楊亞波，夏永紅，匡華星，丁　春(.9404部隊，河北秦皇島06600;.中國船舶重工集團公司第七二四研究所，南京53)

?

雷達微弱目標檢測前跟蹤技術(shù)研究綜述

楊亞波1，夏永紅2，匡華星2，丁春2
(1.91404部隊，河北秦皇島066001;2.中國船舶重工集團公司第七二四研究所，南京211153)

摘要:戰(zhàn)場環(huán)境的改變、武器系統(tǒng)的發(fā)展和隱身技術(shù)的應用，使得現(xiàn)代雷達系統(tǒng)對目標的檢測和跟蹤面臨很大挑戰(zhàn)，檢測前跟蹤技術(shù)是解決微弱目標檢測和跟蹤問題的一種有效方法。首先介紹了檢測前跟蹤技術(shù)的基本原理，然后重點綜述了雷達微弱目標檢測前跟蹤算法的發(fā)展歷程和研究現(xiàn)狀，包括三維匹配濾波、動態(tài)規(guī)劃、Hough變換、粒子濾波等檢測前跟蹤算法，并對常用的幾種算法進行了對比分析，最后結(jié)合目前研究動態(tài)提出了雷達微弱目標檢測前跟蹤技術(shù)需要重點關(guān)注的問題和未來發(fā)展趨勢。

關(guān)鍵詞:雷達;微弱目標檢測;檢測前跟蹤

0　引言

對于現(xiàn)代雷達，特別是警戒雷達和戰(zhàn)場監(jiān)視雷達，檢測和跟蹤是其最基本的任務。一般的處理方式為先檢測后跟蹤(Track-After-Detect，TAD)，即首先對每幀原始數(shù)據(jù)進行噪聲和雜波抑制，然后進行恒虛警率(Constant False Alarm Rate，CFAR)檢測，提取檢測結(jié)果形成點跡，最后利用點跡數(shù)據(jù)進行航跡起始和跟蹤。整個過程分為信號處理和數(shù)據(jù)處理兩個階段。

然而，隨著現(xiàn)代戰(zhàn)場環(huán)境的改變和武器系統(tǒng)的發(fā)展，加之隱身技術(shù)的應用，使得雷達對一些目標(如隱身飛機、小型艦船、無人艇、掠海飛行導彈等)的檢測和跟蹤能力面臨嚴峻的挑戰(zhàn)。它們主要表現(xiàn)在兩個方面:一是目標檢測概率的降低，造成目標的漏檢;二是雷達探測的有效距離縮短，以致沒有足夠的時間對目標做出反應。對于這些由于回波信號信雜噪比較低而難以檢測和跟蹤的目標，稱之為微弱目標。

針對微弱目標在使用傳統(tǒng)檢測與跟蹤方法時面臨的問題，利用連續(xù)多幀未經(jīng)門限處理的原始數(shù)據(jù)，按照可能的目標軌跡進行回波能量積累，從而使同時實現(xiàn)目標檢測與跟蹤的檢測前跟蹤(Track-Before-Detect，TBD)技術(shù)越來越受到關(guān)注［1-3］。TBD技術(shù)的基本思想是:單幀回波數(shù)據(jù)由于信噪比較低，不設(shè)門限進行檢測(或者設(shè)置低門限檢測)，根據(jù)空間中目標運動的連續(xù)性和連續(xù)幾幀目標回波數(shù)據(jù)時間上的關(guān)聯(lián)性，對多幀數(shù)據(jù)進行聯(lián)合處理，實現(xiàn)多幀能量積累，再通過最終的門限進行判決，從而完成對目標的檢測，并根據(jù)檢測到的目標進行航跡回溯，形成目標航跡。

由于TBD技術(shù)的處理過程是先對可能的目標進行跟蹤，當目標積累的能量超過門限后，同時宣布目標檢測結(jié)果和目標航跡，最大限度地保留了目標的信息，避免了單幀檢測中的CFAR損失。因此，TBD技術(shù)能夠?qū)崿F(xiàn)對微弱目標的檢測和跟蹤。本文對現(xiàn)有的TBD算法發(fā)展歷程和研究現(xiàn)狀進行介紹，重點綜述TBD技術(shù)應用在雷達領(lǐng)域中的研究成果，并探討了雷達微弱目標TBD技術(shù)的若干問題和發(fā)展趨勢。

