基于检测-跟踪联动的紧凑型高频地波雷达弱目标自适应检测方法.pdf

基于检测-跟踪联动的紧凑型高频地波雷达弱目标自适应检测方法孙伟峰*李小彤纪永刚戴永寿(中国石油大学(华东)海洋与空间信息学院青岛266580)摘要：紧凑型地波雷达发射功率低、回波信噪比低，目标检测难度大，在目标跟踪时由于目标漏检经常出现航迹断裂。为了提升其目标检测性能，提出了一种基于检测-跟踪联动的弱目标自适应检测方法。当跟踪器检测到目标航迹无法关联到新点迹时，将当前目标预测状态反馈至检测器；检测器在距离-多普勒谱上建立局部检测波门，采用二元假设检验法感知波门内的检测背景，根据不同的检测背景选取适用的检测门限调整方法，降低恒虚警检测的门限，判定是否有弱目标被检出。若能够检出目标，对其进行测向后将新点迹发送至跟踪器进行处理。利用实测数据开展了目标检测与跟踪实验，结果表明：与先检测后跟踪方法相比，该方法得到的目标航迹时长增加了29.76%，平均延长了19.25min。关键词：紧凑型地波雷达；弱目标检测；检测-跟踪联动；检测背景感知；多策略检测中图分类号：TN953文献标识码：A文章编号：1009-5896(2023)08-2955-10DOI:10.11999/JEIT220811An Adaptive Weak Target Detection Method Using Joint Detectionand Tracking for Compact High Frequency Surface Ware RadarSUNWeifengLIXiaotongJIYonggangDAIYongshou(College of Oceanography and Space Informatics,China University of Petroleum(East China),Qingdao 266580,China)Abstract:Thelowtransmissionpowerandlowsignal-to-noiseratioincreasethechallengesoftargetdetectionforcompactHigh-FrequencySurfaceWaveRadar(HFSWR).Trackfragmentationoftenoccursduetomisseddetectionsduringthetrackingprocedure.Anadaptiveweaktargetdetectionmethodusingjointdetectionandtrackingissuggestedtoenhanceitsdetectionperformance.Thetrackerwillcommunicatebackthecurrenttargetpredictionstatetothedetectorwhenitdiscoversthatatargettrackcannotbeconnectedtoanynewplot.ThedetectorestablishesalocaldetectiongateontheRange-Doppler(R-D)spectrum,andthedetectionbackgroundisperceivedusingthebinaryhypothesistest.Accordingtothedetectedbackground,anappropriatedetectionthresholdadjustmentmethodisusedtolowertheConstantFalseAlarmRate(CFAR)detectionthresholdanddetermineswhetheraweaktargetcanbedetected.Thenewlygeneratedplotisobtainedaftertheazimuthestimateandtransmittedtothetrackerforadditionalprocessingifatargetisdetected.Theexperimentalresultswithfielddatarevealthatthetracklengthobtainedbytheproposedmethodis29.76%longerthanthatofthedetectionbeforetrackingmethods,andthetrackingtimeincreasesby19.25minutesonaverage.Key words:CompactHFSWR;Weaktargetdetection;Jointdetectionandtracking;Detectionbackgroundperception;Multi-strategydetection1 引言高频地波雷达(HighFrequencySurfaceWaveRadar,HFSWR)是一种海上运动目标超视距探测手段，具有观测范围大、可全天候工作、成本低等优点1,2。