.1km)內(nèi)隨機(jī)產(chǎn)生?？梢钥闯?，雷達(dá)測(cè)角誤差對(duì)于臨近空間高超聲速目標(biāo)位置量測(cè)數(shù)據(jù)影響較大，但目標(biāo)徑向距離數(shù)據(jù)僅受測(cè)距誤差影響，精度較高，選用時(shí)間-徑向距離量測(cè)數(shù)據(jù)可有效避免測(cè)角誤差影響。

因此本文選用時(shí)間-徑向距離量測(cè)數(shù)據(jù)進(jìn)行Hough變換，目標(biāo)在時(shí)間-徑向距離平面的運(yùn)動(dòng)軌跡可近似為直線，其運(yùn)動(dòng)軌跡可表示為：

ρ=tcosθ+rsinθ

(5)

式中：ρ為原點(diǎn)到直線的法線距離，θ為該法線與橫軸正向的夾角。

時(shí)間數(shù)據(jù)直接表征了目標(biāo)運(yùn)動(dòng)的時(shí)序信息，利用時(shí)間信息可以剔除大量不符合運(yùn)動(dòng)規(guī)律的虛假軌跡。但同時(shí)，經(jīng)過(guò)Hough變換后得到的可能航跡中，仍然包含虛假航跡，為進(jìn)一步剔除虛假航跡和航跡內(nèi)雜波點(diǎn)，需要在位置量測(cè)數(shù)據(jù)平面內(nèi)對(duì)可能航跡進(jìn)行速度約束和航向約束。下面給出算法的具體實(shí)現(xiàn)過(guò)程。

2.1 時(shí)間-徑向距離平面Hough變換

對(duì)接收到的雷達(dá)原始量測(cè)數(shù)據(jù)，進(jìn)行時(shí)間-徑向距離平面Hough變換，形成可能航跡，主要包括以下幾個(gè)步驟：

步驟 1. 根據(jù)初始虛警概率Pfa設(shè)置初始門(mén)限，以消除部分雜波影響，得到過(guò)門(mén)限后的量測(cè)數(shù)據(jù)，包含量測(cè)點(diǎn)的距離、方位、時(shí)間和能量信息。

步驟 2. 對(duì)超過(guò)初始門(mén)限的量測(cè)數(shù)據(jù)進(jìn)行規(guī)格化處理。文獻(xiàn)[17]指出，當(dāng)數(shù)據(jù)空間中橫縱坐標(biāo)量級(jí)相差懸殊，會(huì)使得量級(jí)較小一維數(shù)據(jù)信息丟失，無(wú)法實(shí)現(xiàn)對(duì)目標(biāo)的有效檢測(cè)。因此需要求得規(guī)格化系數(shù)μ，得規(guī)格化后的r-t數(shù)據(jù)(t,r/μ)。

(6)

步驟 3. 將參數(shù)空間離散化，分割成大小為Δρ×Δθ的若干小區(qū)域，每個(gè)小區(qū)域的中心點(diǎn)為：

(7)

(8)

式中：△θ=π/Iθ，Iθ為參數(shù)θ的分割段數(shù)，同理Iρ為參數(shù)ρ的分割段數(shù)[18]。

步驟 4. 建立參數(shù)空間點(diǎn)數(shù)積累矩陣和能量積累矩陣，用于存儲(chǔ)各參數(shù)單元點(diǎn)數(shù)積累數(shù)據(jù)與能量積累數(shù)據(jù)，并對(duì)矩陣進(jìn)行初始化。

步驟 5. 依次選取步驟2中數(shù)據(jù)，將其映射到參數(shù)空間，得到相應(yīng)的參數(shù)曲線ξ。

步驟 6. 對(duì)曲線ξ經(jīng)過(guò)且滿(mǎn)足θ∈(θmin,180°-θmin)的參數(shù)單元對(duì)應(yīng)的點(diǎn)數(shù)積累矩陣和能量積累矩陣進(jìn)行積累。

(9)

步驟 7. 重復(fù)步驟5～6，直到N幀量測(cè)數(shù)據(jù)全部處理完畢，得到參數(shù)空間點(diǎn)數(shù)積累直方圖和能量積累直方圖。

步驟 8. 設(shè)置點(diǎn)數(shù)積累門(mén)限和能量積累門(mén)限，當(dāng)參數(shù)空間分辨單元的點(diǎn)數(shù)積累值與能量積累值均超過(guò)預(yù)定門(mén)限時(shí)，認(rèn)為是有效檢測(cè)，進(jìn)行Hough逆映射，得到可能航跡。

