亚洲免费av电影一区二区三区,日韩爱爱视频,51精品视频一区二区三区,91视频爱爱,日韩欧美在线播放视频,中文字幕少妇AV,亚洲电影中文字幕,久久久久亚洲av成人网址,久久综合视频网站,国产在线不卡免费播放

        ?

        基于區(qū)間動態(tài)劃分的DP-TBD算法

        2020-10-16 01:05:08孫藏安史小斌
        火控雷達(dá)技術(shù) 2020年2期
        關(guān)鍵詞:航跡時刻區(qū)間

        孫藏安 孟 寧 史小斌

        (西安電子工程研究所 西安 710100)

        0 引言

        復(fù)雜環(huán)境下多目標(biāo)的檢測與跟蹤已成為現(xiàn)代雷達(dá)面臨的問題之一。為了防止信號處理器的飽和,通常采用恒虛警率(CFAR)處理檢測目標(biāo),但這樣難以避免恒虛警損失,而在低信噪比和信雜比的情況下的弱目標(biāo)無法檢測出來[1]。檢測前跟蹤[2](track before detect,TBD)是一種針對低信噪比和低信雜比目標(biāo)的檢測跟蹤新技術(shù),在單幀內(nèi)并不設(shè)檢測門限[3],而是保留目標(biāo)的原始信息,利用多幀能量的非相干積累,在多幀數(shù)據(jù)聯(lián)合處理后,宣布檢測結(jié)果并同時估計出目標(biāo)航跡[4],適合于微弱目標(biāo)的檢測與跟蹤[5]。TBD有動態(tài)規(guī)劃[5-8](dynamic programming,DP),粒子濾波[9-10](particle filter,PF),有限統(tǒng)計學(xué)[11-12](finite set statistics,F(xiàn)ISST),霍夫變換[13-14](Hough transform,HT)和最大似然估計[15](maximum likelihood,ML)等多種實現(xiàn)方法,但由于TBD保留了全部的原始數(shù)據(jù)(包括信號幅度),使得其很難應(yīng)用于對實時性要求高的雷達(dá)系統(tǒng)。尤其在進(jìn)行多目標(biāo)跟蹤時,多目標(biāo)變量的高維特性使TBD的信號處理更加復(fù)雜,需要耗費巨大的計算資源。

        本文基于標(biāo)準(zhǔn)單目標(biāo)DP-TBD算法,研究運行高效的多目標(biāo)DP-TBD算法。方法之一是利用兩點起始的臨時航跡和預(yù)測滑窗中的目標(biāo)所在區(qū)域,動態(tài)劃分分辨單元,然后執(zhí)行標(biāo)準(zhǔn)DP-TBD算法。方法之二首先對量測區(qū)域采用基于密度的聚類(density-based spatial clustering of applications with noise,DBSCAN)方法進(jìn)行聚類,然后對每一個聚類區(qū)域中的量測進(jìn)行兩點起始,再根據(jù)起始的臨時目標(biāo)狀態(tài)和聚類區(qū)域?qū)^(qū)間動態(tài)劃分,最后對每一個臨時航跡執(zhí)行DP-TBD算法。執(zhí)行標(biāo)準(zhǔn)DP-TBD的過程通過多拍累積濾除虛假航跡,保留真實航跡并輸出。這兩種方法統(tǒng)一稱為區(qū)間動態(tài)劃分的多目標(biāo)DP-TBD算法。

        1 系統(tǒng)模型

        1.1 運動模型

        xn,k+1=fn(xn,k,qn,k),n=1,2,…,Nk

        (1)

        其中qn,k為零均高斯白噪聲。

        1.2 量測模型

        (2)

        假設(shè)各幀之間、各分辨單元的觀測噪聲相互獨立,由于傳感器的模糊,會對鄰近分辨單元造成影響。假設(shè)目標(biāo)強(qiáng)度的分布按照點傳播函數(shù),如果各分辨單元的大小為Δx×Δy,則在分辨單元(m,n),位于(xk,yk),幅值為Ik的點目標(biāo)強(qiáng)度可近似為

        (3)

        其中,b表示模糊點的數(shù)量,目標(biāo)的信噪比可由式(4)計算

        (4)

        (5)

        2 基于區(qū)間動態(tài)劃分的DP-TBD算法

        2.1 傳統(tǒng)單目標(biāo)DP-TBD算法

        已知量測空間離散化的分辨單元為m=1,2,…,Nx,n=1,2,…,Ny,其中Nx、Ny為x、y方向上的分辨單元個數(shù)。

        1)初始化。即k=1時,離散空間各分辨單元積累值函數(shù)

