杨亚波，夏永红，匡华星，丁　春(.9404部队，河北秦皇岛06600;.中国船舶重工集团公司第七二四研究所，南京53)



雷达微弱目标检测前跟踪技术研究综述

杨亚波1，夏永红2，匡华星2，丁春2
(1.91404部队，河北秦皇岛066001;2.中国船舶重工集团公司第七二四研究所，南京211153)

摘要:战场环境的改变、武器系统的发展和隐身技术的应用，使得现代雷达系统对目标的检测和跟踪面临很大挑战，检测前跟踪技术是解决微弱目标检测和跟踪问题的一种有效方法。首先介绍了检测前跟踪技术的基本原理，然后重点综述了雷达微弱目标检测前跟踪算法的发展历程和研究现状，包括三维匹配滤波、动态规划、Hough变换、粒子滤波等检测前跟踪算法，并对常用的几种算法进行了对比分析，最后结合目前研究动态提出了雷达微弱目标检测前跟踪技术需要重点关注的问题和未来发展趋势。

关键词:雷达;微弱目标检测;检测前跟踪

0　引言

对于现代雷达，特别是警戒雷达和战场监视雷达，检测和跟踪是其最基本的任务。一般的处理方式为先检测后跟踪(Track-After-Detect，TAD)，即首先对每帧原始数据进行噪声和杂波抑制，然后进行恒虚警率(Constant False Alarm Rate，CFAR)检测，提取检测结果形成点迹，最后利用点迹数据进行航迹起始和跟踪。整个过程分为信号处理和数据处理两个阶段。

然而，随着现代战场环境的改变和武器系统的发展，加之隐身技术的应用，使得雷达对一些目标(如隐身飞机、小型舰船、无人艇、掠海飞行导弹等)的检测和跟踪能力面临严峻的挑战。它们主要表现在两个方面:一是目标检测概率的降低，造成目标的漏检;二是雷达探测的有效距离缩短，以致没有足够的时间对目标做出反应。对于这些由于回波信号信杂噪比较低而难以检测和跟踪的目标，称之为微弱目标。

针对微弱目标在使用传统检测与跟踪方法时面临的问题，利用连续多帧未经门限处理的原始数据，按照可能的目标轨迹进行回波能量积累，从而使同时实现目标检测与跟踪的检测前跟踪(Track-Before-Detect，TBD)技术越来越受到关注［1-3］。TBD技术的基本思想是:单帧回波数据由于信噪比较低，不设门限进行检测(或者设置低门限检测)，根据空间中目标运动的连续性和连续几帧目标回波数据时间上的关联性，对多帧数据进行联合处理，实现多帧能量积累，再通过最终的门限进行判决，从而完成对目标的检测，并根据检测到的目标进行航迹回溯，形成目标航迹。

由于TBD技术的处理过程是先对可能的目标进行跟踪，当目标积累的能量超过门限后，同时宣布目标检测结果和目标航迹，最大限度地保留了目标的信息，避免了单帧检测中的CFAR损失。因此，TBD技术能够实现对微弱目标的检测和跟踪。本文对现有的TBD算法发展历程和研究现状进行介绍，重点综述TBD技术应用在雷达领域中的研究成果，并探讨了雷达微弱目标TBD技术的若干问题和发展趋势。

1　TBD技术研究现状

从目前公开的学术研究成果来看，TBD技术的主要方法有以下几种算法:(1)基于三维匹配滤波(Three Dimension Matched Filtering，3DMF)的TBD算法(3DMF-TBD)，(2)基于动态规划(Dynamic Programming，DP)的TBD算法(DP-TBD)，(3)基于Hough变换(Hough Transform，HT)的TBD算法(HT-TBD)，(4)基于粒子滤波(Particle Filter，PF)的TBD算法(PFTBD)等。本节按照各种算法出现时间的先后顺序，逐一进行阐述。

1.1三维匹配滤波TBD算法(3DMF-TBD)

匹配滤波基于输出信噪比最大原则，本质上来说是一种相关处理。三维匹配滤波理论是一维、二维匹配滤波理论的直接扩展，在空域二维平面和时间维组成的三维空间内进行匹配滤波处理。最佳三维匹配滤波是对一定时间段内的某个空间区域数据进行滤波，使输出SNR最大。

