基于压缩感知的认知雷达多目标跟踪方法

杨军 张群 罗迎 邓冬虎

引用本文:
Citation:

基于压缩感知的认知雷达多目标跟踪方法

    作者简介: 杨军(1990-),男,安徽芜湖人,现为空军工程大学信息与导航学院硕士研究生。研究方向为雷达信号处理。E-mail:yangjunah@163.com张群(1964-),男,陕西合阳人,现为空军工程大学信息与导航学院教授,博士生导师,IEEESeniorMember,中国电子学会无线电定位技术分会委员,发表学术论文150余篇,其中SCI、EI检索80余次。研究方向为雷达信号处理、雷达成像和电子对抗。E-mail:zhangqunnus@gmail.com罗迎(1984-),男,湖南益阳人,现为空军工程大学信息与导航学院讲师,IEEEMember,中国电子学会会员,中国图象图形学会会员,发表学术论文70余篇,其中SCI、EI检索40余次。研究方向为雷达信号处理、雷达成像。E-mail:luoying2002521@163.com.
    通讯作者: 杨军, yangjunah@163.com
  • 基金项目:

    国家自然科学基金(61172169, 61201369)和陕西省自然科学基础研究计划项目(2013JQ8008)

Method for Multiple Targets Tracking in Cognitive Radar Based on Compressed Sensing

    Corresponding author: Yang Jun, yangjunah@163.com ;
  • Fund Project: The National Natural Science Foundation of China (61172169, 61201369), The Natural Science Foundation Research Project of Shaanxi Province (2013JQ8008)

