CN103323839B - 一种获取低空飞行目标高度信息的方法、装置 - Google Patents

Abstract

本发明实施方式公开了一种获取低空飞行目标高度信息的方法，包括：利用雷达航迹信息引导红外传感器对低空飞行目标进行搜索以获得低空飞行目标的红外观测信息；对红外观测信息进行目标航迹信息的关联处理以获得红外关联观测信息；对雷达航迹信息与红外关联观测信息或目标航迹信息进行数据融合处理以获得融合观测信息；对融合观测信息进行自适应的粒子滤波以获得低空飞行目标的高度信息。本发明实施方式公开了一种获取低空飞行目标高度信息的装置。通过上述方式，本发明能够获得精度较高的低空飞行目标的高度信息，提高对低空飞行目标的跟踪性能。

Description

一种获取低空飞行目标高度信息的方法、装置

技术领域

本发明涉及数据融合领域，特别是涉及一种获取低空飞行目标高度信息的方法、装置。

背景技术

为了对低空空域飞行目标进行有效、不间断地可靠监视，利用单一监视手段已经无法满足低空探测系统的需求。现有技术中，大多采用二维雷达、红外传感器等多种监视传感器联合对低空飞行目标进行稳定可靠的监视，其中，二维雷达只能获取目标的距离以及方位角信息而获取不到目标的高度信息，红外传感器能够获取目标的方位角以及俯仰角信息，二维雷达与红外传感器联合使用成为相互独立又彼此补充的飞行目标探测跟踪手段。现有技术中对于二维雷达与红外传感器的联合使用方法一般为：首先对雷达观测信息以及红外观测信息进行时间对准，进行观测数据的融合，然后利用非线性滤波方法（如扩展kalman滤波、无迹kalman滤波等）对新观测信息进行滤波跟踪。

本申请发明人在长期研发中发现，现有技术中二维雷达在引导红外传感器跟踪目标的起始阶段存在较大的误差，进而影响目标航迹与红外观测信息的关联正确率，滤波效果受到影响；此外，现有的滤波方法中当红外传感器存在漏检时，观测的有效时间间隔变长，使得低空飞行目标状态信息的预测误差增大，降低对低空飞行目标的跟踪性能。

发明内容

本发明主要解决的技术问题是提供一种获取低空飞行目标高度信息的方法、装置，能够获得精度较高的低空飞行目标的高度信息，提高对低空飞行目标的跟踪性能。

为解决上述技术问题，本发明的一方面是：提供一种获取低空飞行目标高度信息的方法，包括：利用雷达航迹信息引导红外传感器对低空飞行目标进行搜索以获得低空飞行目标的红外观测信息，其中，雷达航迹信息包括雷达航迹x、y方向上的位置信息以及速度，低空飞行目标的红外观测信息包括低空飞行目标的方位角观测信息以及俯仰角观测信息；对红外观测信息进行目标航迹信息的关联处理以获得红外关联观测信息，其中，目标航迹信息包括目标航迹x、y、z方向上的位置信息以及速度；对雷达航迹信息与红外关联观测信息或目标航迹信息进行数据融合处理以获得融合观测信息，其中，融合观测信息包括低空飞行目标相对于引导中心的斜距离观测信息、方位角观测信息以及俯仰角观测信息，引导中心用于接收雷达航迹信息以及红外观测信息；对融合观测信息进行自适应的粒子滤波以获得低空飞行目标的高度信息。

其中，利用雷达航迹信息引导红外传感器对低空飞行目标进行搜索以获得低空飞行目标的红外观测信息的步骤具体包括：红外传感器接收当前时刻t的雷达航迹信息；红外传感器在当前时刻t的雷达航迹信息对应的预测位置搜索低空飞行目标；当红外传感器搜索到低空飞行目标时，红外传感器对低空飞行目标进行跟踪以获得低空飞行目标的m个红外观测信息，否则每隔一时间间隔T′更新雷达航迹信息，红外传感器接收更新的雷达航迹信息，在更新的雷达航迹信息对应的预测位置搜索低空飞行目标，直到红外传感器搜索到低空飞行目标以获得低空飞行目标的m个红外观测信息。

其中，对红外观测信息进行目标航迹信息的关联处理以获得红外关联观测信息的步骤具体包括：获得低空飞行目标当前时刻t的预测位置具体如下式所示：

$\tilde{X}\left(t\right)=A\left(t\right)\·\hat{X}\left(t_1\right)=\left[\begin{array}{cccccc}1& t-t_1& 0& 0& 0& 0\\ 0& 1& 0& 0& 0& 0\\ 0& 0& 1& t-t_1& 0& 0\\ 0& 0& 0& 1& 0& 0\\ 0& 0& 0& 0& 1& t-t_1\\ 0& 0& 0& 0& 0& 1\end{array}\right]\hat{X}\left(t_1\right)---\left(1\right)$

其中，A(t)表示当前时刻t的目标状态转移矩阵，表示t₁时刻的目标航迹信息， $\hat{X}\left(t_1\right)={[\hat{x}\left(t_1\right),v_x\left(t_1\right),\hat{y}\left(t_1\right),v_y\left(t_1\right),\hat{z}\left(t_1\right),v_z\left(t_1\right)]}^T,$ v_x(t₁)、v_y(t₁)、v_z(t₁)分别表示t₁时刻目标航迹x、y、z方向上的位置信息以及速度，t₁<t；获得低空飞行目标当前时刻t相对于红外传感器的预测方位角信息以及预测俯仰角信息具体如下式所示：

$\left\{\begin{array}{c}\widehat{\mathrm{\&theta;}}\left(t\right)=\arctan \left(\frac{\hat{y}\left(t\right)}{\hat{x}\left(t\right)}\right)\\ \widehat{\mathrm{\&phi;}}\left(t\right)=\arctan \left(\frac{\hat{z}\left(t\right)}{\sqrt{{\hat{x}}^2\left(t\right)+{\hat{y}}^2\left(t\right)}}\right)\end{array}\right.---\left(2\right)$

判断低空飞行目标当前时刻t的m个红外观测信息是否位于目标航迹的方向跟踪波门内，具体如下式所示：

$\left\{\begin{array}{c}\stackrel{\&OverBar;}{{\mathrm{\&theta;}}_i}\left(t\right)=|\widehat{\mathrm{\&theta;}}\left(t\right)-{\mathrm{\&theta;}}_i\left(t\right)|\\ \stackrel{\&OverBar;}{{\mathrm{\&phi;}}_i}\left(t\right)=|\widehat{\mathrm{\&phi;}}\left(t\right)-{\mathrm{\&phi;}}_i\left(t\right)|\end{array}\right.i=\mathrm{1,2},...,m---\left(3\right)$

其中，当小于预设的方位角阈值κ_θ以及小于预设的俯仰角阈值时，则该红外观测信息i位于目标航迹的方向跟踪波门内，否则该红外观测信息i位于目标航迹的方向跟踪波门外，表示红外观测信息的方位角差，表示红外观测信息的俯仰角差，θ_i(t)表示低空飞行目标的方位角观测信息，φ_i(t)表示低空飞行目标的俯仰角观测信息；获得位于目标航迹的方向跟踪波门内的m₁个红外观测信息获得m₁个红外观测信息的方位角差俯仰角差以及对应的低空飞行目标的信号幅度、大小的模糊隶属度，具体如下式所示：

$\left\{\begin{array}{c}{u}_{\mathrm{\&theta;},i}=e^{-{\left(\frac{\stackrel{\&OverBar;}{{\mathrm{\&theta;}}_i}\left(t\right)}{{\mathrm{\&kappa;}}_{\mathrm{\&theta;}}}\right)}^2}\\ u_{\mathrm{\&phi;},i}=e^{-{\left(\frac{\stackrel{\&OverBar;}{{\mathrm{\&phi;}}_i}\left(t\right)}{{\mathrm{\&kappa;}}_{\mathrm{\&phi;}}}\right)}^2}\\ u_{I,i}=e^{-{\left(\frac{I_i\left(t\right)-I\left(t_1\right)}{{\mathrm{\&kappa;}}_{I1}}\right)}^2}\\ u_{S,i}=e^{-{\left(\frac{S_i\left(t\right)-S\left(t_1\right)}{{\mathrm{\&kappa;}}_{S1}}\right)}^2}\end{array}\right.i=\mathrm{1,2},...,m_1---\left(4\right)$

其中，I_i(t)表示红外观测信息i当前时刻t对应的低空飞行目标的信号幅度，S_i(t)表示红外观测信息i当前时刻t对应的低空飞行目标的大小，I(t₁)表示t₁时刻低空飞行目标的信号幅度，S(t₁)表示t₁时刻低空飞行目标的大小，u_θ,i表示的模糊隶属度，u_φ,i表示的模糊隶属度，u_I,i表示低空飞行目标的信号幅度的模糊隶属度，u_S,i表示低空飞行目标的大小的模糊隶属度，κ_θ、κ_φ、κ_I1、κ_S1表示取值范围为[1 3]的常数；获得m₁个红外观测信息与目标航迹信息的模糊关联度Π_i，具体如下式所示：

Π_i=α₁*u_θ,i+α₂*u_φ,i+α₃*u_I,i+α₄*u_S,i,i=1,2,…,m₁    (5)

