贝叶斯推理运动轨迹相干累积的动目标检测方法

doi:10.7527/S1000-6893.2022.26823

电子电气工程与控制

本期目录 | 过刊浏览 | 高级检索

前一篇 |

贝叶斯推理运动轨迹相干累积的动目标检测方法

杨文彬¹^,², 王悦斌¹^,², 李旦¹^,²(), 张建秋¹^,²

^1.电磁波信息科学教育部重点实验室，上海 200433
^2.复旦大学信息科学与工程学院电子工程系，上海 200433

收稿日期:2021-12-16 修回日期:2021-12-30 接受日期:2022-03-21 出版日期:2023-03-25 发布日期:2022-03-30
通讯作者: 李旦 E-mail:lidan@fudan.edu.cn
基金资助:
国家自然科学基金(11974082)

A moving target detector with coherent integration of Bayesian-inferred motion trajectories

Wenbin YANG¹^,², Yuebin WANG¹^,², Dan LI¹^,²(), Jianqiu ZHANG¹^,²

^1.Key Laboratory of EMW Information，Shanghai 200433，China
^2.Department of Electronic Engineering，School of Information Science and Technology，Fudan University，Shanghai 200433，China

Received:2021-12-16 Revised:2021-12-30 Accepted:2022-03-21 Online:2023-03-25 Published:2022-03-30
Contact: Dan LI E-mail:lidan@fudan.edu.cn
Supported by:
National Natural Science Foundation of China(11974082)

摘要/Abstract

摘要：

雷达理论和实践都表明相干累积是机动目标探测行之有效的方法，但其性能会因脉冲回波处理间隔内未知距离和/或多普勒的徒动而降低。为解决这个问题，提出了一种贝叶斯推理运动轨迹相干累积的动目标检测方法。首先，通过对脉冲压缩回波信号的距离频率进行翻转，就可从未翻转与翻转后的回波信号相乘的傅里叶逆变换中，提取出慢时间维描述待探测多目标运动轨迹的时频信号。视该时频信号中各目标运动轨迹为状态变量，获得的时频信号为观测，建立起多目标运动轨迹的状态空间模型。这样，据贝叶斯滤波推理出的目标运动轨迹，构建出快-慢时间维联合的二维匹配滤波器，就能补偿目标高速/机动带来的未知距离和/或多普勒徒动。理论分析和仿真实验均证明：所提算法适用具有复杂且未知运动状态的目标，且呈现出了优于文献报道方法的性能。

关键词: 脉冲多普勒雷达, 贝叶斯推理, 检测聚焦, 匹配滤波, 距离徒动, 多普勒徒动

Abstract:

It has been shown theoretically and practically that coherent integration is an effective method for moving target detection. Unfortunately， its performance is seriously damaged by the unknown range and/or Doppler frequency migrations in a coherent processing interval. To handle such a problem， a moving target detector with the coherent integration of Bayesian-inferred motion trajectories is proposed in this paper. Analyses show that by flipping the range-frequency of the pulse compressed echo signal， the time-frequency signal describing the motion trajectories of the detected targets in the slow-time domain is got by the inverse Fourier transform of the product of the original echo signal and the flipped one. When the time-frequency signal is observed and its phases describing the detected moving target trajectories are regarded as state variables， a state space model for inferring the motion trajectories of multiple targets is given. Based on the inferred target trajectories， the range-frequency-slow-time 2D matched filters are constructed to compensate the unknown range and/or Doppler frequency migrations in an echo signal. Numerical simulation results verify that the proposed method can be applied to high speed/maneuvering targets with unknown complex motion form， and has superior performance than the methods reported in the literature.

Key words: pulse-Doppler radar, Bayesian inference, detection focus, matched filter, range migration, Doppler frequency migration

中图分类号:

V243.2

杨文彬, 王悦斌, 李旦, 张建秋. 贝叶斯推理运动轨迹相干累积的动目标检测方法[J]. 航空学报, 2023, 44(6): 326823-326823.

Wenbin YANG, Yuebin WANG, Dan LI, Jianqiu ZHANG. A moving target detector with coherent integration of Bayesian-inferred motion trajectories[J]. ACTA AERONAUTICAET ASTRONAUTICA SINICA, 2023, 44(6): 326823-326823.