1983年，美国的Reed等学者将匹配滤波理论应用到序列图像中的运动目标检测，提出了基于3DMF的微弱运动目标检测算法［4-6］。该方法通过设计多个可能与目标运动情况相对应的滤波器，对各滤波器的输出SNR进行比较，最大SNR的滤波器对应了真实的目标运动情况，从而实现对目标的检测。1990年，美国的Porat等人在Reed的研究基础之上，提出了一种基于频域方向滤波的微弱运动目标多帧检测算法［7］，在频域中通过不同的Doppler频率实现对运动目标的检测。当目标速度大小和方向已知、背景为加性高斯噪声或杂波时，三维匹配滤波器是检测目标的最优三维线性滤波器。1989年，林肯实验室的Y.Chen提出使用速度滤波器组进行目标跟踪检测，当目标速度的方向和大小未知时，可以对速度空间进行划分。该方法称为假定速度滤波器(AVF)［8］。然而，由于滤波器的数目有限，难以避免速度失配问题。

2003年，澳大利亚的Dragovic等学者研究了低SNR背景下雷达微弱目标的检测与跟踪［9］，提出了一种基于速度滤波器的TBD算法。该算法是对3DMF的改进和扩展，将3DMF-TBD算法由光学领域应用到雷达领域。2011年，澳大利亚的Kennedy提出了一种基于滑动离散傅里叶变换的递归空时速度滤波TBD算法［10］。通过仿真和实测数据的处理结果表明，该算法能够大大降低运算量，有效地提高运行效率。

1.2基于动态规划的TBD算法(DP-TBD)

动态规划是分级决策方法和最优化原理的综合应用，是解决多阶段决策问题最优化的一种方法。其基本思想是将多阶段决策问题转换为一组单阶段问题，然后利用最优化思想逐个进行解决，是对穷举法的直接改进。

1985年，美国的Barniv首次将动态规划方法应用于图像中的微弱运动目标检测和跟踪［11］。该方法根据最大概率准则构造一个值函数，对值函数在每个阶段都进行能量积累，最后设置末门限检测出值函数积累值超过该门限的所有点，然后按照积累的过程回溯反推得到可能的目标运动轨迹，并把同一目标产生的多个可能的轨迹合并，并详细分析了DP-TBD算法的检测性能［12］。

1990年，美国的Kramer等学者提出了一种针对扫描模式的脉冲多普勒机载雷达实时TBD算法［13］。这是DP-TBD算法首次应用在雷达微弱目标检测中。对于SNR为5 dB的Rician信号加噪声模型，每个处理分辨单元的虚假航迹率为5×10－5时，跟踪检测概率可达到0.5。次年，Kramer又提出了一种适用于双高PRF机载雷达系统的实时TBD处理算法［14］。对于每个距离-多普勒单元，当虚假航迹率保持在2×10－6时，对SNR为6dB的非机动目标或SNR为7.5 dB的机动目标，跟踪检测概率可达到0.5。

同年，美国的Harmon等学者研究了X波段雷达在高PRF搜索模式下的DP-TBD算法性能［15］。对于速度为每个天线周期运动2.5 n mile的Swerling I或II型目标，在虚假航迹率固定为10－6情况下，航迹检测概率达到0.5所需要的SNR约为8.7 dB，航迹检测概率达到0.9所需的SNR约为9.6 dB。同样的虚假航迹率，目标速度为每个扫描周期运动0.25 nmi时，航迹检测概率达到0.5所需的SNR为8.1 dB。

1993年，美国的Arnold等学者研究了一种基于侧视和前视成像系统观测数据的DP-TBD算法，用于检测和跟踪像素级的低SNR目标［16］。1995年，澳大利亚的Tonissen等学者研究了一种简单的DP-TBD算法［17］，并给出了在高斯背景下目标检测概率和虚警概率的计算公式［18］。2002年，澳大利亚的Johnston等学者针对Tonissen所提出的DP-TBD算法的目标检测概率和虚警概率计算复杂等问题［19］，利用极值定理(Extreme Value Theory，EVT)得到了检测概率和虚警概率更简洁更精确的表达式。同年，英国学者Wallace提出了一种基于改进Viterbi算法的DP-TBD方法［20］。