其中，α_i为关联权重；获得红外关联观测信息，其中，模糊关联度Π_i最大的红外观测信息{θ_k(t),φ_k(t)}即为红外关联观测信息，k值具体如下式所示：

$k=\underset{i}{\arg \max }\{{\mathrm{\&Pi;}}_i,i=\mathrm{1,2},...,m_1\}---\left(6\right).$

其中，对雷达航迹信息与红外关联观测信息或目标航迹信息进行数据融合处理以获得融合观测信息的步骤具体包括：当引导中心在当前时刻t接收到雷达航迹信息{x_l(t),v_lx(t),y_l(t),v_ly(t)}以及红外关联观测信息{θ_k(t),φ_k(t)}时，对雷达航迹信息与红外关联观测信息进行第一数据融合处理以获得第一融合观测信息，其中，x_l(t)、v_lx(t)、y_l(t)、v_ly(t)分别表示雷达航迹x、y方向上的位置信息以及速度，第一数据融合处理具体包括以下步骤：获得雷达航迹信息对应的斜距离信息r_l(t)以及方位角信息θ_l(t)，具体如下式所示：

$\left\{\begin{array}{c}{r}_l\left(t\right)=\sqrt{x_l^2\left(t\right)+y_l^2\left(t\right)}\\ {\mathrm{\&theta;}}_l\left(t\right){=y}_l\left(t\right)/x_l\left(t\right)\end{array}\right.---\left(7\right)$

获得第一融合观测信息，具体如下式所示：

$\left\{\begin{array}{c}\hat{r}\left(t\right)=r_l\left(t\right)\\ \widehat{\mathrm{\&theta;}}\left(t\right)=\mathrm{\&alpha;}\&CenterDot;{\mathrm{\&theta;}}_k\left(t\right)+(1-\mathrm{\&alpha;}){\mathrm{\&theta;}}_l\left(t\right)\\ \widehat{\mathrm{\&phi;}}\left(t\right)={\mathrm{\&phi;}}_k\left(t\right)\end{array}\right.---\left(8\right)$

其中，α为加权常数且其取值范围为[0.7 0.9]；当引导中心在当前时刻t只接收到雷达航迹信息{x_l(t),v_lx(t),y_l(t),v_ly(t)}时，对雷达航迹信息与目标航迹信息进行第二数据融合处理以获得第二融合观测信息，第二数据融合处理具体包括以下步骤：获得雷达航迹信息对应的斜距离信息r_l(t)以及方位角信息θ_l(t)，具体如式(7)所示；获得低空飞行目标相对于引导中心的预测方位角信息θ(t)以及预测俯仰角信息φ(t)，具体如下式所示：

$\left\{\begin{array}{c}\mathrm{\&theta;}\left(t\right)=\arctan \left(\frac{\hat{y}\left(t\right)}{\hat{x}\left(t\right)}\right)\\ \mathrm{\&phi;}\left(t\right)=\arctan \left(\frac{\hat{z}\left(t\right)}{\sqrt{{\hat{x}}^2\left(t\right)+{\hat{y}}^2\left(t\right)}}\right)\end{array}\right.---\left(9\right)$

获得第二融合观测信息，具体如下式所示：

$\left\{\begin{array}{c}\hat{r}\left(t\right)=r_l\left(t\right)\\ \widehat{\mathrm{\&theta;}}\left(t\right)=\mathrm{\&alpha;}\&CenterDot;\mathrm{\&theta;}\left(t\right)+(1-\mathrm{\&alpha;}){\mathrm{\&theta;}}_l\left(t\right)\\ \widehat{\mathrm{\&phi;}}\left(t\right)=\mathrm{\&phi;}\left(t\right)\end{array}\right.---\left(10\right).$

其中，自适应的粒子滤波包括以下步骤：获得N个服从正态分布Ν(A(t)x(t),Q)的t₁时刻的采样粒子其中，x(t)=A(t)·x(t₁)+w(t)，x(t₁)表示t₁时刻的目标状态向量，w(t)～Ν(0,Q)表示过程噪声向量；将N个采样粒子代入公式（7）、（8）或公式（7）、（9）、（10）以获得采样粒子对应的第一融合观测信息、第二融合观测信息；获得目标机动指数ρ，具体如下式所示：

$\left\{\begin{array}{c}v\left(t\right)=\frac{1}{N}\underset{i=1}{\overset{N}{\mathrm{\&Sigma;}}}(z\left(t\right)-h\left(A\left(t\right)x_i\left(t\right)\right))\\ {\mathrm{\&sigma;}}_v^2\left(t\right)=\&lsqb;\underset{i=1}{\overset{M}{\mathrm{\&Sigma;}}}{v}_i^2\left(t\right)\&rsqb;/M\\ \mathrm{\&rho;}=\mathrm{\&epsiv;}\frac{T\&CenterDot;v\&CenterDot;{\mathrm{\&sigma;}}_m^2\left(t\right)}{R\&CenterDot;{\mathrm{\&sigma;}}_v^2\left(t\right)}\end{array}\right.---\left(11\right)$

其中，z(t)为第一融合观测信息或第二融合观测信息，v(t)表示残差，M表示残差的抽样值数量，表示方差，ν表示低空飞行目标的速度，表示目标航向角差，ε为一正常数，R表示红外传感器的有效观测半径，T表示相邻两次雷达航迹信息或红外关联观测信息的时间间隔，表示第一数据融合处理或第二数据融合处理的误差方差；获得N个服从正态分布Ν(A(t)x_i(t₁),ρ·Q)的采样粒子获得采样粒子对应的权值具体如下式所示：

w_i(t)=w_i(t₁)p(z(t)|x_i(t))    (12)

其中，w_i(t₁)表示t₁时刻N个采样粒子对应的权值，p(z(t)|x_i(t))表示观测量z(t)的似然函数；利用系统重采样算法对采样粒子及其对应的权值进行粒子重采样，以获得重采样粒子及其对应的权值对重采样粒子及其对应的权值进行加权求和以获得低空飞行目标的三维状态信息x(t)，完成一次自适应的粒子滤波，其中，目标的三维状态信息x(t)包括低空飞行目标x方向上的位置信息、y方向上的位置信息以及z方向上的高度信息，具体如下式所示：

$x\left(t\right)=\underset{j^{*}=1}{\overset{N}{\mathrm{\&Sigma;}}}{x}_{j^{*}}\left(t\right)\&CenterDot;w_{j^{*}}\left(t\right)---\left(13\right)$

在完成一次自适应的粒子滤波后，判断引导中心在预设的时间间隔T^*内是否接收到雷达航迹信息和/或红外关联观测信息；当接收到雷达航迹信息和/或红外关联观测信息时，重复执行自适应的粒子滤波，否则结束自适应的粒子滤波。

为解决上述技术问题，本发明的另一方面是：提供一种获取低空飞行目标高度信息的装置，包括：红外传感模块，用于利用雷达航迹信息对低空飞行目标进行搜索以获得低空飞行目标的红外观测信息，其中，雷达航迹信息包括雷达航迹x、y方向上的位置信息以及速度，低空飞行目标的红外观测信息包括低空飞行目标的方位角观测信息以及俯仰角观测信息；关联处理模块，用于对红外观测信息进行目标航迹信息的关联处理以获得红外关联观测信息，其中，目标航迹信息包括目标航迹x、y、z方向上的位置信息以及速度；数据融合处理模块，用于对雷达航迹信息与红外关联观测信息或目标航迹信息进行数据融合处理以获得融合观测信息，其中，融合观测信息包括低空飞行目标相对于引导中心的斜距离观测信息、方位角观测信息以及俯仰角观测信息，引导中心用于接收雷达航迹信息以及红外观测信息；粒子滤波模块，用于对融合观测信息进行自适应的粒子滤波以获得低空飞行目标的高度信息。

其中，红外传感模块具体包括：信息接收单元，用于接收当前时刻t的雷达航迹信息；目标搜索单元，用于在当前时刻t的雷达航迹信息对应的预测位置搜索低空飞行目标；信息获取单元，用于当目标搜索单元搜索到低空飞行目标时，对低空飞行目标进行跟踪以获得低空飞行目标的m个红外观测信息；当目标搜索单元搜索不到低空飞行目标时，信息接收单元用于接收每隔一时间间隔T′更新的雷达航迹信息，目标搜索单元用于在更新的雷达航迹信息对应的预测位置搜索低空飞行目标，信息获取单元用于当目标搜索单元搜索到低空飞行目标时，获得低空飞行目标的m个红外观测信息。

其中，关联处理模块具体包括：预测位置获取单元，用于获得低空飞行目标当前时刻t的预测位置具体如下式所示：

$\tilde{X}\left(t\right)=A\left(t\right)\&CenterDot;\hat{X}\left(t_1\right)=\left[\begin{array}{cccccc}1& t-t_1& 0& 0& 0& 0\\ 0& 1& 0& 0& 0& 0\\ 0& 0& 1& t-t_1& 0& 0\\ 0& 0& 0& 1& 0& 0\\ 0& 0& 0& 0& 1& t-t_1\\ 0& 0& 0& 0& 0& 1\end{array}\right]\hat{X}\left(t_1\right)---\left(1\right)$