1　TBD技術(shù)研究現(xiàn)狀

從目前公開的學術(shù)研究成果來看，TBD技術(shù)的主要方法有以下幾種算法:(1)基于三維匹配濾波(Three Dimension Matched Filtering，3DMF)的TBD算法(3DMF-TBD)，(2)基于動態(tài)規(guī)劃(Dynamic Programming，DP)的TBD算法(DP-TBD)，(3)基于Hough變換(Hough Transform，HT)的TBD算法(HT-TBD)，(4)基于粒子濾波(Particle Filter，PF)的TBD算法(PFTBD)等。本節(jié)按照各種算法出現(xiàn)時間的先后順序，逐一進行闡述。

1.1三維匹配濾波TBD算法(3DMF-TBD)

匹配濾波基于輸出信噪比最大原則，本質(zhì)上來說是一種相關(guān)處理。三維匹配濾波理論是一維、二維匹配濾波理論的直接擴展，在空域二維平面和時間維組成的三維空間內(nèi)進行匹配濾波處理。最佳三維匹配濾波是對一定時間段內(nèi)的某個空間區(qū)域數(shù)據(jù)進行濾波，使輸出SNR最大。

1983年，美國的Reed等學者將匹配濾波理論應用到序列圖像中的運動目標檢測，提出了基于3DMF的微弱運動目標檢測算法［4-6］。該方法通過設(shè)計多個可能與目標運動情況相對應的濾波器，對各濾波器的輸出SNR進行比較，最大SNR的濾波器對應了真實的目標運動情況，從而實現(xiàn)對目標的檢測。1990年，美國的Porat等人在Reed的研究基礎(chǔ)之上，提出了一種基于頻域方向濾波的微弱運動目標多幀檢測算法［7］，在頻域中通過不同的Doppler頻率實現(xiàn)對運動目標的檢測。當目標速度大小和方向已知、背景為加性高斯噪聲或雜波時，三維匹配濾波器是檢測目標的最優(yōu)三維線性濾波器。1989年，林肯實驗室的Y.Chen提出使用速度濾波器組進行目標跟蹤檢測，當目標速度的方向和大小未知時，可以對速度空間進行劃分。該方法稱為假定速度濾波器(AVF)［8］。然而，由于濾波器的數(shù)目有限，難以避免速度失配問題。

2003年，澳大利亞的Dragovic等學者研究了低SNR背景下雷達微弱目標的檢測與跟蹤［9］，提出了一種基于速度濾波器的TBD算法。該算法是對3DMF的改進和擴展，將3DMF-TBD算法由光學領(lǐng)域應用到雷達領(lǐng)域。2011年，澳大利亞的Kennedy提出了一種基于滑動離散傅里葉變換的遞歸空時速度濾波TBD算法［10］。通過仿真和實測數(shù)據(jù)的處理結(jié)果表明，該算法能夠大大降低運算量，有效地提高運行效率。

1.2基于動態(tài)規(guī)劃的TBD算法(DP-TBD)

動態(tài)規(guī)劃是分級決策方法和最優(yōu)化原理的綜合應用，是解決多階段決策問題最優(yōu)化的一種方法。其基本思想是將多階段決策問題轉(zhuǎn)換為一組單階段問題，然后利用最優(yōu)化思想逐個進行解決，是對窮舉法的直接改進。

1985年，美國的Barniv首次將動態(tài)規(guī)劃方法應用于圖像中的微弱運動目標檢測和跟蹤［11］。該方法根據(jù)最大概率準則構(gòu)造一個值函數(shù)，對值函數(shù)在每個階段都進行能量積累，最后設(shè)置末門限檢測出值函數(shù)積累值超過該門限的所有點，然后按照積累的過程回溯反推得到可能的目標運動軌跡，并把同一目標產(chǎn)生的多個可能的軌跡合并，并詳細分析了DP-TBD算法的檢測性能［12］。

