基于TransUNet的机动微弱目标智能检测前跟踪算法

doi:10.7527/S1000-6893.2023.29466

电子电气工程与控制

本期目录 | 过刊浏览 | 高级检索

前一篇 |

基于TransUNet的机动微弱目标智能检测前跟踪算法

武星蕊¹, 彭锐晖¹^,²(), 孙殿星¹, 谭顺成³, 张一泓¹, 韦文斌¹

^1.哈尔滨工程大学青岛创新发展中心，青岛 266000
^2.哈尔滨工程大学信息与通信工程学院，哈尔滨 150001
^3.海军航空大学信息融合研究所，烟台 264001

收稿日期:2023-08-22 修回日期:2023-09-22 接受日期:2023-10-28 出版日期:2023-11-23 发布日期:2023-11-22
通讯作者: 彭锐晖 E-mail:pengruihui@hrbeu.edu.cn
基金资助:
山东省自然科学基金面上项目(ZR2020MF015);航天科技集团稳定支持项目(ZY0110020009)

Intelligent TBD algorithm for maneuvering weak targets based on TransUNet

Xingrui WU¹, Ruihui PENG¹^,²(), Dianxing SUN¹, Shuncheng TAN³, Yihong ZHANG¹, Wenbin WEI¹

^1.Qingdao Innovation and Development Center，Harbin Engineering University，Qingdao 266000，China
^2.College of Information and Communication Engineering，Harbin Engineering University，Harbin 150001，China
^3.Information Fusion Research Institute，Naval Aviation University，Yantai 264001，China

Received:2023-08-22 Revised:2023-09-22 Accepted:2023-10-28 Online:2023-11-23 Published:2023-11-22
Contact: Ruihui PENG E-mail:pengruihui@hrbeu.edu.cn
Supported by:
Natural Science Foundation of Shandong Province(ZR2020MF015);Aerospace Technology Group Stability Support Project(ZY0110020009)

摘要/Abstract

摘要：

隐身技术的发展和运用给雷达目标探测带来了极大的挑战，检测前跟踪技术作为微弱目标探测的重要技术方向之一，常被用于雷达探测中，但传统的检测前跟踪算法计算量大、受目标运动模型限制，难以有效检测各种不同运动状态的机动目标。针对该问题，提出基于TransUNet的微弱目标智能检测前跟踪算法，算法不受任何运动模型限制，可以有效识别各种运动状态的机动目标。首先，利用目标运动轨迹的空-时相关性特征，基于TransUNet模型设计了一种适用于不同运动状态的机动微弱目标粗检测算法，实现微弱机动目标的初步检测；然后，利用初步检测结果对目标量测进行区域搜索，实现微弱机动目标点迹的回溯；最后，针对低信噪比情况下初步回溯点迹的漏检问题，利用部分成功检测点迹的辅助信息，结合最佳抛物线值函数实现目标点迹的精细检测和航迹的完整回溯。仿真试验验证了本方法能够对多种运动状态的微弱机动目标实现有效检测。

关键词: 检测前跟踪, 微弱目标, TransUNet网络, 空-时相关性特征, 目标检测, 最佳抛物线值函数

Abstract:

The development and application of stealth technology have brought great challenges to radar target detection. As one of the important technical directions for weak target detection， the Tracking-Before-Detection （TBD） technology is often used in radar detection. However， the traditional TBD requires a large amount of computation and is limited by target motion models， making it difficult to effectively detect maneuvering targets in various motion states. To address this issue， a TransUNet based intelligent TBD algorithm for weak targets is proposed. The algorithm is not limited by any motion model and can effectively identify maneuvering targets in various motion states. Firstly， utilizing the spatio-temporal correlation characteristics of the target motion trajectory， a rough detection algorithm for maneuvering weak targets in different motion states is designed based on the TransUNet model to achieve preliminary detection of weak maneuvering targets. Then， the preliminary detection results are used to perform regional search for the target measurement， and achieve backtracking of weak maneuvering target points. Finally， to address the problem of missed detection in preliminary backtracking points at low Signal-to-Noise Ratio （SNR）， the auxiliary information of partially successfully detected points， combined with the Optimal Parabolic （OP） value function， is utilized to achieve precise detection of target points and complete backtracking of tracks. Simulation experiments have verified that this method proposed can effectively detect weak maneuvering targets in various motion states.

