本發(fā)明屬于航天遙感領(lǐng)域，涉及一種天基雷達與紅外數(shù)據(jù)融合在軌動目標檢測方法。
背景技術(shù)：
：天基動目標探測和識別是一項復(fù)雜而艱巨的任務(wù)，其探測路徑通常大于大氣層的厚度，探測距離極遠且環(huán)境復(fù)雜多變。對于紅外探測來說，探測平臺一般為海拔幾百到幾千km，而目標飛行器一般處于對流層和平流層，其高度范圍一般為1km～20km以內(nèi)，探測路徑經(jīng)過了云層所處的海拔高度范圍。因此紅外圖像的背景呈現(xiàn)非平穩(wěn)的空間分布，如明亮的地面背景或海面背景、起伏的云層背景和各種雜波等，所處其中的飛機、導(dǎo)彈等目標在紅外探測器像平面上僅占幾個像素，又缺少形狀、紋理等信息，往往會淹沒在復(fù)雜的背景中，進而呈現(xiàn)出對比度較低的特點，且紅外圖像序列的背景隨時間會發(fā)生緩慢變化，在實戰(zhàn)中，檢測跟蹤此類目標的難度更大。而且，紅外探測本身就有一個較大的缺點，即紅外探測系統(tǒng)無法得到目標的距離信息。對于雷達探測來說，隨著當(dāng)前反雷達探測的隱身技術(shù)的發(fā)展，主動式的雷達探測難度越來越大，并且由于雷達本身探測距離較遠，探測角精度較低，因此探測到的目標位置誤差也會較大。由此可見，單一的傳感器探測系統(tǒng)的主要技術(shù)手段都具有自己的優(yōu)缺點，單獨探測系統(tǒng)或者單種探測方式難以滿足任意天候、任意時段、任意地點的探測要求。因此，采用聯(lián)合探測、多探測系統(tǒng)信息融合的方式進行天基空中動目標探測與識別是一種更為理想的手段。單種探測方式中，雷達探測和紅外探測被證明是較為有效的兩種探測方式，且這兩種探測方式的缺點并不相似，聯(lián)合天基雷達系統(tǒng)和天基紅外探測系統(tǒng)的各自優(yōu)勢和特點來協(xié)同探測空中動目標是一種有效的天基預(yù)警技術(shù)手段。經(jīng)過對現(xiàn)有的技術(shù)文獻和專利的檢索發(fā)現(xiàn)，目前對于天基在軌動目標的檢測設(shè)備多為相控陣雷達、合成孔徑雷達、紅外探測系統(tǒng)等。現(xiàn)有的部分天基探測系統(tǒng)上雖同時載有雷達和紅外探測系統(tǒng)，但是兩者并沒有協(xié)同完成探測任務(wù)，沒有將其進行信息融合。而現(xiàn)有的雷達與紅外數(shù)據(jù)融合技術(shù)一般應(yīng)用于固定在地面的探測設(shè)備或機載探測設(shè)備，并不適用于衛(wèi)星上的動目標探測。本發(fā)明中將雷達和紅外探測系統(tǒng)所探測到的數(shù)據(jù)進行信息融合后，天基探測系統(tǒng)的探測能力會顯著增強，將會是一種更為有效的在軌動目標探測方式。技術(shù)實現(xiàn)要素：本發(fā)明的目的在于克服上述現(xiàn)有技術(shù)的缺點，提供一種天基雷達紅外數(shù)據(jù)融合在軌亞像素動目標檢測方法。為達到上述目的，本發(fā)明采用以下技術(shù)方案予以實現(xiàn)：天基雷達與紅外數(shù)據(jù)融合在軌動目標檢測方法，包括以下步驟：1)調(diào)整天基雷達和紅外系統(tǒng)的探測角度，使兩個系統(tǒng)對準同一個目標，并采集天基雷達和紅外系統(tǒng)的探測數(shù)據(jù)；2)采用紅外弱小目標檢測算法獲取目標在紅外圖像上的位置信息，其中背景抑制方法為基于Tophat變換的形態(tài)學(xué)濾波算法、單幀目標檢測技術(shù)采用自適應(yīng)閾值分割技術(shù)、序列目標檢測技術(shù)采用管道濾波算法；3)利用在紅外圖像上獲得的目標位置信息，由雷達脈沖多普勒PD處理的結(jié)果推導(dǎo)出目標極坐標位置，即方位角θ、俯仰角以及徑向距離r；4)將紅外與雷達探測系統(tǒng)所探測到的目標信息進行空間校準、時間校準，即將紅外和雷達傳感器的目標觀測數(shù)據(jù)轉(zhuǎn)換統(tǒng)一到相同的坐標系和相同的時間節(jié)點上；5)將時空校準后的雷達紅外數(shù)據(jù)進行融合，根據(jù)融合的結(jié)果對協(xié)同探測動目標算法進行評估。