1990年，美國的Kramer等學者提出了一種針對掃描模式的脈沖多普勒機載雷達實時TBD算法［13］。這是DP-TBD算法首次應用在雷達微弱目標檢測中。對于SNR為5 dB的Rician信號加噪聲模型，每個處理分辨單元的虛假航跡率為5×10－5時，跟蹤檢測概率可達到0.5。次年，Kramer又提出了一種適用于雙高PRF機載雷達系統(tǒng)的實時TBD處理算法［14］。對于每個距離-多普勒單元，當虛假航跡率保持在2×10－6時，對SNR為6dB的非機動目標或SNR為7.5 dB的機動目標，跟蹤檢測概率可達到0.5。

同年，美國的Harmon等學者研究了X波段雷達在高PRF搜索模式下的DP-TBD算法性能［15］。對于速度為每個天線周期運動2.5 n mile的Swerling I或II型目標，在虛假航跡率固定為10－6情況下，航跡檢測概率達到0.5所需要的SNR約為8.7 dB，航跡檢測概率達到0.9所需的SNR約為9.6 dB。同樣的虛假航跡率，目標速度為每個掃描周期運動0.25 nmi時，航跡檢測概率達到0.5所需的SNR為8.1 dB。

1993年，美國的Arnold等學者研究了一種基于側(cè)視和前視成像系統(tǒng)觀測數(shù)據(jù)的DP-TBD算法，用于檢測和跟蹤像素級的低SNR目標［16］。1995年，澳大利亞的Tonissen等學者研究了一種簡單的DP-TBD算法［17］，并給出了在高斯背景下目標檢測概率和虛警概率的計算公式［18］。2002年，澳大利亞的Johnston等學者針對Tonissen所提出的DP-TBD算法的目標檢測概率和虛警概率計算復雜等問題［19］，利用極值定理(Extreme Value Theory，EVT)得到了檢測概率和虛警概率更簡潔更精確的表達式。同年，英國學者Wallace提出了一種基于改進Viterbi算法的DP-TBD方法［20］。

2005年，意大利的Buzzi等學者研究了機載雷達TBD算法［21］，通過近似的Viterbi算法，在距離-Doppler域和時域中聯(lián)合處理接收到的回波數(shù)據(jù)，能夠獲得很好的檢測和跟蹤性能。2013年，Grossi等學者提出了一種新的DP-TBD算法［22］。該算法不需要對狀態(tài)空間進行離散化，計算復雜度遠低于基于Viterbi算法的TBD方法。

1.3基于Hough變換的TBD算法(HT-TBD)

Hough變換是數(shù)字圖像處理中的一種特征提取方法，主要用來進行直線檢測和提取。它可以將圖像域中的一條直線變換成參數(shù)域中的一個峰值，進而根據(jù)參數(shù)域中的峰值提取出圖像域中對應的直線。

1994年，美國的Carlson等學者首次將Hough變換應用于搜索雷達目標檢測中，提出了HT-TBD算法［23］，并分析了該算法的檢測和跟蹤性能，給出了檢測概率和虛警概率的計算公式。2005年，在Carlson工作的基礎(chǔ)上，Kabakchiev等學者研究了在隨機干擾的情況下基于HT的CFAR檢測器的檢測性能［24］。2008年，Doukovska等學者在Kabakchiev的研究基礎(chǔ)上研究了基于順序統(tǒng)計CFAR和單元平均CFAR的Hough檢測性能［25］。2006年，Garvanov提出了一種類似于極坐標HT-TBD算法［26］，直接將搜索雷達的輸出參數(shù)作為變換的輸入?yún)?shù)，適用于跟蹤和目標檢測。

2007年，Kabakchiev等學者研究了多雷達組網(wǎng)情況下分布式和集中式兩種基于極坐標HT的Hough檢測器的檢測性能［27-29］，并研究了多雷達系統(tǒng)在TBD處理時數(shù)據(jù)關(guān)聯(lián)的問題，分析了影響航跡精度的因素，研究了檢測概率關(guān)于SNR的變化情況和不同雷達數(shù)時的虛警率。2011年，美國的Moyer提出了一種針對強雜波背景下微弱目標的多維HT-TBD算法［30］。該算法能夠克服傳統(tǒng)HT-TBD算法的缺陷，增強隨機雜波背景下的目標檢測概率。

