一種改進的優(yōu)效粒子濾波TBD算法

蘇洲陽

(中國電子科技集團公司第20研究所 雷達事業(yè)部，陜西 西安 710068)

一種改進的優(yōu)效粒子濾波TBD算法

蘇洲陽

(中國電子科技集團公司第20研究所 雷達事業(yè)部，陜西 西安 710068)

針對傳統(tǒng)的優(yōu)效粒子濾波的檢測前跟蹤算法(EPF-TBD)在低信噪比場景中目標狀態(tài)變化會引起虛警和漏檢問題，文中給出一種改進的優(yōu)效PF-TBD算法改進其檢測方式，利用目標檢測概率變化的斜率和當前目標狀態(tài)進行檢測。仿真結果表明，與傳統(tǒng)算法相比，改進算法檢測效果有明顯的改善，平均檢測概率提高，平均虛警概率降低，通過對比不同門限的檢測效果給出適應不同要求的改進算法檢測門限。

粒子濾波；TBD；低信噪比；優(yōu)效粒子濾波TBD算法

在現代戰(zhàn)爭中，目標由于特殊的雷達回波特征和復雜的檢測環(huán)境[1]，其信噪比通常較低?；诹Ｗ訛V波的檢測前跟蹤算法(PF-TBD)，因其處理非線性非高斯問題的優(yōu)勢[2]，被廣泛應用于低信噪比目標的檢測跟蹤領域[3-5]。傳統(tǒng)PF-TBD算法有3種：標準的PF-TBD(SPF-TBD)算法[6]通過將粒子分為死亡粒子和存活粒子構成一種混合狀態(tài)估計，從而形成完整的跟蹤檢測體系；優(yōu)效的PF-TBD(EPF-TBD)算法[7]在標準算法基礎上只關注存活粒子以便更加有效的利用粒子信息；基于似然比檢測的PF-TBD算法[8-9]利用似然比進行檢測，區(qū)別于前兩種算法利用目標存在概率而是利用似然比進行檢測。針對低信噪比情況下傳統(tǒng)PF-TBD算法存在的漏檢和虛警問題，本文給出一種改進的優(yōu)效PF-TBD算法來改善其檢測效果。

1 EPF-TBD算法原理

傳統(tǒng)EPF-TBD算法在低信噪比下由于目標存在概率變化緩慢，檢測存在延時問題。圖1所示為信噪比3 dB情況下單次蒙特卡洛實驗目標存在概率圖，紅外傳感器觀測30 s，第7 s目標出現，第23 s目標消失。利用傳統(tǒng)的EPF-TBD算法進行檢測，取Pth=0.5，第12 s檢測到目標出現，第24 s檢測到目標消失，目標出現和消失均存在延時。

圖1 信噪比為3 dB的目標存在概率圖

2 改進的EPF-TBD算法

3 仿真實驗

利用紅外傳感器進行觀測，假設紅外傳感器采樣周期T=1s，目標運動航跡設定為：第7 s目標出現，在第23 s以前均做勻速直線運動，然后消失，傳感器共觀測30 s。

傳感器每一時刻產生一幀包含nx×my個分辨單元(像素)的整個觀測區(qū)域的二維圖像[11-12]。其中，每個分辨單元(i,j)，i=1,…,nx，j=1,…,my對應一個Δx×Δy的矩形區(qū)域。所以k時刻傳感器觀測就可獲得nx×my個強度觀測數據，觀測值序列為

(1)

(2)

為了能夠全面評價算法的檢測性能，這里利用平均檢測概率Pd和平均虛警概率Pf進行性能評估

(3)

(4)

在式(3)和式(4)中，Nmc表示蒙特卡洛仿真次數；Mexist表示單次蒙特卡洛仿真中真實目標存在的采樣間隔次數；Md(k)表示第k次蒙特卡洛仿真中目標真實存在過程中檢測到目標存在的次數；Mno_target表示單次蒙特卡洛仿真中真實目標不存在的采樣間隔次數；Mno_d(k)表示第k次蒙特卡洛仿真中真實目標不存在過程中檢測到目標存在的次數。

為了方便對比傳統(tǒng)的EPF-TBD算法(以下用EPF-TBD表示)和改進的EPF-TBD算法(以下用IEPF-TBD表示)的檢測效果，兩種算法均設為Pth=0.5，令Sth2=-Sth1，根據統(tǒng)計經驗Sth1(以下均以Sth表示)取0.05，0.1，0.15，0.2。圖2和圖3所示為不同信噪比情況下，傳統(tǒng)算法和不同Sth的改進算法的平均檢測概率圖和平均虛警概率圖。圖2表示不同 的改進算法在不同信噪比情況下，其平均檢測概率都高于傳統(tǒng)算法，這表明改進算法的檢測概率有所改善，而且隨著信噪比的降低，改善效果愈加明顯。圖3表示在不同信噪比情況下，除了Sth=0.05,改進算法的平均虛警概率均低于傳統(tǒng)算法的平均虛警概率，這表明改進算法的虛警概率有所改善。

圖2 兩類算法的平均檢測概率對比圖

圖3 兩類算法的平均虛警概率對比圖

為了更加直觀地衡量改進算法的改善效果，這里引入改善度的概念，其定義如下

(5)

其中，P表示平均檢測概率或平均虛警概率，由此可知平均檢測概率的改善度>0表示改進算法的平均檢測概率有改善，改善度越高改進程度越高；平均虛警概率的改善度<0表示改進算法的平均虛警概率有改善，改善度越低改進程度越高。表1～表4所示為不同信噪比情況下，Sth=0.05、0.1、0.15、0.2時改進的EPF-TBD算法平均檢測概率和平均虛警概率的改善度。