本發(fā)明進一步的改進在于：所述步驟2)的具體方法如下：2-1)將紅外探測所得的每一幀紅外序列圖像進行Tophat變換，檢測到圖像中的高頻分量，同時濾去圖像中的低頻分量；采用如式(1)的Whitehat變換來抑制背景：其中，f表示圖像灰度幀，g表示結(jié)構(gòu)體算子，f○g表示對圖像進行開運算；背景抑制環(huán)節(jié)采用的結(jié)構(gòu)體算子為：g=010111010---(2)]]>2-2)對背景抑制后的圖像采用自適應(yīng)閾值分割技術(shù)；從含有目標、噪聲和少量的背景泄漏的殘差圖像中，確定目標的數(shù)目和位置，對其進行閾值分割以實現(xiàn)目標檢測的目的，且采用的算法為自適應(yīng)閾值分割算法；對于輸入背景抑制圖像e(x,y)，定義閾值分割輸出二值圖像為：h(x,y)=1e(x,y)≥T0e(x,y)≤T---(3)]]>式中，T為閾值；按背景抑制圖像的統(tǒng)計特性，T通過圖像的均值和方差來自適應(yīng)地確定，即：T＝m+k·v(4)其中，m為圖像的均值；v為圖像的標準差；k為常數(shù)，能夠通過實驗得到，k的取值范圍為3～10；2-3)對紅外圖像序列進行序列目標檢測；利用目標軌跡關(guān)聯(lián)方法，根據(jù)目標在空間運動的一致性和特征參數(shù)的一致性，通過多幀數(shù)據(jù)關(guān)聯(lián)進一步剔除虛警點，進而進一步降低目標檢測算法的虛警概率，提高算法的檢測概率。所述步驟2-3)中，對紅外圖像序列進行序列目標檢測的方法是管道濾波序列檢測算法；在單幀檢測中經(jīng)過背景抑制和圖像分割后取得目標的位置，將該位置坐標作為當(dāng)前幀圖像的候選目標點，如果在后續(xù)連續(xù)的N幀圖像中，該點所對應(yīng)的某個局部鄰域內(nèi)出現(xiàn)目標點的次數(shù)在K次以上，則判定該點為真正的目標點，其中K<N；檢測之前，先作如下假設(shè)：假設(shè)1：目標的運動速度在1像素/幀左右；當(dāng)目標運動過快或者運動較為復(fù)雜時，如果管道直徑與目標大小不匹配，則會造成目標檢測失敗；假設(shè)2：目標軌跡的幀間最大弧度為(π/3)弧度/秒；假設(shè)3：由于傳感器或單幀檢測時漏檢等原因，目標最大丟失率為5幀中有一幀丟失；基于以上假設(shè)，管道濾波序列檢測算法的具體步驟如下：2-3-1)參數(shù)初始化，假定管道所能容納的圖像幀數(shù)為N，并設(shè)定管道的直徑大小與形狀參數(shù)；2-3-2)從序列圖像的第一幀開始，連續(xù)輸入N幀圖像；2-3-3)取第一幀圖像作為當(dāng)前幀，確定該圖像中的所有候選目標點，并記錄它們的位置信息；2-3-4)對所有的候選目標點Pi，在下一幀中觀察其局部鄰域內(nèi)是否有候選目標點存在，如果有，則目標出現(xiàn)計數(shù)器加1，同時比較目標點和候選目標點的位置，判斷位置是否發(fā)生變化；如果有變化，則其相應(yīng)的目標位置變化計數(shù)器加1；記錄該幀中的候選目標點位置，并將其設(shè)為候選目標點的當(dāng)前位置；如果沒有變化，則