1.4基于粒子濾波的TBD算法(PF-TBD)

粒子濾波是以重要性采樣和序貫重要性采樣為基礎(chǔ)的，近似實現(xiàn)貝葉斯遞歸估計的序貫Monte Carlo方法。它是貝葉斯遞歸估計方法的一種，利用隨機樣本近似模擬系統(tǒng)狀態(tài)的后驗概率密度，可以實現(xiàn)多種準則下的狀態(tài)估計，特別是在處理非線性/非高斯濾波問題上具有優(yōu)越性，基本能夠達到最優(yōu)Bayesian估計的效果。

2001年，英國的Salmond［31］和荷蘭的Boers［32］在當年召開的國際會議上同時提出了PF-TBD算法。Salmond是針對光學傳感器圖像中的微弱目標檢測與跟蹤，Boers是針對雷達微弱目標的檢測和跟蹤。同年，Rollaon等學者針對目標幅度未知情況提出了一種能同時估計目標幅度的PF-TBD算法［33］。2003年，Boers等學者又提出了基于PF-TBD的多目標跟蹤算法［34-35］。2004年，澳大利亞的Rutten等學者研究了在Rayleigh噪聲下的優(yōu)效粒子濾波TBD算法(ESIRTBD)［36］。次年，Rutten等學者又研究了目標幅度起伏模型下的PF-TBD算法［37］，隨后對兩種不同的PFTBD算法進行了比較［38］。

2005年，英國的Gilholm提出一種針對擴展目標的Bayesian濾波器［39］。次年，Boers和Driessen提出了一種針對擴展目標PF-TBD算法［40］。2014年，Eyili 和Demirekler提出了一種基于多模粒子濾波的多目標TBD算法［41］。通過仿真表明，在很低信噪比下也能夠獲得很好的目標存在概率和均方根誤差估計精度。

1.5 4種經(jīng)典TBD算法的對比

前文介紹的4種算法代表了TBD技術(shù)的發(fā)展歷程，在國內(nèi)也有多家科研院所和高校開展了大量的研究，如南京電子技術(shù)研究所［42］，國防科技大學［43-45］，西安電子科技大學［46-49］，北京理工大學［50-51］，電子科技大學［52-54］，海軍航空工程學院［55-57］，西北工業(yè)大學［58-59］等。根據(jù)前文的介紹和相關(guān)文獻資料的研究，現(xiàn)將這4種方法的特性概括如表1所示。

表1　4種TBD算法對比

1.6其他TBD算法

除了前文介紹的4種經(jīng)典的TBD算法外，一些學者還研究了基于其他方法的TBD算法，如基于多級假設(shè)檢驗的TBD算法(MSHT-TBD)［60］，基于高階相關(guān)的TBD算法(HOC-TBD)［61］，基于直方圖概率多假設(shè)的TBD算法(HPMH-TBD)［62］等。這些算法或因為限制條件較多，實用性較差，或尚處于起步階段，還需進一步深入研究。

2　TBD技術(shù)發(fā)展趨勢

2.1臨近多目標和機動目標TBD

目前大部分文獻資料中所研究的方法都是針對單個點目標或者相隔較遠且相互獨立的幾個點目標，而在實際應用中，對于編隊運動的群目標，現(xiàn)有的幾種TBD方法都不能夠給出較好的檢測和跟蹤結(jié)果。對于機動目標，目前相對性能較好的是PF-TBD和FISST-TBD方法，但這需要目標機動特性的先驗信息。因此，為了增強TBD的實用性能，需要研究針對臨近多目標和機動目標情況下更穩(wěn)健的TBD算法。

2.2 TBD性能評估體系

從前文中可以看出，目前對于TBD算法的檢測和跟蹤性能評估方法研究較少，而且這些評估方法都是針對某一類的TBD算法。在該類TBD算法中進行相互之間的對比和分析，對于不同類的TBD算法無法進行性能評估。2008年，Davey等學者對PF-TBD、DPTBD等4種TBD算法進行了仿真比較［76］，但只考慮了單個直線運動的點目標的情況，而且文中并沒有給出具體的檢測性能等指標的計算表達式，只是通過一些統(tǒng)計值進行比較分析。因此，建立一套針對各種TBD算法均能使用的性能評估體系是未來值得重點研究的方向之一。