        I(m,n)(s1)=z(m,n)

        (6)

        Φ(s1)=0

        (7)

        Φ(s1)=0可以理解為,因為此時是初始狀態(tài),沒有前面時刻積累的先驗信息,即初始化之前時刻的目標(biāo)狀態(tài)信息是未知的。

        2)遞歸。即2≤k≤K時,

        (8)

        Φ(sk)=arg max(I(m,n)(sk-1))

        (9)

        圖2 狀態(tài)轉(zhuǎn)移數(shù)在離散空間的分布

        由arg max(I(m,n)(sk-1))可知,k時刻對應(yīng)k-1時刻值函數(shù)的最大值,所以此時得出的是k-1時刻目標(biāo)最可能所在分辨單元到k時刻該分辨單元的對應(yīng)關(guān)系,因此可以求出k-1時刻到此分辨單元的目標(biāo)狀態(tài)sk-1。

        3)終止。設(shè)定某一特定門限VT,尋找滿足式(10)的候選目標(biāo)狀態(tài)。

        (10)

        (11)

        2.2 基于兩點起始和目標(biāo)預(yù)測區(qū)域動態(tài)劃分的多目標(biāo)DP-TBD算法

        DP-TBD將監(jiān)測空間離散化為分辨單元為nx×ny的量測空間,而nx和ny值如何選取對TBD處理結(jié)果有很大影響。理論分析可知,若想有效地利用DP-TBD算法,需將同一目標(biāo)不同時刻的量測點劃分在不同的分辨單元中,因此不同的監(jiān)測范圍可能需要不同的分辨單元數(shù),否則DP-TBD將無法適用,例如若nx×ny=50×50,當(dāng)監(jiān)視區(qū)域為x∈[0,50],y∈[0,50]時,圖3(a)中目標(biāo)可以將不同時刻的量測分辨出,但若監(jiān)視區(qū)域為x∈[0,500],y∈[0,500]時,如圖3(b)所示,若仍使用此分辨單元數(shù),則將無法分辨出此目標(biāo)。

        圖3 將監(jiān)視區(qū)域劃分為nx×ny個分辨單元

        由以上分析可知,分辨單元個數(shù)與目標(biāo)的運動情況有著密切聯(lián)系,若想將不同時刻的目標(biāo)分辨出來,需要使每個分辨單元的大小滿足式(12)條件

        (12)

        其中vxmin、vymin為目標(biāo)在x和y軸方向運動速度的最小值,T為采樣周期。所以可得不同監(jiān)視區(qū)域的最小分辨單元數(shù)為

        (13)

        所以當(dāng)監(jiān)視區(qū)域較大時,若想檢測出慢速運動的微弱目標(biāo),需要建立足夠多的分辨單元,就會造成很大的計算負(fù)擔(dān)。

        在未知目標(biāo)速度先驗信息的情況下,考慮采用簡單的兩點起始方法起始目標(biāo)臨時航跡,根據(jù)起始的每個臨時航跡的狀態(tài)信息分別對量測區(qū)間進(jìn)行動態(tài)劃分,然后執(zhí)行標(biāo)準(zhǔn)單目標(biāo)DP-TBD算法,若多拍累積后能量大于設(shè)定的閾值則判定此航跡為穩(wěn)定航跡并輸出,否則則認(rèn)為此航跡為虛假航跡并舍棄,算法流程如圖4所示。

        圖4 基于兩點起始和分辨單元動態(tài) 劃分的多目標(biāo)DP-TBD算法

        兩點起始方法為:第一拍量測作為航跡頭,利用最大速度限制一圓形區(qū)域Rthreshold=vmax×T,其中vmax為目標(biāo)最大速度,T為采樣周期。當(dāng)?shù)诙牧繙y落入以第一拍量測建立航跡頭所在的區(qū)域內(nèi)時,建立臨時航跡,即若

        (14)

        其中,i,j為k時刻的第i個點跡和k+1時刻的第j個回波,則k時刻若建立Nk臨時航跡,初始狀態(tài)為

        (15)

        利用建立起的臨時航跡對量測區(qū)間進(jìn)行動態(tài)劃分得到公式(16)。

        (16)

        圖5 兩點起始示意圖

        定義p為分辨區(qū)間系數(shù),p值越小則分辨單元越小,分辨單元個數(shù)越多,則計算量越大,所以限制p∈[0.5,1]。

        所以分辨單元個數(shù)