跳過該幀并轉(zhuǎn)到下一幀繼續(xù)搜索，直到管道中的N幀圖像全部搜索完畢；2-3-5)N幀圖像處理完后，判斷每個計數(shù)器的輸出值；如果目標出現(xiàn)次數(shù)計數(shù)器的值大于等于K1，且目標位置變化計數(shù)器的值大于等于K2，則判定計數(shù)器所對應(yīng)的候選點為目標，并標記其位置，否則將其視為虛假目標剔除；其中，K1為管道中目標出現(xiàn)次數(shù)的最低閾值，K2為管道中目標位置變化次數(shù)的最低閾值；2-3-6)更新管道中的圖像，采用先入先出的排隊管理方式進行管道中圖像的更新，先移出管道中的第一幀圖像，然后將管道中的其余圖像順序前移一幀，將進入管道的新一幀圖像放置在管道末端；接著轉(zhuǎn)到步驟2-3-3)繼續(xù)執(zhí)行判決過程，直到處理完全部圖像序列；2-3-7)最后輸出目標的運動軌跡。所述管道濾波在每幀圖像上的管心都是上一幀圖像中檢測到的目標所對應(yīng)的空間位置，如果某一幀未檢到目標，則延用前一幀的位置。所述步驟3)中，由雷達脈沖多普勒PD處理的結(jié)果推導(dǎo)出目標極坐標位置的具體方法如下：3-1)將和通道、方位差通道、俯仰差通道和保護通道經(jīng)過脈沖壓縮處理和多普勒濾波處理，得到各自的距離多普勒二維圖；3-2)和通道在其距離多普勒圖上進行恒虛警檢測，檢測出來目標后，還需要將該位置的幅度與保護通道距離多普勒圖上該位置的幅度進行比較；如果大于門限值則認為它是期望的目標，否則認為它不是期望的目標；3-3)進行目標角度估計；將方位差通道與俯仰差通道距離多普勒圖上該位置的數(shù)據(jù)與和通道該位置的數(shù)據(jù)進行聯(lián)合計算得到目標的錐角和俯仰角，進一步得到目標的方位角和俯仰角；3-4)進行目標距離速度的解模糊處理；將其它幾種重復(fù)頻率的數(shù)據(jù)進行聯(lián)合處理；3-5)最后將得到的目標參數(shù)傳給數(shù)據(jù)處理器完成目標跟蹤處理；其中目標參數(shù)包括距離、速度、方位角、俯仰角以及信噪比。所述步驟4)的具體方法為：4-1)假定n為探測初始時刻，m為探測截止時刻；采用遞推處理方法進行時間校準，具體采用的插值方法為分段線性插值；設(shè)插值函數(shù)為其在兩個相鄰時間節(jié)點xi與xi+1上的表達式為：S^1(x)=x-xi+1xi-xi+1Zr(xi)+x-xixi+1-xiZr(xi+1)xi≤x≤xi+1---(5)]]>其中，Zr(xi)、Zr(xi+1)表示探測器在時間節(jié)點xi與xi+1上的測量值；4-2)對時間校準后的數(shù)據(jù)進行空間校準；空間校準應(yīng)該包含系統(tǒng)偏差校正和數(shù)據(jù)坐標轉(zhuǎn)換。所述步驟4-2)中，系統(tǒng)偏差校正是通過測試位置未知的目標來進行校正的，即把其中一個傳感器當(dāng)作基準，將另外一個傳感器的數(shù)據(jù)對準到作為基準的傳感器數(shù)據(jù)上；設(shè)δr，δθ，分別為系統(tǒng)徑向距離偏差、方位角偏差和俯仰角偏差；rm，θm，為其他待校準傳感器的觀測數(shù)據(jù)；r，θ，為基準傳感器的觀測數(shù)據(jù)；Δr，Δθ，為傳感器的系統(tǒng)探測誤差；εr，εθ，為傳感器的測量隨機誤差，則系統(tǒng)偏差表示為：假設(shè)其服從零均值高斯分布，并通過多次測量求平均的方法來減少系統(tǒng)探測誤差；最后得到系統(tǒng)偏差如(7)式所示，從而進行系統(tǒng)偏差校正：所述步驟5)中，采用的數(shù)據(jù)融合方法為量測融合，即將雷達數(shù)據(jù)