2.2 速度與航向約束

對(duì)于經(jīng)時(shí)間-徑向距離平面Hough變換后得到的可能航跡，由于未考慮方位角信息，使得可能航跡中含有較多的雜波點(diǎn)和虛假航跡，為對(duì)可能航跡進(jìn)行進(jìn)一步篩選，需要對(duì)Hough變換后可能航跡進(jìn)行速度約束與航向約束。

2.2.1 速度約束

對(duì)于臨近空間高超聲速目標(biāo)，認(rèn)為其飛行速度在vmin與vmax之間，因此可利用目標(biāo)兩時(shí)刻的位置(xk,yk)，(xk+1,yk+1)，以及vmin，vmax建立環(huán)形波門(mén)對(duì)可能航跡進(jìn)行約束。

(10)

2.2.2 航向約束

對(duì)于臨近空間高超聲速目標(biāo)，由于其運(yùn)動(dòng)速度較快，不會(huì)出現(xiàn)突然懸?；蚍聪驈?qiáng)機(jī)動(dòng)運(yùn)動(dòng)，即目標(biāo)幀間航向的變化比較平穩(wěn)，可以將連續(xù)三個(gè)掃描周期內(nèi)真實(shí)目標(biāo)的航跡近似為一條直線，因此可以通過(guò)目標(biāo)機(jī)動(dòng)角度的變化來(lái)消除虛假航跡，進(jìn)行航向約束。

假設(shè)k時(shí)刻目標(biāo)位置為(xk,yk)，其后k+1與k+2兩個(gè)時(shí)刻的目標(biāo)位置分別為(xk+1,yk+1)，(xk+2,yk+2)，定義向量Rk,k+1=[xk+1-xk,yk+1-yk]T，Rk+1,k+2=[xk+2-xk+1,yk+2-yk+1]T，則將目標(biāo)航向角定義為：

(11)

定義臨近空間高超聲速目標(biāo)最大機(jī)動(dòng)角為θ0，則航向約束條件為：

(12)

2.3 航跡合并

對(duì)于經(jīng)速度約束與航向約束處理后得到可能航跡，可能會(huì)出現(xiàn)一個(gè)目標(biāo)對(duì)應(yīng)多條航跡的情況，這時(shí)需要對(duì)多條航跡進(jìn)行判斷，對(duì)于同一目標(biāo)產(chǎn)生的航跡，需要對(duì)其進(jìn)行合并。本文采用的航跡合并方法是將多條航跡對(duì)應(yīng)的點(diǎn)集進(jìn)行兩兩比較，求出兩個(gè)點(diǎn)集中相同量測(cè)點(diǎn)的個(gè)數(shù)，設(shè)置門(mén)限η，如果兩個(gè)點(diǎn)集中相同點(diǎn)的個(gè)數(shù)超過(guò)門(mén)限，則可以認(rèn)定進(jìn)行比較的兩個(gè)點(diǎn)集是由同一目標(biāo)產(chǎn)生，需要將這兩個(gè)點(diǎn)集代表的航跡進(jìn)行合并，對(duì)于兩點(diǎn)集中相同時(shí)刻產(chǎn)生的不同量測(cè)點(diǎn)，算法取回波能量大的點(diǎn)作為該時(shí)刻目標(biāo)回波點(diǎn)。

若雷達(dá)量測(cè)數(shù)據(jù)幀數(shù)為N，則定義門(mén)限η為：

(13)

式中：[·]表示取整運(yùn)算。

通過(guò)將同一目標(biāo)的多條航跡進(jìn)行合并，可以實(shí)現(xiàn)多條航跡的數(shù)據(jù)互補(bǔ)，并對(duì)航跡內(nèi)雜波點(diǎn)進(jìn)行有效剔除，得到最終確認(rèn)航跡。

