楊亞波，夏永紅，匡華星，丁　春(.9404部隊(duì)，河北秦皇島06600;.中國(guó)船舶重工集團(tuán)公司第七二四研究所，南京53)

?

雷達(dá)微弱目標(biāo)檢測(cè)前跟蹤技術(shù)研究綜述

楊亞波1，夏永紅2，匡華星2，丁春2
(1.91404部隊(duì)，河北秦皇島066001;2.中國(guó)船舶重工集團(tuán)公司第七二四研究所，南京211153)

摘要:戰(zhàn)場(chǎng)環(huán)境的改變、武器系統(tǒng)的發(fā)展和隱身技術(shù)的應(yīng)用，使得現(xiàn)代雷達(dá)系統(tǒng)對(duì)目標(biāo)的檢測(cè)和跟蹤面臨很大挑戰(zhàn)，檢測(cè)前跟蹤技術(shù)是解決微弱目標(biāo)檢測(cè)和跟蹤問(wèn)題的一種有效方法。首先介紹了檢測(cè)前跟蹤技術(shù)的基本原理，然后重點(diǎn)綜述了雷達(dá)微弱目標(biāo)檢測(cè)前跟蹤算法的發(fā)展歷程和研究現(xiàn)狀，包括三維匹配濾波、動(dòng)態(tài)規(guī)劃、Hough變換、粒子濾波等檢測(cè)前跟蹤算法，并對(duì)常用的幾種算法進(jìn)行了對(duì)比分析，最后結(jié)合目前研究動(dòng)態(tài)提出了雷達(dá)微弱目標(biāo)檢測(cè)前跟蹤技術(shù)需要重點(diǎn)關(guān)注的問(wèn)題和未來(lái)發(fā)展趨勢(shì)。

關(guān)鍵詞:雷達(dá);微弱目標(biāo)檢測(cè);檢測(cè)前跟蹤

0　引言

對(duì)于現(xiàn)代雷達(dá)，特別是警戒雷達(dá)和戰(zhàn)場(chǎng)監(jiān)視雷達(dá)，檢測(cè)和跟蹤是其最基本的任務(wù)。一般的處理方式為先檢測(cè)后跟蹤(Track-After-Detect，TAD)，即首先對(duì)每幀原始數(shù)據(jù)進(jìn)行噪聲和雜波抑制，然后進(jìn)行恒虛警率(Constant False Alarm Rate，CFAR)檢測(cè)，提取檢測(cè)結(jié)果形成點(diǎn)跡，最后利用點(diǎn)跡數(shù)據(jù)進(jìn)行航跡起始和跟蹤。整個(gè)過(guò)程分為信號(hào)處理和數(shù)據(jù)處理兩個(gè)階段。

然而，隨著現(xiàn)代戰(zhàn)場(chǎng)環(huán)境的改變和武器系統(tǒng)的發(fā)展，加之隱身技術(shù)的應(yīng)用，使得雷達(dá)對(duì)一些目標(biāo)(如隱身飛機(jī)、小型艦船、無(wú)人艇、掠海飛行導(dǎo)彈等)的檢測(cè)和跟蹤能力面臨嚴(yán)峻的挑戰(zhàn)。它們主要表現(xiàn)在兩個(gè)方面:一是目標(biāo)檢測(cè)概率的降低，造成目標(biāo)的漏檢;二是雷達(dá)探測(cè)的有效距離縮短，以致沒(méi)有足夠的時(shí)間對(duì)目標(biāo)做出反應(yīng)。對(duì)于這些由于回波信號(hào)信雜噪比較低而難以檢測(cè)和跟蹤的目標(biāo)，稱(chēng)之為微弱目標(biāo)。

針對(duì)微弱目標(biāo)在使用傳統(tǒng)檢測(cè)與跟蹤方法時(shí)面臨的問(wèn)題，利用連續(xù)多幀未經(jīng)門(mén)限處理的原始數(shù)據(jù)，按照可能的目標(biāo)軌跡進(jìn)行回波能量積累，從而使同時(shí)實(shí)現(xiàn)目標(biāo)檢測(cè)與跟蹤的檢測(cè)前跟蹤(Track-Before-Detect，TBD)技術(shù)越來(lái)越受到關(guān)注［1-3］。TBD技術(shù)的基本思想是:單幀回波數(shù)據(jù)由于信噪比較低，不設(shè)門(mén)限進(jìn)行檢測(cè)(或者設(shè)置低門(mén)限檢測(cè))，根據(jù)空間中目標(biāo)運(yùn)動(dòng)的連續(xù)性和連續(xù)幾幀目標(biāo)回波數(shù)據(jù)時(shí)間上的關(guān)聯(lián)性，對(duì)多幀數(shù)據(jù)進(jìn)行聯(lián)合處理，實(shí)現(xiàn)多幀能量積累，再通過(guò)最終的門(mén)限進(jìn)行判決，從而完成對(duì)目標(biāo)的檢測(cè)，并根據(jù)檢測(cè)到的目標(biāo)進(jìn)行航跡回溯，形成目標(biāo)航跡。