2.3多傳感器協(xié)同TBD

在日益復雜的戰(zhàn)場環(huán)境下，單傳感器已經(jīng)遠不能滿足實際的應用需求。近年來提出的協(xié)同探測技術(shù)能夠發(fā)揮每個傳感器的優(yōu)勢，相互之間取長補短，抗干擾性能遠大于單個傳感器，具有更高的可靠性。如果將多傳感器協(xié)同技術(shù)和TBD技術(shù)相結(jié)合，利用多傳感器協(xié)同(包括單平臺多部傳感器和多平臺多部傳感器)TBD，實現(xiàn)對微弱目標的多波段、多極化和多視角探測，可以提高檢測跟蹤概率。但是，相對于傳統(tǒng)的TAD技術(shù)，關(guān)于微弱目標的多傳感器協(xié)同TBD技術(shù)研究還較為欠缺。

2.4相參積累TBD

目前研究的TBD算法主要采用的是非相參積累方法。雖然相對于傳統(tǒng)的TAD算法有一定的性能提升，但對SNR的改善有限，而且對于單幀數(shù)據(jù)的SNR要求基本上都不低于0dB，即對于極低SNR或強雜波背景下的微弱目標檢測這些算法都將失效。。2014年，北京理工大學的許稼等學者提出了一種多維聯(lián)合相參積累的空時頻檢測前聚焦雷達信號處理新理論和新方法［64］，能夠有效地抑制強雜波和有源干擾，顯著提高了目標檢測、跟蹤和識別等性能，而且適用于高速高機動隱身目標，具有較好的應用前景。

3　結(jié)束語

TBD技術(shù)是解決雷達微弱目標檢測與跟蹤的一種有效方法。本文綜述了TBD技術(shù)的研究發(fā)展現(xiàn)狀，著重介紹了3DMF-TBD、DP-TBD、HT-TBD和PF-TBD等算法，并結(jié)合國內(nèi)外研究態(tài)勢，對TBD技術(shù)目前存在的問題和發(fā)展趨勢進行了闡述和展望。從目前公開的學術(shù)成果來看，TBD技術(shù)的研究主要集中于算法的改進與創(chuàng)新，在工程應用技術(shù)實現(xiàn)方面尚缺乏一定的探討。在接下來的研究中，應著重結(jié)合實際工程需要，針對不同應用背景，實現(xiàn)相應TBD算法的工程化研究。

參考文獻:

［1］S Buzzi，M Lops，L Venturino.Track-before-detect procedures for early detection of moving target from airborne radars［J］.IEEE Transactions on Aerospace and Electronic Systems，2005，41(3): 937-954.

［2］D Orlando，G Ricci，Y Bar-Shalom.Track-beforedetect algorithms for targets with kinematic constraints［J］.IEEE Transactions on Aerospace and Electronic Systems，2011，47(3):1837-1849.

［3］S J Davey，M G Rutten，B Cheung.Using phase to improve track-before-detect［J］.IEEE Transactions on Aero-space and Electronic Systems，2012，48(1):832-849.

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

［5］I Reed，R Gagliardi，L Stotts.Optical moving target detection with 3-D matched filtering［J］.IEEE Transactions on Aerospace and Electronic Systems，1988，7，24(4):327-336.

［6］I Reed，R Gagliardi，L Stotts.A recursive movingtarget-indication algorithm for optical image sequences［J］.IEEE Transactions on Aerospace and Electronic Systems，1990，26(3):434-439.

［7］Porat B，F(xiàn)riedlander B.A frequency domain algorithm for multiframe detection and estimation of dim targets［J］.IEEE Transactions on Pattern A-nalysis and Machine Intelligence，1990，12(4): 398-401.

［8］Y Chen.On suboptimal detection of 3-dimensional moving targets［J］.IEEE Transactions on Aerospace and Electronic Systems，1989，25(3): 343-350.

［9］Dragovic M.Velocity filtering for target detection and track initiation［R］.Technical Report(ADA415922)，2003.