为了实现对海上目标的准确定位，用于目标探测的地波雷达一般采用大型阵列式接收天线，成本高、占地面积大、部署及维护困难3。紧凑型地波雷达成为地波雷达系统的一种发展趋势4，但其发射功率低、波束宽度大，在目标探测时易受杂波及干扰影响，导致目标回波信噪比(Signalto收稿日期：2022-06-20；改回日期：2023-02-06；网络出版：2023-02-08*通信作者：孙伟峰基金项目：国家自然科学基金(62071493,61831010)FoundationItems:TheNationalNaturalScienceFoundationofChina(62071493,61831010)第45卷第8期电子与信息学报Vol.45No.82023年8月JournalofElectronics&InformationTechnologyAug.2023NoiseRatio,SNR)低，在目标检测过程中容易发生弱目标漏检。传统的先检测后跟踪方法将目标检测与跟踪看作两个独立的过程(如图1所示)，目标检测获取点迹的质量直接影响目标跟踪性能，目标航迹在维持过程中容易因弱目标漏检导致连续多个时刻关联不到新点迹，从而发生航迹断裂。其中，弱目标通常指回波SNR较低的目标，主要包含：(1)小尺寸目标、隐身目标等雷达散射截面(RadarCrossSection,RCS)较小，返回雷达的电磁波能量微弱的目标5；(2)处于强杂波、强噪声、干扰等复杂环境下的目标；(3)高速运动目标，其回波跨越多个分辨率单元格，能量分散难以积累；(4)距离雷达较远的目标，电磁波在传播过程中衰减大6，到达雷达的目标回波强度小。此外，雷达观测到的目标RCS通常随观测方位变化发生起伏，导致目标的回波幅度在某些时刻较弱而出现目标漏检。针对弱目标的检测与跟踪问题，目前发展了两类典型方法。一是检测前跟踪(TrackBeforeDe-tect,TBD)方法7,8，这类方法通过多帧数据积累提高目标回波SNR，实现对弱目标的检测和跟踪，代表性方法包括粒子滤波法9、动态规划法10、3维匹配滤波法11、Hough变换法12等。与传统的先检测后跟踪方法对单帧数据设置门限进行检测相比，TBD方法通过对多帧数据进行联合处理来提高目标检测概率，但算法的计算量和数据存储量大，航迹输出实时性差。二是基于知识辅助(KnowledgeAided,KA)的目标检测与跟踪方法13,14。该类方法将雷达自身参数(工作带宽、发射功率等)、环境信息(杂波分布、航道信息等)和目标特征(位置、幅度、SNR等)15,16等作为辅助信息来提高复杂环境下雷达对弱目标的检测与跟踪性能。针对紧凑型地波雷达因目标回波SNR低导致目标漏检，在目标跟踪时易引起航迹断裂的问题，本文将目标检测与跟踪一体考虑，提出了一种基于检测-跟踪联动的弱目标自适应检测方法。该方法将跟踪器在航迹断裂处的目标预测状态反馈至检测器，通过自适应降低恒虚警(ConstantFalseAlarmRate,CFAR)检测的门限提高雷达在局部区域内对弱目标的检测概率，增加紧凑型地波雷达对弱目标的跟踪时长。此外，提出了基于梯度下降法和基于EKI(ExcisionwithKnownInterference)-CFAR检测器的检测门限调整方法，根据检测背景变化自适应调整检测门限。采用实测数据开展了目标检测与跟踪实验，结果表明，提出的方法能够有效提高紧凑型地波雷达对弱目标的检测与跟踪性能。2 基于检测-跟踪联动的弱目标自适应检测方法基于检测-跟踪联动的弱目标自适应检测方法由检测器和跟踪器两部分组成，如图2所示。检测器负责处理距离-多普勒(Range-Doppler,R-D)谱得到目标的距离和多普勒速度，经测向后形成目标点迹17；跟踪器对检测器输出的点迹数据进行跟踪形图1先检测后跟踪方法流程图图2基于检测-跟踪联动的弱目标自适应检测方法示意图2956电子与信息学报第45卷成目标航迹。