基于多贝努利随机集的弱小目标TBD方法研究

Infrared dim small targets detection in low signal-to-noise ratio is the hotspots and difficulties at domestic and overseas research areas, as low energy of signal, complex background and the number of targets time-varying. On the basis of random finite sets and combined with nonstationary signal processing methods the project will build time-varying multi-target track-before-detect system based on multi-Bernoulli random finite sets. This project will address the following aspects: (1)For the nonstationary feature of the infrared image , the two-dimensional empirical mode decomposition (EMD) is introduced to the clutter suppression and the two-dimensional empirical mode decomposition based on partial differential equation(PDE) will be discussed, which will obtain the candidate targets adaptively. (2) Multi-Bernoulli random finite sets filter based on Rao-Blackwellized particle filter and symmetric relative entropy will reduce the state dimension and computation, and improve the accuracy of target number estimation. （3）The present and absent dual statistics based on the multi-frame existence probability curve of Bernoulli item will reduce the declaration delays. The project is within the forefront of the discipline applied basic research. It will expand and improve the target identification and detection capabilities in the national defense or civilian field in low SNR environments. The project will provide the theory method support for the infrared detection system and have important practical significance.

低信噪比下红外弱小目标的检测，由于其信号能量低、背景复杂、目标数时变等特点，一直是国内外相关研究领域的一个热点与难点问题。本项目以随机有限集为理论基础，结合非平稳信号处理方法，拟研究基于多贝努利随机集的时变红外弱小目标检测前跟踪方法。 主要研究内容包括：(1)针对红外图像非平稳特性，将二维经验模态分解（EMD）方法引入红外图像预处理，拟研究基于偏微分方程的二维EMD杂波抑制方法；(2)为了降低时变多目标跟踪模型的状态维数、避免目标数过估，拟研究RBPF实现的多贝努利随机集滤波方法和基于对称相对熵的多贝努利项合并方法；(3)为减小检测判决延迟完成航迹确认，拟研究基于贝努利项多帧存在概率曲线的双统计量判决方法。 本项目研究成果将丰富目标数未知且时变的红外弱小目标检测前跟踪方法体系，项目研究将有效拓展和提高国防或民用领域对于低信噪比下弱小目标的检测能力，为红外探测系统性能改善提供理论支撑。

由于目标数目的不确定性、易受杂波、噪声等复杂背景因素的影响，多目标检测与跟踪成为理论研究的难点问题。尤其是在低信噪比的环境中，弱小目标难以从背景噪声中区分开来。本项目在研究随机有限集理论多目标跟踪方法的基础上，重点研究多贝努利和概率假设密度多目标跟踪方法在红外弱小目标检测前跟踪中的应用。主要研究内容与成果如下：.(1)红外图像预处理方法：针对传统图像预处理算法存在的虚警和漏检严重的问题，提出一种改进的Robinson Guard背景抑制算法；针对现有的二维经验模态分解（EMD）方法存在边界效应、分解速度慢等缺点，提出基于偏微分方程的二维EMD去噪方法；为解决图像序列中多个目标跟踪的不稳定性，提出基于SCK-MB-TBD的滤波跟踪方法。 .(2)基于随机集理论的多目标跟踪具体实现方法：针对传统算法在量测噪声协方差未知情况下跟踪性能急剧下降的问题、非线性系统模型中未知杂波环境下的多目标跟踪问题、在杂波模型与先验知识不匹配情况下滤波性能急剧下降的缺点，分别提出了基于变分贝叶斯的势均衡多目标多伯努利滤波跟踪算法、基于拟蒙特卡罗的未知杂波高斯混合粒子概率假设密度算法和一种新的未知杂波环境下PHD滤波器。.（3）随机集框架下弱小目标的能量累积、虚假目标的删减与合并方法：针对传统TBD算法存在高存储空间和高复杂度的难题， 提出一种点扩散函数下的阈值化量测TBD算法，并将其与MeMBer滤波结合应用到红外多弱目标的检测跟踪；针对现有多个弱小目标检测前跟踪算法存在的跟踪精度低，算法复杂度高等问题，提出一种新的基于概率假设密度的TBD算法，三种信噪比条件下，所提算法运行所耗时间约为传统算法SMC-PHD-TBD所耗时间的40%左右。.本项目研究成果不仅丰富目标数未知且时变的红外弱小目标检测前跟踪方法体系，还拓展了随机集多扩展目标跟踪在量测噪声、杂波未知情况下理论水平，项目研究有效提高国防或民用领域对于低信噪比下弱小目标的检测能力，为红外探测系统性能改善提供理论支撑。