Key words: Tracking-Before-Detection (TBD), weak target, TransUNet network, spatio-temporal correlation characteristics, target detection, optimal parabolic value function

中图分类号:

V243.2

武星蕊, 彭锐晖, 孙殿星, 谭顺成, 张一泓, 韦文斌. 基于TransUNet的机动微弱目标智能检测前跟踪算法[J]. 航空学报, 2024, 45(12): 329466-329466.

Xingrui WU, Ruihui PENG, Dianxing SUN, Shuncheng TAN, Yihong ZHANG, Wenbin WEI. Intelligent TBD algorithm for maneuvering weak targets based on TransUNet[J]. Acta Aeronautica et Astronautica Sinica, 2024, 45(12): 329466-329466.

图/表 21

图 1

图 2

图 3

图 4

图 5

图 6

图 7

图 8

图 9

图 10

表 1

直线运动目标仿真参数

参数	数值
初始位置/ $m$	$(13 500,14 500)$
速度/（ $m ⋅ s - 1$ ）	$(520,500)$
目标累积帧数	$10 ~ 20$
信噪比/ $d B$	$0 ~ 20$
距离单元数/个	$256 × 256$
目标数量/个	$1$
测角误差/（°）	$1$
测距误差/ $m$	$100$

表 1

图 11

图 12

图 13

表 2

机动目标仿真参数

参数	数值
初始位置/ $m$	$(13 500,14 500)$
速度/（ $m ⋅ s - 1$ ）	$(520,500)$
目标累积帧数	$10 ~ 20$
信噪比/ $d B$	$0 ~ 20$
距离单元数/个	$256 × 256$
目标数量/个	$1$
测角误差/（°）	$1$
测距误差/ $m$	$100$

表 2

图 14

表 3

多目标仿真参数

参数	数值
初始位置/ $m$	$(13 500,14 500)$
速度/（ $m ⋅ s - 1$ ）	$(520,500)$
目标累积帧数	$5 ~ 20$
信噪比/ $d B$	$0 ~ 16$
距离单元数/个	$256 × 256$
目标数量/个	$3 ~ 10$
测角误差/（°）	$1$
测距误差/ $m$	$100$