图2中红色实心点表示雷达检测到的点迹，黑色空心点表示漏检目标点迹，图中色条的数值表示R-D谱单元格内的信号幅度，单位为dB。本方法在跟踪器内设置一个判别器监测航迹维持状态，当检测到某时刻目标航迹无法关联到新点迹时，判别器宣告航迹断裂。航迹断裂的原因主要包括：(1)由于接收天线阵列孔径减小导致雷达波束宽度增大、增益降低，发射功率低，目标SNR下降。低SNR的弱目标信号易淹没在杂波和噪声中发生目标漏检，导致雷达在连续多个时刻内无法检测到目标点迹，产生航迹断裂；(2)海上船只目标发生停走或转弯机动，导致无法准确预测目标在下一时刻的状态而产生航迹断裂；(3)密集杂波场景下，大量的虚假点迹导致航迹难以关联到正确的量测点迹而出现错误关联，航迹逐渐偏离正确的行驶方向而发生航迹断裂。本文提出的方法主要解决因目标漏检导致的航迹断裂问题。当判别器检测到航迹断裂时，跟踪器将当前时刻目标的预测状态(距离、多普勒速度、方位角)反馈至检测器，以反馈的距离和多普勒速度对应的单元格为中心，在R-D谱上建立局部检测波门，对波门内的检测背景进行自适应感知，根据不同的检测背景选择适用的检测门限调整方法，利用降低后的检测门限重新在局部检测波门内进行目标检测。S为了提高计算效率，在目标检测过程中采用经典的单元恒虚警(CellAveraging-ConstantFalseAlarmRate,CA-CFAR)检测算法18进行目标检测，检测门限 由式(1)计算得到：S=T Z(1)TPfZTZ式中，为门限因子，用于保持恒定的虚警率；为参考单元内的杂波功率水平估计值，由参考单元采样均值得到。与 的计算公式如式(2)和式(3)所示T=N(Pf1/N 1)(2)Z=1NNi=1Ari(3)Nr1,r2,.,rNAriiZ其中，为待检测单元周围参考单元的个数，为第 个参考单元的采样信号幅度值。参考单元个数越多，背景杂波功率水平估计值 越准确，但过多的参考单元会引入其他目标和杂波等N干扰，影响检测背景的分布特性，使得检测门限难以准确估计。因此，的选取需结合实测数据进行分析，可根据经验设置多个典型的候选参考单元个数，再通过正交试验确定最终的取值。2.1 航迹断裂判别与目标预测状态反馈地波雷达目标跟踪主要包括航迹起始、航迹维持和航迹终结3个环节，如图3所示。其中，航迹维持是一个由状态预测、数据关联和状态估计组成的循环过程。在航迹维持阶段，若连续L帧(本文中L取3)无量测点迹与目标航迹进行关联，则将该航迹终结1。trackk=x1,x2,.,xMkMxk=vk,rk,kTkvkrkk设为雷达在 时刻跟踪得到的某条包含个点迹的航迹，为该目标在 时刻的估计状态，其中，表示目标的多普勒速度、表示目标与雷达之间的距离、表示目标相对于雷达的方位角。海上舰船目标的运动在短时间内通常可近似为匀速直线运动，其状态转移方程可描述为xpk+1=Fk+1|kxk+Wk(4)Fk+1|kkk+1Wkkkk+1xpk+1=vpk+1,rpk+1,pk+1Tp其中，表示目标从 到时刻的状态转移矩阵，表示 时刻的过程噪声。由式(4)和目标在 时刻的估计状态可以预测得到目标在时刻的状态，表示为，上角标表示预测状态。trackkk+1xpk+1=vpk+1,rpk+1,pk+1T在航迹维持过程中，判别器对目标航迹的数据关联状态进行实时监测，若航迹在时刻未关联到新点迹，判别器判别“航迹断裂”，跟踪器暂不宣告航迹终结，将航迹断裂时目标的预测状态反馈至检测器。若航迹未发生断裂，则不进行反馈。需要指出的是，紧凑型地波雷达接收天线阵列孔径减小以及SNR降低会导致目标方位角估计精度下降，为了降低不准确的方位角对数据关联结果的影响，在目标跟踪过程中的点迹-航迹关联环节，方位角通常被赋予较小的关联权重。2.2 局部检测波门建立与目标检测背景感知(vpk+1,rpk+1)局部检测波门即目标当前时刻在R-D谱中可能出现的区域。以目标预测状态为中心，在R-D谱上建立距离与速度的2维局部检测波门，如式(5)所示图3地波雷达目标跟踪过程示意图第8期孙伟峰等：基于检测-跟踪联动的紧凑型高频地波雷达弱目标自适应检测方法2957?v vpk+1?Vth?r rpk+1?H0BI(7)H0H1BI其中，表示主目标所处的检测背景为均匀杂波背景的假设，目标漏检原因为回波强度过低，无法被检测门限检测到；表示主目标所处的检测背景为非均匀杂波背景的假设，目标漏检原因为受邻近目标或杂波遮蔽，检测门限被抬高。