與紅外數(shù)據(jù)融合之后的測量值帶入濾波算法中，進行狀態(tài)估計，具體方法如下：將紅外探測系統(tǒng)的觀測信息Zir(k)和雷達探測系統(tǒng)的觀測信息Zr(k)分別表示為式(8)和式(9)：其中k表示時間節(jié)點，天基紅外探測系統(tǒng)對于目標的探測信息主要包括目標的方位角θ、俯仰角而天基雷達探測系統(tǒng)對于目標的探測信息主要包括目標的方位角θ、俯仰角徑向距離r；假設(shè)雷達與紅外的觀測噪聲均為高斯白噪聲，則紅外測量值和雷達測量值可以分別表示為：其中，分別表示紅外傳感器的方位角測量誤差和俯仰角測量誤差，和分別為雷達的方位角測量誤差、俯仰角測量誤差和測量距離誤差；紅外和雷達觀測矢量的線性均方估計Zf(k)和融合后的協(xié)方差矩陣Rf(k)分別為：Zf(k)＝Zir(k)+Rir(k)(Rir(k)+Rr(k))-1(Zr(k)-Zir(k))(12)Rf(k)＝[(Rir(k)+Rr(k))-1]-1(13)式中，Zf(k)為紅外和雷達觀測矢量的線性均方估計，Rf(k)表示雷達和紅外融合后的協(xié)方差矩陣；其中，Rir、Rr的表達式如(14)、(15)所示；其中分別表示紅外測量方位角和俯仰角的方差，分別表示雷達測量徑向距離、方位角和俯仰角的方差；完成極坐標系下角信息的融合之后，得到更接近真實數(shù)據(jù)的俯仰角θf和方位角此時，利用雷達探測的距離信息rr，得到極坐標系下目標的坐標位置Zf(k)，如式(16)所示：直角坐標系跟極坐標系處于同一原點，因此極坐標系中的協(xié)同探測結(jié)果Zf(k)能夠按照式(17)換算成直角坐標系中的測量值，得到空間坐標系下的計算結(jié)果：與現(xiàn)有技術(shù)相比，本發(fā)明具有以下有益效果：(1)對紅外圖像進行預(yù)處理時采用形態(tài)學(xué)Tophat濾波算法對圖像進行背景抑制，由于形態(tài)學(xué)Tophat濾波與結(jié)構(gòu)體尺寸有關(guān)，結(jié)構(gòu)體尺寸的大小決定著高通濾波效果。結(jié)構(gòu)體尺寸越小，濾除低頻背景就越徹底，所能保留的目標尺寸就越小。最小目標尺寸與結(jié)構(gòu)體尺寸近似有如下關(guān)系max(Sobject)≤12max(Sstruct)---(17)]]>max(Sobject)表示小目標在像平面的二維尺寸最大值，max(Sstruct)表示用于形態(tài)學(xué)濾波的結(jié)構(gòu)體二維尺寸最大值。由于天基探測距離目標一般較遠，因此目標一般成像為弱小目標，甚至是亞像元目標。而Tophat算法可以在目標為亞像元目標時探測到目標，是較適合天基探測的紅外圖像預(yù)處理算法。(2)管道濾波在每幀圖像上的管心都是上一幀圖像中檢測到的目標所對應(yīng)的空間位置，如果某一幀未檢到目標，則延用前一幀的位置。這樣可以避免在檢測時間較長時目標有可能移出管道的情況。如果在管道中有一幀圖像誤檢到管道邊緣的噪聲的話，則對下一幀圖像該管道中的目標檢測會帶來一定的風(fēng)險。在同樣的檢測條件下設(shè)置較小的管徑還可以節(jié)省大量的檢測時間對提高檢測算法的整體性能有積極作用。(3)對紅外和雷達數(shù)據(jù)進行時間校準是采用的是分段多項式插值法。該方法計算簡單、穩(wěn)定性好、收斂性有保證，且易于在計算機上實現(xiàn)；在數(shù)據(jù)融合時間校準的應(yīng)用中，分段線性插值方法不受傳感器數(shù)據(jù)初始時刻采樣是否相同的限制，能夠抑制測量噪聲的傳播，具有算法簡單、實時性好、校準精度高且易于實現(xiàn)的特點，因此可適用于各種機動目標的實時數(shù)據(jù)融合時間校準系統(tǒng)。