  • 摘要: 该文提出了一种基于压缩感知的认知雷达跟踪方法,该方法将压缩感知理论引入到认知雷达跟踪的问题中。通过对回波信号的稀疏表示,完成稀疏变换矩阵和观测矩阵的设计,实现了降采样条件下量测信号的重构。在系统的接收端,考虑到传统的粒子滤波容易陷入局部最优,对粒子数目要求大等问题,采用了粒子群优化的粒子滤波来对目标状态进行实时估计。在系统的发射端,采用优化后验克拉美罗界(Posterior Cramr-Rao Bounds, PCRB)设计了雷达发射波形参数,降低了对目标跟踪精度的PCRB。仿真表明,相比于传统跟踪方法,该文所提跟踪方法不仅有效地减少了雷达的数据量,而且较大地提高了目标的跟踪性能。
  • [1] 黎湘, 范梅梅. 认知雷达及其关键技术研究进展[J]. 电子学报, 2012, 40(9): 1863-1870. Li Xiang and Fan Mei-mei. Research advance on cognitive radar and its key technology[J]. Acta Electronica Sinica, 2012, 40(9): 1863-1870.
    [2] Haykin S. Cognitive radar: A way of the future[J]. IEEE Signal Processing Magazine, 2006, 23(1): 30-40.
    [3] Haykin S, Zia A, Arasaratnam I, et al.. Cognitive tracking radar[C]. Proceedings of 2010 IEEE Radar Conference, Washington DC, 2010: 1467-1470.
    [4] Chavali P and Nehorai A. Cognitive radar for target tracking in multipath scenarios[C]. Proceedings of 2010 IEEE Waveform Diversity and Design Conference, Niagara Falls, Canada, 2010: 110-114.
    [5] Chavali P and Nehorai A. Scheduling and power allocation in a cognitive radar network for multiple-target tracking[J]. IEEE Transactions on Signal Processing, 2012, 60(2): 715-729.
    [6] Candes E and Tao T. Decoding by linear programming[J]. IEEE Transactions on Information Theory, 2005, 51(12): 4203-4215.
    [7] Candes E, Romberg J, and Tao T. Stable signal recovery from incomplete and inaccurate measurements[J]. Communications on Pure and Applied Mathematics, 2006, 59(8): 1207-1223.
    [8] Candes E. Compressive sampling[C]. Proceedings of the International Conference of Mathematicians, Madrid, Spain, 2006: 1433-l452.
    [9] Sira S P. Time-varying waveform selection and configuration for agile sensors in tracking applications[C]. Proceedings of IEEE International Conference on Acoustics, Speech, and Signal Processing, Philadelphia, Pennsylvania, 2005: 880-884.
    [10] 薛文虎, 张社国, 徐红华. 用于目标跟踪的自适应广义调频波 形设计算法[J]. 海军工程大学学报, 2012, 24(4): 67-71. Xue Wen-hu, Zhang She-guo, and Xu Hong-hua. An adaptive waveform design algorithm for target tracking based on generalized frequency modulation[J]. Journal of Naval University of Engineering, 2012, 24(4): 67-71.
    [11] 石光明, 刘丹华, 高大化, 等. 压缩感知理论及其研究进展[J]. 电子学报, 2009, 37(5): 1070-1081. Shi Guang-ming, Liu Dan-hua, Gao Da-hua, et al.. Advances in theory and application of compressed sensing[J]. Acta Electronica Sinica, 2009, 37(5): 1070-1081.
    [12] 时燕, 陈迪荣. 基于小波包算法的压缩传感SAR 成像方法[J]. 雷达学报, 2013, 2(2): 218-225. Shi Yan and Chen Di-rong. A compressive sensing SAR imaging approach based on wavelet package algorithm[J]. Journal of Radars, 2013, 2(2): 218-225.
    [13] 方正, 佟国峰, 徐心和. 粒子群优化粒子滤波方法[J]. 控制与 决策, 2007, 22(3): 273-277. Fang Zheng, Tong Guo-feng, and Xu Xin-he. Particle swarm optimized particle filter[J]. Control and Decision, 2007, 22(3): 273-277.
    [14] 朱志宇. 粒子滤波算法及其应用[M]. 北京: 科学出版社, 2010: 80-81. Zhu Zhi-yu. Particle Filter Algorithm and Its Application[M]. Beijing: Science Press, 2010: 80-81.
    [15] Kershaw D and Evans R. Optimal waveform selection for tracking systems[J]. IEEE Transactions on Information Theory, 1994, 40(9): 1536-1550.
    [16] Tichavsk P, Muravchik C H, and Nehorai A. Posterior Cramr-Rao bounds for discrete-time nonlinear filtering[J]. IEEE Transactions on Signal Processing, 1998, 46(5): 1386-1394.
  • [1] 郝天铎崔琛龚阳孙从易 . 基于凸优化方法的认知雷达低峰均比波形设计. 雷达学报, 2018, 7(4): 498-506. doi: 10.12000/JR18002
    [2] 王璐璐王宏强王满喜黎湘 . 雷达目标检测的最优波形设计综述. 雷达学报, 2016, 5(5): 487-498. doi: 10.12000/JR16084
    [3] 吴孙勇薛秋条朱圣棋闫青竹孙希延 . 杂波环境下基于粒子滤波的微弱扩展目标检测前跟踪算法. 雷达学报, 2017, 6(3): 252-258. doi: 10.12000/JR16128
    [4] 吴伟尹成友 . 一种用于多目标跟踪的增强型SMC-PHD 滤波算法. 雷达学报, 2012, 1(4): 406-413. doi: 10.3724/SP.J.1300.2012.20094
    [5] 王祥丽易伟孔令讲 . 基于多目标跟踪的相控阵雷达波束和驻留时间联合分配方法. 雷达学报, 2017, 6(6): 602-610. doi: 10.12000/JR17045
    [6] 苏剑宋志勇付强龙照飞 . 单脉冲雷达不可分辨目标与诱饵联合跟踪方法. 雷达学报, 2015, 4(2): 160-171. doi: 10.12000/JR14094
    [7] 王爱春向茂生 . 基于块压缩感知的SAR层析成像方法. 雷达学报, 2016, 5(1): 57-64. doi: 10.12000/JR16006
    [8] 顾福飞张群杨秋霍文俊王敏 . 基于NCS算子的大斜视SAR压缩感知成像方法. 雷达学报, 2016, 5(1): 16-24. doi: 10.12000/JR15035
    [9] 韦顺军田博坤张晓玲师君 . 基于半正定规划的压缩感知线阵三维SAR自聚焦成像算法. 雷达学报, 2018, 7(6): 664-675. doi: 10.12000/JR17103
    [10] 肖鹏吴有明于泽李春升 . 一种基于压缩感知恢复算法的SAR图像方位模糊抑制方法. 雷达学报, 2016, 5(1): 35-41. doi: 10.12000/JR16004
    [11] 赵曜张冰尘洪文吴一戎 . 基于RIPless 理论的稀疏微波成像波形分析方法. 雷达学报, 2013, 2(3): 265-270. doi: 10.3724/SP.J.1300.2013.13032
    [12] 张增辉郁文贤 . 稀疏微波SAR图像特征分析与目标检测研究. 雷达学报, 2016, 5(1): 42-56. doi: 10.12000/JR15097
    [13] 刘振魏玺章黎湘 . 一种新的随机PRI脉冲多普勒雷达无模糊MTD算法. 雷达学报, 2012, 1(1): 28-35. doi: 10.3724/SP.J.1300.2013.10063
    [14] 仲利华胡东辉丁赤飚张问一 . 一种稀疏孔径下大尺寸目标的ISAR 成像方法. 雷达学报, 2012, 1(3): 292-300. doi: 10.3724/SP.J.1300.2012.20033
    [15] 任笑真杨汝良 . 一种基于幅度和相位迭代重建的四维合成孔径雷达成像方法. 雷达学报, 2016, 5(1): 65-71. doi: 10.12000/JR15135
    [16] 吴一戎洪文张冰尘蒋成龙张柘赵曜 . 稀疏微波成像研究进展(科普类). 雷达学报, 2014, 3(4): 383-395. doi: 10.3724/SP.J.1300.2014.14105
    [17] 闫敏韦顺军田博坤张晓玲师君 . 基于稀疏贝叶斯正则化的阵列SAR高分辨三维成像算法. 雷达学报, 2018, 7(6): 705-716. doi: 10.12000/JR18067
    [18] 赵娟白霞 . 一种适用于TDOMP算法的测量矩阵优化方法. 雷达学报, 2016, 5(1): 8-15. doi: 10.12000/JR15131
    [19] 陈文峰李少东杨军马晓岩 . 基于线性Bregman迭代类的多量测向量ISAR成像算法研究. 雷达学报, 2016, 5(4): 389-401. doi: 10.12000/JR16057
    [20] 刘向阳杨君刚孟进张晓牛德智 . 低信噪比下基于Hough变换的前视阵列SAR稀疏三维成像. 雷达学报, 2017, 6(3): 316-323. doi: 10.12000/JR17011
  • 加载中
计量
  • 文章访问数:  1589
  • HTML浏览量:  1
  • PDF下载量:  1605
  • 被引次数: 0
出版历程
  • 收稿日期:  2014-08-25
  • 录用日期:  2014-10-31
  • 刊出日期:  2016-02-28