［10］H L Kenedy.Efficient Velocity Filter Implementations for Dim Target Detection［J］.IEEE Transactions on Aerospace and Electronic Systems，2011，47(4).

［11］Y Barniv.Dynamic programming solution for detecting dim moving targets［J］.IEEE Transactions on Aerospace and Electronic Systems，1985，21(1):144-156.

［12］Y Barniv，O Kella.Dynamic programming solution for detecting dim moving targets Part II: analysis ［J］.IEEE Transactions on Aerospace and Electronic Systems，1987，23(6):776-788.

［13］J Kramer，W Reid.Track-before-detect processing for an airborne type radar［C］.Proceedings of the IEEE 1990 international radar conference.Arlington，VA: IEEE Press，1990:422-427.

［14］J Kramer，W Reid.Track-before-detect processing for a range-ambiguous radar［C］.1991 IEEE International Radar Conference，1991:113-116.

［15］J Harmon.Track-before-detect performance for a high PRF search mode［C］.1991 IEEE International Radar Conference.1991:11-15.

［16］J Arnold，S Shaw.Efficient target tracking using dynamic programming［J］.IEEE Transactions on Aerospace and Electronic Systems，1993，29(1): 44-56.

［17］Tonissen S M，Evans R J.Target tracking using dynamic programming: algorithm and performance ［C］.Proceedings of the 34th Conference on Decision＆Control.New Orleans，LA: IEEE Press，1995:2741-2746.

［18］Tonissen S M，Evans R J.Performance of dynamic programming techniques for track-before-detect ［J］.IEEE Transactions on Aerospace and Electronic Systems，1996，32(4):1440-1451.

［19］Johnston L，Krishnamurthy V.Performance analysis of a dynamic programming track before detect algorithm［J］.IEEE Transactions on Aerospace and Electronic Systems，2002，38(1):228-242.

［20］Wallace W R.The use of track-before-detect in Pulse-Doppler radar［C］.Proceedings of the IEEE 2002 International Radar Conference.Edinburgh，UK: IEEE Press，2002:315-319.

［21］Buzzi S，Lops M，Venturino L.Track-before-detect procedures for early detection of moving target from airborne radars［J］.IEEE Transactions on Aerospace and Electronic Systems，2005，41(3): 937-954.

［22］E Grossi，M Lops，L Venturino.A novel dynamic programming algorithm for track before detect in radar systems［J］.IEEE Transactions on Signal Processing，2013，61(10):2608-2619.

［23］B D Carlson，E D Evans，S L Wilson.Search radar detection and track with the Hough Transform ［J］.IEEE Transactions on Aerospace and Electronic Systems，1994，30(1):102-125.

［24］Chr Kabakchiev，I Garvanov，L Doukovska.Excision CFAR BI detector with Hough Transform in the presence of randomly arriving impulse interference［C］.IEEE International Radar Conference，2005:950-955.

［25］L Doukovska，Chr Kabakchiev，V Kyovtorov，et al.Hough detector with an OS CFAR processor in presence of randomly arriving impulse interference［C］.Proceedings of the 5th European Radar Conference，2008:332-335.

［26］I Garvanov，Chr Kabakchiev.Radar detection and track determination with a transform analogous to the Hough Transform［C］.2nd Microwave and Radar Week in Poland-International Radar Symposium，Krakow，Poland，2006:121-124.

［27］Chr Kabakchiev，I Garvanov，H Rohling.Netted radar Hough detect in randomly arriving impulse interference［C］.The Institution of Engineering and Technology International Conference on Radar Systems，UK，2007:89-96.

［28］Chr Kabakchiev，I Garvaonv，L Doukovska，V Kyovtorov，H Rohling.Data association algorithm in TBD multiradar syetem［C］.Proceedings of the International Radar Symposium，Cologne，Germany，2007:521-525.

［29］Chr Kabakchiev，I Garvanov，L Doukovska，V Kyovtorov.TBD netted radar system in presence of multi false alarms［C］.Proceedings of the 6th European Radar Conference，2009:509-512.