其中，A(t)表示当前时刻t的目标状态转移矩阵，表示t₁时刻的目标航迹信息， $\hat{X}\left(t_1\right)={[\hat{x}\left(t_1\right),v_x\left(t_1\right),\hat{y}\left(t_1\right),v_y\left(t_1\right),\hat{z}\left(t_1\right),v_z\left(t_1\right)]}^T,$ v_x(t₁)、v_y(t₁)、v_z(t₁)分别表示t₁时刻目标航迹x、y、z方向上的位置信息以及速度，t₁<t；预测角度获取单元，用于获得低空飞行目标当前时刻t相对于红外传感器的预测方位角信息以及预测俯仰角信息具体如下式所示：

$\left\{\begin{array}{c}\widehat{\mathrm{\&theta;}}\left(t\right)=\arctan \left(\frac{\hat{y}\left(t\right)}{\hat{x}\left(t\right)}\right)\\ \widehat{\mathrm{\&phi;}}\left(t\right)=\arctan \left(\frac{\hat{z}\left(t\right)}{\sqrt{{\hat{x}}^2\left(t\right)+{\hat{y}}^2\left(t\right)}}\right)\end{array}\right.---\left(2\right)$

波门观测判断单元，用于判断低空飞行目标当前时刻t的m个红外观测信息是否位于目标航迹的方向跟踪波门内，具体如下式所示：

$\left\{\begin{array}{c}\stackrel{\&OverBar;}{{\mathrm{\&theta;}}_i}\left(t\right)=|\widehat{\mathrm{\&theta;}}\left(t\right)-{\mathrm{\&theta;}}_i\left(t\right)|\\ \stackrel{\&OverBar;}{{\mathrm{\&phi;}}_i}\left(t\right)=|\widehat{\mathrm{\&phi;}}\left(t\right)-{\mathrm{\&phi;}}_i\left(t\right)|\end{array}\right.i=\mathrm{1,2},...,m---\left(3\right)$

其中，当小于预设的方位角阈值κ_θ以及小于预设的俯仰角阈值时，则该红外观测信息i位于目标航迹的方向跟踪波门内，否则该红外观测信息i位于目标航迹的方向跟踪波门外，表示红外观测信息的方位角差，表示红外观测信息的俯仰角差，θ_i(t)表示低空飞行目标的方位角观测信息，φ_i(t)表示低空飞行目标的俯仰角观测信息；波门观测获取单元，用于获得位于目标航迹的方向跟踪波门内的m₁个红外观测信息模糊隶属度获取单元，用于获得m₁个红外观测信息的方位角差俯仰角差以及对应的低空飞行目标的信号幅度、大小的模糊隶属度，具体如下式所示：

$\left\{\begin{array}{c}{u}_{\mathrm{\&theta;},i}=e^{-{\left(\frac{\stackrel{\&OverBar;}{{\mathrm{\&theta;}}_i}\left(t\right)}{{\mathrm{\&kappa;}}_{\mathrm{\&theta;}}}\right)}^2}\\ u_{\mathrm{\&phi;},i}=e^{-{\left(\frac{\stackrel{\&OverBar;}{{\mathrm{\&phi;}}_i}\left(t\right)}{{\mathrm{\&kappa;}}_{\mathrm{\&phi;}}}\right)}^2}\\ u_{I,i}=e^{-{\left(\frac{I_i\left(t\right)-I\left(t_1\right)}{{\mathrm{\&kappa;}}_{I1}}\right)}^2}\\ u_{S,i}=e^{-{\left(\frac{S_i\left(t\right)-S\left(t_1\right)}{{\mathrm{\&kappa;}}_{S1}}\right)}^2}\end{array}\right.i=\mathrm{1,2},...,m_1---\left(4\right)$

其中，I_i(t)表示红外观测信息i当前时刻t对应的低空飞行目标的信号幅度，S_i(t)表示红外观测信息i当前时刻t对应的低空飞行目标的大小，I(t₁)表示t₁时刻低空飞行目标的信号幅度，S(t₁)表示t₁时刻低空飞行目标的大小，u_θ,i表示的模糊隶属度，u_φ,i表示的模糊隶属度，u_I,i表示低空飞行目标的信号幅度的模糊隶属度，u_S,i表示低空飞行目标的大小的模糊隶属度，κ_θ、κ_φ、κ_I1、κ_S1表示取值范围为[1 3]的常数；模糊关联度获取单元，用于获得m₁个红外观测信息与目标航迹信息的模糊关联度Π_i，具体如下式所示：

Π_i=α₁*u_θ,i+α₂*u_φ,i+α₃*u_I,i+α₄*u_S,i,i=1,2,…,m₁   (5)

其中，α_i为关联权重；红外关联获取单元，用于获得红外关联观测信息，其中，模糊关联度Π_i最大的红外观测信息{θ_k(t),φ_k(t)}即为红外关联观测信息，k值具体如下式所示：

$k=\underset{i}{\arg \max }\{{\mathrm{\&Pi;}}_i,i=\mathrm{1,2},...,m_1\}---\left(6\right).$

其中，数据融合处理模块具体包括第一数据融合处理模块以及第二数据融合处理模块；当引导中心在当前时刻t接收到雷达航迹信息{x_l(t),v_lx(t),y_l(t),v_ly(t)}以及红外关联观测信息{θ_k(t),φ_k(t)}时，第一数据融合处理模块用于对雷达航迹信息与红外关联观测信息进行第一数据融合处理以获得第一融合观测信息，其中，x_l(t)、v_lx(t)、y_l(t)、v_ly(t)分别表示雷达航迹x、y方向上的位置信息以及速度，第一数据融合处理模块具体包括：第一信息获取单元，用于获得雷达航迹信息对应的斜距离信息r_l(t)以及方位角信息θ_l(t)，具体如下式所示：

$\left\{\begin{array}{c}{r}_l\left(t\right)=\sqrt{x_l^2\left(t\right)+y_l^2\left(t\right)}\\ {\mathrm{\&theta;}}_l\left(t\right){=y}_l\left(t\right)/x_l\left(t\right)\end{array}\right.---\left(7\right)$

第一融合观测获取单元，用于获得第一融合观测信息，具体如下式所示：

$\left\{\begin{array}{c}\hat{r}\left(t\right)=r_l\left(t\right)\\ \widehat{\mathrm{\&theta;}}\left(t\right)=\mathrm{\&alpha;}\&CenterDot;{\mathrm{\&theta;}}_k\left(t\right)+(1-\mathrm{\&alpha;}){\mathrm{\&theta;}}_l\left(t\right)\\ \widehat{\mathrm{\&phi;}}\left(t\right)={\mathrm{\&phi;}}_k\left(t\right)\end{array}\right.---\left(8\right)$

其中，α为加权常数且其取值范围为[0.7 0.9]；当引导中心在当前时刻t只接收到雷达航迹信息{x_l(t),v_lx(t),y_l(t),v_ly(t)}时，第二数据融合处理模块用于对雷达航迹信息与目标航迹信息进行第二数据融合处理以获得第二融合观测信息，第二数据融合处理模块具体包括：第二信息获取单元，用于获得雷达航迹信息对应的斜距离信息r_l(t)以及方位角信息θ_l(t)，具体如式(7)所示；第二预测角度获取单元，用于获得低空飞行目标相对于引导中心的预测方位角信息θ(t)以及预测俯仰角信息φ(t)，具体如下式所示：

$\left\{\begin{array}{c}\mathrm{\&theta;}\left(t\right)=\arctan \left(\frac{\hat{y}\left(t\right)}{\hat{x}\left(t\right)}\right)\\ \mathrm{\&phi;}\left(t\right)=\arctan \left(\frac{\hat{z}\left(t\right)}{\sqrt{{\hat{x}}^2\left(t\right)+{\hat{y}}^2\left(t\right)}}\right)\end{array}\right.---\left(9\right)$

第二融合观测获取单元，用于获得第二融合观测信息，具体如下式所示：

$\left\{\begin{array}{c}\hat{r}\left(t\right)=r_l\left(t\right)\\ \widehat{\mathrm{\&theta;}}\left(t\right)=\mathrm{\&alpha;}\&CenterDot;\mathrm{\&theta;}\left(t\right)+(1-\mathrm{\&alpha;}){\mathrm{\&theta;}}_l\left(t\right)\\ \widehat{\mathrm{\&phi;}}\left(t\right)=\mathrm{\&phi;}\left(t\right)\end{array}\right.---\left(10\right).$

其中，粒子滤波模块具体包括：第一采样粒子获取单元，用于获得N个服从正态分布Ν(A(t)x(t),Q)的t₁时刻的采样粒子其中，x(t)=A(t)·x(t₁)+w(t)，x(t₁)表示t₁时刻的目标状态向量，w(t)～Ν(0,Q)表示过程噪声向量；观测信息获取单元，用于将N个采样粒子代入公式（7）、（8）或公式（7）、（9）、（10）以获得采样粒子对应的第一融合观测信息、第二融合观测信息；目标机动指数获取单元，用于获得目标机动指数ρ，具体如下式所示：

$\left\{\begin{array}{c}v\left(t\right)=\frac{1}{N}\underset{i=1}{\overset{N}{\mathrm{\&Sigma;}}}(z\left(t\right)-h\left(A\left(t\right)x_i\left(t\right)\right))\\ {\mathrm{\&sigma;}}_v^2\left(t\right)=\&lsqb;\underset{i=1}{\overset{M}{\mathrm{\&Sigma;}}}{v}_i^2\left(t\right)\&rsqb;/M\\ \mathrm{\&rho;}=\mathrm{\&epsiv;}\frac{T\&CenterDot;v\&CenterDot;{\mathrm{\&sigma;}}_m^2\left(t\right)}{R\&CenterDot;{\mathrm{\&sigma;}}_v^2\left(t\right)}\end{array}\right.---\left(11\right)$