的设定方法BI如下：将雷达航迹中能够与自动识别系统(Auto-maticIdentificationSystem,AIS)航迹匹配的航迹作为真实目标航迹。真实目标航迹中各时刻点迹在R-D谱中均有对应的局部检测波门和INR值，取所有点迹INR值的均值作为的设定值。H0H1根据局部检测波门内检测背景的判决结果自适应选取合适的检测门限调整策略。针对和假设分别采用2.3节介绍的基于梯度下降法和2.4节介绍的基于EKI-CFAR检测器的检测门限调整方法调整检测门限，对局部检测波门内的漏检目标重新进行检测。2.3 基于梯度下降法的检测门限调整方法TTPfTPfPfT当目标在均匀杂波背景中发生漏检时，说明其自身回波信号较弱，可能由于距离雷达较远或RCS随机起伏导致，初始检测门限因子设置过大造成检测门限较高，从而发生目标漏检。对此，采用梯度下降法对门限因子进行调整。由式(2)可知，降低会导致虚警率升高，为避免局部检测波门内虚警率过高，对 进行逐步降低，并设置虚警率最大值进行限定，对应的门限因子 即为门限因子梯度下降的终值。基于梯度下降法的检测门限调整方法的具体步骤如算法1所示。算法1 基于梯度下降法的检测门限调整方法步骤T0TNk+1Pf0pk+1th输入：门限因子的初值与终值、梯度下降步长、参考单元个数、时刻的R-D谱数据、初始虚警率、方位角预测值及点迹-航迹关联波门的方位角阈值xmk+1=vmk+1,rmk+1,mk+1Tm输出：新检出目标点迹(上角标表示量测状态)算法步骤：n=0 T=T0(1)初始化迭代次数,；TPfnT(2)根据式(8)计算函数 在处的梯度：T=TPfn=Pfn(1N1)(8)Td(3)根据式(9)求得当前 的下降距离：d=T(9)n=n+1TT=T dTPfn(4)，将门限因子 更新为，并根据式(2)计算 对应的虚警率；T T(5)判断是否满足。若满足，则终止算法；若未满足，则转入步骤(6)；T(6)采用门限因子 对应的检测门限在当前R-D谱数据的局部检测波门内进行目标检测，若无新目标检出，则转入步骤(2)；若有新目标检出，则转入步骤(7)；mk+1?mk+1 pk+1?thxmk+1=vmk+1,rmk+1,mk+1T(7)对新检出的目标进行方位角估计，判断方位角是否满足，若满足，则认为该目标为与断裂航迹匹配的漏检目标，并输出新检出的目标点迹；若不满足，则转入步骤(2)。2958电子与信息学报第45卷T若门限因子下降至时仍未检测出与目标航迹关联的点迹，则使用预测点迹对航迹进行更新。基于梯度下降法的检测门限调整方法根据局部检测波门内是否有符合条件的目标被检出对检测门限进行自适应调整，能够兼顾门限调整的速度和精度，检测门限的初始调整步长较大，门限调整速度快；随着调整步长的减小，检测门限的调整精度会提高。2.4 基于EKI-CFAR检测器的检测门限调整方法BEBEE(Excision)-CFAR检测器最先针对多目标场景提出19，其原理是在CA-CFAR检测前增加采样集合预处理环节。首先设置一个删除阈值，在目标检测过程中将参考单元内幅度值超出的采样单元删除，然后利用剩余的采样集合重新计算检测门限。通过删除可能存在的强干扰采样，实现对杂波功率水平较为准确的估计，减少多目标场景和杂波密集场景下的弱目标漏检率。DDBEE-CFAR检测器的关键是选择合适的删除系数，与的关系如式(10)所示D=BE/0(10)0DD其中，表示杂波平均功率水平估计值。由于干扰采样的真实数目和位置分布未知，取值过高难以保证所有强干扰采样均被删除，取值过低则会造成均匀背景采样值被误删，因此很难从理论上确定的取值。cq1,q2,.,qccBEq1,q2,.,qc针对该问题，将E-CFAR检测器的思想引入检测-跟踪联动机制，提出EKI-CFAR检测器以解决因邻近目标或强杂波遮蔽导致主目标漏检的问题。目标航迹在维持过程中关联不到新的点迹，说明关联波门内无点迹，但并不代表该时刻建立的局部检测波门内无初次检测生成的点迹。局部检测波门为R-D谱中的距离-速度2维检测波门，可能存在角度差不满足关联波门阈值但位于局部检测波门内的干扰点迹，若此类点迹存在于漏检目标周围的参考单元内则会导致检测门限被抬高。局部检测波门内初次检测获得的 个点迹已被确认并不属于当前关注的目标，即该 个点迹是主目标的干扰目标。干扰目标已知，可省略删除阈值的设置过程，在二次检测时直接将从局部检测波门内删除。由于干扰目标在局部检测波门内的位置分布不固定，局部检测波门内每个待检测单元周围的剩余参考单元数会随之变化，检测门限可以根据不同的待检测单元自适应调整。