3 仿真與分析

為驗(yàn)證算法的有效性，假設(shè)有2個(gè)臨近空間高超聲速目標(biāo)，在x-y平面內(nèi)運(yùn)動(dòng)，目標(biāo)1作勻速直線運(yùn)動(dòng)，目標(biāo)初始位置為(350km,350km)，初始速度為(3000m/s,2000m/s)，目標(biāo)2作勻加速直線運(yùn)動(dòng)，目標(biāo)初始位置為(360km,340km)，初始速度為(3000m/s,2000m/s)，初始加速度為(30m/s2,20m/s2)；設(shè)定雷達(dá)位于坐標(biāo)原點(diǎn)，掃描周期為1s，雷達(dá)距離量測(cè)誤差為400m，角度量測(cè)誤差為0.2°；積累量測(cè)數(shù)據(jù)為5幀，每幀數(shù)據(jù)的雜波數(shù)服從泊松分布，雜波密度為λ，產(chǎn)生的雜波按均勻分布隨機(jī)地分布在雷達(dá)視域內(nèi)。進(jìn)行Hough變換對(duì)參數(shù)空間進(jìn)行離散化處理時(shí)，將參數(shù)空間離散化為180×400個(gè)分辨單元。規(guī)格化系數(shù)μ=105，θmin=26°，速度約束條件vmin取Ma5，vmax取Ma20，航向約束條件θ0=100°，門(mén)限η=3。

3.1 雜波密度λ=80時(shí)的仿真實(shí)驗(yàn)

針對(duì)上述參數(shù)，對(duì)雜波密度λ=80，信噪比為6dB時(shí)的情況進(jìn)行仿真驗(yàn)證，將5幀量測(cè)數(shù)據(jù)在數(shù)據(jù)空間進(jìn)行疊加，得到如圖1所示的雜波點(diǎn)與目標(biāo)真實(shí)量測(cè)點(diǎn)分布圖，其中圖1(a)為x-y平面量測(cè)分布圖，圖1(b)為r-t平面量測(cè)分布圖。

對(duì)掃描得到的雷達(dá)量測(cè)數(shù)據(jù)按2.1節(jié)步驟進(jìn)行Hough變換，得到經(jīng)參數(shù)空間點(diǎn)數(shù)積累矩陣和能量積累矩陣峰值檢測(cè)后的可能航跡，如圖2所示。

由圖2可知，經(jīng)時(shí)間-徑向距離平面Hough變換后可以得到多條可能航跡，其中既包含目標(biāo)真實(shí)航跡，同時(shí)也包含較多的雜波點(diǎn)以及由雜波點(diǎn)所形成的虛假航跡，為進(jìn)一步剔除航跡內(nèi)雜波點(diǎn)和虛假航跡，需要根據(jù)臨近空間高超聲速目標(biāo)運(yùn)動(dòng)特性進(jìn)行速度約束和航向約束，對(duì)圖2中可能航跡進(jìn)行進(jìn)一步篩選，再經(jīng)2.3節(jié)航跡合并后，得到算法最終輸出航跡如圖3所示。其中圖3(a)為r-t平面算法輸出效果圖，圖3(b)為變換到x-y平面后算法輸出效果圖。

由圖3，通過(guò)將算法輸出航跡與目標(biāo)真實(shí)量測(cè)點(diǎn)對(duì)比可知，算法對(duì)目標(biāo)1與目標(biāo)2均能實(shí)現(xiàn)有效檢測(cè)并獲得目標(biāo)回溯航跡，驗(yàn)證了算法的有效性。

傳統(tǒng)的HT-TBD算法采用位置量測(cè)數(shù)據(jù)進(jìn)行變換，對(duì)常規(guī)直線運(yùn)動(dòng)目標(biāo)具有較好的檢測(cè)效果，但無(wú)法對(duì)臨近空間高超聲速目標(biāo)實(shí)現(xiàn)有效檢測(cè)，本文在圖1量測(cè)數(shù)據(jù)的基礎(chǔ)上，利用文獻(xiàn)[11]中算法對(duì)目標(biāo)進(jìn)行檢測(cè)，仿真結(jié)果如圖4所示。

3.2 不同信噪比條件下的仿真實(shí)驗(yàn)

為分析不同信噪比條件下算法的收斂情況，在保持其它條件不變的情況下，通過(guò)改變信噪比，得到不同信噪比條件下，通過(guò)1000次Monte-Carlo仿真后，算法對(duì)各個(gè)目標(biāo)的檢測(cè)概率以及總體檢測(cè)概率(2個(gè)目標(biāo)同時(shí)被檢測(cè)到的概率)隨信噪比的變化情況，如圖5所示。

定義檢測(cè)概率pd：

(14)