由于TBD技術(shù)的處理過(guò)程是先對(duì)可能的目標(biāo)進(jìn)行跟蹤，當(dāng)目標(biāo)積累的能量超過(guò)門(mén)限后，同時(shí)宣布目標(biāo)檢測(cè)結(jié)果和目標(biāo)航跡，最大限度地保留了目標(biāo)的信息，避免了單幀檢測(cè)中的CFAR損失。因此，TBD技術(shù)能夠?qū)崿F(xiàn)對(duì)微弱目標(biāo)的檢測(cè)和跟蹤。本文對(duì)現(xiàn)有的TBD算法發(fā)展歷程和研究現(xiàn)狀進(jìn)行介紹，重點(diǎn)綜述TBD技術(shù)應(yīng)用在雷達(dá)領(lǐng)域中的研究成果，并探討了雷達(dá)微弱目標(biāo)TBD技術(shù)的若干問(wèn)題和發(fā)展趨勢(shì)。

1　TBD技術(shù)研究現(xiàn)狀

從目前公開(kāi)的學(xué)術(shù)研究成果來(lái)看，TBD技術(shù)的主要方法有以下幾種算法:(1)基于三維匹配濾波(Three Dimension Matched Filtering，3DMF)的TBD算法(3DMF-TBD)，(2)基于動(dòng)態(tài)規(guī)劃(Dynamic Programming，DP)的TBD算法(DP-TBD)，(3)基于Hough變換(Hough Transform，HT)的TBD算法(HT-TBD)，(4)基于粒子濾波(Particle Filter，PF)的TBD算法(PFTBD)等。本節(jié)按照各種算法出現(xiàn)時(shí)間的先后順序，逐一進(jìn)行闡述。

1.1三維匹配濾波TBD算法(3DMF-TBD)

匹配濾波基于輸出信噪比最大原則，本質(zhì)上來(lái)說(shuō)是一種相關(guān)處理。三維匹配濾波理論是一維、二維匹配濾波理論的直接擴(kuò)展，在空域二維平面和時(shí)間維組成的三維空間內(nèi)進(jìn)行匹配濾波處理。最佳三維匹配濾波是對(duì)一定時(shí)間段內(nèi)的某個(gè)空間區(qū)域數(shù)據(jù)進(jìn)行濾波，使輸出SNR最大。

1983年，美國(guó)的Reed等學(xué)者將匹配濾波理論應(yīng)用到序列圖像中的運(yùn)動(dòng)目標(biāo)檢測(cè)，提出了基于3DMF的微弱運(yùn)動(dòng)目標(biāo)檢測(cè)算法［4-6］。該方法通過(guò)設(shè)計(jì)多個(gè)可能與目標(biāo)運(yùn)動(dòng)情況相對(duì)應(yīng)的濾波器，對(duì)各濾波器的輸出SNR進(jìn)行比較，最大SNR的濾波器對(duì)應(yīng)了真實(shí)的目標(biāo)運(yùn)動(dòng)情況，從而實(shí)現(xiàn)對(duì)目標(biāo)的檢測(cè)。1990年，美國(guó)的Porat等人在Reed的研究基礎(chǔ)之上，提出了一種基于頻域方向?yàn)V波的微弱運(yùn)動(dòng)目標(biāo)多幀檢測(cè)算法［7］，在頻域中通過(guò)不同的Doppler頻率實(shí)現(xiàn)對(duì)運(yùn)動(dòng)目標(biāo)的檢測(cè)。當(dāng)目標(biāo)速度大小和方向已知、背景為加性高斯噪聲或雜波時(shí)，三維匹配濾波器是檢測(cè)目標(biāo)的最優(yōu)三維線(xiàn)性濾波器。1989年，林肯實(shí)驗(yàn)室的Y.Chen提出使用速度濾波器組進(jìn)行目標(biāo)跟蹤檢測(cè)，當(dāng)目標(biāo)速度的方向和大小未知時(shí)，可以對(duì)速度空間進(jìn)行劃分。該方法稱(chēng)為假定速度濾波器(AVF)［8］。然而，由于濾波器的數(shù)目有限，難以避免速度失配問(wèn)題。

2003年，澳大利亞的Dragovic等學(xué)者研究了低SNR背景下雷達(dá)微弱目標(biāo)的檢測(cè)與跟蹤［9］，提出了一種基于速度濾波器的TBD算法。該算法是對(duì)3DMF的改進(jìn)和擴(kuò)展，將3DMF-TBD算法由光學(xué)領(lǐng)域應(yīng)用到雷達(dá)領(lǐng)域。2011年，澳大利亞的Kennedy提出了一種基于滑動(dòng)離散傅里葉變換的遞歸空時(shí)速度濾波TBD算法［10］。通過(guò)仿真和實(shí)測(cè)數(shù)據(jù)的處理結(jié)果表明，該算法能夠大大降低運(yùn)算量，有效地提高運(yùn)行效率。

1.2基于動(dòng)態(tài)規(guī)劃的TBD算法(DP-TBD)

動(dòng)態(tài)規(guī)劃是分級(jí)決策方法和最優(yōu)化原理的綜合應(yīng)用，是解決多階段決策問(wèn)題最優(yōu)化的一種方法。其基本思想是將多階段決策問(wèn)題轉(zhuǎn)換為一組單階段問(wèn)題，然后利用最優(yōu)化思想逐個(gè)進(jìn)行解決，是對(duì)窮舉法的直接改進(jìn)。