Nr1,r2,.,rNc若某待检测单元周围的 个参考单元内包含 个干扰目标，EKI-CFAR检测器在二次检S测时将干扰目标进行删除，新的检测门限 由式(11)式(13)获得S=T Z(11)T=(N C)(Pf1/(Nc)1)(12)Z=1N cNci=1Ari(13)SNN/4采用检测门限 在局部检测波门内重新进行检测，将获得的目标点迹经测向后输入跟踪端，若该点迹无法满足航迹更新要求，则被视为干扰目标，并重复上述操作以确定新的检测门限。由于干扰目标的数目通常小于的1/4，当累计的干扰目标数目超过时，若仍未检测出符合条件的点迹与目标航迹进行关联，则使用预测点迹对航迹进行更新。SEKI-CFAR检测器将局部检测波门内未参与主目标点迹-航迹关联的点迹看作干扰目标，避免了因删除阈值设置不当造成的检测损失，能够实现二次检测过程中检测门限 随干扰目标数目与位置分布的自适应调整，最终达到发现漏检目标、延长航迹跟踪时长的目的。本文提出的基于检测-跟踪联动的弱目标自适应检测方法仅适用于解决因弱目标漏检导致的航迹断裂问题，无法处理因目标机动或密集杂波导致错误关联引起的航迹断裂。若连续3帧都未检测出新点迹用于更新目标航迹，则宣告该目标航迹终结。需要指出的是，目标航迹是否需要进行目标预测状态反馈和检测门限自适应调整由该航迹在下一时刻能否关联到新点迹确定。如果目标因进入强杂波区发生航迹断裂，驶离强杂波区后依然按照该准则进行判断。若下一时刻采用常规的CFAR检测门限并未发生目标漏检，则无需进行检测门限调整。此外，提出的检测门限调整方法根据每一帧数据中目标所处的环境计算局部检测波门内的检测门限，在目标航迹无法关联到新点迹的一段时间内，当前估计得到的检测门限并不一定适用于下一帧数据，需要重新进行计算。由于本文方法仅对关注目标在特定时刻的R-D谱局部检测波门内的检测门限进行调整，该帧R-D谱其他位置及后续帧R-D谱的初始检测门限并未改变，因而目标检测的全局虚警率能够保持相对恒定。提出的两种检测门限调整方法均设有门限下降的终止条件，检测门限在合理范围内降低对局部虚警率的影响较小，避免了局部检测波门内因检测门限降低而产生大量的虚假点迹。即使局部检测波门内因检测门限降低产生多个候选点迹，也仅选择与第8期孙伟峰等：基于检测-跟踪联动的紧凑型高频地波雷达弱目标自适应检测方法2959目标相似程度最高的点迹输入至跟踪器进行关联处理，其余候选点迹将会被作为虚假点迹进行删除，不会输入至跟踪器生成虚假航迹或对其他目标的跟踪过程造成干扰。因此，提出的基于检测-跟踪联动的弱目标自适应检测方法在提高弱目标检测概率的同时，避免了因检测门限降低导致的检测端虚假点迹和跟踪端虚假航迹的产生。3 实验分析为了验证本文提出的基于检测-跟踪联动的弱目标自适应检测方法的有效性，利用紧凑型地波雷达实测目标数据，分别采用先检测后跟踪方法以及本文提出的方法开展目标检测与跟踪实验，采用航迹跟踪时长作为评价指标对检测与跟踪性能进行评价。VthRththN实验数据由课题组研制的紧凑型地波雷达系统CORMS(CompactOver-the-horizonRadarforMaritimeSurveillance)于2019年1月18日11:0415:29获取。CORMS采用8阵元接收天线阵列，工作频率为4.7MHz，发射信号带宽为60kHz，相干积累时间为262.144s，数据率为每分钟1帧，共采集266帧数据。在实验过程中，局部检测波门的速度阈值和距离阈值分别设为1.5km/h和3km，点迹-航迹关联波门的方位角阈值设为5，梯度下降步长 设为0.03，CFAR检测的参考单元个数为16。3.1 检测与跟踪性能分析对于先检测后跟踪方法，分别采用CA-CFAR检测算法和转换坐标卡尔曼滤波(ConvertedMeas-urementKalmanFilter,CMKF)20进行目标检测和跟踪实验，跟踪过程中采用最近邻数据关联(NearestNeighborDataAssociation,NNDA)方法进行点迹-航迹关联，在跟踪得到的航迹中选择了4条发生断裂的目标航迹个例进行分析，如图4所示。其中，目标1,4朝向雷达行驶，目标2,3远离雷达行驶，目标2有与之匹配的AIS数据。图中红色实心圆点表示雷达站所在位置，黑色实心圆点表示航迹的起始点。