其中，z(t)为第一融合观测信息或第二融合观测信息，v(t)表示残差，M表示残差的抽样值数量，表示方差，ν表示低空飞行目标的速度，表示目标航向角差，ε为一正常数，R表示红外传感器的有效观测半径，T表示相邻两次雷达航迹信息或红外关联观测信息的时间间隔，表示第一数据融合处理或第二数据融合处理的误差方差；第二采样粒子获取单元，用于获得N个服从正态分布Ν(A(t)x_i(t₁),ρ·Q)的采样粒子权值获取单元，用于获得采样粒子对应的权值具体如下式所示：

w_i(t)=w_i(t₁)p(z(t)|x_i(t))    (12)

其中，w_i(t₁)表示t₁时刻N个采样粒子对应的权值，p(z(t)|x_i(t))表示观测量z(t)的似然函数；粒子重采样单元，用于利用系统重采样算法对采样粒子及其对应的权值进行粒子重采样，以获得重采样粒子及其对应的权值加权求和单元，用于对重采样粒子及其对应的权值进行加权求和以获得低空飞行目标的三维状态信息x(t)，完成一次自适应的粒子滤波，其中，目标的三维状态信息x(t)包括低空飞行目标x方向上的位置信息、y方向上的位置信息以及z方向上的高度信息，具体如下式所示：

$x\left(t\right)=\underset{j^{*}=1}{\overset{N}{\mathrm{\&Sigma;}}}{x}_{j^{*}}\left(t\right)\&CenterDot;w_{j^{*}}\left(t\right)---\left(13\right)$

信息接收判断单元，用于在完成一次自适应的粒子滤波后，判断引导中心在预设的时间间隔T^*内是否接收到雷达航迹信息和/或红外关联观测信息；当接收到雷达航迹信息和/或红外关联观测信息时，重复执行自适应的粒子滤波，否则结束自适应的粒子滤波。

本发明的有益效果是：区别于现有技术的情况，本发明利用雷达航迹信息引导红外传感器对低空飞行目标进行搜索以获得低空飞行目标的红外观测信息；对红外观测信息进行目标航迹信息的关联处理以获得红外关联观测信息，能够提高后续的滤波效果；对雷达航迹信息与红外关联观测信息或目标航迹信息进行数据融合处理以获得融合观测信息；对融合观测信息进行自适应的粒子滤波以获得低空飞行目标的高度信息，自适应的粒子滤波能够解决大间隔数据环境雷达与红外传感器的非线性滤波问题，降低目标状态信息的预测误差，最终能够获得精度较高的低空飞行目标的高度信息，提高对低空飞行目标的跟踪性能。

附图说明

图1是本发明获取低空飞行目标高度信息的方法一实施方式的流程图；

图2是本发明获取低空飞行目标高度信息的方法一实施方式中利用雷达航迹信息引导红外传感器对低空飞行目标进行搜索以获得低空飞行目标的红外观测信息的流程图；

图3是本发明获取低空飞行目标高度信息的方法一实施方式中对红外观测信息进行目标航迹信息的关联处理以获得红外关联观测信息的流程图；

图4是本发明获取低空飞行目标高度信息的方法一实施方式中对雷达航迹信息与红外关联观测信息进行第一数据融合处理以获得第一融合观测信息的流程图；

图5是本发明获取低空飞行目标高度信息的方法一实施方式中对雷达航迹信息与目标航迹信息进行第二数据融合处理以获得第二融合观测信息的流程图；

图6是本发明获取低空飞行目标高度信息的方法一实施方式中自适应的粒子滤波的流程图；

图7是本发明获取低空飞行目标高度信息的装置一实施方式的原理框图；

图8是本发明获取低空飞行目标高度信息的装置一实施方式中红外传感模块的原理框图；

图9是本发明获取低空飞行目标高度信息的装置一实施方式中关联处理模块的原理框图；

图10是本发明获取低空飞行目标高度信息的装置一实施方式中第一数据融合处理模块的原理框图；

图11是本发明获取低空飞行目标高度信息的装置一实施方式中第二数据融合处理模块的原理框图；

图12是本发明获取低空飞行目标高度信息的装置一实施方式中粒子滤波模块的原理框图。

具体实施方式

下面将结合本发明实施方式中的附图，对本发明实施方式中的技术方案进行清楚、完整地描述，显然，所描述的实施方式仅仅是本发明一部分实施方式，而不是全部的实施方式。基于本发明中的实施方式，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施方式，均属于本发明保护的范围。

请参阅图1，本发明获取低空飞行目标高度信息的方法一实施方式包括：

步骤S101：利用雷达航迹信息引导红外传感器对低空飞行目标进行搜索；

利用雷达航迹信息引导红外传感器对低空飞行目标进行搜索以获得低空飞行目标的红外观测信息，其中，雷达航迹信息包括雷达航迹x、y方向上的位置信息以及速度，低空飞行目标的红外观测信息包括低空飞行目标的方位角观测信息以及俯仰角观测信息。其中，航迹为低空飞行目标在空中或空间中形成或遵循的飞行轨迹。雷达航迹信息为根据二维雷达获得的雷达观测信息即低空飞行目标的距离以及方位角信息计算得到，二维雷达为利用电磁波探测目标的电子设备。红外传感器为用红外线为介质的测量设备，具有较强的抗干扰能力以及目标识别能力。

步骤S102：对红外观测信息进行目标航迹信息的关联处理；

对红外观测信息进行目标航迹信息的关联处理以获得红外关联观测信息，其中，目标航迹信息包括目标航迹x、y、z方向上的位置信息以及速度。

步骤S103：对雷达航迹信息与红外关联观测信息或目标航迹信息进行数据融合处理；

对雷达航迹信息与红外关联观测信息或目标航迹信息进行数据融合处理以获得融合观测信息，其中，融合观测信息包括低空飞行目标相对于引导中心的斜距离观测信息、方位角观测信息以及俯仰角观测信息，引导中心用于接收雷达航迹信息以及红外观测信息。

步骤S104：对融合观测信息进行自适应的粒子滤波。

对融合观测信息进行自适应的粒子滤波以获得低空飞行目标的高度信息。

请参阅图2，本发明获取低空飞行目标高度信息的方法一实施方式中利用雷达航迹信息引导红外传感器对低空飞行目标进行搜索以获得低空飞行目标的红外观测信息具体包括以下子步骤：

子步骤S1011：红外传感器接收当期时刻的雷达航迹信息；

红外传感器接收当前时刻t的雷达航迹信息。

子步骤S1012：红外传感器在当前时刻的雷达航迹信息对应的预测位置搜索低空飞行目标；

红外传感器在当前时刻t的雷达航迹信息对应的预测位置搜索低空飞行目标。

子步骤S1013：获得低空飞行目标的m个红外观测信息。

当红外传感器搜索到低空飞行目标时，红外传感器对低空飞行目标进行跟踪以获得低空飞行目标的m个红外观测信息，否则每隔一时间间隔T′更新雷达航迹信息，即每隔一时间间隔T′外推雷达航迹信息对应的预测位置，红外传感器接收更新的雷达航迹信息，在更新的雷达航迹信息对应的预测位置搜索低空飞行目标，直到红外传感器搜索到低空飞行目标以获得低空飞行目标的m个红外观测信息。

请参阅图3，本发明获取低空飞行目标高度信息的方法一实施方式中对红外观测信息进行目标航迹信息的关联处理以获得红外关联观测信息具体包括以下子步骤：

子步骤S1021：获得低空飞行目标当前时刻的预测位置；

获得低空飞行目标当前时刻t的预测位置具体如下式所示：

$\tilde{X}\left(t\right)=A\left(t\right)\&CenterDot;\hat{X}\left(t_1\right)=\left[\begin{array}{cccccc}1& t-t_1& 0& 0& 0& 0\\ 0& 1& 0& 0& 0& 0\\ 0& 0& 1& t-t_1& 0& 0\\ 0& 0& 0& 1& 0& 0\\ 0& 0& 0& 0& 1& t-t_1\\ 0& 0& 0& 0& 0& 1\end{array}\right]\hat{X}\left(t_1\right)---\left(1\right)$

其中，A(t)表示当前时刻t的目标状态转移矩阵，表示t₁时刻的目标航迹信息， $\hat{X}\left(t_1\right)={[\hat{x}\left(t_1\right),v_x\left(t_1\right),\hat{y}\left(t_1\right),v_y\left(t_1\right),\hat{z}\left(t_1\right),v_z\left(t_1\right)]}^T,$ v_x(t₁)、v_y(t₁)、v_z(t₁)分别表示t₁时刻目标航迹x、y、z方向上的位置信息以及速度，t₁<t。

子步骤S1022：获得低空飞行目标当前时刻相对于红外传感器的预测方位角信息以及预测俯仰角信息；

根据子步骤S1021中的预测位置进一步获得低空飞行目标当前时刻t相对于红外传感器的预测方位角信息以及预测俯仰角信息具体如下式所示：

$\left\{\begin{array}{c}\widehat{\mathrm{\&theta;}}\left(t\right)=\arctan \left(\frac{\hat{y}\left(t\right)}{\hat{x}\left(t\right)}\right)\\ \widehat{\mathrm{\&phi;}}\left(t\right)=\arctan \left(\frac{\hat{z}\left(t\right)}{\sqrt{{\hat{x}}^2\left(t\right)+{\hat{y}}^2\left(t\right)}}\right)\end{array}\right.---\left(2\right)$