2005年，意大利的Buzzi等学者研究了机载雷达TBD算法［21］，通过近似的Viterbi算法，在距离-Doppler域和时域中联合处理接收到的回波数据，能够获得很好的检测和跟踪性能。2013年，Grossi等学者提出了一种新的DP-TBD算法［22］。该算法不需要对状态空间进行离散化，计算复杂度远低于基于Viterbi算法的TBD方法。

1.3基于Hough变换的TBD算法(HT-TBD)

Hough变换是数字图像处理中的一种特征提取方法，主要用来进行直线检测和提取。它可以将图像域中的一条直线变换成参数域中的一个峰值，进而根据参数域中的峰值提取出图像域中对应的直线。

1994年，美国的Carlson等学者首次将Hough变换应用于搜索雷达目标检测中，提出了HT-TBD算法［23］，并分析了该算法的检测和跟踪性能，给出了检测概率和虚警概率的计算公式。2005年，在Carlson工作的基础上，Kabakchiev等学者研究了在随机干扰的情况下基于HT的CFAR检测器的检测性能［24］。2008年，Doukovska等学者在Kabakchiev的研究基础上研究了基于顺序统计CFAR和单元平均CFAR的Hough检测性能［25］。2006年，Garvanov提出了一种类似于极坐标HT-TBD算法［26］，直接将搜索雷达的输出参数作为变换的输入参数，适用于跟踪和目标检测。

2007年，Kabakchiev等学者研究了多雷达组网情况下分布式和集中式两种基于极坐标HT的Hough检测器的检测性能［27-29］，并研究了多雷达系统在TBD处理时数据关联的问题，分析了影响航迹精度的因素，研究了检测概率关于SNR的变化情况和不同雷达数时的虚警率。2011年，美国的Moyer提出了一种针对强杂波背景下微弱目标的多维HT-TBD算法［30］。该算法能够克服传统HT-TBD算法的缺陷，增强随机杂波背景下的目标检测概率。

1.4基于粒子滤波的TBD算法(PF-TBD)

粒子滤波是以重要性采样和序贯重要性采样为基础的，近似实现贝叶斯递归估计的序贯Monte Carlo方法。它是贝叶斯递归估计方法的一种，利用随机样本近似模拟系统状态的后验概率密度，可以实现多种准则下的状态估计，特别是在处理非线性/非高斯滤波问题上具有优越性，基本能够达到最优Bayesian估计的效果。

2001年，英国的Salmond［31］和荷兰的Boers［32］在当年召开的国际会议上同时提出了PF-TBD算法。Salmond是针对光学传感器图像中的微弱目标检测与跟踪，Boers是针对雷达微弱目标的检测和跟踪。同年，Rollaon等学者针对目标幅度未知情况提出了一种能同时估计目标幅度的PF-TBD算法［33］。2003年，Boers等学者又提出了基于PF-TBD的多目标跟踪算法［34-35］。2004年，澳大利亚的Rutten等学者研究了在Rayleigh噪声下的优效粒子滤波TBD算法(ESIRTBD)［36］。次年，Rutten等学者又研究了目标幅度起伏模型下的PF-TBD算法［37］，随后对两种不同的PFTBD算法进行了比较［38］。

2005年，英国的Gilholm提出一种针对扩展目标的Bayesian滤波器［39］。次年，Boers和Driessen提出了一种针对扩展目标PF-TBD算法［40］。2014年，Eyili 和Demirekler提出了一种基于多模粒子滤波的多目标TBD算法［41］。通过仿真表明，在很低信噪比下也能够获得很好的目标存在概率和均方根误差估计精度。

1.5 4种经典TBD算法的对比

前文介绍的4种算法代表了TBD技术的发展历程，在国内也有多家科研院所和高校开展了大量的研究，如南京电子技术研究所［42］，国防科技大学［43-45］，西安电子科技大学［46-49］，北京理工大学［50-51］，电子科技大学［52-54］，海军航空工程学院［55-57］，西北工业大学［58-59］等。根据前文的介绍和相关文献资料的研究，现将这4种方法的特性概括如表1所示。