式中：Q是Monte-Carlo仿真試驗(yàn)次數(shù)，εqk代表第q次仿真中輸出航跡是否包含目標(biāo)k的航跡。

(15)

圖5中橫坐標(biāo)為信噪比，縱坐標(biāo)為檢測(cè)概率，由圖中可以看出2個(gè)目標(biāo)各自的檢測(cè)概率隨SNR的變化情況以及總體檢測(cè)概率隨SNR的變化情況。通過(guò)對(duì)圖中檢測(cè)概率曲線進(jìn)行分析可知，算法對(duì)目標(biāo)的檢測(cè)概率受SNR影響較大，且從檢測(cè)概率變化趨勢(shì)可以看出，隨著信噪比的不斷增大，算法對(duì)目標(biāo)的檢測(cè)概率呈上升趨勢(shì)。在SNR為2dB時(shí)，算法對(duì)單個(gè)目標(biāo)的檢測(cè)概率能夠達(dá)到0.6以上；當(dāng)SNR增大到6dB左右時(shí)，算法對(duì)單個(gè)目標(biāo)的檢測(cè)概率可以保持在0.9以上。對(duì)于兩個(gè)目標(biāo)同時(shí)被檢測(cè)到的總體檢測(cè)概率，在SNR大于5dB時(shí)，目標(biāo)總體檢測(cè)概率也可以保持在0.8以上。由此可以看出本文算法在強(qiáng)雜波背景下對(duì)臨近空間高超聲速目標(biāo)具有較好的檢測(cè)能力。

3.3 不同雜波密度條件下的仿真實(shí)驗(yàn)

為進(jìn)一步對(duì)本文算法有效性進(jìn)行驗(yàn)證，下面通過(guò)改變雜波密度，進(jìn)行仿真分析。在其它條件不變的情況下，對(duì)雜波密度λ進(jìn)行不同取值，1000次Monte-Carlo仿真后，得到目標(biāo)總體檢測(cè)概率及平均輸出虛假航跡數(shù)的變化情況，如表1所示。

表1 改變雜波密度仿真結(jié)果

通過(guò)對(duì)表1仿真結(jié)果分析可知，隨著雜波密度λ的不斷增大，算法對(duì)2目標(biāo)的總體檢測(cè)概率有所降低，但仍能對(duì)目標(biāo)保持較高的檢測(cè)概率，對(duì)目標(biāo)進(jìn)行有效檢測(cè)；但同時(shí)，通過(guò)分析可以發(fā)現(xiàn)，隨著雜波密度增大，算法輸出的平均虛假航跡數(shù)目也隨之增多，如何在雜波密度較大的條件下，有效減少虛假航跡數(shù)目，將是本文下一步進(jìn)行研究的方向

3.4 算法性能對(duì)比

為對(duì)本文所提算法性能進(jìn)行進(jìn)一步分析，將本文所提算法與文獻(xiàn)[14]提出的MHT-TBD算法進(jìn)行比較。在本文所設(shè)仿真環(huán)境下進(jìn)行Monte-Carlo仿真試驗(yàn)，得到兩種算法對(duì)目標(biāo)的檢測(cè)結(jié)果如表2所示。

表2 兩算法性能比較

針對(duì)表2仿真結(jié)果進(jìn)行分析，對(duì)于算法檢測(cè)概率，本文算法在信噪比較低時(shí)較文獻(xiàn)[14]算法具有更好的檢測(cè)概率；從算法輸出的虛假航跡情況來(lái)看，文獻(xiàn)[14]算法輸出的虛假航跡較多，而本文算法能夠消除臨近空間高超聲速目標(biāo)存在的量測(cè)數(shù)據(jù)偏差大，落入相關(guān)波門(mén)內(nèi)雜波多的影響，有效剔除虛假航跡和航跡內(nèi)雜波點(diǎn)，實(shí)現(xiàn)對(duì)臨近空間高超聲速目標(biāo)的有效檢測(cè)。

4 結(jié) 論

本文研究了臨近空間高超聲速目標(biāo)檢測(cè)前跟蹤問(wèn)題，針對(duì)傳統(tǒng)算法無(wú)法對(duì)臨近空間高超聲速目標(biāo)進(jìn)行有效檢測(cè)的問(wèn)題，提出了一種基于時(shí)間-徑向距離平面進(jìn)行Hough變換和多條件約束的檢測(cè)前跟蹤算法。通過(guò)在不同信噪比和雜波密度條件下進(jìn)行仿真分析表明，算法能夠?qū)εR近空間高超聲速目標(biāo)進(jìn)行有效檢測(cè)，并對(duì)目標(biāo)航跡進(jìn)行回溯，具有一定的工程實(shí)踐意義。

