一種基于單脈沖雷達信號生成方位距離像的多目標跟蹤算法

張德軍 曾維貴 石文君 劉萬鎖 寧順杰

(1.空軍工程大學航空機務士官學校 河南信陽 464000;2.海軍航空大學 山東煙臺 264001)

0 引言

單脈沖雷達具有跟蹤精度高、獲取數據率大、抗干擾性能好等優點[1]。其工作原理是利用距離分辨率確認目標，然后采用單脈沖測角技術測量目標偏離角，從而實現目標定位。能夠有效地對單目標進行檢測，但當同一距離單元內有多個目標回波時，由于其只產生和差信號的單一指示角，與任一不可分辨的目標角度不對應，且該指示角會隨目標相對幅度、相位的變化而變化。因此，傳統單脈沖雷達很難對區域內多個目標進行區分。文獻[2]采用廣義似然比檢測方法對單脈沖雷達導引頭同一分辨單元內多個Swerling II型目標的存在性進行檢測，但該方法依賴于目標分類的先驗信息；文獻[3]應用多個隱馬爾可夫模型(HMM：Hidden Markov Model)來解決依賴于目標分類的先驗信息問題，但當多個目標相互遮擋影響時，多目標檢測效果較差。為實現多目標準確檢測和連續穩健的跟蹤，充分利用多個目標回波信息及單脈沖雷達距離高分辨的優勢，直接從單脈沖雷達中頻信號采樣，用數字信號處理方法生成掃描區域態勢方位距離二維像，借用圖像領域經典跟蹤算法，以實現對基于單脈沖雷達中頻采樣數據中多目標的連續跟蹤。

1 單脈沖雷達中頻數據采集生成方位距離像方案

圖1顯示了本文基于單脈沖雷達中頻數據采集生成方位距離像的流程。具體工作過程為：發射機產生的信號被送至和差比較器輸出和信號的∑端，1、2端輸出同相等幅的激勵信號，由兩個饋源天線調制后進行發射。接收回波時，兩饋源將接收到的回波脈沖信號分別送至和差比較器的1、2端[4]。圖中Δ端輸出差信號。

圖1 單脈沖雷達中頻數據采集方位距離像流程圖

和差兩路信號分別經過混頻、中放后，然后經過ADC采樣，將數據輸入到數字信號預處理模塊[5]。數字信號預處理模塊主要進行對采集的數據進行下變頻、濾波等處理。最后，差信號輸出方位信息，和信號經過脈沖壓縮生成一維高分辨距離像(距離分辨率為10m左右)。結合方位和距離信息，就可以生成10°左右掃描區域內的方位距離像。其中，數字信號預處理和脈沖壓縮模塊在FPGA中實現[6]。

2 基于ECO算法的單目標跟蹤算法

近年來，圖像領域單目標跟蹤(SOT: Single Object Tracking)無論是在跟蹤速度還是在跟蹤精度上，其性能都得到了極大的提升。并且在如自動駕駛等民用領域得到了實際的應用。而本文的第一部分經過對單脈沖雷達進行中頻數字化改進，現在就可以生成區域態勢內方位距離像，如圖2所示(圖2(a)是基于方位距離的回波圖、圖2(b)是基于方位距離采集單元生成圖像)。從圖2(b)可以看出，區域內目標的分布類似斑狀目標圖像。

圖2 中頻采樣處理生成的方位距離像示例

ECO(ECO: Efficient Convolution Operators for Tracking)算法是由視覺跟蹤領域專家Martin Danelljan在CVPR2017中發表的一篇基于相關濾波文章提出的[7]。由于其提取的特征全面(CNN, HOG, CN)、篩選提煉了相關濾波器組、多樣化訓練樣本，所以ECO算法不論是從跟蹤精度上還是速度上都能取得了優異的結果。特別是在抗遮擋上、其性能表現更加突出。

與傳統的基于相關濾波器的跟蹤器不同的是：ECO跟蹤器將離散通道特征插入到連續域中，目的是為了從M個訓練樣本中學習到連續T周期的多通道卷積濾波器f，通過最小化下面的目標函數為

(1)

其中，αj表示樣本xj的權重；卷積算子Sf將樣本xj映射到得分函數Sf上，用來預測目標在位置t的置信度分數；函數yj用于計算Sf中傳入xj的期望。正則項則使用權重函數ω來抑制邊界效應。

變換到頻域，然后對濾波器f求導，可以得到式(2)。

(2)

