基于压缩感知的无源雷达信号级目标联合检测与跟踪方法研究

Passive bistatic and multi-static radar systems offer a significant advantage over active radar systems since they cannot be detected by an adversary. As a result, the passive bistatic and multi-static radar systems have been used in important and challenging tracking problems such as missile tracking, tracking of stealthy targets, and tracking in the presence of jamming or electronic interference. In this project, we shall develop a novel signal-level compressed sensing based joint detection and tracking (JDT) approach to solve the problem of detection and tracking using a passive radar involving the direct path, multipath, and strong signal interference. Our research effort will also address the JDT of dim or stealthy targets due to low signal-to-noise ratio (SNR). First, based on a single passive radar, we shall develop a compressed sensing based JDT algorithm that involves (i) construction of the sparse model of the passive radar signal model, (ii) reconstruction of the high-resolution sparse radar scene, (iii) removal of the disturbance from the direct path, multipath and strong signal, and (iv) JDT of multiple dim targets in the cluttered environment using raw measurements. Furthermore, our proposed algorithm will be extended to the multi-static passive radar systems. We shall develop a novel information fusion algorithm that reconstructs the union of a high-resolution sparse radar scene in the framework of distributed compressed sensing using the information from all passive radars and fuse the sparse radar scene to detect and track multiple stealthy targets.

在当前复杂的目标环境和探测跟踪环境中, 双/多基地无源雷达由于具有良好的“四抗”能力，即抗反辐射导弹、反隐身、反低空突防和抗电子干扰能力，得到了广泛关注。针对无源雷达面临的直达波、多径回波和强信号干扰问题、微弱目标检测跟踪问题和隐身目标检测跟踪问题，本项研究将发展基于压缩感知的无源雷达信号级目标联合检测跟踪方法。首先以单基无源雷达为研究对象，发展一种新颖的基于压缩感知的联合检测跟踪方法，实现无源雷达接收天线稀疏模型建立、高分辨率稀疏雷达场景重构、直达波及多径回波和强信号干扰抑制、目标检测和跟踪一体化设计，最大限度地利用原始量测信息，实现强杂波干扰下变数目微弱目标的有效检测与跟踪。进一步，拓展到多基无源雷达系统，发展一种新颖的多基无源雷达信息融合算法，根据接收到的来自所有单基雷达的量测信息，在分布式压缩感知的框架下重构高分辨率联合稀疏雷达场景并进行场景融合,实现对多隐身目标的联合检测与跟踪。

在当前复杂的目标环境和探测跟踪环境中, 双/多基地无源雷达由于具有良好的“四抗”能力，即抗反辐射导弹、反隐身、反低空突防和抗电子干扰能力，具有广泛的军事应用前景。本项目首先以单基无源雷达为研究对象，发展一种新颖的基于压缩感知的联合检测跟踪方法。重点研究基于压缩感知的高分辨率稀疏雷达场景重构，解决了压缩感知理论研究中一个挑战性问题，即感知矩阵的相干性系数随分辨率增加而增大以致不能以大概率对稀疏向量进行完美重构的问题，研究和发展了有效的重构算法。并进一步推广至三维全息重构领域，提出了一种新的基于点云物体模型的三维全息重构算法。其次，本项目以多基无源雷达系统为研究对象，发展了一种基于集中式框架的新颖的信息融合算法，实现对多隐身目标的联合检测与跟踪。与分散式融合跟踪框架相比，集中式融合跟踪框架具有更小的信息损失率，更高的精度与更好的鲁棒性；但是同时具有计算量大、计算复杂度高的缺点。为了解决这个问题，我们提出了一种新颖的基于分布式压缩感知的联合检测与跟踪（DCS-JDT）算法：首先基于多基雷达信号模型建立第二联合稀疏模型（JSM-2），然后采用分布式一般相似感知矩阵追踪（DGSSMP）算法直接重构出表征目标状态空间信息的稀疏网格反射向量，得到包含潜在目标的粗略估计状态信息。由于分布式压缩感知框架能够很大程度上降低对采样率的要求，因此有效地减轻了融合中心的计算量。最后对DGSSMP算法的输出直接应用检测前跟踪（TBD）算法进行处理得到精确的目标运动状态和轨迹。仿真结果表明，提出的DCS-JDT算法相较于传统TBD算法和最大似然-概率数据关联（ML-PDA）算法，具有更小的平均重构误差（RMSE）和更短的运算时间。最后，本项目提出了基于分布式压缩感知第一联合稀疏模型（JSM-1）的多种信号重构算法，并推广至双通道SAR的地面运动目标检测、无线传感器网络信号重构和视频重构等应用领域。