[1] 黃偉, 羅世彬, 王振國(guó). 臨近空間高超聲速飛行器關(guān)鍵技術(shù)及展望[J]. 宇航學(xué)報(bào), 2010, 31(5): 1259-1265. [HuangWei,LuoShi-bin,WangZhen-guo.Keytechniquesandprospectofnear-spacehypersonicvehicle[J].JournalofAstronautics, 2010, 31(5): 1259-1265.]

[2]WangWQ.Near-spacevehicle-borneSARwithreflectorantennaforhigh-resolutionandwide-swathremotesensing[J].IEEETransactionsonGeoscienceandRemoteSensing, 2012, 50(2): 338-348.

[3]YangYN,WuJ,XieY,etal.Dynamicsmodelingandmaneuverabilityanalysisofanear-spaceearthobservationplatform[C].IEEEProc.ofthe5thInternationalConferenceonRecentAdvancesinSpaceTechnologies,Istanbul,Turkey,June9-11, 2011.

[4] 李志淮, 譚賢四, 王紅等. 基于運(yùn)動(dòng)參數(shù)估計(jì)的高超聲速目標(biāo)檢測(cè)方法研究[J]. 宇航學(xué)報(bào), 2012, 33(3): 346-351. [LiZhi-huai,TanXian-si,WangHong,etal.Detectionalgorithmforhypersonictargetsbasedonmotionparameterestimation[J].JournalofAstronautics. 2012, 33(3): 346-351.]

[5] 張翔宇, 王國(guó)宏, 張靜,等. 臨近空間高超聲速助推-滑翔式軌跡目標(biāo)跟蹤[J]. 宇航學(xué)報(bào), 2015, 36(10): 1125-1132. [ZhangXiang-yu,WangGuo-hong,ZhangJing,etal.Trackingofhypersonicboost-to-glidetrajectorytargetinnear-space[J].JournalofAstronautics. 2015, 36(10): 1125-1132.]

[6]OrlandoD,RicciG,Bar-ShalomY.Track-before-detectalgorithmsfortargetswithkinematicconstraints[J].IEEETransactionsonAerospaceandElectronicSystems, 2011, 47(3): 1837-1849.

[7] 趙志超, 饒彬, 王雪松,等. 基于概率網(wǎng)格Hough變換的多雷達(dá)航跡起始算法[J]. 航空學(xué)報(bào), 2010, 31(11): 2209-2215. [ZhaoZhi-chao,RaoBin,WangXue-song,etal.Multi-radartrackinitiationalgorithmbasedonprobabilisticgridHoughtransform[J].ActaAeronauticaetAstronauticaSinica, 2010, 31(11): 2209-2215.]

[8] 張鵬, 張林讓. 基于動(dòng)態(tài)規(guī)劃的雷達(dá)弱目標(biāo)檢測(cè)前跟蹤算法[J]. 西北大學(xué)學(xué)報(bào)(自然科學(xué)版), 2014, 44(6): 898-903. [ZhangPeng,ZhangLin-rang.Atrack-before-detectalgorithmbasedondynamicprogrammingforradardimtargetdetection[J].JournalofNorthwestUniversity(NaturalScienceEdition), 2014, 44(6): 898-903.]

[9] 吳孫勇, 廖桂生, 楊志偉,等. 基于改進(jìn)粒子濾波的微弱目標(biāo)檢測(cè)前跟蹤算法[J]. 系統(tǒng)工程與電子技術(shù), 2010, 32(9): 1875-1879. [WuSun-yong,LiaoGui-sheng,YangZhi-wei,etal.Improvedtrack-before-detectalgorithmforweaktargetsbasedonparticlefilter[J].SystemsEngineeringandElectronics, 2010, 32(9): 1875-1879.]

[10]ChenJ,LeungH,LoT,etal.Amodifiedprobabilisticdataassociationfilterinrealclutterenvironment[J].IEEETransactionsonAerospaceandElectronicSystems, 1996, 32(1): 300-314.

[11]CarlsonBD,EvansED,WilsonSL.SearchradardetectionandtrackwiththeHoughtransformpartI:systemconcept[J].IEEETransactionsonAerospaceandElectronicSystems, 1994, 30(1): 102-108.