        (17)

        2.3 基于DBSCAN聚類和區(qū)間動態(tài)劃分的多目標(biāo)DP-TBD算法

        傳統(tǒng)DP-TBD算法的累積過程是基于分辨單元的,當(dāng)搜索區(qū)域較大,分辨單元個數(shù)較多時,為了遍歷整個空間,會造成嚴(yán)重的計算負(fù)擔(dān)。雖然目標(biāo)存在于量測區(qū)域全區(qū)域的任意位置,但某一時間段的某一個目標(biāo)只存在于某個特定的區(qū)域之中,DP-TBD的處理方法是批處理,考慮可以對多批數(shù)據(jù)先進(jìn)行聚類,然后對聚類得到的每一區(qū)域執(zhí)行基于兩點起始和分辨單元動態(tài)劃分的DP-TBD算法,此時劃分分辨單元的區(qū)域為每一個聚類區(qū)域,聚類過程也可以消除部分雜波。DBSCAN聚類的具體過程可以參照文獻(xiàn)[16]。

        算法過程如圖6所示。

        圖6 基于DBSCAN聚類和區(qū)間動態(tài)劃分的多目標(biāo)DP-TBD算法流程

        3 仿真分析

        3.1 仿真場景設(shè)置

        本文采用勻速直線模型對算法性能進(jìn)行驗證,采樣周期T=1,目標(biāo)運動拍數(shù)為k=10。其中,仿真場景有4個目標(biāo),目標(biāo)初始狀態(tài)如表1所示,可知仿真場景中設(shè)置了4個不同運動方向的目標(biāo),其中目標(biāo)1、4為慢速目標(biāo),目標(biāo)2、3為快速目標(biāo)。量測區(qū)域為x∈[0,1000],y∈[0,1000],每拍設(shè)置在整個區(qū)間服從泊松分布的雜波數(shù)為C2=100,信雜比為SCR=10,方法1累積強(qiáng)度閾值VT1=70,因為方法2 DBSCAN聚類會濾除部分雜波,所以VT2=60。

        表1 目標(biāo)初始狀態(tài)

        3.2 仿真結(jié)果分析

        因為仿真場景雜波較多,且量測區(qū)域較大,造成兩點起始的虛假航跡較多,若不進(jìn)行量測區(qū)間動態(tài)劃分,僅僅根據(jù)臨時航跡狀態(tài)和全量測區(qū)域?qū)Ψ直鎲卧M(jìn)行動態(tài)劃分,則會造成巨大的運算負(fù)擔(dān),無法保證算法的實時性,不具備參考價值,故僅列舉本文中提出的基于兩點起始和目標(biāo)預(yù)測區(qū)域動態(tài)劃分的多目標(biāo)DP-TBD算法(算法1)和基于DBSCAN聚類和區(qū)間動態(tài)劃分的多目標(biāo)DP-TBD算法(算法2)的結(jié)果,量測分區(qū)示意圖如圖7所示。

        圖7 量測區(qū)域分區(qū)示意圖

        對兩種算法執(zhí)行10次仿真,算法1仿真結(jié)果如表2所示,其中一次的跟蹤結(jié)果及目標(biāo)強(qiáng)度累積矩陣如圖8,圖9所示。

        算法2仿真結(jié)果如表3所示,聚類參數(shù)Eps=30,MinPts=3。其中一次的聚類和跟蹤結(jié)果及目標(biāo)強(qiáng)度累積矩陣如圖10,圖11所示。

        表2 算法1多次仿真結(jié)果

        圖8 算法1跟蹤結(jié)果

        圖9 算法1目標(biāo)累積矩陣強(qiáng)度

        表3 算法2多次仿真結(jié)果

        圖10 算法2處理結(jié)果

        圖11 算法2目標(biāo)累積矩陣強(qiáng)度

        由表2、表3跟蹤目標(biāo)個數(shù)結(jié)果和圖8、圖10(b)算法跟蹤結(jié)果可知,兩種算法不僅能對目標(biāo)2、3快速運動的目標(biāo)形成穩(wěn)定的跟蹤航跡,還能夠跟蹤目標(biāo)1、4這樣慢速運動的目標(biāo),能夠滿足實際環(huán)境中跟蹤不同運動狀態(tài)目標(biāo)的要求,具有較穩(wěn)定的跟蹤性能。