基于压缩感知的认知雷达多目标跟踪方法

    通讯作者: 杨军, yangjunah@163.com
    作者简介: 杨军(1990-),男,安徽芜湖人,现为空军工程大学信息与导航学院硕士研究生。研究方向为雷达信号处理。E-mail:yangjunah@163.com张群(1964-),男,陕西合阳人,现为空军工程大学信息与导航学院教授,博士生导师,IEEESeniorMember,中国电子学会无线电定位技术分会委员,发表学术论文150余篇,其中SCI、EI检索80余次。研究方向为雷达信号处理、雷达成像和电子对抗。E-mail:zhangqunnus@gmail.com罗迎(1984-),男,湖南益阳人,现为空军工程大学信息与导航学院讲师,IEEEMember,中国电子学会会员,中国图象图形学会会员,发表学术论文70余篇,其中SCI、EI检索40余次。研究方向为雷达信号处理、雷达成像。E-mail:luoying2002521@163.com
  • 1. (空军工程大学信息与导航学院 西安 710077)
  • 2. (复旦大学电磁波信息科学教育部重点实验室 上海 200433)
基金项目:  国家自然科学基金(61172169, 61201369)和陕西省自然科学基础研究计划项目(2013JQ8008)

摘要: 该文提出了一种基于压缩感知的认知雷达跟踪方法,该方法将压缩感知理论引入到认知雷达跟踪的问题中。通过对回波信号的稀疏表示,完成稀疏变换矩阵和观测矩阵的设计,实现了降采样条件下量测信号的重构。在系统的接收端,考虑到传统的粒子滤波容易陷入局部最优,对粒子数目要求大等问题,采用了粒子群优化的粒子滤波来对目标状态进行实时估计。在系统的发射端,采用优化后验克拉美罗界(Posterior Cramr-Rao Bounds, PCRB)设计了雷达发射波形参数,降低了对目标跟踪精度的PCRB。仿真表明,相比于传统跟踪方法,该文所提跟踪方法不仅有效地减少了雷达的数据量,而且较大地提高了目标的跟踪性能。

English Abstract

参考文献 (16)

目录

    /

    返回文章
    返回