［30］LEE R MOYER，J SPAK，P LAMANNA.A Multi-Dimensional Hough Transform-Based Track-Before-Detect Technique for Detecting Weak Targets in Strong Clutter Backgrounds［J］.IEEE Transactions on Aerospace and Electronic Systems，2011，47(4):3062-3068.

［31］Salmond D J，Birch H.A particle filter for trackbefore-detect［C］.Proceedings of the American Control Conference.Arlington，VA: IEEE Press，2001:3755-3760.

［32］Boers Y，Driessen J N.Particle filter based detection for tracking［C］.Proceedings of the American Control Conference.Arlington，VA: IEEE Press，2001:4393-4397.

［33］M Rollason，D J Samond.A particle filter for track-before-detect of a target with unknown amplitude［C］.IEE Seminar on Target Tracking: Algorithms and Applications，Netherlands，2001: 1-4.

［34］Y Boers，J N Driessen，F(xiàn) Verschure，et al.A multi-target track before detect application［C］.Proceedings of the Computer Vision and Pattern Recognition Workshop，2003:104-107.

［35］Y Boers，J N Driessen.Interacting multiple model particle filter［J］.IEE Proceedings Radar，Sonar and Navigation，2003，150(5):344-349.

［36］M G Rutten，N J Gordon，S Maskell.Particlebased track-before-detect in Rayleigh noise［C］.Proceedings of SPIE-Signal and Data Processing of Small Targets 2004，Orlando，F(xiàn)L，United states，2004:509-519.

［37］M G Rutten，N J Gordon，S Maskell.Recursive track-before-detect with target amplitude fluctuations［J］.IEE Proceedings Radar，Sonar and Navigation，2005，152(5):345-352.

［38］M G Rutten，B Ristic，N J Gordon.A comparison of particle filters for recursive track-before-detect ［C］.2005 7th International Conference on Information Fusion，Philadelphia，PA，United states，2005:169-175.

［39］Gilholm K，Salmond D J.Spatial distribution model for tracking extended objects［J］.IEE Radar Sonar Navigation，2005，152(5):364-371.

［40］Boers Y，Driessen H，Torstensson J，et al.Trackbefore-detect algorithms for tracking extended targets［J］.IEE Radar Sonar Navigation，2006，153(4):345-351.

［41］M Eyili，M Demirekler.Multi-target Particle Filter Based Track Before Detect Algorithm for Tracking of Spawning Targets［C］.2014 IEEE 22nd Signal Processing and Communications Applications Conference，SIU，2014:1071-1074.

［42］諸四海.在強海雜波背景下的潛望鏡檢測［J］.現(xiàn)代雷達，2000，22(4):43-47.

［43］孫廣富，張兵，盧煥章.基于窗口預測匹配的序列圖像點目標軌跡檢測算法［J］.國防科技大學學報，2004，26(2):25-29.

［44］劉劍，趙艷麗，羅鵬飛.基于Hough變換的低可觀測海面運動目標檢測［J］.系統(tǒng)工程與電子技術(shù)，2004，26(3):393-395.

［45］龔亞信，楊宏文，胡衛(wèi)東，等.基于粒子濾波的弱目標檢測前跟蹤算法［J］.系統(tǒng)工程與電子技術(shù)，2007，29(12):2143-2148.

［46］強勇，焦李成，保錚.動態(tài)規(guī)劃算法進行弱目標檢測的機理研究［J］.電子與信息學報，2003，25(6):721-727.

［47］吳孫勇，廖桂生，楊志偉.基于改進粒子濾波的微弱目標檢測前跟蹤算法［J］.系統(tǒng)工程與電子技術(shù)，2010，32(9):1875-1879.

［48］夏宇垠，馮大政，李濤.一種基于Hough變換的寬帶雷達目標檢測器［J］.電子與信息學報，2010，32(11):2755-2759.

［49］吳孫勇，廖桂生，朱圣棋，楊志偉.提高雷達機動目標檢測性能的二維頻率域匹配方法［J］.電子學報.2012，40(12):2415-2420.

［50］Mo L，Wu S，Mao E.Radar detection for dim moving target using DP algorithm［J］.Chinese Journal of Electronics，2004，13(3):486-490.