(4)協(xié)同探測所得到的目標飛行器在空間坐標系中的坐標(xf，yf，zf)，是通過將雷達數(shù)據(jù)與更高精度的紅外角信息融合之后獲得的，因此得到的目標在不同時間節(jié)點的位置精度相對更高，進一步利用坐標信息計算得到的目標的速度vt相比于雷達獨立探測數(shù)據(jù)也更為準確。(5)本發(fā)明采用天基雷達探測數(shù)據(jù)與紅外探測數(shù)據(jù)融合的方法實現(xiàn)天基動目標檢測，該方法算法簡單、易于實現(xiàn)且效果明顯優(yōu)于單獨天基雷達探測和單獨天基紅外探測動目標的效果。利用雷達探測數(shù)據(jù)，有效的彌補了紅外探測不能獲得目標距離的缺陷，利用紅外探測數(shù)據(jù)，有效的提高了雷達所探測到的角度信息的精度，互相彌補確定，同時獲得一定的探測增量，該方法能夠應(yīng)用于復(fù)雜背景的紅外弱小目標跟蹤系統(tǒng)中。(6)由于天基探測時，探測系統(tǒng)與目標一般相距較遠，紅外圖像上所呈現(xiàn)的目標一般為弱小目標，甚至是亞像元目標(即目標所成像素不滿一個像元，此時會降低目標像元的紅外輻射亮度)。此時無論是紅外探測，還是雷達探測的難度都非常大，本發(fā)明將雷達與紅外數(shù)據(jù)融合的技術(shù)應(yīng)用于天基動目標檢測會降低探測的難度，提高探測概率，提高系統(tǒng)的探測性能?！靖綀D說明】圖1是本發(fā)明中雷達紅外協(xié)同探測在軌亞像素動目標流程框圖；圖2是本發(fā)明中紅外探測系統(tǒng)多幀檢測算法流程框圖；圖3是本發(fā)明中紅外探測算法管道濾波示意圖；圖4是本發(fā)明中雷達探測系統(tǒng)PD處理流程框圖；圖5是本發(fā)明中紅外與雷達的采樣時刻比較示意圖；圖6是本發(fā)明中進行插值之后的紅外與雷達的探測節(jié)點示意圖。【具體實施方式】下面結(jié)合附圖對本發(fā)明做進一步詳細描述：參見圖1-圖6，本發(fā)明天基雷達紅外數(shù)據(jù)融合在軌動目標檢測方法，包括以下步驟：首先調(diào)整天基雷達和紅外系統(tǒng)的探測角度，使兩個系統(tǒng)對準同一個目標，并采集天基雷達和紅外系統(tǒng)的探測數(shù)據(jù)；然后采用紅外弱小目標檢測算法獲取目標在紅外圖像上的位置信息，由雷達脈沖多普勒(PD)處理的結(jié)果推導(dǎo)出目標極坐標位置信息；由于雷達探測系統(tǒng)和紅外探測系統(tǒng)需要處理的數(shù)據(jù)類型不同，采樣頻率有較大差別，所以需要先將兩者所得到的目標探測數(shù)據(jù)進行時空校準；繼而將時空校準之后的雷達和紅外數(shù)據(jù)進行融合；最后，根據(jù)融合的結(jié)果對協(xié)同探測動目標進行探測跟蹤。進行天基在軌動目標檢測時，一般探測系統(tǒng)距離目標很遠，因此，目標在紅外探測器的像平面上僅占一個或幾個像素，甚至是亞像素，此時采用多尺度幾何分析和偏微分等檢測算法就不能很好的將動目標檢測出來，而本發(fā)明中采用的形態(tài)學(xué)濾波法較適用這種亞像素目標檢測的情況。上述方案中，天基雷達和紅外的協(xié)同探測過程包括數(shù)據(jù)的時間校準、空間校準、數(shù)據(jù)融合等處理環(huán)節(jié)。圖1為本發(fā)明仿真所采用的協(xié)同探測動目標處理流程圖，其具體步驟如下：步驟1：采用特定的紅外弱小目標檢測算法獲取目標在紅外圖像上的位置信息，其中背景抑制方法為基于Tophat變換的形態(tài)學(xué)濾波算法、單幀目標檢測技術(shù)采用自適應(yīng)閾值分割技術(shù)、序列目標檢測技術(shù)采用管道濾波算法，其具體流程如圖2所示。