本发明公开了一种基于Hough变换的弱目标运动轨迹提取方法，将目标的检测分为初始阶段和跟踪阶段，初始阶段先选取一段时间单元内的所有距离单元内的回波数据，对其进行Hough变换，得到目标的初始距离和估计速度；跟踪阶段利用初始距离和估计速度确定距离门、时间门和角度门，只对距离门和时间门内数据进行Hough变换，并且Hough变换中只对数据进行角度门内的映射处理，由此沿时间轴迭代处理，不断更新距离门、时间门和角度门，得到目标距离、目标速度和运动轨迹。本发明在初始处理阶段利用较多的回波数据进行处理以提高初始距离和速度估计的精度，跟踪阶段则利用距离门、时间门和角度门内的少量数据进行处理，在保证跟踪精度的同时可有效降低计算量和存储量。
1.一种基于Hough变换的弱目标运动轨迹提取方法，其特征在于，包括以下步骤：
1)对于目标一维回波数据，确定初始阶段处理数据的时间门和距离门，时间门选取从观测起始时刻开始的N个观测时刻，即N帧回波数据，距离门为每帧数据内所有M个距离单元，由此构造二维数组B(i,j)，1≤i≤M，1≤j≤N；
2)选取目标在参数空间中对应的角度θ满足0≤θ<π，对B(i,j)进行Hough变换，得到目标的初始距离估计值s0和速度估计值v0；
4)根据初始距离估计值s0和速度估计值v0确定跟踪阶段N+k时刻的时间门tg和距离门dg，由此得到一个回波数组C(i,j)，i∈dg，j∈tg；
跟踪阶段的时间门tg的选取固定为从当前观测时刻开始的tk个时间单元，tk为跟踪阶段每个时间门内包含的时间单元数目；
跟踪阶段距离门dg的选取由观测时刻决定，分别如下：
式(1)中，c(1)为N+1时刻距离门起始值，Δt为观测时间单元间隔，“±”的符号选取由步骤2)中目标在参数空间中对应角度θ的大小确定：当0≤θ<π/2时，式(1)中“±”取“－”，表示目标靠近观测点运动；
当π/2≤θ<π时，式(1)中“±”取“+”，表示目标远离观测点运动；
ii)对于N+k时刻，其中，2≤k≤tn-N-tk+1，距离门范围估计值为：式(2)中，c(k)为N+k时刻距离门起始值，s(k-1)为上一时刻估计出的目标距离，v(k-1)为上一时刻估计出的目标速度，“±”的符号选取与步骤i)中相同；
iii)对于N+k时刻，其中，tn-N-tk+2≤k≤tn-N，目标距离估计值为：s(k)＝s(tg_end)±v(tg_end)*(k-tg_end)*Δt (3)式(3)中“±”的符号选取与步骤i)中相同；
式(3)和式(4)中，tg_end＝tn-N-tk+1，为时间门终止时刻的时刻序号；
5)根据速度估计值v0粗略估计目标速度范围，并结合目标运动方向、距离单元和时间单元确定Hough变换中的角度门θg，对步骤4)中得到的回波数组C(i,j)进行Hough变换，得到N+k时刻的目标距离s和目标速度v，此时角度θ∈θg；
角度门θg的选取由目标速度范围、运动方向、距离单元和时间单元共同决定，分别如下：i)当目标靠近观测点运动时，角度门θg为：
式(5)和式(6)中，Δs为距离单元间隔，Δt为观测时间单元间隔，vmax为目标速度值的上限，vmin为目标速度值的下限，vmax和vmin由目标先验信息估计得到，arctg(·)表示求反正切函数；
6)由步骤5)中得到的N+k时刻的目标距离s和目标速度v，将观测时刻不断向后推移，即设定k＝k+1，其中，2≤k≤tn-N，tn为总的观测时刻单元数目，重复步骤4)和5)，计算下一观测时刻的时间门和距离门，得到不同观测时刻实时更新的目标距离s和目标速度v，实现对目标运动轨迹的提取。
2.根据权利要求1所述的基于Hough变换的弱目标运动轨迹提取方法，其特征在于，所述步骤1)中，在一个观测时刻，接收到的一帧回波数据为所有距离单元的回波信号经过门限阈值处理后的判决值，即每个观测时刻的回波数据为(0，1)序列，对应不同距离单元是否存在目标，0代表不存在目标，1代表存在目标。
3.根据权利要求1所述的基于Hough变换的弱目标运动轨迹提取方法，其特征在于，所述步骤5)中对回波数组C(i,j)进行Hough变换时，只将回波数据中值为1的单元映射到参数空间。