［51］宋慧波，高梅國，田黎育，等.一種基于動態(tài)規(guī)劃法的雷達微弱多目標檢測方法［J］.電子學報，2006，34(12):2142-2145.

［52］鄧曉波，皮亦鳴，曹正林，等.基于TBD方法的弱小目標預警研究［J］.現(xiàn)代雷達，2009，31(12):57-61.

［53］張偉，孔令講，楊曉波，等.一種用于HPRF雷達的改進DPA弱目標檢測算法［J］.現(xiàn)代雷達，2011，33(5):21-25.

［54］L L Wei，X L Zhang，L Fan.A TBD algorithm based on improved Randomized Hough Transform for dim target detection［C］.International Conference on Signal Processing Systems，2010: 241-245.

［55］曲長文，黃勇，蘇峰.基于動態(tài)規(guī)劃的多目標檢測前跟蹤算法［J］.電子學報，2006，34(12): 2138-2141

［56］黃勇，曲長文，蘇峰.基于Hough變換的檢測前跟蹤算法的性能分析［J］.現(xiàn)代雷達，2004，26(12):37-41.

［57］關(guān)鍵，黃勇.MIMO雷達多目標檢測前跟蹤算法研究［J］.電子學報，2010，38(6):1449-1453.

［58］楊小軍，潘泉，張洪才.基于粒子濾波和似然比的聯(lián)合檢測與跟蹤［J］.控制與決策，2005，20(7):837-840.

［59］梁新華，潘泉，楊峰，等.基于兩級采樣的粒子濾波檢測前跟蹤算法［J］.系統(tǒng)工程與電子技術(shù)，2011，33(9):1921-1926.

［60］Blostein S D，Huang T S.Detecting small moving objects in image sequences using sequential hypothesis testing［J］.IEEE Transactions on Signal Processing，1991，39(7):1611-1629.

［61］Liou R，Azimi-Sadjadi M R.Dim target detection using high order correlation method［J］.IEEE Transactions on Aerospace and Electronic Systems，1993，29(3):841-856.

［62］R L Streit，M L Graham，M J Walsh.Multi-target tracking of distributed targets using histogram-PMHT［J］.Digital Signal Processing，2002，12(2):394-404.

［63］S J Davey，M G Rutten，B Cheung.A comparison of detection performance for several track-beforedetect algorithms［C］.Proceedings of International Conference on Information Fusion，Cologne，Germany: ISIF，June 2008:1-8.

［64］許稼，彭應寧，夏香根，龍騰，毛二可.空時頻檢測前聚焦雷達信號處理方法［J］.雷達學報.2014，3(2):129-141.

An overview on track-before-detect technique for radar weak targets

YANG Ya-bo1，XIA Yong-hong2，KUANG Hua-xing2，DING Chun2
(1.Unit 91404 of the PLA，Qinhuangdao 066001，China; 2.No.724 Research Institute of CSIC，Nanjing 211153)

Abstract:The change of battlefield environment，the development of weapon systems and the application of stealth technique bring a great challenge to modern radar systems in terms of target detection and tracking.Track-before-detect(TBD)technique is an effective approach to resolve the detection and tracking issue of weak targets.The fundamental of the TBD technique is introduced firstly.Afterwards，an overview on the development history and status quo of the TBD algorithms for weak targets is presented emphatically，including the 3D matched filtering，the dynamic programming，the Hough transform and the particle filter.The commonly-used TBD algorithms are compared and analyzed.Finally，some key issues and future development trends of the TBD technique are analyzed based on the progress of the existing TBD research.

Keywords:radar; weak target detection; TBD

作者簡介:楊亞波(1982-)，男，工程師，研究方向:雷達工程和雷達數(shù)據(jù)處理;夏永紅(1989-)，男，助理工程師，碩士，研究方向:雷達微弱目標檢測與跟蹤;匡華星(1978-)，男，高級工程師，碩士，研究方向:雷達總體和數(shù)據(jù)處理;丁春(1983-)，男，高級工程師，碩士，研究方向:雷達數(shù)據(jù)處理。

收稿日期:2015-03-20

文章編號:1009－0401(2015)02－0000－0022－07

文獻標志碼:A

中圖分類號:TN953