表 3

图 15

图 16

图 17

表 4

参考文献 20

1	YANG Z， CHEN M Z， LIU X， et al. AI-driven UAV-NOMA-MEC in next generation wireless networks［C］∥ IEEE Wireless Communications. Piscataway： IEEE Press， 2021： 66- 73.
2	郭陈林. 基于Hough变换的微弱目标检测方法研究［D］. 成都：电子科技大学， 2011： 38- 50.
	GUO C L. Research on weak target detection method based on Hough transform［D］. Chengdu： University of Electronic Science and Technology of China， 2011： 38- 50 （in Chinese）.
3	包中华，卢建斌，田永华，等. 密集杂波背景下雷达微弱海面目标的修正Hough变换TBD检测新方法［J］. 电子学报， 2022， 50（ 7）： 1735- 1743.
	BAO Z H， LU J B， TIAN Y H， et al. A novel radar TBD detection approach for weak marine targets in dense clutter based on modified Hough transform［J］. Acta Electronica Sinica， 2022， 50（ 7）： 1735- 1743 （in Chinese）.
4	王国宏，李林，于洪波. 基于点集合并的修正Hough变换TBD算法［J］. 航空学报， 2017， 38（ 1）： 320009.
	WANG G H， LI L， YU H B. A modified Hough transform TBD algorithm based on point set merging［J］. Acta Aeronautica et Astronautica Sinica， 2017， 38（ 1）： 320009 （in Chinese）.
5	刘剑，赵艳丽，罗鹏飞. 基于Hough变换的低可观测海面运动目标检测［J］. 系统工程与电子技术， 2004， 26（ 3）： 393- 395.
	LIU J， ZHAO Y L， LUO P F. Detection of lowlying sea surface moving target via Hough transform［J］. Systems Engineering and Electronics， 2004， 26（ 3）： 393- 395 （in Chinese）.
6	薄钧天，王国宏，于洪波，等. 基于平行线坐标变换的检测前跟踪算法［J］. 航空学报， 2022， 43（ 8）： 325644.
	BO J T， WANG G H， YU H B， et al. Track before detect algorithm based on parallel-line-coordinate transformation［J］. Acta Aeronautica et Astronautica Sinica， 2022， 43（ 8）： 325644 （in Chinese）.
7	YI W， KONG L J， YANG J Y， et al. Student highlight： Dynamic programming-based track-before-detect approach to multitarget tracking［J］. IEEE Aerospace and Electronic Systems Magazine， 2012， 27（ 12）： 31- 33.
8	全英汇，陈侠达，阮锋，等. 一种捷变频联合Hough变换的抗密集假目标干扰算法［J］. 电子与信息学报， 2019， 41（ 11）： 2639- 2645.
	QUAN Y H， CHEN X D， RUAN F， et al. An anti-dense false target jamming algorithm based on agile frequency joint Hough transform［J］. Journal of Electronics & Information Technology， 2019， 41（ 11）： 2639- 2645 （in Chinese）.
9	李岳峰，王国宏，李林，等. 临近空间高超声速目标修正随机Hough变换TBD算法［J］. 宇航学报， 2017， 38（ 10）： 1114- 1123.
	LI Y F， WANG G H， LI L， et al. A modified randomized Hough transform TBD algorithm for hypersonic target in near space［J］. Journal of Astronautics， 2017， 38（ 10）： 1114- 1123 （in Chinese）.
10	郭云飞，郑晓枫，彭冬亮，等. 基于遍历Hough变换的弱目标检测前跟踪算法［J］. 系统仿真学报， 2015， 27（ 6）： 1316- 1323.
	GUO Y F， ZHENG X F， PENG D L， et al. Track-before-detect algorithm for weak target based on ergodic Hough transform［J］. Journal of System Simulation， 2015， 27（ 6）： 1316- 1323 （in Chinese）.
11	YI W， KONG L J， YANG J Y， et al. A tracking approach based on dynamic programming track-before-detect［C］∥ 2009 IEEE Radar Conference. Piscataway： IEEE Press， 2009： 1- 4.
12	LIU R， YI W， KONG L J， et al. An efficient multi-target track-before-detect algorithm for low PRF surveillance radars［C］∥ 2014 IEEE Radar Conference. Piscataway： IEEE Press， 2014： 1273- 1277.
13	MOYER L R， SPAK J， LAMANNA P. 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.
14	陈帅霖，罗丰，张林让，等. 采用动态规划的机动目标检测前跟踪算法［J］. 西安电子科技大学学报， 2017， 44（ 5）： 39- 45.
	CHEN S L， LUO F， ZHANG L R， et al. Maneuvering target track-before-detect method using dynamic programming［J］. Journal of Xidian University， 2017， 44（ 5）： 39- 45 （in Chinese）.
15	于洪波，王国宏，张仲凯. 基于抛物线随机Hough变换的机载脉冲多普勒雷达机动弱目标检测前跟踪方法［J］. 兵工学报， 2015， 36（ 10）： 1924- 1932.
	YU H B， WANG G H， ZHANG Z K. A RPHT-TBD algorithm for tracking and detecting maneuvering weak target via airborne PD radar［J］. Acta Armamentarii， 2015， 36（ 10）： 1924- 1932 （in Chinese）.
16	YI W， FANG Z C， LI W J， et al. Multi-frame track-before-detect algorithm for maneuvering target tracking［J］. IEEE Transactions on Vehicular Technology， 2020， 69（ 4）： 4104- 4118.
17	周宏仁. 机动目标跟踪［M］. 北京：国防工业出版社， 1991： 35- 39.
	ZHOU H R. Tracking of maneuvering targets［M］. Beijing： National Defense Industry Press， 1991： 35- 39 （in Chinese）.
18	杨威，付耀文，潘晓刚，等. 弱目标检测前跟踪技术研究综述［J］. 电子学报， 2014， 42（ 9）： 1786- 1793.
	YANG W， FU Y W， PAN X G， et al. Track-before-detect technique for dim targets： An overview［J］. Acta Electronica Sinica， 2014， 42（ 9）： 1786- 1793 （in Chinese）.
19	ZHOU G J， WANG L L. Pseudo-spectrum based speed square filter for track-before-detect in range-Doppler domain［J］. IEEE Transactions on Signal Processing， 2019， 67（ 21）： 5596- 5610.
20	CHEN J N， LU Y Y， YU Q H， et al. TransUNet： Transformers make strong encoders for medical image segmentation［DB/OL］. arXiv preprint：2102. 04306， 2021.