利用在紅外圖像上獲得的目標位置信息推導(dǎo)出空中動目標相對紅外探測系統(tǒng)平臺的角度信息，即方位角θ、俯仰角步驟1-1：將紅外探測所得的每一幀紅外序列圖像進行Tophat變換，檢測到圖像中的高頻分量，同時能濾去圖像中的低頻分量。本發(fā)明采用如式(1)所示的Whitehat變換來抑制背景其中，f表示圖像灰度幀，g表示結(jié)構(gòu)體算子，表示對圖像進行開運算。本發(fā)明中背景抑制環(huán)節(jié)采用的結(jié)構(gòu)體算子為g=010111010---(2)]]>步驟1-2：對背景抑制后的圖像采用自適應(yīng)閾值分割技術(shù)。從含有目標、噪聲和少量的背景泄漏的殘差圖像中，確定目標的數(shù)目和位置，本發(fā)明對其進行閾值分割以實現(xiàn)目標檢測的目的，且采用的算法為自適應(yīng)閾值分割算法。對于輸入背景抑制圖像e(x,y)，定義閾值分割輸出二值圖像為h(x,y)=1e(x,y)≥T0e(x,y)≤T---(3)]]>式中，T為閾值。按背景抑制圖像的統(tǒng)計特性，T可以通過圖像的均值和方差來自適應(yīng)地確定，即T＝m+k·v(4)其中，m為圖像的均值；v為圖像的標準差；k為常數(shù)，其可通過實驗得到，其取值范圍通常為3～10。步驟1-3：對紅外圖像序列進行序列目標檢測。利用目標軌跡關(guān)聯(lián)方法，根據(jù)目標在空間運動的一致性和特征參數(shù)的一致性等成像特性，通過多幀數(shù)據(jù)關(guān)聯(lián)進一步剔除虛警點，進而進一步降低目標檢測算法的虛警概率，提高算法的檢測概率。在紅外成像系統(tǒng)中，尤其是軍事上使用的紅外系統(tǒng)，圖像的幀頻較高，一般在25Hz以上，這意味著在規(guī)定的時間內(nèi)可以提供一定數(shù)目的序列圖像進行檢測，這無疑對提高檢測概率并降低虛警率起到了重要作用。本發(fā)明中利用序列圖像檢測目標的方法是管道濾波序列檢測算法。管道濾波需要預(yù)先知道目標的最大運動速度以便設(shè)置合理的管徑，若目標運動過快，較易產(chǎn)生漏檢，解決辦法是將管道濾波器的管徑選的粗一些，這樣便提高了算法的復(fù)雜度。管道濾波的示意框圖如圖3所示。例如在第一幀圖像的(x,y)處有目標出現(xiàn)，則該目標在第n(n>1)幀中會出現(xiàn)在該位置的某一局部鄰域內(nèi)。在單幀檢測中經(jīng)過背景抑制和圖像分割后取得目標的位置，將該位置坐標作為當(dāng)前幀圖像的候選目標點，如果在后續(xù)連續(xù)的N幀圖像中，該點所對應(yīng)的某個局部鄰域內(nèi)出現(xiàn)目標點的次數(shù)在K(K<N)次以上，則判定該點為真正的目標點。檢測之前，先作如下假設(shè)：(1)目標的運動速度在1像素/幀左右。當(dāng)目標運動過快或者運動較為復(fù)雜時，如果管道直徑與目標大小不匹配，則會造成目標檢測失敗；(2)目標軌跡的幀間最大弧度為(π/3)弧度/秒；(3)由于傳感器或單幀檢測時漏檢等原因，目標最大丟失率為5幀中有一幀丟失?；谝陨霞僭O(shè)，管道濾波算法的具體步驟如下：1、參數(shù)初始化，假定管道所能容納的圖像幀數(shù)為N，并設(shè)定管道的直徑(鄰域尺寸)大小與形狀等參數(shù)；2、從序列圖像的第一幀開始，連續(xù)輸入N幀圖像；3、取第一幀圖像作為當(dāng)前幀，確定該圖像中的所有候選目標點，并記錄它們的位置信息；4、對所有的候選目標點Pi，在下一幀中觀察其局部鄰域內(nèi)是否有候選目標點存在，如果有，則目標出現(xiàn)計數(shù)器加1，同時比較目標點和候選目標點的位置，判斷位置是否發(fā)生變化。