针对雷达/声呐系统的目标检测跟踪一体化方法和装置制造方法及图纸

本发明专利技术公开了一种针对雷达/声呐系统的目标检测跟踪一体化方法和装置，以解决复杂观测环境下的雷达/声呐目标检测与跟踪问题。本发明专利技术方法首先获取和目标个数、目标运动模式、信号类型、物理观测环境相关的概率测度先验数据信息；采用贝叶斯非参建模方法对上述先验数据信息进行统一化建模；在上述先验模型基础之上，融入当前观测信息，采用贝叶斯机制构建目标状态后验模型；采用蒙特卡洛后验分布采样方法对目标参数后验分布进行随机采样，利用所抽取的随机样本进行相应的统计推断，以估计目标有无、目标个数以及目标运动参数。本发明专利技术方法和装置的将对复杂观测环境下雷达/声呐目标检测跟踪问题的有效解决具有促进作用。

【技术实现步骤摘要】

本专利技术涉及一种目标检测跟踪方法及装置，属于跟踪勘探

技术介绍
如何利用信号处理方法处理噪声观测数据，进而实现对运动目标的准确检测与精确跟踪，是诸多军事和民用领域中所面临的难题，也是近年国际上重要的研宄方向和研宄热点之一。军事上，有效的目标检测跟踪方法可用来检测、搜索和跟踪敌方目标，如潜艇、舰艇、鱼雷、水雷、飞机、导弹等，以便本方实施有效的攻击或者规避。国际上众多的(尤其由军方支持的)研宄机构和研宄项目，正积极开展相关课题研宄:如意大利的NATOUndersea Research Center (NURC)，德国的 German Defense Establishment (FGAN-FKIE)，美国的Naval Undersea Warfare Center、Office of Naval Research、Air Force ResearchLab、林肯实验室和 DARPA 项目，英国的 Defense Technology Center、QinetiQ 和 MalvernTechnology Centre，澳大利亚的 Defense Science and Technology Organizat1n (DSTO)及其下属的Maritime Operat1ns Divis1n。当前我国面临极其复杂的国际安全局势，在此大背景下，开展对先进目标检测跟踪方法的研宄尤具现实意义。此外，目标检测与跟踪方法也广泛应用于鱼群探测、资源勘探、船舶导航、水下作业、交通调度、视频监控、机器人导航等民用领域。在雷达、声纳、红外探测、视频监控等相关研宄领域，目标检测与目标跟踪通常被视为两个独立问题。目标检测问题可以描述为:如何通过处理噪声观测数据以判别目标是否存在；而跟踪问题则关注于:在目标存在的前提下，如何从噪声观测数据中实时提取目标的运动状态信息。由此可见，目标检测通常是目标跟踪的前置处理模块，目标跟踪效果则依赖于可靠的检测结果。针对水声系统，声波在水下信道中的传播机制远远复杂于电磁波在空气中的传播:一方面，声波在水下的传播速度慢、通信时延大，单次水声试验所获得的试验数据通常很少；另一方面，水声信道物理特性复杂，信道多径效应严重，杂波密度大，很难判别观测数据是源自真实目标，还是产生于杂波或其它类型的噪声。现有声纳系统通常采取将检测与跟踪作为单独模块“分而治之”的方式。这种方式存在的问题包括:目标检测跟踪性能过分依赖于检测门限值的设定；对于水声等复杂信道，由于多普勒频散现象与多径效应明显，观测数据统计平稳性差，检测模块将很难选取合适的时间域分段节点以保证目标回波在每一观测时间段内的统计平稳性；现代化目标的强预警能力与机动性会引起目标运动模式的瞬变性及不确定性，从而为常规的目标检测跟踪模式带来严峻挑战。
技术实现思路