1985年，美國(guó)的Barniv首次將動(dòng)態(tài)規(guī)劃方法應(yīng)用于圖像中的微弱運(yùn)動(dòng)目標(biāo)檢測(cè)和跟蹤［11］。該方法根據(jù)最大概率準(zhǔn)則構(gòu)造一個(gè)值函數(shù)，對(duì)值函數(shù)在每個(gè)階段都進(jìn)行能量積累，最后設(shè)置末門(mén)限檢測(cè)出值函數(shù)積累值超過(guò)該門(mén)限的所有點(diǎn)，然后按照積累的過(guò)程回溯反推得到可能的目標(biāo)運(yùn)動(dòng)軌跡，并把同一目標(biāo)產(chǎn)生的多個(gè)可能的軌跡合并，并詳細(xì)分析了DP-TBD算法的檢測(cè)性能［12］。

1990年，美國(guó)的Kramer等學(xué)者提出了一種針對(duì)掃描模式的脈沖多普勒機(jī)載雷達(dá)實(shí)時(shí)TBD算法［13］。這是DP-TBD算法首次應(yīng)用在雷達(dá)微弱目標(biāo)檢測(cè)中。對(duì)于SNR為5 dB的Rician信號(hào)加噪聲模型，每個(gè)處理分辨單元的虛假航跡率為5×10－5時(shí)，跟蹤檢測(cè)概率可達(dá)到0.5。次年，Kramer又提出了一種適用于雙高PRF機(jī)載雷達(dá)系統(tǒng)的實(shí)時(shí)TBD處理算法［14］。對(duì)于每個(gè)距離-多普勒單元，當(dāng)虛假航跡率保持在2×10－6時(shí)，對(duì)SNR為6dB的非機(jī)動(dòng)目標(biāo)或SNR為7.5 dB的機(jī)動(dòng)目標(biāo)，跟蹤檢測(cè)概率可達(dá)到0.5。

同年，美國(guó)的Harmon等學(xué)者研究了X波段雷達(dá)在高PRF搜索模式下的DP-TBD算法性能［15］。對(duì)于速度為每個(gè)天線(xiàn)周期運(yùn)動(dòng)2.5 n mile的Swerling I或II型目標(biāo)，在虛假航跡率固定為10－6情況下，航跡檢測(cè)概率達(dá)到0.5所需要的SNR約為8.7 dB，航跡檢測(cè)概率達(dá)到0.9所需的SNR約為9.6 dB。同樣的虛假航跡率，目標(biāo)速度為每個(gè)掃描周期運(yùn)動(dòng)0.25 nmi時(shí)，航跡檢測(cè)概率達(dá)到0.5所需的SNR為8.1 dB。

1993年，美國(guó)的Arnold等學(xué)者研究了一種基于側(cè)視和前視成像系統(tǒng)觀(guān)測(cè)數(shù)據(jù)的DP-TBD算法，用于檢測(cè)和跟蹤像素級(jí)的低SNR目標(biāo)［16］。1995年，澳大利亞的Tonissen等學(xué)者研究了一種簡(jiǎn)單的DP-TBD算法［17］，并給出了在高斯背景下目標(biāo)檢測(cè)概率和虛警概率的計(jì)算公式［18］。2002年，澳大利亞的Johnston等學(xué)者針對(duì)Tonissen所提出的DP-TBD算法的目標(biāo)檢測(cè)概率和虛警概率計(jì)算復(fù)雜等問(wèn)題［19］，利用極值定理(Extreme Value Theory，EVT)得到了檢測(cè)概率和虛警概率更簡(jiǎn)潔更精確的表達(dá)式。同年，英國(guó)學(xué)者Wallace提出了一種基于改進(jìn)Viterbi算法的DP-TBD方法［20］。

2005年，意大利的Buzzi等學(xué)者研究了機(jī)載雷達(dá)TBD算法［21］，通過(guò)近似的Viterbi算法，在距離-Doppler域和時(shí)域中聯(lián)合處理接收到的回波數(shù)據(jù)，能夠獲得很好的檢測(cè)和跟蹤性能。2013年，Grossi等學(xué)者提出了一種新的DP-TBD算法［22］。該算法不需要對(duì)狀態(tài)空間進(jìn)行離散化，計(jì)算復(fù)雜度遠(yuǎn)低于基于Viterbi算法的TBD方法。

1.3基于Hough變換的TBD算法(HT-TBD)

Hough變換是數(shù)字圖像處理中的一種特征提取方法，主要用來(lái)進(jìn)行直線(xiàn)檢測(cè)和提取。它可以將圖像域中的一條直線(xiàn)變換成參數(shù)域中的一個(gè)峰值，進(jìn)而根據(jù)參數(shù)域中的峰值提取出圖像域中對(duì)應(yīng)的直線(xiàn)。