一种基于Hough变换的弱目标运动轨迹提取方法
技术领域
[0001] 本发明属于雷达目标检测领域，具体涉及一种基于Hough变换的弱目标运动轨迹提取方法，特别涉及到噪声背景中弱目标的一维运动轨迹的提取。
背景技术
[0002] 噪声背景下的弱目标检测及跟踪是雷达的关键技术之一。当目标回波比较微弱时，为了提高检测概率，一般将门限设置的比较低，经过门限处理后，导致大量虚假目标的出现，因此如何有效探测弱目标并提取目标的运动轨迹是一项复杂的工作。
[0003] 对于运动目标，一般采用序列图像处理方法来提取目标的一维运动轨迹，其中应用最广泛的是Hough变换。Hough变换根据点-线对偶性，把图像空间的点映射到参数空间，在参数空间里通过积累形成峰值来进行目标检测，具有抗干扰性强、对局部缺损不敏感的优点；但由于Hough变换是一种批处理方法，在对时间和距离单元进行处理时，存在计算量大和存储量大的缺点。
[0004] 针对Hough变换的缺点，Xu等人提出了随机Hough变换(RHT)，见文献“Xu L,Oje E,Kultanen P.Randomized Hough transform(RHT):basic mechanisms,algorithms,and computational complexities.CVGIP:Image Understanding,1993,57(2):131-154”。RHT采用随机抽样、收敛映射和动态链接表机制，将图像中的两个点唯一对应为参数空间的一个点，避免了传统Hough变换中一对多的映射，有效降低了计算量和存储量。在处理弱目标的回波图像时，目标有效回波所占比例较低，由于RHT采用全局采样，引入了大量无效采样和无效积累，仍然存在时间复杂度较高的问题。
发明内容
[0005] 本发明要解决的技术问题是，针对传统Hough变换和RHT在检测弱目标运动轨迹中的不足，提供一种基于Hough变换的弱目标运动轨迹提取方法，将目标的检测分为初始阶段和跟踪阶段，在保证跟踪精度的同时有效降低计算量和存储量。
[0006] 本发明为解决上述技术问题所采用的技术方案是：
[0007] 一种基于Hough变换的弱目标运动轨迹提取方法，包括以下步骤：
[0008] 1)对于目标一维回波数据，确定初始阶段处理数据的时间门和距离门，时间门选取从观测起始时刻开始的N个观测时刻，即N帧回波数据，距离门为每帧数据内所有M个距离单元，由此构造二维数组B(i,j)，1≤i≤M，1≤j≤N；
[0009] 2)选取目标在参数空间中对应的角度θ满足0≤θ<π，对B(i,j)进行Hough变换，得到目标的初始距离估计值s0和速度估计值v0；
[0010] 3)设定k＝1；
[0011] 4)根据初始距离估计值s0和速度估计值v0确定跟踪阶段N+k时刻(跟踪阶段起始时刻)的时间门tg和距离门dg，由此得到一个回波数组C(i,j)，i∈dg，j∈tg；
[0012] 5)根据速度估计值v0粗略估计目标速度范围，并结合目标运动方向、距离单元和时间单元确定Hough变换中的角度门θg，对步骤4)中得到的回波数组C(i,j)进行Hough变换，得到N+k时刻的目标距离s和目标速度v，此时角度θ∈θg；
[0013] 6)由步骤5)中得到的N+k时刻的目标距离s和目标速度v，将观测时刻不断向后推移，即设定k＝k+1，其中，2≤k≤tn-N，tn为总的观测时刻单元数目，重复步骤4)和5)，计算下一观测时刻的时间门和距离门，得到不同观测时刻实时更新的目标距离s和目标速度v，实现对目标运动轨迹的提取。
[0014] 进一步，所述步骤1)中，在一个观测时刻，接收到的一帧回波数据为所有距离单元的回波信号经过门限阈值处理后的判决值，即每个观测时刻的回波数据为(0，1)序列，对应不同距离单元是否存在目标，0代表不存在目标，1代表存在目标。
[0015] 进一步，所述步骤5)中对回波数组C(i,j)进行Hough变换时，只将回波数据中值为1的单元映射到参数空间。
[0016] 进一步，所述步骤4)中跟踪阶段的时间门tg的选取固定为从当前观测时刻开始的tk个时间单元，tk为跟踪阶段每个时间门内包含的时间单元数目。