对4个目标分别采用CMKF+NNDA方法与本文方法进行跟踪处理，所得航迹对比如图5图8所示，其中，蓝色航迹为采用CMKF+NNDA方法得到的跟踪结果，红色航迹为使用本文方法得到的跟踪结果。(1)目标个例1跟踪结果分析图5(a)为目标个例1的跟踪结果对比图，蓝色航迹在A点处(12:21)发生断裂，分析可知，航迹断裂处的预测点迹对应的局部检测波门内INR较低，说明目标在均匀杂波背景下发生航迹断裂，可能由于RCS随机起伏导致目标在12:2212:24回波幅度较弱，造成目标漏检。选择2.3节提出的方法进行检测门限自适应调整，调整过程如图5(b)所示。可图4目标航迹个例图5目标个例1的跟踪结果对比及检测门限自适应调整过程2960电子与信息学报第45卷见，检测门限的调整步长逐渐减小，经过4次迭代后获得的检测门限能够在12:22的R-D谱的局部检测波门内检测出漏检的目标，图5(b)中蓝色虚线表示预设的门限因子终值对应的检测门限，色条的含意同图2。与CMKF+NNDA方法相比，本文方法得到的航迹跟踪时长增加了13min。(2)目标个例2跟踪结果分析图6给出了目标个例2的跟踪结果对比，其中黑色航迹为与雷达航迹关联的AIS航迹。该目标由近及远背离雷达行驶，距离雷达较远时回波信号微弱，目标检测难度大。使用CMKF+NNDA方法得到的航迹在B点处(12:43)发生断裂，原因为目标在远离雷达的过程中回波信号逐渐减弱，导致目标难以被检测。采用本文方法得到的航迹跟踪时长增加了45min，随着目标与雷达之间的距离逐渐变大，检测门限降低至预设的最小值也无法检测到微弱的目标回波信号时，航迹宣告终结。(3)目标个例3跟踪结果分析图7给出了目标个例3的跟踪结果对比，使用CMKF+NNDA方法得到的航迹在C点处(13:48)发生断裂，采用本文方法得到的航迹跟踪时长增加了12min。目标3在C点处的多普勒速度为23.74km/h，落入海杂波对应的速度盲区(约21.8129.01km/h)，该目标航迹断裂的原因可能为受海杂波遮蔽和目标回波信号在远离雷达的过程中减弱共同作用导致的目标漏检。(4)目标个例4跟踪结果分析目标个例4的跟踪结果对比如图8所示。CMKF+NNDA方法得到的航迹在E点处(13:41)终结，通过分析R-D谱发现，该航迹断裂的原因为目标在D点处(13:36)因检测门限受邻近目标干扰被抬高发生漏检，CMKF+NNDA方法在D点处采用预测点对航迹进行更新，后续又错误关联了其他干扰目标的点迹，产生虚假航迹后断裂，并在F点处(13:38)重新起始航迹。本文方法在D点重新检测到了漏检点迹，目标航迹正确关联到新检出点迹实现航迹更新，航迹跟踪时长增加了7min。采用CMKF+NNDA方法与本文方法分别对4个目标个例跟踪所得的航迹时长列于表1中。受紧凑型地波雷达工作环境复杂多变、目标运动特性不同等影响，不同目标个例的航迹跟踪时长增量也不相同。与CMKF+NNDA方法相比，本文方法获得的航迹跟踪时长平均增加了19.25min，提高了约29.76%。提出的基于检测-跟踪联动的弱目标自适应检测方法可根据局部检测波门内检测背景的判断结果自适应选取合适的检测门限调整策略。以目标1和目标3为例，两个目标在先检测后跟踪过程中发生航迹断裂的原因分别为均匀杂波背景下目标回波信号弱和非均匀杂波背景下受海杂波遮蔽造成的目标漏检，根据局部检测波门内INR值的二元假设检验判决结果，分别选取基于梯度下降法和基于EKI-CFAR检测器的检测门限调整方法降低检测门限，实现了对漏检弱目标的二次检测，增加了目标跟踪时长，如图5(a)和图7所示。若检测门限调整方法选取不当，弱目标检测性能和跟踪效果可能无法得到改善，甚至会出现误跟踪现象。若对目标1和目标3分别选用基于EKI-CFAR检测器和基于梯度下图6目标个例2跟踪结果对比图7目标个例3跟踪结果对比图8目标个例4跟踪结果对比表 1 基于实测数据的航迹跟踪时长对比(min)方法目标个例1 目标个例2 目标个例3 目标个例4CMKF+NNDA方法785773100本文方法9110285107第8期孙伟峰等：基于检测-跟踪联动的紧凑型高频地波雷达弱目标自适应检测方法2961降法的检测门限调整方法，得到的跟踪结果如图9所示。可以看出，目标1的跟踪结果并未得到改善，目标3发生了错误跟踪。因此，航迹发生断裂时，需对目标当前所处的背景和漏检的原因进行分析并选择正确的检测门限调整方法。3.2 计算复杂度分析为了分析本文提出方法的计算复杂度，对检测门限自适应调整方法进行了100次蒙特卡罗实验。