1994年，美國(guó)的Carlson等學(xué)者首次將Hough變換應(yīng)用于搜索雷達(dá)目標(biāo)檢測(cè)中，提出了HT-TBD算法［23］，并分析了該算法的檢測(cè)和跟蹤性能，給出了檢測(cè)概率和虛警概率的計(jì)算公式。2005年，在Carlson工作的基礎(chǔ)上，Kabakchiev等學(xué)者研究了在隨機(jī)干擾的情況下基于HT的CFAR檢測(cè)器的檢測(cè)性能［24］。2008年，Doukovska等學(xué)者在Kabakchiev的研究基礎(chǔ)上研究了基于順序統(tǒng)計(jì)CFAR和單元平均CFAR的Hough檢測(cè)性能［25］。2006年，Garvanov提出了一種類(lèi)似于極坐標(biāo)HT-TBD算法［26］，直接將搜索雷達(dá)的輸出參數(shù)作為變換的輸入?yún)?shù)，適用于跟蹤和目標(biāo)檢測(cè)。

2007年，Kabakchiev等學(xué)者研究了多雷達(dá)組網(wǎng)情況下分布式和集中式兩種基于極坐標(biāo)HT的Hough檢測(cè)器的檢測(cè)性能［27-29］，并研究了多雷達(dá)系統(tǒng)在TBD處理時(shí)數(shù)據(jù)關(guān)聯(lián)的問(wèn)題，分析了影響航跡精度的因素，研究了檢測(cè)概率關(guān)于SNR的變化情況和不同雷達(dá)數(shù)時(shí)的虛警率。2011年，美國(guó)的Moyer提出了一種針對(duì)強(qiáng)雜波背景下微弱目標(biāo)的多維HT-TBD算法［30］。該算法能夠克服傳統(tǒng)HT-TBD算法的缺陷，增強(qiáng)隨機(jī)雜波背景下的目標(biāo)檢測(cè)概率。

1.4基于粒子濾波的TBD算法(PF-TBD)

粒子濾波是以重要性采樣和序貫重要性采樣為基礎(chǔ)的，近似實(shí)現(xiàn)貝葉斯遞歸估計(jì)的序貫Monte Carlo方法。它是貝葉斯遞歸估計(jì)方法的一種，利用隨機(jī)樣本近似模擬系統(tǒng)狀態(tài)的后驗(yàn)概率密度，可以實(shí)現(xiàn)多種準(zhǔn)則下的狀態(tài)估計(jì)，特別是在處理非線(xiàn)性/非高斯濾波問(wèn)題上具有優(yōu)越性，基本能夠達(dá)到最優(yōu)Bayesian估計(jì)的效果。

2001年，英國(guó)的Salmond［31］和荷蘭的Boers［32］在當(dāng)年召開(kāi)的國(guó)際會(huì)議上同時(shí)提出了PF-TBD算法。Salmond是針對(duì)光學(xué)傳感器圖像中的微弱目標(biāo)檢測(cè)與跟蹤，Boers是針對(duì)雷達(dá)微弱目標(biāo)的檢測(cè)和跟蹤。同年，Rollaon等學(xué)者針對(duì)目標(biāo)幅度未知情況提出了一種能同時(shí)估計(jì)目標(biāo)幅度的PF-TBD算法［33］。2003年，Boers等學(xué)者又提出了基于PF-TBD的多目標(biāo)跟蹤算法［34-35］。2004年，澳大利亞的Rutten等學(xué)者研究了在Rayleigh噪聲下的優(yōu)效粒子濾波TBD算法(ESIRTBD)［36］。次年，Rutten等學(xué)者又研究了目標(biāo)幅度起伏模型下的PF-TBD算法［37］，隨后對(duì)兩種不同的PFTBD算法進(jìn)行了比較［38］。

2005年，英國(guó)的Gilholm提出一種針對(duì)擴(kuò)展目標(biāo)的Bayesian濾波器［39］。次年，Boers和Driessen提出了一種針對(duì)擴(kuò)展目標(biāo)PF-TBD算法［40］。2014年，Eyili 和Demirekler提出了一種基于多模粒子濾波的多目標(biāo)TBD算法［41］。通過(guò)仿真表明，在很低信噪比下也能夠獲得很好的目標(biāo)存在概率和均方根誤差估計(jì)精度。

1.5 4種經(jīng)典TBD算法的對(duì)比

前文介紹的4種算法代表了TBD技術(shù)的發(fā)展歷程，在國(guó)內(nèi)也有多家科研院所和高校開(kāi)展了大量的研究，如南京電子技術(shù)研究所［42］，國(guó)防科技大學(xué)［43-45］，西安電子科技大學(xué)［46-49］，北京理工大學(xué)［50-51］，電子科技大學(xué)［52-54］，海軍航空工程學(xué)院［55-57］，西北工業(yè)大學(xué)［58-59］等。根據(jù)前文的介紹和相關(guān)文獻(xiàn)資料的研究，現(xiàn)將這4種方法的特性概括如表1所示。

表1　4種TBD算法對(duì)比

1.6其他TBD算法

除了前文介紹的4種經(jīng)典的TBD算法外，一些學(xué)者還研究了基于其他方法的TBD算法，如基于多級(jí)假設(shè)檢驗(yàn)的TBD算法(MSHT-TBD)［60］，基于高階相關(guān)的TBD算法(HOC-TBD)［61］，基于直方圖概率多假設(shè)的TBD算法(HPMH-TBD)［62］等。這些算法或因?yàn)橄拗茥l件較多，實(shí)用性較差，或尚處于起步階段，還需進(jìn)一步深入研究。