        兩種算法的對比結(jié)果如表4所示。

        表4 兩種算法結(jié)果對比

        由表4可知,兩種算法均有較高的計算效率,能夠滿足算法實時性的要求。每次仿真平均起始航跡數(shù)為31,大部分虛假航跡在DP-TBD多拍累積的過程中都能濾除掉。算法1的漏檢率較高,而算法2的虛假航跡率較高,這主要是由于累積目標(biāo)強(qiáng)度閾值的設(shè)置引起的,算法1設(shè)置了較高的閾值故導(dǎo)致了漏檢率的增加,這需要根據(jù)實際應(yīng)用中的經(jīng)驗進(jìn)行賦值。同時,兩種算法均能較好的完成對目標(biāo)的有效跟蹤。

        實際環(huán)境中,雜波不是服從均勻分布的,而且存在同一時刻多個目標(biāo)交疊于同一點的情況,個別目標(biāo)也會伴隨有較強(qiáng)的機(jī)動性,所以處理起來將會面臨更多難題。本文旨在解決DP-TBD算法固定分辨單元難以對不同運動狀態(tài)(速度)目標(biāo)有效跟蹤和分辨單元個數(shù)較多時計算量大的問題,針對具有不同運動模型(如加速、轉(zhuǎn)彎等)的目標(biāo),后續(xù)可以考慮在對目標(biāo)進(jìn)行預(yù)測時采用交互式多模型的方法;針對交疊目標(biāo)或相距較近的并行目標(biāo),因為其處于同一聚類區(qū)域或動態(tài)劃分的同一區(qū)域中,可在目標(biāo)累積過程中加入一定的邏輯策略,以最大期望輸出真實目標(biāo)。

        4 結(jié)束語

        本文提出的兩種基于量測區(qū)間動態(tài)劃分的多目標(biāo)DP-TBD算法,具有較高的運算效率和跟蹤性能。算法1根據(jù)臨時航跡目標(biāo)狀態(tài)和滑窗窗長對量測區(qū)域進(jìn)行劃分及算法2根據(jù)聚類對量測區(qū)間進(jìn)行劃分的本質(zhì)是一樣的,都是將一個大的量測區(qū)域動態(tài)劃分為一個個小的量測區(qū)域,然后根據(jù)臨時目標(biāo)狀態(tài)動態(tài)劃分分辨單元,最后通過DP-TBD算法累積濾除虛假航跡,輸出穩(wěn)定航跡,為TBD在工程實踐中的應(yīng)用提供了思路。

        猜你喜歡
        航跡時刻區(qū)間
        解兩類含參數(shù)的復(fù)合不等式有解與恒成立問題
        你學(xué)會“區(qū)間測速”了嗎
        冬“傲”時刻
        捕獵時刻
        夢的航跡
        青年歌聲(2019年12期)2019-12-17 06:32:32
        自適應(yīng)引導(dǎo)長度的無人機(jī)航跡跟蹤方法
        視覺導(dǎo)航下基于H2/H∞的航跡跟蹤
        區(qū)間對象族的可鎮(zhèn)定性分析
        街拍的歡樂時刻到來了
        基于航跡差和航向差的航跡自動控制算法
        国产一区二区长腿丝袜高跟鞋| 正在播放淫亚洲| 久久av一区二区三区下| 亚洲第一女人的天堂av| 午夜亚洲av日韩av无码大全| 欧美疯狂性xxxxxbbbbb| 高潮喷水无遮挡毛片视频| 三级国产自拍在线观看| 久久性爱视频| 国产精品无码日韩欧| 久久久久久一本大道无码 | 影音先锋色小姐| 精品一品国产午夜福利视频| 成人特黄特色毛片免费看| 色播视频在线观看麻豆| 一区二区三区av波多野结衣| 在线播放a欧美专区一区| 国产精品毛片大尺度激情| 国产最新女主播福利在线观看| 首页 综合国产 亚洲 丝袜| 久久91综合国产91久久精品| 日本一区二三区在线中文| 日本伊人精品一区二区三区| 久久99久久99精品免观看 | 人禽伦免费交视频播放| 娇柔白嫩呻吟人妻尤物| 一区二区三区国产精品麻豆| 亚洲av综合av成人小说| 日韩视频第二页| 亚洲一区二区三区国产精品| 最近免费中文字幕中文高清6| 99久久精品费精品国产一区二区 | 国产伦奸在线播放免费| 日本在线 | 中文| 国产日韩成人内射视频| 亚洲一区二区三区乱码在线 | 91精品福利一区二区| 国产一级r片内射视频播放| 亚洲深深色噜噜狠狠网站| 久久午夜伦鲁片免费无码| 亚洲红杏AV无码专区首页|