所用的计算机配置为IntelCorei5CPU，主频为2.50GHz,16GBRAM。在MATLAB2018b环境下进行实验测试。结果表明，本文提出方法的平均运行时间为0.32s。由于仅对跟踪过程中关联不到新点迹的航迹进行检测门限自适应调整，只对部分航迹增加了该处理过程，不会占用较多额外的计算机资源。在实际目标跟踪过程中，同时跟踪的航迹数目约为100条，目标跟踪程序占用的峰值内存约为11MB，在1min的时间间隔内可以处理完所有航迹，满足工程上对目标跟踪实时性的要求。3.3 方法普适性分析提出的检测-跟踪联动机制对大多数的CFAR检测算法和跟踪算法均适用。为了证明本文提出方法的普适性，采用目前最先进的无迹卡尔曼滤波(UnscentedKalmanFilter,UKF)+联合概率数据关联(JointProbabilisticDataAssociation,JPDA)方法，在其基础上应用本文提出的检测-跟踪联动机制对目标个例14进行目标跟踪实验，跟踪结果对比如图10所示。可以看出，UKF+JPDA跟踪方法组合相对于CMKF+NNDA跟踪方法组合图10本文方法与UKF+JPDA方法的跟踪结果对比图9检测门限调整方法选取不当时的跟踪结果对比2962电子与信息学报第45卷得到的目标航迹更加平滑，但同样无法解决航迹断裂问题。应用本文提出的检测-跟踪联动机制后，目标跟踪效果也得到了明显改善。4 结论针对紧凑型地波雷达因目标回波信号弱、信噪比低导致目标漏检，在目标跟踪时易引起航迹断裂的问题，建立了检测器与跟踪器之间的交互机制，提出了一种基于检测-跟踪联动的弱目标自适应检测方法，提高了对弱目标的检测概率；利用新检出的目标更新航迹，增加了目标航迹的跟踪时长，提升了目标跟踪的连续性。提出了基于二元假设检验法的检测背景自适应感知方法，根据局部检测波门内的不同检测背景自适应选取基于梯度下降法或基于EKI-CFAR检测器的检测门限调整方法，解决不同检测背景下的弱目标漏检问题。利用实测数据开展了目标检测与跟踪实验，验证了提出方法的有效性。与已有的基于跟踪信息反馈的检测跟踪一体化方法相比，本文提出的方法设置了判别器，仅在航迹断裂时触发检测-跟踪联动机制，而非在航迹维持的全过程进行跟踪信息反馈，大大降低了算法的计算负担。此外，固定的检测门限难以适应紧凑型地波雷达复杂多变的工作环境，提出的方法能够根据漏检目标所在局部区域检测背景的不同，选取合适的检测门限调整策略，实现二次检测门限的自适应调整，降低了因检测门限设置不当造成的检测损失。结合目标所处的检测背景，发展更为有效的检测门限自适应调整方法，并分析其对目标检测概率与虚警概率的影响，是当前正在开展的研究工作。参 考 文 献SUNWeifeng,JIMengjie,HUANGWeimin,et al.Vesseltracking using bistatic compact HFSWRJ.RemoteSensing,2020,12(8):1266.doi:10.3390/rs12081266.1戴永寿,马鹏,孙伟峰,等.基于JVC的紧凑型地波雷达海上目标点迹-航迹最优关联方法J.电子与信息学报,2021,43(10):28322839.doi:10.11999/JEIT200604.DAIYongshou,MAPeng,SUNWeifeng,et al.Anoptimalplot-to-trackassociationmethodbasedonJVCalgorithmformaritimetargetwithcompactHFSWRJ.Journal ofElectronics&Information Technology,2021,43(10):28322839.doi:10.11999/JEIT200604.2SUNWeifeng,HUANGWeimin,JIYonggang,et al.Avesselazimuthandcoursejointre-estimationmethodforcompactHFSWRJ.IEEE Transactions on Geoscience andRemote Sensing,2020,58(2):10411051.doi:10.1109/TGRS.2019.2943065.3SUNWeifeng,PANGZhenzhen,HUANGWeimin,et al.4VesselvelocityestimationandtrackingfromDopplerechoesofT/R-RcompositecompactHFSWRJ.IEEE Journal ofSelected Topics in Applied Earth Observations and RemoteSensing,2021,14:44274440.doi:10.1109/JSTARS.2021.3071625.