2　TBD技術(shù)發(fā)展趨勢(shì)

2.1臨近多目標(biāo)和機(jī)動(dòng)目標(biāo)TBD

目前大部分文獻(xiàn)資料中所研究的方法都是針對(duì)單個(gè)點(diǎn)目標(biāo)或者相隔較遠(yuǎn)且相互獨(dú)立的幾個(gè)點(diǎn)目標(biāo)，而在實(shí)際應(yīng)用中，對(duì)于編隊(duì)運(yùn)動(dòng)的群目標(biāo)，現(xiàn)有的幾種TBD方法都不能夠給出較好的檢測(cè)和跟蹤結(jié)果。對(duì)于機(jī)動(dòng)目標(biāo)，目前相對(duì)性能較好的是PF-TBD和FISST-TBD方法，但這需要目標(biāo)機(jī)動(dòng)特性的先驗(yàn)信息。因此，為了增強(qiáng)TBD的實(shí)用性能，需要研究針對(duì)臨近多目標(biāo)和機(jī)動(dòng)目標(biāo)情況下更穩(wěn)健的TBD算法。

2.2 TBD性能評(píng)估體系

從前文中可以看出，目前對(duì)于TBD算法的檢測(cè)和跟蹤性能評(píng)估方法研究較少，而且這些評(píng)估方法都是針對(duì)某一類(lèi)的TBD算法。在該類(lèi)TBD算法中進(jìn)行相互之間的對(duì)比和分析，對(duì)于不同類(lèi)的TBD算法無(wú)法進(jìn)行性能評(píng)估。2008年，Davey等學(xué)者對(duì)PF-TBD、DPTBD等4種TBD算法進(jìn)行了仿真比較［76］，但只考慮了單個(gè)直線(xiàn)運(yùn)動(dòng)的點(diǎn)目標(biāo)的情況，而且文中并沒(méi)有給出具體的檢測(cè)性能等指標(biāo)的計(jì)算表達(dá)式，只是通過(guò)一些統(tǒng)計(jì)值進(jìn)行比較分析。因此，建立一套針對(duì)各種TBD算法均能使用的性能評(píng)估體系是未來(lái)值得重點(diǎn)研究的方向之一。

2.3多傳感器協(xié)同TBD

在日益復(fù)雜的戰(zhàn)場(chǎng)環(huán)境下，單傳感器已經(jīng)遠(yuǎn)不能滿(mǎn)足實(shí)際的應(yīng)用需求。近年來(lái)提出的協(xié)同探測(cè)技術(shù)能夠發(fā)揮每個(gè)傳感器的優(yōu)勢(shì)，相互之間取長(zhǎng)補(bǔ)短，抗干擾性能遠(yuǎn)大于單個(gè)傳感器，具有更高的可靠性。如果將多傳感器協(xié)同技術(shù)和TBD技術(shù)相結(jié)合，利用多傳感器協(xié)同(包括單平臺(tái)多部傳感器和多平臺(tái)多部傳感器)TBD，實(shí)現(xiàn)對(duì)微弱目標(biāo)的多波段、多極化和多視角探測(cè)，可以提高檢測(cè)跟蹤概率。但是，相對(duì)于傳統(tǒng)的TAD技術(shù)，關(guān)于微弱目標(biāo)的多傳感器協(xié)同TBD技術(shù)研究還較為欠缺。

2.4相參積累TBD

目前研究的TBD算法主要采用的是非相參積累方法。雖然相對(duì)于傳統(tǒng)的TAD算法有一定的性能提升，但對(duì)SNR的改善有限，而且對(duì)于單幀數(shù)據(jù)的SNR要求基本上都不低于0dB，即對(duì)于極低SNR或強(qiáng)雜波背景下的微弱目標(biāo)檢測(cè)這些算法都將失效。。2014年，北京理工大學(xué)的許稼等學(xué)者提出了一種多維聯(lián)合相參積累的空時(shí)頻檢測(cè)前聚焦雷達(dá)信號(hào)處理新理論和新方法［64］，能夠有效地抑制強(qiáng)雜波和有源干擾，顯著提高了目標(biāo)檢測(cè)、跟蹤和識(shí)別等性能，而且適用于高速高機(jī)動(dòng)隱身目標(biāo)，具有較好的應(yīng)用前景。

3　結(jié)束語(yǔ)

TBD技術(shù)是解決雷達(dá)微弱目標(biāo)檢測(cè)與跟蹤的一種有效方法。本文綜述了TBD技術(shù)的研究發(fā)展現(xiàn)狀，著重介紹了3DMF-TBD、DP-TBD、HT-TBD和PF-TBD等算法，并結(jié)合國(guó)內(nèi)外研究態(tài)勢(shì)，對(duì)TBD技術(shù)目前存在的問(wèn)題和發(fā)展趨勢(shì)進(jìn)行了闡述和展望。從目前公開(kāi)的學(xué)術(shù)成果來(lái)看，TBD技術(shù)的研究主要集中于算法的改進(jìn)與創(chuàng)新，在工程應(yīng)用技術(shù)實(shí)現(xiàn)方面尚缺乏一定的探討。在接下來(lái)的研究中，應(yīng)著重結(jié)合實(shí)際工程需要，針對(duì)不同應(yīng)用背景，實(shí)現(xiàn)相應(yīng)TBD算法的工程化研究。

參考文獻(xiàn):

［1］S Buzzi，M Lops，L Venturino.Track-before-detect procedures for early detection of moving target from airborne radars［J］.IEEE Transactions on Aerospace and Electronic Systems，2005，41(3): 937-954.