如果有變化，則其相應(yīng)的目標位置變化計數(shù)器加1；記錄該幀中的候選目標點位置，并將其設(shè)為候選目標點的當(dāng)前位置；如果沒有變化，則跳過該幀并轉(zhuǎn)到下一幀繼續(xù)搜索，直到管道中的N幀圖像全部搜索完畢；5、N幀圖像處理完后，判斷每個計數(shù)器的輸出值。如果目標出現(xiàn)次數(shù)計數(shù)器的值大于等于K1，且目標位置變化計數(shù)器的值大于等于K2，則判定計數(shù)器所對應(yīng)的候選點為目標，并標記其位置，否則將其視為虛假目標剔除；6、更新管道中的圖像，采用先入先出的排隊管理方式進行管道中圖像的更新，先移出管道中的第一幀圖像，然后將管道中的其余圖像順序前移一幀，將進入管道的新一幀圖像放置在管道末端。接著轉(zhuǎn)到第(3)步繼續(xù)執(zhí)行判決過程，直到處理完全部圖像序列；7、最后輸出目標的運動軌跡。管道濾波在每幀圖像上的管心都是上一幀圖像中檢測到的目標所對應(yīng)的空間位置，如果某一幀未檢到目標，則延用前一幀的位置。本發(fā)明中采用5選4準則，即在數(shù)據(jù)關(guān)聯(lián)環(huán)節(jié)，若連續(xù)的5幀數(shù)據(jù)中，有4幀滿足關(guān)聯(lián)閾值的要求，就認為當(dāng)前的候選目標為真實目標。步驟2：由雷達脈沖多普勒(PD)處理的結(jié)果推導(dǎo)出目標極坐標位置，即方位角θ、俯仰角徑向距離r，其流程如圖4所示。步驟2-1：將和通道、方位差通道、俯仰差通道和保護通道經(jīng)過脈沖壓縮處理和多普勒濾波處理，得到各自的距離多普勒二維圖。步驟2-2：和通道在其距離多普勒圖上進行恒虛警檢測，檢測出來目標后，還需要將該位置的幅度與保護通道距離多普勒圖上該位置的幅度進行比較。如果大于門限值則認為它是期望的目標，否則認為它不是期望的目標。步驟2-3：確認是期望的目標后就需要進行目標角度估計。角度估計需要將方位差通道與俯仰差通道距離多普勒圖上該位置的數(shù)據(jù)與和通道該位置的數(shù)據(jù)進行聯(lián)合計算得到目標的錐角和俯仰角，進一步得到目標的方位角和俯仰角。步驟2-4：除了角度估計，還需要進行目標距離速度的解模糊處理。解模糊處理需要將其它幾種重復(fù)頻率的數(shù)據(jù)進行聯(lián)合處理。步驟2-5：最后將得到的目標參數(shù)(包括距離、速度、方位角、俯仰角、信噪比)傳給數(shù)據(jù)處理器完成目標跟蹤處理。步驟3：將紅外與雷達探測系統(tǒng)所探測到的目標信息進行空間校準、時間校準，即將紅外和雷達傳感器的目標觀測數(shù)據(jù)轉(zhuǎn)換統(tǒng)一到相同的坐標系和相同的時間節(jié)點上。步驟3-1：時間校準的基本思想是以周期長的傳感器時間節(jié)點為基準，對其余傳感器通過已知時間節(jié)點上的數(shù)據(jù)來估計所需時間節(jié)點上的數(shù)據(jù)，從而達到不同傳感器在時間節(jié)點上的一致性。圖5為雷達與紅外采樣時刻示意圖，該圖中假定n為探測初始時刻，m為探測截止時刻。本發(fā)明采用遞推處理方法進行時間校準，具體采用的插值方法為分段線性插值。設(shè)插值函數(shù)為其在兩個相鄰時間節(jié)點xi與xi+1上的表達式為S^1(x)=x-xi+1xi-xi+1Zr(xi)+x-xixi+1-xiZr(xi+1)xi≤x≤xi+1---(5)]]>其中，Zr(xi)、Zr(xi+1)表示探測器在時間節(jié)點xi與xi+1上的測量值。