本发明涉及雷达信号处理，尤其涉及一种基于phd滤波的多高速高机动目标混合积累方法与系统。
背景技术：
1、全息凝视雷达接收机上的低增益宽波束应用的同时会使得接收到的目标回波信号强度也相应变弱，因此需要采取以时间换取能量，即长时间积累的方式来提高目标的检测概率。但隐身技术的发展使飞行器的rcs(雷达反射截面积)缩减了一到两个数量级，目标反射回波大幅度减弱，雷达探测威力显著下降。目标的飞行速度和机动性能大幅度提高，使雷达预警时间急剧缩减。并且，在强杂波环境(如山地、城市、海洋等)中的目标信杂比显著降低。这些因素使全息凝视雷达对于高速高机动目标等微弱目标的检测跟踪能力面临巨大的挑战。
2、传统的检测跟踪算法采用先检测后跟踪(detect-before-track，dbt)方法，即先对雷达回波进行检测，之后再对点迹进行跟踪、关联和滤波的方法。在密集杂波和强电磁干扰等复杂背景下，由于杂波及干扰的模型难以描述，导致dbt对虚警和漏检的控制并不理想。检测前跟踪(track-before-detect，tbd)的思想于20世纪70年代首次出现并得到广泛关注，其对单帧数据不进行门限检测处理，而是通过雷达多帧数据积累和联合处理，利用目标与背景(噪声或杂波)的帧间位置相关性的差异，充分挖掘回波中的目标信息，实现目标回波能量有效积累和背景抑制。混合积累是一种结合相参积累和非相参积累的方法，其积累性能比相参积累差，但运算效率高于相参积累，达到了性能与运算效率的平衡，具有优秀的工程应用前景。因此，采用混合积累的方法对高速高机动目标进行探测具有巨大的优势。
3、在高速高机动目标探测领域中，主要存在以下问题：
4、1.大部分相参积累的方法虽然性能优异，但是运算量巨大，难以工程实现。很少有针对多目标相参积累的算法，大部分针对的都是单目标场景。
5、2.采用检测前跟踪的非相参积累方法虽然运算效率高，但在强杂波背景及目标信噪比较低的情况下会失效，严重恶化高速高机动目标的检测跟踪性能。
6、3.很少有关注目标模糊速度的积累方法，多个目标存在模糊速度的解决方案很少。
7、4.传统的phd滤波采取粒子滤波实现时，粒子的利用效率低，且点观测模型不适用于具有加速度的高机动目标。
技术实现思路
1、本发明实施例的主要目的在于提出一种效率高、工作量小且适用范围广的基于phd滤波的多高速高机动目标混合积累方法与系统。
2、为实现上述目的，本发明实施例的一方面提出了一种基于phd滤波的多高速高机动目标混合积累方法，包括以下步骤：
3、获取雷达采集信号并进行预处理；
4、对预处理后的第一数据进行keystone变换处理，得到第二数据，以对预处理后的第一数据进行慢时间的尺度变化，改变慢时间采样点之间的间隔；
5、根据mfp技术，对所述第二数据的模糊速度进行补偿处理，得到第三数据，以确定大速度范围的rd平面；
6、根据所述第三数据，进行phd检测前跟踪，完成多目标混合积累。
7、在一些实施例中，所述获取雷达采集信号并进行预处理，包括以下步骤：
8、在全息凝视雷达中，采用线性调频信号作为发射信号，雷达的回波信号的第一表达式为：
9、
10、其中，为快时间；tm＝mtr，m＝0,1,...,m-1为慢时间的脉冲重复周期采样，m为雷达回波脉冲总计数；a0为目标反射系数，c为光速；r代表目标斜距；tp为信号脉宽；ti＝mtr为雷达监视总时间，tr表示脉冲重复间隔；fc为载波频率；γn为信号调频率；
11、目标回波经过雷达接收机下变频、采样、iq解调和脉压之后，可以得到处理后的信号，该信号的第二表达式为：
12、
13、其中，a1为脉压后的幅值；为模拟频率；bn为信号带宽；r0为目标的径向距离；为目标的径向速度，vbase为rd平面上的基带速度；λ为波长；η为模糊速度的折叠因子；a是目标的径向加速度；c为光速。
14、在一些实施例中，所述对预处理后的第一数据进行keystone变换处理，得到第二数据，包括以下步骤：
15、利用kt校正一阶距离走动，消除模拟频率与脉冲重复周期采样之间的耦合关系，该过程的第三表达式为：
16、
17、其中，代表keystone变换后的慢时间采样点；
18、根据所述第一表达式，代入到所述第二表达式中，得到新的第四表达式：
19、
20、对所述第四表达式进行简化处理，得到第五表达式，并完成所述keystone变换处理。
21、在一些实施例中，所述根据mfp技术，对所述第二数据的模糊速度进行补偿处理，得到第三数据，包括以下步骤：
22、通过mfp技术，对模糊速度进行补偿，构建匹配滤波器，所述匹配滤波器的第六表达式为：
23、
24、其中，代表折叠因子的估计值；代表构建的匹配滤波器；
25、根据所述第五表达式和所述第六表达式，对模糊速度进行补偿，得到第七表达式；
26、对所述第七表达式中的模拟频率进行idft处理，接着对慢时间的脉冲重复周期采样进行dft处理，得到第八表达式：
27、
28、其中，a3为新的幅度，ξ为多普勒频率；
29、需要构建一系列不同折叠因子的匹配滤波器来对模糊速度进行补偿，将srd平面拼接成erd平面，每个折叠因子对应一个srd平面；
30、经过mfp处理过后，得到了一个更大速度范围的rd平面。
31、在一些实施例中，所述根据所述第三数据，进行phd检测前跟踪，完成多目标混合积累，包括以下步骤：
32、定义多目标的状态向量，构建状态转移模型；
33、构建观测模型，以对目标的多普勒走动进行补偿；