为了解决上述复杂观测环境下的雷达/声呐目标检测与跟踪问题，本专利技术提供了一种针对雷达/声呐系统的目标检测跟踪一体化方法和装置，其中，针对雷达/声呐系统的目标检测跟踪一体化方法包括如下步骤:S1:获取和目标个数、目标运动模式、信号类型、物理观测环境相关的概率测度先验数据信息；S2:采用贝叶斯非参建模方法对上述先验数据信息进行统一化建模，得到先验模型，将有可能影响目标状态的各种因素统一在一个模型之中，该模型描述了目标状态与先验数据信息间的统计依赖关系；S3:在上述S2步骤得到的先验模型基础之上，融入当前观测信息，采用贝叶斯机制构建目标状态后验模型；S4:基于上述S3步骤得到的后验模型，采用蒙特卡洛后验分布采样方法进行统计推断，估计目标有无、目标个数以及目标运动参数。进一步，上述先验数据信息的来源包括雷达/声呐操作员的经验和口头表述、保存过的相关实验场景下的历史数据、有可能影响目标信号统计特性的其它各类数据信息，如天气、海水物理特性等。进一步，步骤S2中，先验信息中所包含的不精确、不确定和模糊性因素通过概率分布的形式进行表示。进一步，步骤S3的具体过程为，先定义似然函数描述模型参数与当前观测数据的相互依赖关系，基于贝叶斯公式融合先验分布和似然函数，计算得到模型参数的后验概率密度分布。进一步，步骤S4中，采用蒙特卡洛后验分布采样方法，包括马尔科夫链蒙特卡洛算法及其各种变种和序列蒙特卡洛方法及其各种改进算法，对模型参数后验分布进行随机抽样，得到针对后验分布的基于随机样本的离散近似。基于随机样本集，进行统计推断，输出对目标个数和目标运动状态的实时估计值。进一步，上述先验模型和后验模型中均含有指示目标是否存在的二元参数以及目标运动状态参数。针对雷达/声呐系统的目标检测跟踪一体化装置包括:先验数据信息收集与获取装置:该装置由数据接口模块、数据存储模块组成，数据接口模块负责接收各类先验数据源发送来的先验数据信息，数据存储模块负责将先验数据信息进行储存。先验数据信息统一化建模与表示装置:是利用贝叶斯非参模型对上述各种先验数据信息进行统一化描述建模，利用统一的数学语言，即贝叶斯非参模型，将各种先验数据信息与目标状态间的关系加以描述。观测数据与先验数据信息统计融合装置:用于收集最新的观测数据并将其与先验数据信息进行融合，获得描述当前时刻目标状态的后验模型。基于后验分布采样方法的统计推断装置:该装置负责运行贝叶斯后验分布采样算法，对目标状态后验概率分布进行随机抽样，利用所获得的随机样本进行相应的统计推断，输出对目标个数以及目标运动参数估计值。通过采用上述技术方案，本专利技术能够实现从系统角度，对影响观测信号统计特性的各类不确定性因素，如目标信号类型、目标运动模式、信道特性等，在贝叶斯非参模型框架内进行统一建模处理，实现由观测数据主导的系统模型自动构建与更新，和对目标信息的全局最优估计。本专利技术将目标检测与目标跟踪置于统一的统计模型架构内，充分挖掘目标检测与目标跟踪两环节间的内在机理联系，充分利用多源异构的先验信息，给出较传统方案更为准确的目标检测跟踪效果。当前第1页1 2 本文档来自技高网...

【技术保护点】
一种针对雷达/声呐系统的目标检测跟踪一体化方法，其特征在于，包括如下步骤：S1：获取和目标个数、目标运动模式、信号类型、物理观测环境相关的概率测度先验数据信息；S2：采用贝叶斯非参建模方法对所述先验数据信息进行统一化建模，得到先验模型；S3：在上述S2步骤得到的先验模型基础之上，融入当前观测信息，采用贝叶斯机制构建目标状态后验模型；S4：基于上述S3步骤得到的后验模型，采用蒙特卡洛后验分布采样方法进行统计推断，估计目标有无、目标个数以及目标运动参数。

【技术特征摘要】

【专利技术属性】
技术研发人员：刘斌，
申请(专利权)人：南京邮电大学，
类型：发明
国别省市：江苏;32