表1　4种TBD算法对比

1.6其他TBD算法

除了前文介绍的4种经典的TBD算法外，一些学者还研究了基于其他方法的TBD算法，如基于多级假设检验的TBD算法(MSHT-TBD)［60］，基于高阶相关的TBD算法(HOC-TBD)［61］，基于直方图概率多假设的TBD算法(HPMH-TBD)［62］等。这些算法或因为限制条件较多，实用性较差，或尚处于起步阶段，还需进一步深入研究。

2　TBD技术发展趋势

2.1临近多目标和机动目标TBD

目前大部分文献资料中所研究的方法都是针对单个点目标或者相隔较远且相互独立的几个点目标，而在实际应用中，对于编队运动的群目标，现有的几种TBD方法都不能够给出较好的检测和跟踪结果。对于机动目标，目前相对性能较好的是PF-TBD和FISST-TBD方法，但这需要目标机动特性的先验信息。因此，为了增强TBD的实用性能，需要研究针对临近多目标和机动目标情况下更稳健的TBD算法。

2.2 TBD性能评估体系

从前文中可以看出，目前对于TBD算法的检测和跟踪性能评估方法研究较少，而且这些评估方法都是针对某一类的TBD算法。在该类TBD算法中进行相互之间的对比和分析，对于不同类的TBD算法无法进行性能评估。2008年，Davey等学者对PF-TBD、DPTBD等4种TBD算法进行了仿真比较［76］，但只考虑了单个直线运动的点目标的情况，而且文中并没有给出具体的检测性能等指标的计算表达式，只是通过一些统计值进行比较分析。因此，建立一套针对各种TBD算法均能使用的性能评估体系是未来值得重点研究的方向之一。

2.3多传感器协同TBD

在日益复杂的战场环境下，单传感器已经远不能满足实际的应用需求。近年来提出的协同探测技术能够发挥每个传感器的优势，相互之间取长补短，抗干扰性能远大于单个传感器，具有更高的可靠性。如果将多传感器协同技术和TBD技术相结合，利用多传感器协同(包括单平台多部传感器和多平台多部传感器)TBD，实现对微弱目标的多波段、多极化和多视角探测，可以提高检测跟踪概率。但是，相对于传统的TAD技术，关于微弱目标的多传感器协同TBD技术研究还较为欠缺。

2.4相参积累TBD

目前研究的TBD算法主要采用的是非相参积累方法。虽然相对于传统的TAD算法有一定的性能提升，但对SNR的改善有限，而且对于单帧数据的SNR要求基本上都不低于0dB，即对于极低SNR或强杂波背景下的微弱目标检测这些算法都将失效。。2014年，北京理工大学的许稼等学者提出了一种多维联合相参积累的空时频检测前聚焦雷达信号处理新理论和新方法［64］，能够有效地抑制强杂波和有源干扰，显著提高了目标检测、跟踪和识别等性能，而且适用于高速高机动隐身目标，具有较好的应用前景。

3　结束语

TBD技术是解决雷达微弱目标检测与跟踪的一种有效方法。本文综述了TBD技术的研究发展现状，着重介绍了3DMF-TBD、DP-TBD、HT-TBD和PF-TBD等算法，并结合国内外研究态势，对TBD技术目前存在的问题和发展趋势进行了阐述和展望。从目前公开的学术成果来看，TBD技术的研究主要集中于算法的改进与创新，在工程应用技术实现方面尚缺乏一定的探讨。在接下来的研究中，应着重结合实际工程需要，针对不同应用背景，实现相应TBD算法的工程化研究。

参考文献:

［1］S Buzzi，M Lops，L Venturino.Track-before-detect procedures for early detection of moving target from airborne radars［J］.IEEE Transactions on Aerospace and Electronic Systems，2005，41(3): 937-954.

［2］D Orlando，G Ricci，Y Bar-Shalom.Track-beforedetect algorithms for targets with kinematic constraints［J］.IEEE Transactions on Aerospace and Electronic Systems，2011，47(3):1837-1849.

［3］S J Davey，M G Rutten，B Cheung.Using phase to improve track-before-detect［J］.IEEE Transactions on Aero-space and Electronic Systems，2012，48(1):832-849.

［4］I Reed，R M Gagliardi，H M Shao.Application of three dimensional filtering to moving target detection.IEEE Transactions on Aerospace and Electronic Systems，1983，19(6):898-905.

［5］I Reed，R Gagliardi，L Stotts.Optical moving target detection with 3-D matched filtering［J］.IEEE Transactions on Aerospace and Electronic Systems，1988，7，24(4):327-336.