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):17861793.doi:10.3969/j.issn.0372-2112.2014.09.019.YANGWei,FUYaowen,PANXiaogang,et al.Track-before-detecttechniquefordimtargets:AnoverviewJ.Acta Electronica Sinica,2014,42(9):17861793.doi:10.3969/j.issn.0372-2112.2014.09.019.5王国宏,李岳峰,于洪波,等.三维空间中高超声速目标修正三级Hough变换-检测前跟踪算法J.电子与信息学报,2018,40(4):890897.doi:10.11999/JEIT170622.WANGGuohong,LIYuefeng,YUHongbo,et al.Modifiedtriple-stageHoughtransformtrack-before-detectalgorithminthree-dimensionalspaceforhypersonictargetJ.Journalof Electronics&Information Technology,2018,40(4):890897.doi:10.11999/JEIT170622.6柳超,孙进平,袁常顺,等.Geodesic流多伯努利检测前跟踪方法J.电子学报,2020,48(7):13751379.doi:10.3969/j.issn.0372-2112.2020.07.017.LIUChao,SUNJinping,YUANChangshun,et al.Multi-Bernoullitrack-before-detectmethodwithGeodesicflowJ.Acta Electronica Sinica,2020,48(7):13751379.doi:10.3969/j.issn.0372-2112.2020.07.017.7卢锦,王鑫.基于代价参考粒子滤波器组的检测前跟踪算法J.电子与信息学报,2021,43(10):28152823.doi:10.11999/JEIT210234.LUJinandWANGXin.Cost-referenceparticlefilterbankbased track-before-detecting algorithmJ.Journal ofElectronics&Information Technology,2021,43(10):28152823.doi:10.11999/JEIT210234.8BAOZhichao,JIANGQiuxi,andLIUFangzheng.Multiplemodelefficientparticlefilterbasedtrack-before-detectformaneuvering weak targetsJ.Journal of SystemsEngineering and Electronics,2020,31(4):647656.doi:10.23919/JSEE.2020.000040.9GROSSI E,LOPS M,and VENTURINO L.A noveldynamicprogrammingalgorithmfortrack-before-detectinradarsystemsJ.IEEE Transactions on Signal Processing,2013,61(10):26082619.doi:10.1109/TSP.2013.2251338.10REED I S,GAGLIARDI R M,and SHAO H M.Applicationofthree-dimensionalfilteringtomovingtargetdetectionJ.IEEE Transactions on Aerospace andElectronic Systems,1983,A