雷达在现代国防中有着非常重要的作用,雷达的目标检测与跟踪一直是一个研究热点。随着雷达系统不断发展,雷达分辨率与威力半径不断提高,因此在目标跟踪与检测领域中出现了一些新的问题,同时这也是增强雷达探测性能的机遇。本文从雷达的视频数据入手,期望从雷达视频数据中检测出目标并进行跟踪得到目标的运动轨迹。本文探讨问题有三个:首先,随着雷达分辨率提升,雷达视频单元格的空间尺寸小于感兴趣目标的尺寸,一个目标出现在多个视频单元格内,这就出现了“扩展目标”问题,其中包括了“扩展目标”的跟踪和检测问题。其次,随着分辨率与威力半径提升,雷达视频数据中视频单元格个数大量增加,目标检测时会产生巨大的计算量,而测量数据需在雷达一个转动周期之内处理完毕,因此视频数据快速处理变得理至关重要。第三,随着雷达分辨率提升,可以得到更加丰富的目标和检测环境的信息,是否可以通过这些信息来提升雷达跟踪检测效率。本文将雷达跟踪检测问题与数字图像处理以及仿生学优化算法等技术相结合,对应用于雷达视频中目标的跟踪与检测问题开展了研究,其主要内容主要围绕以下几个问题展开:1.扩展目标的快速检测问题,雷达分辨率与威力半径提升使一帧视频数据单元格数相比原有雷达增加数倍。现有算法的计算量很大,如何完成雷达系统的实时处理成了一个棘手问题。本文分析了扩展目标的特点并参考信号中“采样”的思想,提出了基于轮廓跟踪的目标检测算法以及该算法的改进版本,基于轮廓跟踪区域生长的目标检测算法。两种算法均可快速检测到视频帧中的扩展目标,相比现有点迹分簇与点迹凝聚算法,通过实测数据检验,检测速度提升数倍,可以满足雷达系统实时性要求。2.不同区域的海杂波强度不同的问题。雷达监视区域通常很大,而且测量环境比较复杂。测量值受到背景物体,如岛屿、高架桥,建筑物等回波的影响,产生了大量虚警;不同区域内杂波强度各不相同。因此,难以使用单一检测门限对整帧测量值进行检测,致使基于轮廓跟踪的目标检测算法和基于轮廓跟踪区域生长的目标检测算法难以检测到杂波区中的目标。基于此种情况,本文提出了多门限的轮廓跟踪算法以应对多种杂波环境,从不同强度海杂波中检测出目标。同时,介绍了一种采样的时空恒虚警检测算法,该算法通过历史测量值自适应调整当前单元格的检测门限,摆脱了多门限的轮廓跟踪算法中通过雷达参数与海杂波模型估计检测门限的限制,对测量环境适应性增强的同时更加易于工程实现。3.相互临近多目标测量值之间相互影响问题。由于雷达波束宽度会造成一定的的扩展效应,因此有一些单元格并未存在目标而其测量幅度会受到附近目标影响。这样一来,当一个单元格附近存在多个目标时,即使该单元格没有目标存在却受多个目标回波的共同影响,但是该单元格依然具有较大的回波幅度。在这种情况下,基于轮廓跟踪的目标检测算法、基于轮廓跟踪区域生长的目标检测算法、多门限的轮廓跟踪算法、采样的时空恒虚警检测算法均有可能将多个目标融合在一起,检测为一个目标。因此提出了一种下雨冲刷分割模型,使用本文所提的下雨冲刷分割算法增强了多目标检测的效果。该算法将多目标的测量值区分开来以达到分别检测出每个目标的目的。4.弱小目标的检测问题。以上所提算法均为在一帧数据中检测目标的方法,检测过程中,既有漏检也有虚警。尤其是弱小目标,通常在单帧视频中难以被检测到。因此,期望借助检测前跟踪的思想,通过多帧联合检测,减少虚警提升检测概率。为了满足实时性要求,本文提出的检测前跟踪算法借助了动态规划的思想而非计算量巨大的粒子滤波算法。对基于动态规划的检测前跟踪算法进行改进,令其可以适用于扩展目标的检测。经过实测数据与仿真数据的测试,该检测前跟踪算法可以在较低的计算量之下较好地完成雷达视频数据中的弱小目标检测问题。