图/表 12

图 1

表 1

算法复杂度比较

算法	运算复杂度
MTD	$O (M N l o g 2 M)$
RFT	$O (N p N v M N)$
R-SC	$O (N p N v N α M N + K M 1.5 l o g 2 M)$
R-MHLV	$O (N p N v M N + K M 2 l o g 2 M)$
TRNU-SCI	$O (N M l o g 2 M N + M 1.5 l o g 2 M)$
GRFT	$O (N p N v N α N β M N)$
本文算法	$Ο (K M N N p l o g 2 (M N) + 1 + I 3)$

表 1

图 2

表 2

表 3

高速目标参数（目标1和2）

编号	距离 $R 0$ /km	速度 v/（m·s ^-1）	加速度 $a$ /（m·s ^-2）	突变加速度 $β$ /（m·s ^-3）
1	6.00	1 000	-10	-30
2	7.00	-970	20	0

表 3

图 3

图4

图 5

图6

图7

图8

图B1

参考文献 26

1	O’DONNELL R M. Introduction to radar systems［D］. Cambridge： Massachusetts Institute of Technology， 2007.
2	KONG L J， LI X L， CUI G L， et al. Coherent integration algorithm for a maneuvering target with high-order range migration［J］. IEEE Transactions on Signal Processing， 2015， 63（ 17）： 4474- 4486.
3	RICHARDS M A. The keystone transformation for correcting range migration in range-Doppler processing［C］∥ IEEE Radar Conference. Piscataway： IEEE Press， 2014： 1– 29.
4	陈小龙，黄勇，关键，等. MIMO雷达微弱目标长时积累技术综述［J］. 信号处理， 2020， 36（ 12）： 1947- 1964.
	CHEN X L， HUANG Y， GUAN J， et al. Review of long-time integration techniques for weak targets using MIMO radar［J］. Journal of Signal Processing， 2020， 36（ 12）： 1947- 1964 （in Chinese）.
5	LI X L， CUI G L， KONG L J， et al. Fast non-searching method for maneuvering target detection and motion parameters estimation［J］. IEEE Transactions on Signal Processing， 2016， 64（ 9）： 2232- 2244.
6	XU J， YU J， PENG Y N， et al. Radon-Fourier transform for radar target detection， I： Generalized Doppler filter bank［J］. IEEE Transactions on Aerospace and Electronic Systems， 2011， 47（ 2）： 1186- 1202.
7	YU W C， SU W M， GU H. Ground moving target motion parameter estimation using Radon modified Lv’s distribution［J］. Digital Signal Processing， 2017， 69： 212- 223.
8	PERRY R P， DIPIETRO R C， FANTE R L. Coherent integration with range migration using keystone formatting［C］∥ 2007 IEEE Radar Conference. Piscataway： IEEE Press， 2007： 863- 868.
9	XU J， XIA X G， PENG S B， et al. Radar maneuvering target motion estimation based on generalized radon-Fourier transform［J］. IEEE Transactions on Signal Processing， 2012， 60（ 12）： 6190- 6201.
10	YU W C， SU W M， GU H， et al. Weak maneuvering target detection in random pulse repetition interval radar［J］. Signal Processing， 2020， 171： 107520.
11	LI H， MA D， WU R B. A low complexity algorithm for across range unit effect correction of the moving target via range frequency polynomial-phase transform［J］. Digital Signal Processing， 2017， 62： 176- 186.
12	CHEN X L， GUAN J， ZHENG J B， et al. Non-parametric searching sparse long-time coherent integration method for highly maneuverable target of MIMO radar［C］∥ 2021 International Conference on Control， Automation and Information Sciences （ICCAIS）. Piscataway： IEEE Press， 2021： 398- 403.
13	SUN Z， LI X L， YI W， et al. Detection of weak maneuvering target based on keystone transform and matched filtering process［J］. Signal Processing， 2017， 140： 127- 138.
14	王悦斌，蒋景飞，张建秋. 动态出现和/或消失时频信号的模型和分析［J］. 电子学报， 2019， 47（ 2）： 495- 501.