［2］D Orlando，G Ricci，Y Bar-Shalom.Track-beforedetect algorithms for targets with kinematic constraints［J］.IEEE Transactions on Aerospace and Electronic Systems，2011，47(3):1837-1849.

［3］S J Davey，M G Rutten，B Cheung.Using phase to improve track-before-detect［J］.IEEE Transactions on Aero-space and Electronic Systems，2012，48(1):832-849.

［4］I Reed，R M Gagliardi，H M Shao.Application of three dimensional filtering to moving target detection.IEEE Transactions on Aerospace and Electronic Systems，1983，19(6):898-905.

［5］I Reed，R Gagliardi，L Stotts.Optical moving target detection with 3-D matched filtering［J］.IEEE Transactions on Aerospace and Electronic Systems，1988，7，24(4):327-336.

［6］I Reed，R Gagliardi，L Stotts.A recursive movingtarget-indication algorithm for optical image sequences［J］.IEEE Transactions on Aerospace and Electronic Systems，1990，26(3):434-439.

［7］Porat B，F(xiàn)riedlander B.A frequency domain algorithm for multiframe detection and estimation of dim targets［J］.IEEE Transactions on Pattern A-nalysis and Machine Intelligence，1990，12(4): 398-401.

［8］Y Chen.On suboptimal detection of 3-dimensional moving targets［J］.IEEE Transactions on Aerospace and Electronic Systems，1989，25(3): 343-350.

［9］Dragovic M.Velocity filtering for target detection and track initiation［R］.Technical Report(ADA415922)，2003.

［10］H L Kenedy.Efficient Velocity Filter Implementations for Dim Target Detection［J］.IEEE Transactions on Aerospace and Electronic Systems，2011，47(4).

［11］Y Barniv.Dynamic programming solution for detecting dim moving targets［J］.IEEE Transactions on Aerospace and Electronic Systems，1985，21(1):144-156.

［12］Y Barniv，O Kella.Dynamic programming solution for detecting dim moving targets Part II: analysis ［J］.IEEE Transactions on Aerospace and Electronic Systems，1987，23(6):776-788.

［13］J Kramer，W Reid.Track-before-detect processing for an airborne type radar［C］.Proceedings of the IEEE 1990 international radar conference.Arlington，VA: IEEE Press，1990:422-427.

［14］J Kramer，W Reid.Track-before-detect processing for a range-ambiguous radar［C］.1991 IEEE International Radar Conference，1991:113-116.

［15］J Harmon.Track-before-detect performance for a high PRF search mode［C］.1991 IEEE International Radar Conference.1991:11-15.

［16］J Arnold，S Shaw.Efficient target tracking using dynamic programming［J］.IEEE Transactions on Aerospace and Electronic Systems，1993，29(1): 44-56.

［17］Tonissen S M，Evans R J.Target tracking using dynamic programming: algorithm and performance ［C］.Proceedings of the 34th Conference on Decision＆Control.New Orleans，LA: IEEE Press，1995:2741-2746.

［18］Tonissen S M，Evans R J.Performance of dynamic programming techniques for track-before-detect ［J］.IEEE Transactions on Aerospace and Electronic Systems，1996，32(4):1440-1451.

［19］Johnston L，Krishnamurthy V.Performance analysis of a dynamic programming track before detect algorithm［J］.IEEE Transactions on Aerospace and Electronic Systems，2002，38(1):228-242.

［20］Wallace W R.The use of track-before-detect in Pulse-Doppler radar［C］.Proceedings of the IEEE 2002 International Radar Conference.Edinburgh，UK: IEEE Press，2002:315-319.

［21］Buzzi S，Lops M，Venturino L.Track-before-detect procedures for early detection of moving target from airborne radars［J］.IEEE Transactions on Aerospace and Electronic Systems，2005，41(3): 937-954.

［22］E Grossi，M Lops，L Venturino.A novel dynamic programming algorithm for track before detect in radar systems［J］.IEEE Transactions on Signal Processing，2013，61(10):2608-2619.

［23］B D Carlson，E D Evans，S L Wilson.Search radar detection and track with the Hough Transform ［J］.IEEE Transactions on Aerospace and Electronic Systems，1994，30(1):102-125.

［24］Chr Kabakchiev，I Garvanov，L Doukovska.Excision CFAR BI detector with Hough Transform in the presence of randomly arriving impulse interference［C］.IEEE International Radar Conference，2005:950-955.