圖6為對雷達數(shù)據(jù)進行差值之后的紅外與雷達探測節(jié)點示意圖。步驟3-2：對時間校準后的數(shù)據(jù)進行空間校準?？臻g校準應(yīng)該包含系統(tǒng)偏差的校正和數(shù)據(jù)的坐標轉(zhuǎn)換。本發(fā)明中系統(tǒng)偏差校正是通過測試位置未知的目標來進行校正的，即把其中一個傳感器當(dāng)作基準，將另外一個傳感器的數(shù)據(jù)對準到作為基準的傳感器數(shù)據(jù)上。設(shè)δr，δθ，分別為系統(tǒng)徑向距離偏差、方位角偏差和俯仰角偏差；rm，θm，為其他待校準傳感器的觀測數(shù)據(jù)(對于紅外探測，無距離信息)；r，θ，為基準傳感器的觀測數(shù)據(jù)；Δr，Δθ，為傳感器的系統(tǒng)探測誤差(即需要校正的偏差)；εr，εθ，為傳感器的測量隨機誤差，則系統(tǒng)偏差可表示為假設(shè)其服從零均值高斯分布，并通過多次測量求平均的方法來減少系統(tǒng)探測誤差。最后得到系統(tǒng)偏差如(7)式所示，從而進行系統(tǒng)偏差校正。步驟4：最后將時空校準后的雷達紅外數(shù)據(jù)進行融合，根據(jù)融合的結(jié)果對協(xié)同探測動目標算法進行評估。本發(fā)明中采用的數(shù)據(jù)融合方法為量測融合，即將雷達數(shù)據(jù)與紅外數(shù)據(jù)融合之后的測量值帶入濾波算法中，進行狀態(tài)估計。步驟4-1：將紅外探測系統(tǒng)的觀測信息Zir(k)和雷達探測系統(tǒng)的觀測信息Zr(k)分別表示為式(8)和式(9)，其中k表示時間節(jié)點，天基紅外探測系統(tǒng)對于目標的探測信息主要包括目標的方位角θ、俯仰角而天基雷達探測系統(tǒng)對于目標的探測信息主要包括目標的方位角θ、俯仰角徑向距離r。假設(shè)雷達與紅外的觀測噪聲均為高斯白噪聲，則紅外測量值和雷達測量值可以分別表示為其中分別表示紅外傳感器的方位角測量誤差和俯仰角測量誤差，和分別為雷達的方位角測量誤差、俯仰角測量誤差和測量距離誤差。本發(fā)明中使用量測向量融合的方法來處理雷達和紅外探測數(shù)據(jù)。量測融合方法基于線性均方估計準則來得到紅外測量值與雷達測量值融合之后的數(shù)據(jù)。紅外和雷達觀測矢量的線性均方估計Zf(k)和融合后的協(xié)方差矩陣Rf(k)分別為Zf(k)＝Zir(k)+Rir(k)(Rir(k)+Rr(k))-1(Zr(k)-Zir(k))(12)Rf(k)＝[(Rir(k)+Rr(k))-1]-1(13)式中，Zf(k)為紅外和雷達觀測矢量的線性均方估計，Rf(k)表示雷達和紅外融合后的協(xié)方差矩陣。其中，Rir、Rr的表達式如(14)、(15)所示。其中分別表示紅外測量方位角和俯仰角的方差，分別表示雷達測量徑向距離、方位角和俯仰角的方差。完成極坐標系下角信息的融合之后，便可以得到更接近真實數(shù)據(jù)的俯仰角θf和方位角此時，利用雷達探測的距離信息rr，便可以得到極坐標系下目標的坐標位置Zf(k)，如式(16)所示。直角坐標系跟極坐標系處于同一原點，因此極坐標系中的協(xié)同探測結(jié)果Zf(k)可以方便地按照式(17)換算成直角坐標系中的測量值，得到空間坐標系下的計算結(jié)果。以上內(nèi)容僅為說明本發(fā)明的技術(shù)思想，不能以此限定本發(fā)明的保護范圍，凡是按照本發(fā)明提出的技術(shù)思想，在技術(shù)方案基礎(chǔ)上所做的任何改動，均落入本發(fā)明權(quán)利要求書的保護范圍之內(nèi)。當(dāng)前第1頁1 2 3