表1 Sth=0.05時改進的EPF-TBD算法的平均檢測概率和平均虛警概率的改善度

表2 Sth=0.1時改進的EPF-TBD算法的平均檢測概率和平均虛警概率的改善度

表4 Sth=0.2時改進的EPF-TBD算法的平均檢測概率和平均虛警概率的改善度

由表1～表4可知：隨著門限Sth升高，改進算法的平均檢測概率和平均虛警概率的改善度大體上均呈下降趨勢，這表示隨著門限Sth升高，改進算法的平均檢測概率的改善程度越來越低，平均虛警概率的改善程度越來越高。顯然當Sth=0.05時，除了3 dB情況均存在無改善現象，一般不適合作為門限。Sth=0.2和0.15時改進算法的平均檢測概率和平均虛警概率的改善程度基本相當，相較而言，只有在信噪比為2 dB、1 dB甚至更低的情況下Sth=0.2的改進算法的改善程度不如Sth=0.15。綜合考慮檢測概率和虛警概率的改善效果，Sth=0.1和Sth=0.15的改善效果最佳，適合作為目標存在概率變化斜率門限，Sth=0.1情況下平均檢測概率表現更佳，特別是隨著信噪比的降低這種優(yōu)勢更明顯，Sth=0.15情況下平均虛警概率表現更好。綜上所述，改進算法在傳統(tǒng)算法基礎上平均檢測概率和平均虛警概率都有所改善，可以根據實際需求選取合適的門限獲得相應的改善效果。

4 結束語

基于粒子濾波的檢測前跟蹤算法(PF-TBD)適合處理低信噪比情況下的檢測難題。傳統(tǒng)的優(yōu)效PF-TBD(EPF-TBD)算法將目標存在概率估計結果與預設門限進行比較用來進行檢測，這樣的方式在低信噪比情況下目標狀態(tài)轉變時會造成嚴重的漏檢和虛警問題。在傳統(tǒng)EPF-TBD算法的基礎上，本文的改進EPF-TBD算法增加目標存在概率變化斜率作為檢測依據來改善算法的檢測性能。仿真結果表明，這種改進的EPF-TBD(IEPF-TBD)算法能夠有效地解決低信噪比情況下目標狀態(tài)變化時傳統(tǒng)算法中存在的漏檢和虛警問題，從而提高算法的檢測性能。

[1] 何友,修建娟.雷達數據處理與應用[M].北京:電子工業(yè)出版社,2006.

[2] Reed I S,Gagliardi R M,Shao H M.Application of three-dimensional filtering to moving target detection[J].IEEE Transactions on Aerospace and Electronic Systems,1983,19(6): 898-905.

[3] Liou R, Azimi-Sadjadi M R.Multiple target detection and track identification using modified high order correlations[C].Orlando,USA:Proceedings of IEEE International Conference of Neural Networks,1994.

[4] Hadzagic M,Michalska H,Lefebvre E.Track-before-detect methods in tracking low-observable targets: a survey[J].Sensors & Transducers Magazine (S&T e-Digest), Special Issue,2005(8):374-380.

[5] Ristic B,Arulampalam S,Gordon N.Beyond the Kalman filter: particle filters for tracking applications[M].Boston London:Artech House,2004.

[6] Samond D J,Birch H.A particle filter for track-before-detect[C].Washington,USA:Proceedings of the American Control Conference, 2001.

[7] Rutten M G, Gordon N J,Maskell S.Efficient particle-based track-before-detect in Rayleigh noise[C].Stockholm, Sweden:Proceeding of the 7th International Conference of Information Fusion,2004.

[8] 龔亞信.基于粒子濾波的弱目標檢測前跟蹤算法研究[D].長沙:國防科技大學,2009.

[9] 鄒丁秋,程婷,何子述.一種新的基于似然比的弱目標TBD方法[J].雷達科學與技術，2013,11(3):287-293.

[10] 張明友,呂明.信號檢測與估計[M].北京:電子工業(yè)出版社,2010.

[11] 張海兵.基于粒子濾波的動態(tài)自回歸預測模型方法[J].電子科技,2016,29(6):15-19.

[12] 邵曉鵬,靳振華,王陽.去除紅外圖像條帶噪聲改進算法研究[J].電子科技,2013,26(10):83-85.

[13] 朱志宇.粒子濾波算法及其應用[M].北京:科學出版社,2010.

[14] 胡洪濤,敬忠良,胡士強.基于輔助粒子濾波的紅外小目標檢測前跟蹤算法[J].控制與決策,2005,20(11):1208-1211.

[15] 王娜,王國宏,于洪波.粒子初始化對TBD算法性能的影響探究[J].電光與控制,2010,17(16):15-20.

An Improved Efficient PF-TBD Algorithm

SU Zhouyang

(Radar Division, 20th Research Institute of China Electronics Technology Group Corporation, Xi’an 710068, China)

The traditional Efficient PF-TBD (EPF-TBD, PF-TBD: TBD algorithm based on the particle filter) algorithm suffers the leak detection and false alarm in case of state changes of targets with low SNR. This article puts forward an improved EPF-TBD algorithm improved for better detecting probability of slope and the current target state for testing. The simulation results show that compared with the traditional EPF-TBD algorithm, the improved EPF-TBD algorithm is more effective in relieving the leak detection and false alarm problem with better detection performance. The detection thresholds of the improved algorithm for different requirements are given by comparing the different threshold detection effect.

particle filter; TBD; low SNR; EPF-TBD

2017- 02- 01

國家自然科學基金(61101171)

蘇洲陽(1990-)，男，碩士，助理工程師。研究方向：雷達數據處理。

10.16180/j.cnki.issn1007-7820.2017.05.003

TN911.7

A

1007-7820(2017)05-008-04