［25］L Doukovska，Chr Kabakchiev，V Kyovtorov，et al.Hough detector with an OS CFAR processor in presence of randomly arriving impulse interference［C］.Proceedings of the 5th European Radar Conference，2008:332-335.

［26］I Garvanov，Chr Kabakchiev.Radar detection and track determination with a transform analogous to the Hough Transform［C］.2nd Microwave and Radar Week in Poland-International Radar Symposium，Krakow，Poland，2006:121-124.

［27］Chr Kabakchiev，I Garvanov，H Rohling.Netted radar Hough detect in randomly arriving impulse interference［C］.The Institution of Engineering and Technology International Conference on Radar Systems，UK，2007:89-96.

［28］Chr Kabakchiev，I Garvaonv，L Doukovska，V Kyovtorov，H Rohling.Data association algorithm in TBD multiradar syetem［C］.Proceedings of the International Radar Symposium，Cologne，Germany，2007:521-525.

［29］Chr Kabakchiev，I Garvanov，L Doukovska，V Kyovtorov.TBD netted radar system in presence of multi false alarms［C］.Proceedings of the 6th European Radar Conference，2009:509-512.

［30］LEE R MOYER，J SPAK，P LAMANNA.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.

［31］Salmond D J，Birch H.A particle filter for trackbefore-detect［C］.Proceedings of the American Control Conference.Arlington，VA: IEEE Press，2001:3755-3760.

［32］Boers Y，Driessen J N.Particle filter based detection for tracking［C］.Proceedings of the American Control Conference.Arlington，VA: IEEE Press，2001:4393-4397.

［33］M Rollason，D J Samond.A particle filter for track-before-detect of a target with unknown amplitude［C］.IEE Seminar on Target Tracking: Algorithms and Applications，Netherlands，2001: 1-4.

［34］Y Boers，J N Driessen，F(xiàn) Verschure，et al.A multi-target track before detect application［C］.Proceedings of the Computer Vision and Pattern Recognition Workshop，2003:104-107.

［35］Y Boers，J N Driessen.Interacting multiple model particle filter［J］.IEE Proceedings Radar，Sonar and Navigation，2003，150(5):344-349.

［36］M G Rutten，N J Gordon，S Maskell.Particlebased track-before-detect in Rayleigh noise［C］.Proceedings of SPIE-Signal and Data Processing of Small Targets 2004，Orlando，F(xiàn)L，United states，2004:509-519.

［37］M G Rutten，N J Gordon，S Maskell.Recursive track-before-detect with target amplitude fluctuations［J］.IEE Proceedings Radar，Sonar and Navigation，2005，152(5):345-352.

［38］M G Rutten，B Ristic，N J Gordon.A comparison of particle filters for recursive track-before-detect ［C］.2005 7th International Conference on Information Fusion，Philadelphia，PA，United states，2005:169-175.

［39］Gilholm K，Salmond D J.Spatial distribution model for tracking extended objects［J］.IEE Radar Sonar Navigation，2005，152(5):364-371.

［40］Boers Y，Driessen H，Torstensson J，et al.Trackbefore-detect algorithms for tracking extended targets［J］.IEE Radar Sonar Navigation，2006，153(4):345-351.

［41］M Eyili，M Demirekler.Multi-target Particle Filter Based Track Before Detect Algorithm for Tracking of Spawning Targets［C］.2014 IEEE 22nd Signal Processing and Communications Applications Conference，SIU，2014:1071-1074.

［42］諸四海.在強(qiáng)海雜波背景下的潛望鏡檢測(cè)［J］.現(xiàn)代雷達(dá)，2000，22(4):43-47.

［43］孫廣富，張兵，盧煥章.基于窗口預(yù)測(cè)匹配的序列圖像點(diǎn)目標(biāo)軌跡檢測(cè)算法［J］.國(guó)防科技大學(xué)學(xué)報(bào)，2004，26(2):25-29.

［44］劉劍，趙艷麗，羅鵬飛.基于Hough變換的低可觀(guān)測(cè)海面運(yùn)動(dòng)目標(biāo)檢測(cè)［J］.系統(tǒng)工程與電子技術(shù)，2004，26(3):393-395.

［45］龔亞信，楊宏文，胡衛(wèi)東，等.基于粒子濾波的弱目標(biāo)檢測(cè)前跟蹤算法［J］.系統(tǒng)工程與電子技術(shù)，2007，29(12):2143-2148.

［46］強(qiáng)勇，焦李成，保錚.動(dòng)態(tài)規(guī)劃算法進(jìn)行弱目標(biāo)檢測(cè)的機(jī)理研究［J］.電子與信息學(xué)報(bào)，2003，25(6):721-727.

［47］吳孫勇，廖桂生，楊志偉.基于改進(jìn)粒子濾波的微弱目標(biāo)檢測(cè)前跟蹤算法［J］.系統(tǒng)工程與電子技術(shù)，2010，32(9):1875-1879.

［48］夏宇垠，馮大政，李濤.一種基于Hough變換的寬帶雷達(dá)目標(biāo)檢測(cè)器［J］.電子與信息學(xué)報(bào)，2010，32(11):2755-2759.