子步骤S1023：判断低空飞行目标当前时刻的m个红外观测信息是否位于目标航迹的方向跟踪波门内；

判断低空飞行目标当前时刻t的m个红外观测信息是否位于目标航迹的方向跟踪波门内，具体如下式所示：

$\left\{\begin{array}{c}\stackrel{\&OverBar;}{{\mathrm{\&theta;}}_i}\left(t\right)=|\widehat{\mathrm{\&theta;}}\left(t\right)-{\mathrm{\&theta;}}_i\left(t\right)|\\ \stackrel{\&OverBar;}{{\mathrm{\&phi;}}_i}\left(t\right)=|\widehat{\mathrm{\&phi;}}\left(t\right)-{\mathrm{\&phi;}}_i\left(t\right)|\end{array}\right.i=\mathrm{1,2},...,m---\left(3\right)$

其中，当小于预设的方位角阈值κ_θ以及小于预设的俯仰角阈值时，则该红外观测信息i位于目标航迹的方向跟踪波门内，否则该红外观测信息i位于目标航迹的方向跟踪波门外，表示红外观测信息的方位角差，表示红外观测信息的俯仰角差，θ_i(t)表示低空飞行目标的方位角观测信息，φ_i(t)表示低空飞行目标的俯仰角观测信息。

子步骤S1024：获得位于目标航迹的方向跟踪波门内的m1个红外观测信息；

获得位于目标航迹的方向跟踪波门内的m₁个红外观测信息即都满足小于预设的方位角阈值κ_θ以及小于预设的俯仰角阈值对于位于目标航迹的方向跟踪波门外的(m-m₁)个红外观测信息则对应删除。

子步骤S1025：获得m1个红外观测信息的方位角差、俯仰角差以及对应的低空飞行目标的信号幅度、大小的模糊隶属度；

利用高斯型隶属函数获得m₁个红外观测信息的方位角差俯仰角差以及对应的低空飞行目标的信号幅度、大小的模糊隶属度，具体如下式所示：

$\left\{\begin{array}{c}{u}_{\mathrm{\&theta;},i}=e^{-{\left(\frac{\stackrel{\&OverBar;}{{\mathrm{\&theta;}}_i}\left(t\right)}{{\mathrm{\&kappa;}}_{\mathrm{\&theta;}}}\right)}^2}\\ u_{\mathrm{\&phi;},i}=e^{-{\left(\frac{\stackrel{\&OverBar;}{{\mathrm{\&phi;}}_i}\left(t\right)}{{\mathrm{\&kappa;}}_{\mathrm{\&phi;}}}\right)}^2}\\ u_{I,i}=e^{-{\left(\frac{I_i\left(t\right)-I\left(t_1\right)}{{\mathrm{\&kappa;}}_{I1}}\right)}^2}\\ u_{S,i}=e^{-{\left(\frac{S_i\left(t\right)-S\left(t_1\right)}{{\mathrm{\&kappa;}}_{S1}}\right)}^2}\end{array}\right.i=\mathrm{1,2},...,m_1---\left(4\right)$

其中，I_i(t)表示红外观测信息i当前时刻t对应的低空飞行目标的信号幅度，S_i(t)表示红外观测信息i当前时刻t对应的低空飞行目标的大小，I(t₁)表示t₁时刻低空飞行目标的信号幅度，S(t₁)表示t₁时刻低空飞行目标的大小，u_θ,i表示的模糊隶属度，u_φ,i表示的模糊隶属度，u_I,i表示低空飞行目标的信号幅度的模糊隶属度，u_S,i表示低空飞行目标的大小的模糊隶属度，κ_θ、κ_φ、κ_I1、κ_S1表示取值范围为[1 3]的常数。

子步骤S1026：获得m1个红外观测信息与目标航迹信息的模糊关联度；

获得m₁个红外观测信息与目标航迹信息的模糊关联度Π_i，具体如下式所示：

Π_i=α₁*u_θ,i+α₂*u_φ,i+α₃*u_I,i+α₄*u_S,i,i=1,2,…,m₁   (5)

其中，α_i为关联权重。

子步骤S1027：获得红外关联观测信息。

获得红外关联观测信息，其中，模糊关联度Π_i最大的红外观测信息{θ_k(t),φ_k(t)}即为红外关联观测信息，k值具体如下式所示：

$k=\underset{i}{\arg \max }\{{\mathrm{\&Pi;}}_i,i=\mathrm{1,2},...,m_1\}---\left(6\right).$

此外，对于雷达航迹信息，当雷达航迹的目标批号ph_l等于目标航迹的目标批号ph_k时，则表明该雷达航迹信息为目标航迹的观测点，可直接进行航迹更新。

当引导中心在当前时刻t接收到雷达航迹信息{x_l(t),v_lx(t),y_l(t),v_ly(t)}以及红外关联观测信息{θ_k(t),φ_k(t)}时，对雷达航迹信息与红外关联观测信息进行第一数据融合处理以获得第一融合观测信息。请参阅图4，本发明获取低空飞行目标高度信息的方法一实施方式中对雷达航迹信息与红外关联观测信息进行第一数据融合处理以获得第一融合观测信息具体包括以下子步骤：

子步骤S1031a：获得雷达航迹信息对应的斜距离信息以及方位角信息；

获得雷达航迹信息对应的斜距离信息r_l(t)以及方位角信息θ_l(t)，具体如下式所示：

$\left\{\begin{array}{c}{r}_l\left(t\right)=\sqrt{x_l^2\left(t\right)+y_l^2\left(t\right)}\\ {\mathrm{\&theta;}}_l\left(t\right){=y}_l\left(t\right)/x_l\left(t\right)\end{array}\right.---\left(7\right)$

子步骤S1032a：获得第一融合观测信息。

获得第一融合观测信息，具体如下式所示：

$\left\{\begin{array}{c}\hat{r}\left(t\right)=r_l\left(t\right)\\ \widehat{\mathrm{\&theta;}}\left(t\right)=\mathrm{\&alpha;}\&CenterDot;{\mathrm{\&theta;}}_k\left(t\right)+(1-\mathrm{\&alpha;}){\mathrm{\&theta;}}_l\left(t\right)\\ \widehat{\mathrm{\&phi;}}\left(t\right)={\mathrm{\&phi;}}_k\left(t\right)\end{array}\right.---\left(8\right)$

其中，α为加权常数且其取值范围为[0.7 0.9]。

当引导中心在当前时刻t只接收到雷达航迹信息{x_l(t),v_lx(t),y_l(t),v_ly(t)}时，对雷达航迹信息与目标航迹信息进行第二数据融合处理以获得第二融合观测信息。请参阅5，本发明获取低空飞行目标高度信息的方法一实施方式中对雷达航迹信息与目标航迹信息进行第二数据融合处理以获得第二融合观测信息具体包括以下子步骤：

子步骤S1031b：获得雷达航迹信息对应的斜距离信息以及方位角信息；

获得雷达航迹信息对应的斜距离信息r_l(t)以及方位角信息θ_l(t)，具体如上述式(7)所示，式(7)如下所示：

$\left\{\begin{array}{c}{r}_l\left(t\right)=\sqrt{x_l^2\left(t\right)+y_l^2\left(t\right)}\\ {\mathrm{\&theta;}}_l\left(t\right){=y}_l\left(t\right)/x_l\left(t\right)\end{array}\right.---\left(7\right)$

子步骤S1032b：获得低空飞行目标相对于引导中心的预测方位角信息以及预测俯仰角信息；

获得低空飞行目标相对于引导中心的预测方位角信息θ(t)以及预测俯仰角信息φ(t)，具体如下式所示：

$\left\{\begin{array}{c}\mathrm{\&theta;}\left(t\right)=\arctan \left(\frac{\hat{y}\left(t\right)}{\hat{x}\left(t\right)}\right)\\ \mathrm{\&phi;}\left(t\right)=\arctan \left(\frac{\hat{z}\left(t\right)}{\sqrt{{\hat{x}}^2\left(t\right)+{\hat{y}}^2\left(t\right)}}\right)\end{array}\right.---\left(9\right)$

子步骤S1033b：获得第二融合观测信息。

根据上述式（7）以及式（9）获得第二融合观测信息，具体如下式（10）所示：

$\left\{\begin{array}{c}\hat{r}\left(t\right)=r_l\left(t\right)\\ \widehat{\mathrm{\&theta;}}\left(t\right)=\mathrm{\&alpha;}\&CenterDot;\mathrm{\&theta;}\left(t\right)+(1-\mathrm{\&alpha;}){\mathrm{\&theta;}}_l\left(t\right)\\ \widehat{\mathrm{\&phi;}}\left(t\right)=\mathrm{\&phi;}\left(t\right)\end{array}\right.---\left(10\right).$