34、根据所述状态转移模型和所述观测模型，生成新生粒子；
35、将所述新生粒子输入滤波器，生成预测后的预测粒子；
36、通过滤波器对预测粒子进行更新，得到粒子权重；
37、根据所述粒子权重进行粒子更新，将更新后的粒子进行重采样；
38、对重采样后的粒子进行状态提取，得到多目标状态。
39、在一些实施例中，所述状态向量的表达式为：
40、
41、其中，np＝1,2,...,np为目标数目，下标p表示时刻；r为径向距离，v为径向基带速度，η为折叠因子，a为径向加速度；
42、所述状态转移模型的表达式为：
43、
44、其中，round是四舍五入算子，μ1、μ2、μ3和μ4是服从零均值高斯分布的随机量；
45、所述观测模型的表达式为：
46、
47、其中，h1为np个目标存在的情况；h0为没有目标存在的情况；为量测误差；代表目标的能力强度分布模型。
48、在一些实施例中，所述根据所述状态转移模型和所述观测模型，生成新生粒子，包括以下步骤：
49、将观测按幅值进行排序，取前l个观测；
50、用幅值生成归一化权重；
51、对生成的归一化权重进行重采样；
52、根据重采样得到的粒子生成新生粒子。
53、在一些实施例中，所述对重采样后的粒子进行状态提取，得到多目标状态，包括以下步骤：
54、通过聚类的方法对目标状态进行提取：
55、将srd平面堆叠，生成frd空间，并将frd空间中的粒子通过折叠因子维度投影到rd平面上，投影之后，镜像目标和真实目标的粒子会出现在同一区域；
56、通过对rd平面内的粒子进行dbscan聚类，将具有不同折叠因子但具有相近距离和多普勒的粒子聚集成同一粒子簇；
57、通过对比各个折叠因子对应的粒子数目，将所有粒子的折叠因子都改为占比最大的折叠因子的值，从而消除镜像目标的影响，并对多目标状态进行提取。
58、本发明实施例的另一方面还提供了一种基于phd滤波的多高速高机动目标混合积累系统，包括：
59、第一模块，用于获取雷达采集信号并进行预处理；
60、第二模块，用于对预处理后的第一数据进行keystone变换处理，得到第二数据，以对预处理后的第一数据进行慢时间的尺度变化，改变慢时间采样点之间的间隔；
61、第三模块，用于根据mfp技术，对所述第二数据的模糊速度进行补偿处理，得到第三数据，以确定大速度范围的rd平面；
62、第四模块，用于根据所述第三数据，进行phd检测前跟踪，完成多目标混合积累。
63、本发明实施例的另一方面还提供了一种电子设备，包括处理器以及存储器；
64、所述存储器用于存储程序；
65、所述处理器执行所述程序实现如前面所述的方法为实现上述目的。
66、本发明实施例的另一方面提出了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现前面所述的方法。
67、本发明实施例还公开了一种计算机程序产品或计算机程序，该计算机程序产品或计算机程序包括计算机指令，该计算机指令存储在计算机可读存储介质中。计算机设备的处理器可以从计算机可读存储介质读取该计算机指令，处理器执行该计算机指令，使得该计算机设备执行前面的方法。
68、本发明实施例至少包括以下有益效果：本发明提供一种基于phd滤波的多高速高机动目标混合积累方法与系统,该方案通过获取雷达采集信号并进行预处理；对预处理后的第一数据进行keystone变换处理，得到第二数据，以对预处理后的第一数据进行慢时间的尺度变化，改变慢时间采样点之间的间隔；根据mfp技术，对所述第二数据的模糊速度进行补偿处理，得到第三数据，以确定大速度范围的rd平面；根据所述第三数据，进行phd检测前跟踪，完成多目标混合积累。本发明实施例采用混合积累方法，联合相参积累kt-mfp和phd检测前跟踪方法来实现多高速高机动目标的检测跟踪，提高了工作效率，减少了工作量且适用范围广。
1.一种基于phd滤波的多高速高机动目标混合积累方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种基于phd滤波的多高速高机动目标混合积累方法，其特征在于，所述获取雷达采集信号并进行预处理，包括以下步骤：
3.根据权利要求2所述的一种基于phd滤波的多高速高机动目标混合积累方法，其特征在于，所述对预处理后的第一数据进行keystone变换处理，得到第二数据，包括以下步骤：
4.根据权利要求3所述的一种基于phd滤波的多高速高机动目标混合积累方法，其特征在于，所述根据mfp技术，对所述第二数据的模糊速度进行补偿处理，得到第三数据，包括以下步骤：
5.根据权利要求4所述的一种基于phd滤波的多高速高机动目标混合积累方法，其特征在于，所述根据所述第三数据，进行phd检测前跟踪，完成多目标混合积累，包括以下步骤：
6.根据权利要求5所述的一种基于phd滤波的多高速高机动目标混合积累方法，其特征在于，所述状态向量的表达式为：
7.根据权利要求6所述的一种基于phd滤波的多高速高机动目标混合积累方法，其特征在于，所述根据所述状态转移模型和所述观测模型，生成新生粒子，包括以下步骤：
8.根据权利要求7所述的一种基于phd滤波的多高速高机动目标混合积累方法，其特征在于，所述对重采样后的粒子进行状态提取，得到多目标状态，包括以下步骤：
9.一种基于phd滤波的多高速高机动目标混合积累系统，其特征在于，包括：
10.一种电子设备，其特征在于，包括处理器以及存储器；
