基于动态邻域的检测前跟踪算法的研究

发布时间：2020-09-24 11:11

　　现代战场上,尤其是城市环境作战,针对微弱目标(尤其是隐身目标或者是隐蔽目标)的检测前跟踪(Track Before Detect,TBD)技术愈加受到关注。TBD的基本思想是将连续帧数据做联合处理,在检测目标之前先跟踪目标的轨迹,从而实现多帧数据的非相干积累,达到检测性能的提升。本文选择对目标运动不做任何先验性限制的基于动态规划(Dynamic Programming,DP)的TBD算法,开展了室内人员目标穿墙检测跟踪问题研究。取得以下主要研究成果:1)分析了影响DP-TBD算法的关键参数,给出了传统DP-TBD算法的适用条件。分析了动态规划应用于最优化问题求解的理想特性,给出了DP-TBD算法的基本递推方程。研究了检测跟踪室内人员目标的DP-TBD算法:该算法利用图像幅度值作为目标函数,能对信噪比大于-10dB以上的室内人员目标进行有效跟踪监测。2)针对DP-TBD算法计算量大的缺点,提出了适合规则质点目标检测跟踪的NS-TPDP-TBD算法。分析并给出了TPDP-TBD算法中第一级门限的选取准则。提出了适合检测跟踪室内规则质点目标的NS-TPDP-TBD算法:该算法引入目标先验信息,对DP-TBD算法进行改进,使得搜索次数不再与图像像素大小相关,并减少了第一级门限检测可能产生的疑似目标轨迹的数目,进而减低算法的搜索量,提高了算法的时效性。仿真验证表明NS-TPDP-TBD算法比DP-TBD算法更有效,性能更好,对室内人员目标闪烁问题不敏感。3)针对NS-TPDP-TBD算法面临的实际问题进行改进,提出了适合不规则扩展目标检测跟踪的ADNS-TPDP-TBD算法。分析了NS-TPDP-TBD算法面临的实际问题,提出了一种适合检测跟踪室内不规则扩展目标的改进算法——ADNS-TPDP-TBD算法。该算法引入等价邻域,分析了邻域的动态扩展,可以避免多径反射造成的强杂波干扰,解决人员目标的不规则扩展以及运动速度的变化问题。仿真及实测数据表明ADNS-TPDP-TBD算法能实现多人跟踪,能够适应多径杂波环境,对人员目标的不规则扩展以及速度变化不敏感,比NS-TPDP-TBD算法更适于实际应用,具有较好的实际应用价值。
【学位单位】：国防科技大学
【学位级别】：硕士
【学位年份】：2017
【中图分类】：E91;TN957.52
【部分图文】：

目标,邻域,状态转移,强杂波

图 3. 1 邻域状态转移示，假设目标在第k 帧的位置为(i , j )，则目标在置只有 9 种。这 9 个位置组成的 9 宫格就是以点了搜索范围的同时，也限定了距离偏移量范围（速度决定，也就是说，帧与帧之间由于运动引起范围）。索范围的限定导致直接将邻域外的强杂波干扰剔产生的疑似目标轨迹的数目，客观上降低了虚警样的特点输出轨迹集合中估计的轨迹数目远远小轨迹的数目，降低了虚警。，距离偏移量范围的限定直接将邻域附近强杂波与真实目标轨迹部分重合的虚假轨迹的出现，而较不容易被临近强杂波干扰引偏。客观上降低了度，提高了算法的检测跟踪性能。

目标闪烁,算法,邻域

国防科技大学研究生院硕士学位论文目标邻域所有点均通过门限检测。假设目标在第 a 帧存在，从 a+1 帧开始，连续丢失 m 帧（m≥2）。在目标丢失的第 a+m 帧图像中，虽然目标不明显，但在其最大运动速度Vmax/帧的前提下，目标发生的最大位移为 m*Vmax，那么在第 a+m 帧中，其目标一定是在以第 a 帧中目标点位置为中心，（2*m*Vmax+1）×（2*m*Vmax+邻域范围内存在的，只是不能确定是该邻域中哪个像素位置。也即第 a+m 帧（2*m*Vmax+1）×（2*m*Vmax+1）邻域里没有点能超过第一级门限，但是在法实现中，判定该邻域所有点均通过门限检测。虽然在 NS-TPDP-TBD 算法中设定了的邻域大小是固定的，然而以上的处理产生邻域大小扩大的的效果（见图 3.2 所示）：

序列,系统展示

国防科技大学研究生院硕士学位论文二节介绍了第三章提出的 NS-TPDP-TBD 算法面临的实际问题；第三人员目标检测和跟踪的 ADNS-TPDP-TBD 算法及其实现：先讨论了邻域；随后分析了邻域的动态扩展；接着给出了 ADNS-TPDP-TBD现步骤；第四节采用仿真及实测雷达图像序列对算法进行验证；最结。4.2 NS-TPDP-TBD 算法面临的实际问题于本文的研究不涉及穿墙雷达墙杂波抑制，而是直接针对有效抑制的雷达图像序列进行处理，故而利用如图 4.1 所示的雷达系统，直接达回波数据（数据采集、成像、回放界面见图 4.2）。

【相似文献】