请参阅图6，本发明获取低空飞行目标高度信息的方法一实施方式中自适应的粒子滤波具体包括以下子步骤：

子步骤S1041：获得N个服从正态分布的t1时刻的采样粒子；

获得N个服从正态分布Ν(A(t)x(t),Q)的t₁时刻的采样粒子正态分布的均值为A(t)x(t)，协方差为Q，其中，x(t)=A(t)·x(t₁)+w(t)，x(t₁)表示t₁时刻的目标状态向量，w(t)～Ν(0,Q)表示过程噪声向量，A(t)为上述t时刻的目标状态转移矩阵。采样粒子包括雷达航迹信息和/或红外观测信息。

子步骤S1042：将N个采样粒子代入公式（7）、（8）或公式（7）、（9）、（10）以获得采样粒子对应的第一融合观测信息、第二融合观测信息；

将上述N个采样粒子代入公式（7）、（8）或公式（7）、（9）、（10）以获得采样粒子对应的第一融合观测信息、第二融合观测信息。目标航迹的观测方程为z(t)=h(x(t))+v(t)，其中h(x(t))对应公式（7）、（8）、（9）、（10），v(t)～Ν(0,R)为观测噪声向量。

子步骤S1043：获得目标机动指数；

获得目标机动指数ρ，具体如下式所示：

$\left\{\begin{array}{c}v\left(t\right)=\frac{1}{N}\underset{i=1}{\overset{N}{\mathrm{\&Sigma;}}}(z\left(t\right)-h\left(A\left(t\right)x_i\left(t\right)\right))\\ {\mathrm{\&sigma;}}_v^2\left(t\right)=\&lsqb;\underset{i=1}{\overset{M}{\mathrm{\&Sigma;}}}{v}_i^2\left(t\right)\&rsqb;/M\\ \mathrm{\&rho;}=\mathrm{\&epsiv;}\frac{T\&CenterDot;v\&CenterDot;{\mathrm{\&sigma;}}_m^2\left(t\right)}{R\&CenterDot;{\mathrm{\&sigma;}}_v^2\left(t\right)}\end{array}\right.---\left(11\right)$

其中，z(t)为第一融合观测信息或第二融合观测信息，v(t)表示残差，M表示残差的抽样值数量，表示方差，ν表示低空飞行目标的速度，表示目标航向角差，ε为一正常数，R表示红外传感器的有效观测半径，T表示相邻两次雷达航迹信息或红外关联观测信息的时间间隔，表示第一数据融合处理或第二数据融合处理的误差方差。目标机动指数ρ反映低空飞行目标的机动情况。

子步骤S1044：获得N个服从正态分布的采样粒子；

获得N个服从正态分布Ν(A(t)x_i(t₁),ρ·Q)的采样粒子

子步骤S1045：获得采样粒子对应的权值；

获得采样粒子对应的权值具体如下式所示：

w_i(t)=w_i(t₁)p(z(t)|x_i(t))     (12)

其中，w_i(t₁)表示t₁时刻N个采样粒子对应的权值，p(z(t)|x_i(t))表示观测量z(t)的似然函数。下面对权值的获得公式（12）进行说明：

粒子滤波是一类基于Monte Carlo序惯仿真的模拟滤波器。基本思想是：独立的从滤波概率分布p(x(t)|z_1:t)中抽取N个采样点{x_i,i=1,2,…,N}，通过加权求和，近似表示求解的后验概率密度函数。

记表示后验概率密度函数p(x(t)|z_1:t)的随机观测样本，其中，{x_i(t),i=1,2,…,N}是加权为{w_i(t),i=1,2,…,N}的支撑点集，其加权值归一化为基于此，t时刻的后验概率密度可以近似为：

$p\left(x\left(t\right)\right|z_{1:t})\&ap;\underset{i=1}{\overset{N}{\mathrm{\&Sigma;}}}{w}_i\left(t\right)\mathrm{\&delta;}(x\left(t\right)-x_i\left(t\right))---\left(a\right)$

其中

$w_i\left(t\right)=w_i\left(t_1\right)\frac{p\left(z\left(t\right)\right|x_i\left(t\right)p\left(x_i\left(t\right)\right|x_i\left(t_1\right)))}{q\left(x_i\left(t\right)\right|x_i\left(t_1\right),z\left(t\right))}---\left(b\right)$

p(z(t)|x_i(t))是观测量z(t)的似然函数，q(x_i(t)|x_i(t₁),z(t))为重要性采样密度函数，当N→∞时，上式可以逼近真实的后验概率密度p(x(t)|z_1:t)。

在粒子滤波器设计过程中遇到的一个常见问题就是粒子的退化现象。由于粒子权值方差只会随时间而单调递增，经过少数几次迭代后，除了一个粒子之外，其他所有粒子的权值小的可以忽略，大量的粒子对于计算后验概率p(z(t)|x_i(t))几乎没有贡献；同时，粒子滤波和传统的kalman滤波一样，并不能对机动目标进行跟踪。本发明一实施方式通过优化重要性密度函数的选择以使得重要性权值的方差达到极小，重要性密度函数如下所示：

$\begin{array}{c}q\left(x\left(t\right)\right|x\left(t_1\right),z\left(t\right))=p\left(x\left(t\right)\right|x\left(t_1\right),z\left(t\right))\\ =\frac{p\left(z\left(t\right)\right|x\left(t\right),x_i\left(t_1\right))p\left(x\left(t\right)\right|x_i\left(t_1\right))}{p\left(z\left(t\right)\right|x_i\left(t_1\right))}\end{array}---\left(c\right)$

将上述式（c）代入式（b）得到：

w_i(t)∝w_i(t₁)p(z(t)|x_i(t₁))

=w_i(t₁)∫p(z(t)|x_i(t))p(x_i(t)|x_i(t₁))dx_i(t)     (d)

实际中，由于优化的重要性密度函数的计算涉到积分，使得最优重要性密度函数并不容易得到。但从重要性密度函数的表达形式(c)来看，产生下一个预测样本依赖于已有的样本和最新的观测数据，基于此，在本发明一实施方式中，选取系统状态变量的转移概率密度p(x(t)|x_i(t₁)函数作为重要性密度函数，重要性密度函数（c）修正为：

$\begin{array}{c}q\left(x\left(t\right)\right|x\left(t_1\right),z\left(t\right))=p\left(x\left(t\right)\right|x_i\left(t_1\right))\\ =\frac{1}{\sqrt{\left|2\mathrm{\&pi;Q}\right|}}\exp (-\frac{1}{2}{(x\left(t\right)-A\left(t\right)x_i\left(t_1\right))}^T{Q}^{-1}(x\left(t\right)-A\left(t\right)x_i\left(t_i\right)))\end{array}---\left(e\right)$

同时，为了在重要密度函数中引入最新的观测信息及增强粒子滤波的机动目标跟踪性能，在重要性密度函数中引入目标机动指数ρ。于是重要性密度函数进一步修正为如下所示的表达形式：

$q\left(x\left(t\right)\right|x\left(t_1\right),z\left(t\right))=\frac{1}{\sqrt{\left|2\mathrm{\&pi;\&rho;Q}\right|}}\exp (-\frac{1}{2}{(x\left(t\right)-A\left(t\right)x_i\left(t_1\right))}^T{\&lsqb;\mathrm{\&rho;}\&CenterDot;Q\&rsqb;}^{-1}(x\left(t\right)-A\left(t\right)x_i\left(t_1\right)))---\left(f\right)$

将式（f）代入式（b）得到权值的获得公式即公式（12）：

w_i(t)=w_i(t₁)p(z(t)|x_i(t))    (12)

子步骤S1046：对采样粒子及其对应的权值进行粒子重采样；

利用系统重采样算法对采样粒子及其对应的权值进行粒子重采样，以获得重采样粒子及其对应的权值系统重采样算法具体如下所示：

重采样的基本思想是在保持粒子数不变的情况下，取消权值小的粒子，同时增加权值大的区域的粒子数。本实施方式的系统重采样算法的计算复杂度为O(N)，可实现性高，能够减少滤波方差，避免滤波粒子的退化。在其他实施方式中，也可采用其他重采样算法进行粒子的重采样，此处不作过多限制。

子步骤S1047：对重采样粒子及其对应的权值进行加权求和；

对重采样粒子及其对应的权值进行加权求和以获得低空飞行目标的三维状态信息x(t)，完成一次自适应的粒子滤波，其中，目标的三维状态信息x(t)包括低空飞行目标x方向上的位置信息、y方向上的位置信息以及z方向上的高度信息，具体如下式所示：

$x\left(t\right)=\underset{j^{*}=1}{\overset{N}{\mathrm{\&Sigma;}}}{x}_{j^{*}}\left(t\right)\&CenterDot;w_{j^{*}}\left(t\right)---\left(13\right)$

子步骤S1048：判断引导中心在预设的时间间隔内是否接收到雷达航迹信息和/或红外关联观测信息；

在完成一次自适应的粒子滤波后，判断引导中心在预设的时间间隔T^*内是否接收到雷达航迹信息和/或红外关联观测信息。其中，预设的时间间隔T^*可选取为50s、100s等时间间隔，此处不作过多限制。

子步骤S1049a：重复执行自适应的粒子滤波；

当接收到雷达航迹信息和/或红外关联观测信息时，重复执行自适应的粒子滤波，即重复执行上述子步骤S1041-S1047，重复执行自适应的粒子滤波时子步骤S1041即为：获得N个服从正态分布Ν(A(t)x(t),Q)的t时刻的采样粒子同理其它步骤相对应执行。