3 融合單目標跟蹤與數據關聯的在線多目標跟蹤

融合單目標跟蹤與數據關聯的在線多目標跟蹤流程圖如圖3所示。其主要思想是：通過深度卷積網絡匹配當前幀檢測結果和歷史檢測、跟蹤圖像目標集合，實現數據關聯。

圖3 融合單目標跟蹤與數據關聯的在線多目標跟蹤流程圖

用KM算法(Kuhn-Munkres Algorithm)進行如圖4的數據關聯[14]，KM算法中用到的關聯系數為Ci,j。

圖4 基于KM算法的數據關聯示意圖

融合單目標跟蹤與數據關聯的在線多目標跟蹤具體步驟如下：

步驟一：對第一幀方位距離像進行圖像顯著性檢測[15-16]，確定多目標區域，并把這些目標區域存入歷史檢測、跟蹤集合，作為后續檢測結果匹配對象。

步驟二：對接下來幀圖像同樣進行顯著性檢測，并對前一幀檢測、跟蹤目標使用單目標跟蹤ECO算法得到當前幀跟蹤結果；采用圖3流程進行跟蹤目標和檢測目標之間的關聯。需要說明的是：對于找到關聯匹配結果的目標，將相應的檢測結果作為其在當前幀的跟蹤結果；對于未關聯匹配的目標分為兩種情況：一種是前一幀處于跟蹤狀態且當前幀沒有檢測到(這里，一個典型例子是當受雜波影響導致目標回波閃爍時，目標有時被檢測到、有時丟失)，對這種類型目標將其設為丟失狀態，并將其放入歷史檢測、跟蹤圖像集合，如果連續N幀沒有關聯到，則將該目標設為終止狀態；另一種是當前幀檢測到但同歷史檢測、跟蹤圖像集合沒有關聯上，則將該目標設為新目標出現狀態。另外，如果當前單目標跟蹤結果進行IOU判斷為遮擋，則不把該跟蹤結果放入歷史檢測、跟蹤圖像集合中。

步驟三：循環步驟二，直到數據采集終止(也就是沒有新采集生成圖像)為止。

4 驗證實驗與分析

單脈沖雷達每隔3秒鐘掃描生成出基于雷達信號的方位距離像，該圖像為10°左右區域。在Windows10下對采集生成的圖像序列進行算法驗證，使用Matlab運行ECO單目標跟蹤算法，使用python進行檢測、跟蹤向量間的相似度計算和數據關聯。圖5為從采集生成圖像序列中選取的第5、25、45和65幀圖像。圖6為對圖5進行顯著性檢測得到的對應結果。圖7為采用本文多目標跟蹤算法的運行結果。

圖5 中頻采樣處理生成的方位距離像

圖6 顯著性檢測處理結果

圖7 文中提出多目標跟蹤算法運行結果

從圖5至圖7對應生成的四幀方位距離像可以看出：目標1、2、4、5、6、7、8在整個過程中都能實現穩健的跟蹤；目標3在第5幀出現后，由于雷達反射信號減弱，在后續幀再也沒檢測到，故終止該目標(即其狀態為“終止”)；目標7在25幀左右以“新目標”狀態出現，穩定跟蹤一段時間后因雷達信號較弱后消失，所以目標7在45幀以后的狀態是“消失”；目標8在45幀左右也是以“新目標”狀態出現；目標5和6在25至65幀之間發生了相互遮擋的情況，應用ECO單目標跟蹤算法可以準確地判斷出“遮擋”狀態，究其原因是ECO算法采用的策略是：非每幀更新模型，防止模型漂移。當然，在整個實驗過程中，目標1和目標7因雷達反射接收信號較弱在多幀采集圖像中出現了漏檢情況，但當信號恢復后使用文中方法能夠恢復正確跟蹤，整個實驗的多目標跟蹤準確度(MOTA)達到了83.7%。

5 結束語

本文針對傳統單脈沖雷達信號中多目標跟蹤方法效果差、不穩定等問題，直接對單脈沖雷達信號進行數字信號處理和采樣生成圖像，然后使用融合圖像領域經典單目標跟蹤算法的在線多目標跟蹤方法進行區域內多目標跟蹤。最后實驗結果表明本文方法能夠較好地解決傳統基于一維雷達信號多目標跟蹤中出現的問題，為基于單脈沖雷達信號的多目標跟蹤給出了一種新思路和解決方案。后續的工程實現中要著重解決單脈沖雷達邊掃描邊實時跟蹤多目標問題。