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
输入数据分辨率	256×256
初始学习率	0.001
学习率衰减步长	0.000 4
迭代轮次	100
batch_size	4
模型优化器	Adam

[1]	罗旭东, 吴一全, 陈金林. 无人机航拍影像目标检测与语义分割的深度学习方法研究进展[J]. 航空学报, 2024, 45(6): 28822-028822.
[2]	甘纪强, 王小平. 基于虚拟样本生成的铺丝表面缺陷检测[J]. 航空学报, 2024, 45(1): 428624-428624.
[3]	陈立群, 邹旭, 张磊, 朱颖盼, 王港, 陈金勇. 基于国产商用器件的星载智能目标检测技术[J]. 航空学报, 2023, 44(S2): 728860-728860.
[4]	奉志强, 谢志军, 包正伟, 陈科伟. 基于改进YOLOv5的无人机实时密集小目标检测算法[J]. 航空学报, 2023, 44(7): 327106-327106.
[5]	冒国韬, 邓天民, 于楠晶. 基于多尺度分割注意力的无人机航拍图像目标检测算法[J]. 航空学报, 2023, 44(5): 326738-326738.
[6]	苑玉彬, 吴一全, 赵朗月, 陈金林, 赵其昌. 基于深度学习的无人机航拍视频多目标检测与跟踪研究进展[J]. 航空学报, 2023, 44(18): 28334-028334.
[7]	宋玉存, 葛泉波, 朱军龙, 陆振宇. 基于梯度差自适应学习率优化的改进YOLOX目标检测算法[J]. 航空学报, 2023, 44(14): 327951-327951.
[8]	李子豪, 王正平, 贺云涛. 基于自适应协同注意力机制的航拍密集小目标检测算法[J]. 航空学报, 2023, 44(13): 327944-327944.
[9]	王强, 吴乐天, 王勇, 王欢, 杨万扣. 基于关键点检测的红外弱小目标检测[J]. 航空学报, 2023, 44(10): 328173-328173.
[10]	薄钧天, 王国宏, 于洪波, 彭志刚. 基于平行线坐标变换的检测前跟踪算法[J]. 航空学报, 2022, 43(8): 325644-325644.
[11]	吕帅帅, 杨宇, 王彬文, 殷晨飞. 基于改进FaceNet的飞行器结构裂纹识别方法[J]. 航空学报, 2022, 43(6): 525463-525463.
[12]	刘芳, 韩笑. 基于多尺度深度学习的自适应航拍目标检测[J]. 航空学报, 2022, 43(5): 325270-325270.
[13]	薄钧天, 王国宏, 于洪波, 张翔宇. 临近空间高超声速多目标检测前跟踪算法[J]. 航空学报, 2022, 43(5): 325299-325299.
[14]	陈唯实, 黄毅峰, 陈小龙, 卢贤锋, 张洁. 机场探鸟雷达技术发展与应用综述[J]. 航空学报, 2022, 43(1): 24758-024758.
[15]	王辉, 贾自凯, 金忍, 林德福, 范军芳, 徐超. 无人机视觉引导对接过程中的协同目标检测[J]. 航空学报, 2022, 43(1): 324854-324854.

基于TransUNet的机动微弱目标智能检测前跟踪算法

Intelligent TBD algorithm for maneuvering weak targets based on TransUNet

RichHTML

PDF (PC)

可视化

摘要/Abstract

引用本文

使用本文

图/表 21

参考文献 20

相关文章 15

编辑推荐

Metrics

本文评价