子步骤S1049b：结束自适应的粒子滤波。

结束自适应的粒子滤波，即获得上述子步骤S1047加权求和得到的低空飞行目标的三维状态信息x(t)，其中，x(t)包括低空飞行目标的高度信息。

本发明获取低空飞行目标高度信息的方法一实施方式可应用于多源数据融合处理设备，多源数据融合处理设备用于对远端站的低空监视雷达、红外传感器的观测数据进行实时有效地处理，形成远端站的目标态势，实现对低空飞行目标的有效监视。此外，本发明获取低空飞行目标的高度信息的方法一实施方式还可应用于近程目标拦截系统。

可以理解，本发明获取低空飞行目标的高度信息的方法一实施方式利用雷达航迹信息引导红外传感器对低空飞行目标进行搜索以获得低空飞行目标的红外观测信息；对红外观测信息进行目标航迹信息的关联处理以获得红外关联观测信息，能够提高后续的滤波效果；对雷达航迹信息与红外关联观测信息或目标航迹信息进行数据融合处理以获得融合观测信息；对融合观测信息进行自适应的粒子滤波以获得低空飞行目标的高度信息，自适应的粒子滤波能够解决大间隔数据环境雷达与红外传感器的非线性滤波问题，降低目标状态信息的预测误差，最终能够获得精度较高的低空飞行目标的高度信息，提高对低空飞行目标的跟踪性能。

请参阅7，本发明获取低空飞行目标高度信息的装置一实施方式包括：

红外传感模块201，用于利用雷达航迹信息对低空飞行目标进行搜索以获得低空飞行目标的红外观测信息，其中，雷达航迹信息包括雷达航迹x、y方向上的位置信息以及速度，低空飞行目标的红外观测信息包括低空飞行目标的方位角观测信息以及俯仰角观测信息。其中，红外传感模块201为红外传感器。

关联处理模块202，用于对红外观测信息进行目标航迹信息的关联处理以获得红外关联观测信息，其中，目标航迹信息包括目标航迹x、y、z方向上的位置信息以及速度。

数据融合处理模块203，用于对雷达航迹信息与红外关联观测信息或目标航迹信息进行数据融合处理以获得融合观测信息，其中，融合观测信息包括低空飞行目标相对于引导中心的斜距离观测信息、方位角观测信息以及俯仰角观测信息，引导中心用于接收雷达航迹信息以及红外观测信息。

粒子滤波模块204，用于对融合观测信息进行自适应的粒子滤波以获得低空飞行目标的高度信息。

请参阅图8，本发明获取低空飞行目标高度信息的装置一实施方式中红外传感模块具体包括：

信息接收单元2011，用于接收当前时刻t的雷达航迹信息。

目标搜索单元2012，用于在当前时刻t的雷达航迹信息对应的预测位置搜索低空飞行目标。

信息获取单元2013，用于当目标搜索单元搜索到低空飞行目标时，对低空飞行目标进行跟踪以获得低空飞行目标的m个红外观测信息。

当目标搜索单元搜索不到低空飞行目标时，信息接收单元用于接收每隔一时间间隔T′更新的雷达航迹信息，目标搜索单元用于在更新的雷达航迹信息对应的预测位置搜索低空飞行目标，信息获取单元用于当目标搜索单元搜索到低空飞行目标时，获得低空飞行目标的m个红外观测信息。

请参阅图9，本发明获取低空飞行目标高度信息的装置一实施方式中关联处理模块具体包括：

预测位置获取单元2021，用于获得低空飞行目标当前时刻t的预测位置具体如下式所示：

$\tilde{X}\left(t\right)=A\left(t\right)\&CenterDot;\hat{X}\left(t_1\right)=\left[\begin{array}{cccccc}1& t-t_1& 0& 0& 0& 0\\ 0& 1& 0& 0& 0& 0\\ 0& 0& 1& t-t_1& 0& 0\\ 0& 0& 0& 1& 0& 0\\ 0& 0& 0& 0& 1& t-t_1\\ 0& 0& 0& 0& 0& 1\end{array}\right]\hat{X}\left(t_1\right)---\left(1\right)$

其中，A(t)表示当前时刻t的目标状态转移矩阵，表示t₁时刻的目标航迹信息， $\hat{X}\left(t_1\right)={[\hat{x}\left(t_1\right),v_x\left(t_1\right),\hat{y}\left(t_1\right),v_y\left(t_1\right),\hat{z}\left(t_1\right),v_z\left(t_1\right)]}^T,$ v_x(t₁)、v_y(t₁)、v_z(t₁)分别表示t₁时刻目标航迹x、y、z方向上的位置信息以及速度，t₁<t。

预测角度获取单元2022，用于获得低空飞行目标当前时刻t相对于红外传感器的预测方位角信息以及预测俯仰角信息具体如下式所示：

$\left\{\begin{array}{c}\widehat{\mathrm{\&theta;}}\left(t\right)=\arctan \left(\frac{\hat{y}\left(t\right)}{\hat{x}\left(t\right)}\right)\\ \widehat{\mathrm{\&phi;}}\left(t\right)=\arctan \left(\frac{\hat{z}\left(t\right)}{\sqrt{{\hat{x}}^2\left(t\right)+{\hat{y}}^2\left(t\right)}}\right)\end{array}\right.---\left(2\right)$

波门观测判断单元2023，用于判断低空飞行目标当前时刻t的m个红外观测信息是否位于目标航迹的方向跟踪波门内，具体如下式所示：

$\left\{\begin{array}{c}\stackrel{\&OverBar;}{{\mathrm{\&theta;}}_i}\left(t\right)=|\widehat{\mathrm{\&theta;}}\left(t\right)-{\mathrm{\&theta;}}_i\left(t\right)|\\ \stackrel{\&OverBar;}{{\mathrm{\&phi;}}_i}\left(t\right)=|\widehat{\mathrm{\&phi;}}\left(t\right)-{\mathrm{\&phi;}}_i\left(t\right)|\end{array}\right.i=\mathrm{1,2},...,m---\left(3\right)$

其中，当小于预设的方位角阈值κ_θ以及小于预设的俯仰角阈值时，则该红外观测信息i位于目标航迹的方向跟踪波门内，否则该红外观测信息i位于目标航迹的方向跟踪波门外表示红外观测信息的方位角差，表示红外观测信息的俯仰角差，θ_i(t)表示低空飞行目标的方位角观测信息，φ_i(t)表示低空飞行目标的俯仰角观测信息。

波门观测获取单元2024，用于获得位于目标航迹的方向跟踪波门内的m₁个红外观测信息

模糊隶属度获取单元2025，用于获得m₁个红外观测信息的方位角差俯仰角差以及对应的低空飞行目标的信号幅度、大小的模糊隶属度，具体如下式所示：

$\left\{\begin{array}{c}{u}_{\mathrm{\&theta;},i}=e^{-{\left(\frac{\stackrel{\&OverBar;}{{\mathrm{\&theta;}}_i}\left(t\right)}{{\mathrm{\&kappa;}}_{\mathrm{\&theta;}}}\right)}^2}\\ u_{\mathrm{\&phi;},i}=e^{-{\left(\frac{\stackrel{\&OverBar;}{{\mathrm{\&phi;}}_i}\left(t\right)}{{\mathrm{\&kappa;}}_{\mathrm{\&phi;}}}\right)}^2}\\ u_{I,i}=e^{-{\left(\frac{I_i\left(t\right)-I\left(t_1\right)}{{\mathrm{\&kappa;}}_{I1}}\right)}^2}\\ u_{S,i}=e^{-{\left(\frac{S_i\left(t\right)-S\left(t_1\right)}{{\mathrm{\&kappa;}}_{S1}}\right)}^2}\end{array}\right.i=\mathrm{1,2},...,m_1---\left(4\right)$

其中，I_i(t)表示红外观测信息i当前时刻t对应的低空飞行目标的信号幅度，S_i(t)表示红外观测信息i当前时刻t对应的低空飞行目标的大小，I(t₁)表示t₁时刻低空飞行目标的信号幅度，S(t₁)表示t₁时刻低空飞行目标的大小，u_θ,i表示的模糊隶属度，u_φ,i表示的模糊隶属度，u_I,i表示低空飞行目标的信号幅度的模糊隶属度，u_S,i表示低空飞行目标的大小的模糊隶属度，κ_θ、κ_φ、κ_I1、κ_S1表示取值范围为[1 3]的常数。

模糊关联度获取单元2026，用于获得m₁个红外观测信息与目标航迹信息的模糊关联度Π_i，具体如下式所示：

Π_i=α₁*u_θ,i+α₂*u_φ,i+α₃*u_I,i+α₄*u_S,i,i=1,2,…,m₁   (5)

其中，α_i为关联权重。

红外关联获取单元2027，用于获得红外关联观测信息，其中，模糊关联度Π_i最大的红外观测信息{θ_k(t),φ_k(t)}即为红外关联观测信息，k值具体如下式所示：

$k=\underset{i}{\arg \max }\{{\mathrm{\&Pi;}}_i,i=\mathrm{1,2},...,m_1\}---\left(6\right).$