［6］I Reed，R Gagliardi，L Stotts.A recursive movingtarget-indication algorithm for optical image sequences［J］.IEEE Transactions on Aerospace and Electronic Systems，1990，26(3):434-439.

［7］Porat B，Friedlander B.A frequency domain algorithm for multiframe detection and estimation of dim targets［J］.IEEE Transactions on Pattern A-nalysis and Machine Intelligence，1990，12(4): 398-401.

［8］Y Chen.On suboptimal detection of 3-dimensional moving targets［J］.IEEE Transactions on Aerospace and Electronic Systems，1989，25(3): 343-350.

［9］Dragovic M.Velocity filtering for target detection and track initiation［R］.Technical Report(ADA415922)，2003.

［10］H L Kenedy.Efficient Velocity Filter Implementations for Dim Target Detection［J］.IEEE Transactions on Aerospace and Electronic Systems，2011，47(4).

［11］Y Barniv.Dynamic programming solution for detecting dim moving targets［J］.IEEE Transactions on Aerospace and Electronic Systems，1985，21(1):144-156.

［12］Y Barniv，O Kella.Dynamic programming solution for detecting dim moving targets Part II: analysis ［J］.IEEE Transactions on Aerospace and Electronic Systems，1987，23(6):776-788.

［13］J Kramer，W Reid.Track-before-detect processing for an airborne type radar［C］.Proceedings of the IEEE 1990 international radar conference.Arlington，VA: IEEE Press，1990:422-427.

［14］J Kramer，W Reid.Track-before-detect processing for a range-ambiguous radar［C］.1991 IEEE International Radar Conference，1991:113-116.

［15］J Harmon.Track-before-detect performance for a high PRF search mode［C］.1991 IEEE International Radar Conference.1991:11-15.

［16］J Arnold，S Shaw.Efficient target tracking using dynamic programming［J］.IEEE Transactions on Aerospace and Electronic Systems，1993，29(1): 44-56.

［17］Tonissen S M，Evans R J.Target tracking using dynamic programming: algorithm and performance ［C］.Proceedings of the 34th Conference on Decision＆Control.New Orleans，LA: IEEE Press，1995:2741-2746.

［18］Tonissen S M，Evans R J.Performance of dynamic programming techniques for track-before-detect ［J］.IEEE Transactions on Aerospace and Electronic Systems，1996，32(4):1440-1451.

［19］Johnston L，Krishnamurthy V.Performance analysis of a dynamic programming track before detect algorithm［J］.IEEE Transactions on Aerospace and Electronic Systems，2002，38(1):228-242.

［20］Wallace W R.The use of track-before-detect in Pulse-Doppler radar［C］.Proceedings of the IEEE 2002 International Radar Conference.Edinburgh，UK: IEEE Press，2002:315-319.

［21］Buzzi S，Lops M，Venturino L.Track-before-detect procedures for early detection of moving target from airborne radars［J］.IEEE Transactions on Aerospace and Electronic Systems，2005，41(3): 937-954.

［22］E Grossi，M Lops，L Venturino.A novel dynamic programming algorithm for track before detect in radar systems［J］.IEEE Transactions on Signal Processing，2013，61(10):2608-2619.

［23］B D Carlson，E D Evans，S L Wilson.Search radar detection and track with the Hough Transform ［J］.IEEE Transactions on Aerospace and Electronic Systems，1994，30(1):102-125.

［24］Chr Kabakchiev，I Garvanov，L Doukovska.Excision CFAR BI detector with Hough Transform in the presence of randomly arriving impulse interference［C］.IEEE International Radar Conference，2005:950-955.

［25］L Doukovska，Chr Kabakchiev，V Kyovtorov，et al.Hough detector with an OS CFAR processor in presence of randomly arriving impulse interference［C］.Proceedings of the 5th European Radar Conference，2008:332-335.

［26］I Garvanov，Chr Kabakchiev.Radar detection and track determination with a transform analogous to the Hough Transform［C］.2nd Microwave and Radar Week in Poland-International Radar Symposium，Krakow，Poland，2006:121-124.