［49］吳孫勇，廖桂生，朱圣棋，楊志偉.提高雷達(dá)機(jī)動(dòng)目標(biāo)檢測(cè)性能的二維頻率域匹配方法［J］.電子學(xué)報(bào).2012，40(12):2415-2420.

［50］Mo L，Wu S，Mao E.Radar detection for dim moving target using DP algorithm［J］.Chinese Journal of Electronics，2004，13(3):486-490.

［51］宋慧波，高梅國(guó)，田黎育，等.一種基于動(dòng)態(tài)規(guī)劃法的雷達(dá)微弱多目標(biāo)檢測(cè)方法［J］.電子學(xué)報(bào)，2006，34(12):2142-2145.

［52］鄧曉波，皮亦鳴，曹正林，等.基于TBD方法的弱小目標(biāo)預(yù)警研究［J］.現(xiàn)代雷達(dá)，2009，31(12):57-61.

［53］張偉，孔令講，楊曉波，等.一種用于HPRF雷達(dá)的改進(jìn)DPA弱目標(biāo)檢測(cè)算法［J］.現(xiàn)代雷達(dá)，2011，33(5):21-25.

［54］L L Wei，X L Zhang，L Fan.A TBD algorithm based on improved Randomized Hough Transform for dim target detection［C］.International Conference on Signal Processing Systems，2010: 241-245.

［55］曲長(zhǎng)文，黃勇，蘇峰.基于動(dòng)態(tài)規(guī)劃的多目標(biāo)檢測(cè)前跟蹤算法［J］.電子學(xué)報(bào)，2006，34(12): 2138-2141

［56］黃勇，曲長(zhǎng)文，蘇峰.基于Hough變換的檢測(cè)前跟蹤算法的性能分析［J］.現(xiàn)代雷達(dá)，2004，26(12):37-41.

［57］關(guān)鍵，黃勇.MIMO雷達(dá)多目標(biāo)檢測(cè)前跟蹤算法研究［J］.電子學(xué)報(bào)，2010，38(6):1449-1453.

［58］楊小軍，潘泉，張洪才.基于粒子濾波和似然比的聯(lián)合檢測(cè)與跟蹤［J］.控制與決策，2005，20(7):837-840.

［59］梁新華，潘泉，楊峰，等.基于兩級(jí)采樣的粒子濾波檢測(cè)前跟蹤算法［J］.系統(tǒng)工程與電子技術(shù)，2011，33(9):1921-1926.

［60］Blostein S D，Huang T S.Detecting small moving objects in image sequences using sequential hypothesis testing［J］.IEEE Transactions on Signal Processing，1991，39(7):1611-1629.

［61］Liou R，Azimi-Sadjadi M R.Dim target detection using high order correlation method［J］.IEEE Transactions on Aerospace and Electronic Systems，1993，29(3):841-856.

［62］R L Streit，M L Graham，M J Walsh.Multi-target tracking of distributed targets using histogram-PMHT［J］.Digital Signal Processing，2002，12(2):394-404.

［63］S J Davey，M G Rutten，B Cheung.A comparison of detection performance for several track-beforedetect algorithms［C］.Proceedings of International Conference on Information Fusion，Cologne，Germany: ISIF，June 2008:1-8.

［64］許稼，彭應(yīng)寧，夏香根，龍騰，毛二可.空時(shí)頻檢測(cè)前聚焦雷達(dá)信號(hào)處理方法［J］.雷達(dá)學(xué)報(bào).2014，3(2):129-141.

An overview on track-before-detect technique for radar weak targets

YANG Ya-bo1，XIA Yong-hong2，KUANG Hua-xing2，DING Chun2
(1.Unit 91404 of the PLA，Qinhuangdao 066001，China; 2.No.724 Research Institute of CSIC，Nanjing 211153)

Abstract:The change of battlefield environment，the development of weapon systems and the application of stealth technique bring a great challenge to modern radar systems in terms of target detection and tracking.Track-before-detect(TBD)technique is an effective approach to resolve the detection and tracking issue of weak targets.The fundamental of the TBD technique is introduced firstly.Afterwards，an overview on the development history and status quo of the TBD algorithms for weak targets is presented emphatically，including the 3D matched filtering，the dynamic programming，the Hough transform and the particle filter.The commonly-used TBD algorithms are compared and analyzed.Finally，some key issues and future development trends of the TBD technique are analyzed based on the progress of the existing TBD research.

Keywords:radar; weak target detection; TBD

作者簡(jiǎn)介:楊亞波(1982-)，男，工程師，研究方向:雷達(dá)工程和雷達(dá)數(shù)據(jù)處理;夏永紅(1989-)，男，助理工程師，碩士，研究方向:雷達(dá)微弱目標(biāo)檢測(cè)與跟蹤;匡華星(1978-)，男，高級(jí)工程師，碩士，研究方向:雷達(dá)總體和數(shù)據(jù)處理;丁春(1983-)，男，高級(jí)工程師，碩士，研究方向:雷達(dá)數(shù)據(jù)處理。

收稿日期:2015-03-20

文章編號(hào):1009－0401(2015)02－0000－0022－07

文獻(xiàn)標(biāo)志碼:A

中圖分類(lèi)號(hào):TN953