[0017] 进一步，所述步骤4)中跟踪阶段距离门dg的选取由观测时刻决定，分别如下：
[0018] i)对于N+1时刻，距离门范围估计值为：
[0019]
[0020] 式(1)中，c(1)为N+1时刻距离门起始值，Δt为观测时间单元间隔，“±”的符号选取由步骤2)中目标在参数空间中对应角度θ的大小确定：
[0021] 当0≤θ<π/2时，式(1)中“±”取“－”，表示目标靠近观测点运动；
[0022] 当π/2≤θ<π时，式(1)中“±”取“+”，表示目标远离观测点运动；
[0023] ii)对于N+k时刻，其中，2≤k≤tn-N-tk+1，距离门范围估计值为：
[0024]
[0025] 式(2)中，c(k)为N+k时刻距离门起始值，s(k-1)为上一时刻估计出的目标距离，v(k-1)为上一时刻估计出的目标速度，“±”的符号选取与步骤i)中相同；
[0026] iii)对于N+k时刻，其中，tn-N-tk+2≤k≤tn-N(由于时间门小于tk，此时不再计算距离门，也不再进行Hough变换)，目标距离估计值为：
[0027] s(k)＝s(tg_end)±v(tg_end)*(k-tg_end)*Δt (3)
[0028] 式(3)中“±”的符号选取与步骤i)中相同；
[0029] 速度估计值为：
[0030] v(k)＝v(tg_end) (4)
[0031] 式(3)和式(4)中，tg_end＝tn-N-tk+1，为时间门终止时刻的时刻序号。
[0032] 进一步，所述步骤5)中跟踪阶段角度门θg的选取由目标速度范围、运动方向、距离单元和时间单元共同决定，分别如下：
[0033] i)当目标靠近观测点运动时，角度门θg为：
[0034]
[0035] ii)当目标远离观测点运动时，角度门θg为：
[0036]
[0037] 式(5)和式(6)中，Δs为距离单元间隔，Δt为观测时间单元间隔，vmax为目标速度值的上限，vmin为目标速度值的下限，vmax和vmin由目标先验信息估计得到，arctg(·)表示求反正切函数。
[0038] 本发明的有益效果：该方法将目标的检测分为初始阶段和跟踪阶段，在初始阶段利用一段时间单元内所有距离单元的数据进行Hough变换估计目标初始距离和速度；跟踪阶段则利用初始距离和速度确定时间门、距离门和角度门，对时间门和距离门内的数据在角度门内进行Hough变换，由此随时间单元迭代处理得到目标的运动轨迹，在保证跟踪精度的同时可有效降低计算量和存储量，具有计算时间短，跟踪精度高的优点，适合于复杂噪声背景中弱目标一维运动轨迹的提取。
附图说明
[0039] 图1为本发明基于Hough变换的弱目标运动轨迹提取方法的流程图；
[0040] 图2为实施例中含大量背景噪声的回波数据示意图；
[0041] 图3为本发明对目标运动轨迹提取的结果示意图。
具体实施方式
[0042] 下面结合附图和实施例对本发明技术方案进行详细的描述。
[0043] 参照图1所示，本发明所述的基于Hough变换的弱目标运动轨迹提取方法，包括以下步骤：
[0044] 1)对于目标一维回波数据，确定初始阶段处理数据的时间门和距离门，时间门选取从观测起始时刻开始的N个观测时刻，即N帧回波数据，距离门为每帧数据内所有M个距离单元，由此构造二维数组B(i,j)，1≤i≤M，1≤j≤N；回波数据为所有距离单元的回波信号经过门限阈值处理后的判决值，即每个观测时刻的回波数据为(0，1)序列，对应不同距离单元是否存在目标，0代表不存在目标，1代表存在目标，在某个距离单元内回波数据判决值是否为1是一个概率事件，概率大小受目标回波强度和噪声回波强度的综合影响；
[0045] 2)选取目标在参数空间中对应的角度θ满足0≤θ<π，对B(i,j)进行Hough变换，得到目标的初始距离估计值s0和速度估计值v0；
[0046] 3)设定k＝1；
[0047] 4)根据初始距离估计值s0和速度估计值v0确定跟踪阶段N+k时刻(跟踪阶段起始时刻)的时间门tg和距离门dg，由此得到一个回波数组C(i,j)，i∈dg，j∈tg；时间门tg的选取固定为从当前观测时刻开始的tk个时间单元，tk为跟踪阶段每个时间门内包含的时间单元数目；