［27］Chr Kabakchiev，I Garvanov，H Rohling.Netted radar Hough detect in randomly arriving impulse interference［C］.The Institution of Engineering and Technology International Conference on Radar Systems，UK，2007:89-96.

［28］Chr Kabakchiev，I Garvaonv，L Doukovska，V Kyovtorov，H Rohling.Data association algorithm in TBD multiradar syetem［C］.Proceedings of the International Radar Symposium，Cologne，Germany，2007:521-525.

［29］Chr Kabakchiev，I Garvanov，L Doukovska，V Kyovtorov.TBD netted radar system in presence of multi false alarms［C］.Proceedings of the 6th European Radar Conference，2009:509-512.

［30］LEE R MOYER，J SPAK，P LAMANNA.A Multi-Dimensional Hough Transform-Based Track-Before-Detect Technique for Detecting Weak Targets in Strong Clutter Backgrounds［J］.IEEE Transactions on Aerospace and Electronic Systems，2011，47(4):3062-3068.

［31］Salmond D J，Birch H.A particle filter for trackbefore-detect［C］.Proceedings of the American Control Conference.Arlington，VA: IEEE Press，2001:3755-3760.

［32］Boers Y，Driessen J N.Particle filter based detection for tracking［C］.Proceedings of the American Control Conference.Arlington，VA: IEEE Press，2001:4393-4397.

［33］M Rollason，D J Samond.A particle filter for track-before-detect of a target with unknown amplitude［C］.IEE Seminar on Target Tracking: Algorithms and Applications，Netherlands，2001: 1-4.

［34］Y Boers，J N Driessen，F Verschure，et al.A multi-target track before detect application［C］.Proceedings of the Computer Vision and Pattern Recognition Workshop，2003:104-107.

［35］Y Boers，J N Driessen.Interacting multiple model particle filter［J］.IEE Proceedings Radar，Sonar and Navigation，2003，150(5):344-349.

［36］M G Rutten，N J Gordon，S Maskell.Particlebased track-before-detect in Rayleigh noise［C］.Proceedings of SPIE-Signal and Data Processing of Small Targets 2004，Orlando，FL，United states，2004:509-519.

［37］M G Rutten，N J Gordon，S Maskell.Recursive track-before-detect with target amplitude fluctuations［J］.IEE Proceedings Radar，Sonar and Navigation，2005，152(5):345-352.

［38］M G Rutten，B Ristic，N J Gordon.A comparison of particle filters for recursive track-before-detect ［C］.2005 7th International Conference on Information Fusion，Philadelphia，PA，United states，2005:169-175.

［39］Gilholm K，Salmond D J.Spatial distribution model for tracking extended objects［J］.IEE Radar Sonar Navigation，2005，152(5):364-371.

［40］Boers Y，Driessen H，Torstensson J，et al.Trackbefore-detect algorithms for tracking extended targets［J］.IEE Radar Sonar Navigation，2006，153(4):345-351.

［41］M Eyili，M Demirekler.Multi-target Particle Filter Based Track Before Detect Algorithm for Tracking of Spawning Targets［C］.2014 IEEE 22nd Signal Processing and Communications Applications Conference，SIU，2014:1071-1074.

［42］诸四海.在强海杂波背景下的潜望镜检测［J］.现代雷达，2000，22(4):43-47.

［43］孙广富，张兵，卢焕章.基于窗口预测匹配的序列图像点目标轨迹检测算法［J］.国防科技大学学报，2004，26(2):25-29.

［44］刘剑，赵艳丽，罗鹏飞.基于Hough变换的低可观测海面运动目标检测［J］.系统工程与电子技术，2004，26(3):393-395.

［45］龚亚信，杨宏文，胡卫东，等.基于粒子滤波的弱目标检测前跟踪算法［J］.系统工程与电子技术，2007，29(12):2143-2148.

［46］强勇，焦李成，保铮.动态规划算法进行弱目标检测的机理研究［J］.电子与信息学报，2003，25(6):721-727.

［47］吴孙勇，廖桂生，杨志伟.基于改进粒子滤波的微弱目标检测前跟踪算法［J］.系统工程与电子技术，2010，32(9):1875-1879.

［48］夏宇垠，冯大政，李涛.一种基于Hough变换的宽带雷达目标检测器［J］.电子与信息学报，2010，32(11):2755-2759.