[12]CarlsonBD,EvansED,WilsonSL.SearchradardetectionandtrackwiththeHoughtransformpartII:detectionstatistics[J].IEEETransactionsonAerospaceandElectronicSystems, 1994, 30(1): 109-115.

[13]CarlsonBD,EvansED,WilsonSL.SearchradardetectionandtrackwiththeHoughtransformpartIII:detectionperformancewithbinaryintegration[J].IEEETransactionsonAerospaceandElectronicSystems, 1994, 30(1): 116-125.

[14]MoyerLR,SpakJ,LamannaP.Amulti-dimensionalHoughtransformbasedtrack-before-detecttechniquefordetectingweaktargetsinstrongclutterbackgrounds[J].IEEETransactionsonAerospaceandElectronicSystems, 2011, 47(4): 3062-3068.

[15] 郭云飛, 鄭曉楓, 彭冬亮,等. 基于遍歷Hough變換的弱目標(biāo)檢測(cè)前跟蹤算法[J]. 系統(tǒng)仿真學(xué)報(bào), 2015, 27(6): 1316-1323. [GuoYun-fei,ZhengXiao-feng,PengDong-liang,etal.Track-before-detectalgorithmforweaktargetbasedonErgodicHoughtransform[J].JournalofSystemSimulation, 2015, 27(6): 1316-1323.]

[16] 宋晨, 周軍, 郭建國(guó),等. 高超聲速飛行器基于路徑跟蹤的制導(dǎo)方法[J]. 宇航學(xué)報(bào), 2016, 37(4): 435-441. [SongChen,ZhouJun,GuoJian-guo,etal.Hypersonicvehicleguidancebasedonpath-following[J].JournalofAstronautics. 2016, 37(4): 435-441.]

[17] 孔敏. 天波超視距雷達(dá)目標(biāo)跟蹤技術(shù)研究[D]. 煙臺(tái): 海軍航空工程學(xué)院, 2007. [KongMin.Researchontargettrackingtechnologyforover-the-horizonradar[D].Yantai:NavalAeronauticalandAstronauticalUniversity, 2007.]

[18] 王國(guó)宏, 孔敏, 何友.Hough變換及其在信息處理中的應(yīng)用[M]. 北京:兵器工業(yè)出版社, 2005. [WangGuo-hong,KongMin,HeYou.Houghtransformwithapplicationsininformationprocessing[M].Beijing:EngineryIndustryPress, 2005.]

通信地址：山東省煙臺(tái)市二馬路188號(hào)海軍航空工程學(xué)院信息融合研究所(264001)

電話：15563885205

E-mail:fengzhite@126.com

(編輯：張宇平)

A TBD Algorithm for Near Space Hypersonic Target

LI Lin, WANG Guo-hong, YU Hong-bo, TAN Shun-cheng

(Institute of Information Fusion, Naval Aeronautical and Astronautical University, Yantai 264001, China)

Aiming at the problem that the traditional algorithm cannot detect the near space hypersonic target effectively, a kind of track-before-detect(TBD) algorithm based on Hough transform and multi-constraint conditions is proposed. Firstly, to get the potential target tracks, the time-radial distance measurement data is used for Hough transform, and the parameter space variableθismadeastheaccumulationconstraintconditiontoavoidinvalidaccumulation.Then,allpotentialtracksaredealtwithvelocityconstraintandangleconstrainttofurthereliminatefalsetracksandclutterpointsinsidethetrack.Finally,aftermergingthesametargettracks,thefinalconfirmationtracksareobtained.Thevalidityofthealgorithmisverifiedbysimulation,andthealgorithmperformanceunderdifferentSNRandclutterdensityisanalyzed.Thesimulationresultsshowthatthenearspacehypersonictargetundertheclutterbackgroundcanbeeffectivelydetectedaccordingtothealgorithminthispaper.

Hough transform; Multi-constraint conditions; Near space; Hypersonic target; Track-before-detect (TBD)

2016-03-24;

2016-08-09

國(guó)家自然科學(xué)基金(61372027，61501489,61671462)

TN

A

1000-1328(2017)04-0420-08

10.3873/j.issn.1000-1328.2017.04.012

李 林(1991-)，男，博士生，主要從事雷達(dá)數(shù)據(jù)處理、微弱目標(biāo)檢測(cè)。