[0048] 5)根据速度估计值v0粗略估计目标速度范围，并结合目标运动方向、距离单元和时间单元确定Hough变换中的角度门θg，对步骤4)中得到的回波数组C(i,j)进行Hough变换，得到N+k时刻的目标距离s和目标速度v，此时角度θ∈θg；对回波数组C(i,j)进行Hough变换时，只将回波数据(从时间－距离图像体现出来)中值为1的单元映射到参数空间；
[0049] 6)由步骤5)中得到的N+k时刻的目标距离s和目标速度v，将观测时刻不断向后推移，即设定k＝k+1，其中，2≤k≤tn-N，tn为总的观测时刻单元数目，重复步骤4)和5)，计算下一观测时刻的时间门和距离门，得到不同观测时刻实时更新的目标距离s和目标速度v；
[0050] 7)当N+k时刻的时间门超过最大观测时刻时，设定KM＝k，利用目标距离s(KM-1)和目标速度v(KM-1)计算第KM次及之后的距离和速度，实现对目标运动轨迹的提取，最后输出跟踪轨迹。
[0051] 参照图2～图3的实施例，本发明实施例基于Hough变换的弱目标运动轨迹提取方法包括以下步骤：
[0052] 1、根据含大量背景噪声的回波数据，选取一段时间总长度为200ms的回波数据，其中目标初始距离为14000m，速度为2000m/s，目标为靠近观测点运动，如图2所示，其中观测时间单元间隔Δt为1ms，距离单元间隔Δs为1.5m，距离范围为0～15000m，即1ms对应1帧回波数据，每帧回波数据有10000个距离单元，总的观测时刻单元数目tn＝200；
[0053] 2、选取初始阶段处理数据，此时距离门为0～15000m，时间门为1～100ms，即距离单元个数M＝10000，观测时刻个数N＝100，即B(i,j)为10000×100的二维数组；
[0054] 3、选取角度θ满足0≤θ<π，角度单元为1000个，即角度间隔为π/1000＝0.00314，对B(i,j)进行Hough变换，得到目标的初始距离估计值s0为14004m，速度估计值v0为1994m/s；
[0055] 4、对于跟踪阶段，选取每个观测时刻的时间单元数目tk为50，时间门为tg＝50ms，由s0和v0选取101ms的距离门dg为：
[0056] c(1)＝s0-v0*N*Δt＝13804.6m；
[0057] dg(1)＝[c(1)c(1)-(tk-1)*Δt*v0]＝[13706.9m 13804.6m]；
[0058] 此时时间单元数为50，距离单元数为66，即101ms时刻的跟踪处理数组C(i,j)大小为66×50。
[0059] 5、根据速度估计值v0，选取vmax为3000m/s，vmin为1000m/s，目标靠近观测点运动，由式(5)得到角度门为：
[0060]
[0061] 此时选取角度单元为200个，角度间隔为0.00259；
[0062] 6、根据步骤5中确定的角度单元，对二维数组C(i,j)进行Hough变换，得到101ms时刻的目标距离s(1)＝13804.5m和目标速度v(1)＝1995m/s，由此计算102ms时刻的距离门：
[0063] c(2)＝s(1)-v(1)*Δt＝13802.5m
[0064] dg(2)＝[c(2)c(2)-(tk-1)*Δt*v(1)]＝[13704.713802.5]
[0065] 此时时间单元数为50，距离单元数为66，即101ms时刻的跟踪处理数组C(i,j)大小为66×50。
[0066] 7、将观测时刻向后推移，重复步骤5和步骤6，得到不同时刻目标距离和目标速度，其中从第151ms开始的数据不再计算时间门和距离门，其距离和速度分别为：
[0067] s(k)＝s(50)-v(50)*(k-50)*Δt
[0068] v(k)＝v(50)
[0069] 其中51≤k≤100；
[0070] 8、最后输出跟踪轨迹，如图3所示。
[0071] 显然，上述实施例仅仅是为清楚地说明本发明所作的举例，而并非是对本发明的实施方式的限定。对于所属领域的普通技术人员来说，依本发明的精神所引伸出的显而易见的变化或变动仍处于本发明的保护范围之中。