［49］吴孙勇，廖桂生，朱圣棋，杨志伟.提高雷达机动目标检测性能的二维频率域匹配方法［J］.电子学报.2012，40(12):2415-2420.

［50］Mo L，Wu S，Mao E.Radar detection for dim moving target using DP algorithm［J］.Chinese Journal of Electronics，2004，13(3):486-490.

［51］宋慧波，高梅国，田黎育，等.一种基于动态规划法的雷达微弱多目标检测方法［J］.电子学报，2006，34(12):2142-2145.

［52］邓晓波，皮亦鸣，曹正林，等.基于TBD方法的弱小目标预警研究［J］.现代雷达，2009，31(12):57-61.

［53］张伟，孔令讲，杨晓波，等.一种用于HPRF雷达的改进DPA弱目标检测算法［J］.现代雷达，2011，33(5):21-25.

［54］L L Wei，X L Zhang，L Fan.A TBD algorithm based on improved Randomized Hough Transform for dim target detection［C］.International Conference on Signal Processing Systems，2010: 241-245.

［55］曲长文，黄勇，苏峰.基于动态规划的多目标检测前跟踪算法［J］.电子学报，2006，34(12): 2138-2141

［56］黄勇，曲长文，苏峰.基于Hough变换的检测前跟踪算法的性能分析［J］.现代雷达，2004，26(12):37-41.

［57］关键，黄勇.MIMO雷达多目标检测前跟踪算法研究［J］.电子学报，2010，38(6):1449-1453.

［58］杨小军，潘泉，张洪才.基于粒子滤波和似然比的联合检测与跟踪［J］.控制与决策，2005，20(7):837-840.

［59］梁新华，潘泉，杨峰，等.基于两级采样的粒子滤波检测前跟踪算法［J］.系统工程与电子技术，2011，33(9):1921-1926.

［60］Blostein S D，Huang T S.Detecting small moving objects in image sequences using sequential hypothesis testing［J］.IEEE Transactions on Signal Processing，1991，39(7):1611-1629.

［61］Liou R，Azimi-Sadjadi M R.Dim target detection using high order correlation method［J］.IEEE Transactions on Aerospace and Electronic Systems，1993，29(3):841-856.

［62］R L Streit，M L Graham，M J Walsh.Multi-target tracking of distributed targets using histogram-PMHT［J］.Digital Signal Processing，2002，12(2):394-404.

［63］S J Davey，M G Rutten，B Cheung.A comparison of detection performance for several track-beforedetect algorithms［C］.Proceedings of International Conference on Information Fusion，Cologne，Germany: ISIF，June 2008:1-8.

［64］许稼，彭应宁，夏香根，龙腾，毛二可.空时频检测前聚焦雷达信号处理方法［J］.雷达学报.2014，3(2):129-141.

An overview on track-before-detect technique for radar weak targets

YANG Ya-bo1，XIA Yong-hong2，KUANG Hua-xing2，DING Chun2
(1.Unit 91404 of the PLA，Qinhuangdao 066001，China; 2.No.724 Research Institute of CSIC，Nanjing 211153)

Abstract:The change of battlefield environment，the development of weapon systems and the application of stealth technique bring a great challenge to modern radar systems in terms of target detection and tracking.Track-before-detect(TBD)technique is an effective approach to resolve the detection and tracking issue of weak targets.The fundamental of the TBD technique is introduced firstly.Afterwards，an overview on the development history and status quo of the TBD algorithms for weak targets is presented emphatically，including the 3D matched filtering，the dynamic programming，the Hough transform and the particle filter.The commonly-used TBD algorithms are compared and analyzed.Finally，some key issues and future development trends of the TBD technique are analyzed based on the progress of the existing TBD research.

Keywords:radar; weak target detection; TBD

作者简介:杨亚波(1982-)，男，工程师，研究方向:雷达工程和雷达数据处理;夏永红(1989-)，男，助理工程师，硕士，研究方向:雷达微弱目标检测与跟踪;匡华星(1978-)，男，高级工程师，硕士，研究方向:雷达总体和数据处理;丁春(1983-)，男，高级工程师，硕士，研究方向:雷达数据处理。

收稿日期:2015-03-20

文章编号:1009－0401(2015)02－0000－0022－07

文献标志码:A

中图分类号:TN953