	WANG Y B， JIANG J F， ZHANG J Q. A time-frequency model and analytical method for multiple modulated components with dynamic births and deaths［J］. Acta Electronica Sinica， 2019， 47（ 2）： 495- 501 （in Chinese）.
15	高羽，张建秋，尹建君. 机动目标的多项式预测模型及其跟踪算法［J］. 航空学报， 2009， 30（ 8）： 1479- 1489.
	GAO Y， ZHANG J Q， YIN J J. Polynomial prediction model and tracking algorithm of maneuver target［J］. Acta Aeronautica et Astronautica Sinica， 2009， 30（ 8）： 1479- 1489 （in Chinese）.
16	HEINONEN P， NEUVO Y. FIR-Median hybrid filters with predictive FIR substructures［J］. IEEE Transactions on Acoustics， Speech， and Signal Processing， 1988， 36（ 6）： 892- 899.
17	SÄRKKÄ S. Bayesian filtering and smoothing： Particle filtering［M］. Cambridge： Cambridge University Press， 2013.
18	STOICA P， ZACHARIAH D， LI J. Weighted SPICE： A unifying approach for hyperparameter-free sparse estimation［J］. Digital Signal Processing， 2014， 33： 1- 12.
19	RADOI E， QUINQUIS A. A new method for estimating the number of harmonic components in noise with application in high resolution radar［J］. EURASIP Journal on Advances in Signal Processing， 2004， 2004（ 8）： 615890.
20	XU J， YU J， PENG Y N， et al. Radon-Fourier transform for radar target detection （II）： Blind speed sidelobe suppression［J］. IEEE Transactions on Aerospace and Electronic Systems， 2011， 47（ 4）： 2473- 2489.
21	张召友，郝燕玲，吴旭. 3种确定性采样非线性滤波算法的复杂度分析［J］. 哈尔滨工业大学学报， 2013， 45（ 12）： 111- 115.
	ZHANG Z Y， HAO Y L， WU X. Complexity analysis of three deterministic sampling nonlinear filtering algorithms［J］. Journal of Harbin Institute of Technology， 2013， 45（ 12）： 111- 115 （in Chinese）.
22	DJUROVIĆ I， SIMEUNOVIĆ M. Review of the quasi-maximum likelihood estimator for polynomial phase signals［J］. Digital Signal Processing， 2018， 72： 59- 74.
23	CAREVIC D， DAVEY S. Two algorithms for modeling and tracking of dynamic time-frequency spectra［J］. IEEE Transactions on Signal Processing， 2016， 64（ 22）： 6030- 6045.
24	XU J， ZHOU X， QIAN L C， et al. Hybrid integration for highly maneuvering radar target detection based on generalized radon-Fourier transform［J］. IEEE Transactions on Aerospace and Electronic Systems， 2016， 52（ 5）： 2554- 2561.
25	YANG Z， XIE L H. On gridless sparse methods for line spectral estimation from complete and incomplete data［J］. IEEE Transactions on Signal Processing， 2015， 63（ 12）： 3139- 3153.
26	NGUYEN T H， LOUVEAUX J， DE DONCKER P， et al. Performance analysis of matched-filter precoded MISO-OFDM systems in the presence of imperfect CSI［C］∥ 2020 IEEE 91st Vehicular Technology Conference. Piscataway： IEEE Press， 2020： 1- 5.

E-mail：hkxb@buaa.edu.cn

关于我们

期刊社服务

专业学科

封面文章

友情链接

主管单位：中国科学技术协会主办单位：中国航空学会北京航空航天大学

参数	数值
载频/ GHz	1
脉冲带宽/MHz	5
采样频率/MHz	15
脉冲重复周期/ms	0.5
脉冲持续时间/μs	10
脉冲数	900

[1]	简涛;何友;苏峰;曲长文;顾新锋. 非高斯杂波下自适应雷达目标检测新方法[J]. 航空学报, 2010, 31(3): 579-586.
[2]	张岩;崔智社;龙腾. 图象序列中机动目标的形心跟踪[J]. 航空学报, 2001, 22(4): 312-316.
[3]	郦能敬. 关于雷达抗干扰能力的度量方法[J]. 航空学报, 1979, 00(1): 70-82.

贝叶斯推理运动轨迹相干累积的动目标检测方法

A moving target detector with coherent integration of Bayesian-inferred motion trajectories

RichHTML

PDF (PC)

可视化

摘要/Abstract

引用本文

使用本文

图/表 12

参考文献 26

相关文章 3

编辑推荐

Metrics

本文评价