数据融合处理模块203具体包括第一数据融合处理模块以及第二数据融合处理模块。

当引导中心在当前时刻t接收到雷达航迹信息{x_l(t),v_lx(t),y_l(t),v_ly(t)}以及红外关联观测信息{θ_k(t),φ_k(t)}时，第一数据融合处理模块用于对雷达航迹信息与红外关联观测信息进行第一数据融合处理以获得第一融合观测信息，其中，x_l(t)、v_lx(t)、y_l(t)、v_ly(t)分别表示雷达航迹x、y方向上的位置信息以及速度。请参阅图10，本发明获取低空飞行目标高度信息的装置一实施方式中第一数据融合处理模块具体包括：

第一信息获取单元，用于获得雷达航迹信息对应的斜距离信息r_l(t)以及方位角信息θ_l(t)，具体如下式所示：

$\left\{\begin{array}{c}{r}_l\left(t\right)=\sqrt{x_l^2\left(t\right)+y_l^2\left(t\right)}\\ {\mathrm{\&theta;}}_l\left(t\right){=y}_l\left(t\right)/x_l\left(t\right)\end{array}\right.---\left(7\right)$

第一融合观测获取单元，用于获得第一融合观测信息，具体如下式所示：

$\left\{\begin{array}{c}\hat{r}\left(t\right)=r_l\left(t\right)\\ \widehat{\mathrm{\&theta;}}\left(t\right)=\mathrm{\&alpha;}\&CenterDot;{\mathrm{\&theta;}}_k\left(t\right)+(1-\mathrm{\&alpha;}){\mathrm{\&theta;}}_l\left(t\right)\\ \widehat{\mathrm{\&phi;}}\left(t\right)={\mathrm{\&phi;}}_k\left(t\right)\end{array}\right.---\left(8\right)$

其中，α为加权常数且其取值范围为[0.7 0.9]。

当引导中心在当前时刻t只接收到雷达航迹信息{x_l(t),v_lx(t),y_l(t),v_ly(t)}时，第二数据融合处理模块用于对雷达航迹信息与目标航迹信息进行第二数据融合处理以获得第二融合观测信息。请参阅图11，本发明获取低空飞行目标高度信息的装置一实施方式中第二数据融合处理模块具体包括：

第二信息获取单元，用于获得雷达航迹信息对应的斜距离信息r_l(t)以及方位角信息θ_l(t)，具体如式(7)所示；

第二预测角度获取单元，用于获得低空飞行目标相对于引导中心的预测方位角信息θ(t)以及预测俯仰角信息φ(t)，具体如下式所示：

$\left\{\begin{array}{c}\mathrm{\&theta;}\left(t\right)=\arctan \left(\frac{\hat{y}\left(t\right)}{\hat{x}\left(t\right)}\right)\\ \mathrm{\&phi;}\left(t\right)=\arctan \left(\frac{\hat{z}\left(t\right)}{\sqrt{{\hat{x}}^2\left(t\right)+{\hat{y}}^2\left(t\right)}}\right)\end{array}\right.---\left(9\right)$

第二融合观测获取单元，用于获得第二融合观测信息，具体如下式所示：

$\left\{\begin{array}{c}\hat{r}\left(t\right)=r_l\left(t\right)\\ \widehat{\mathrm{\&theta;}}\left(t\right)=\mathrm{\&alpha;}\&CenterDot;\mathrm{\&theta;}\left(t\right)+(1-\mathrm{\&alpha;}){\mathrm{\&theta;}}_l\left(t\right)\\ \widehat{\mathrm{\&phi;}}\left(t\right)=\mathrm{\&phi;}\left(t\right)\end{array}\right.---\left(10\right).$

请参阅图12，本发明获取低空飞行目标高度信息的装置一实施方式中粒子滤波模块具体包括：

第一采样粒子获取单元2041，用于获得N个服从正态分布Ν(A(t)x(t),Q)的t₁时刻的采样粒子其中，x(t)=A(t)·x(t₁)+w(t)，x(t₁)表示t₁时刻的目标状态向量，w(t)～Ν(0,Q)表示过程噪声向量。

观测信息获取单元2042，用于将N个采样粒子代入公式（7）、（8）或公式（7）、（9）、（10）以获得采样粒子对应的第一融合观测信息、第二融合观测信息。

目标机动指数获取单元2043，用于获得目标机动指数ρ，具体如下式所示：

$\left\{\begin{array}{c}v\left(t\right)=\frac{1}{N}\underset{i=1}{\overset{N}{\mathrm{\&Sigma;}}}(z\left(t\right)-h\left(A\left(t\right)x_i\left(t\right)\right))\\ {\mathrm{\&sigma;}}_v^2\left(t\right)=\&lsqb;\underset{i=1}{\overset{M}{\mathrm{\&Sigma;}}}{v}_i^2\left(t\right)\&rsqb;/M\\ \mathrm{\&rho;}=\mathrm{\&epsiv;}\frac{T\&CenterDot;v\&CenterDot;{\mathrm{\&sigma;}}_m^2\left(t\right)}{R\&CenterDot;{\mathrm{\&sigma;}}_v^2\left(t\right)}\end{array}\right.---\left(11\right)$

其中，z(t)为第一融合观测信息或第二融合观测信息，v(t)表示残差，M表示残差的抽样值数量，表示方差，ν表示低空飞行目标的速度，表示目标航向角差，ε为一正常数，R表示红外传感器的有效观测半径，T表示相邻两次雷达航迹信息或红外关联观测信息的时间间隔，表示第一数据融合处理或第二数据融合处理的误差方差。

第二采样粒子获取单元2044，用于获得N个服从正态分布Ν(A(t)x_i(t₁),ρ·Q)的采样粒子

权值获取单元2045，用于获得采样粒子对应的权值具体如下式所示：

w_i(t)=w_i(t₁)p(z(t)|x_i(t))   (12)

其中，w_i(t₁)表示t₁时刻N个采样粒子对应的权值，p(z(t)|x_i(t))表示观测量z(t)的似然函数。

粒子重采样单元2046，用于利用系统重采样算法对采样粒子及其对应的权值进行粒子重采样，以获得重采样粒子及其对应的权值

加权求和单元2047，用于对重采样粒子及其对应的权值进行加权求和以获得低空飞行目标的三维状态信息x(t)，完成一次自适应的粒子滤波，其中，目标的三维状态信息x(t)包括低空飞行目标x方向上的位置信息、y方向上的位置信息以及z方向上的高度信息，具体如下式所示：

$x\left(t\right)=\underset{j^{*}=1}{\overset{N}{\mathrm{\&Sigma;}}}{x}_{j^{*}}\left(t\right)\&CenterDot;w_{j^{*}}\left(t\right)---\left(13\right)$

信息接收判断单元2048，用于在完成一次自适应的粒子滤波后，判断引导中心在预设的时间间隔T^*内是否接收到雷达航迹信息和/或红外关联观测信息。

当接收到雷达航迹信息和/或红外关联观测信息时，重复执行自适应的粒子滤波，否则结束自适应的粒子滤波。

可以理解，本发明获取低空飞行目标高度信息的装置一实施方式通过红外传感模块201对低空飞行目标进行搜索以获得低空飞行目标的红外观测信息；关联处理模块202对红外观测信息进行目标航迹信息的关联处理以获得红外关联观测信息，能够提高后续的滤波效果；数据融合处理模块203对雷达航迹信息与红外关联观测信息或目标航迹信息进行数据融合处理以获得融合观测信息；粒子滤波模块204对融合观测信息进行自适应的粒子滤波以获得低空飞行目标的高度信息，自适应的粒子滤波能够解决大间隔数据环境雷达与红外传感器的非线性滤波问题，降低目标状态信息的预测误差，最终能够获得精度较高的低空飞行目标的高度信息，提高对低空飞行目标的跟踪性能。

以上所述仅为本发明的实施方式，并非因此限制本发明的专利范围，凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本发明的专利保护范围内。

Claims (1)

1.一种获取低空飞行目标高度信息的方法，其特征在于，包括：

利用雷达航迹信息引导红外传感器对低空飞行目标进行搜索以获得低空飞行目标的红外观测信息，其中，所述雷达航迹信息包括雷达航迹x、y方向上的位置信息以及速度，所述低空飞行目标的红外观测信息包括低空飞行目标的方位角观测信息以及俯仰角观测信息；

对所述红外观测信息进行目标航迹信息的关联处理以获得红外关联观测信息，其中，所述目标航迹信息包括目标航迹x、y、z方向上的位置信息以及速度；

对所述雷达航迹信息与红外关联观测信息或目标航迹信息进行数据融合处理以获得融合观测信息，其中，所述融合观测信息包括低空飞行目标相对于引导中心的斜距离观测信息、方位角观测信息以及俯仰角观测信息，所述引导中心用于接收雷达航迹信息以及红外观测信息；

对所述融合观测信息进行自适应的粒子滤波以获得低空飞行目标的高度信息，其中，所述自适应的粒子滤波包括以下步骤：

获得N个服从正态分布N(A(t)x(t)，Q)的时刻的采样粒子其中，x(t)＝A(t)·x(t₁)+w(t)，A(t)表示当前时刻t的目标状态转移矩阵，x(t₁)表示t₁时刻的目标状态向量，w(t)～N(0,Q)表示过程噪声向量；

将所述N个采样粒子代入公式(7)、(8)或公式(7)、(9)、(10)以获得采样粒子对应的第一融合观测信息、第二融合观测信息；

获得目标机动指数ρ，具体如下式所示：

$\left\{\begin{array}{c}v\left(t\right)=\frac{1}{N}\underset{i=1}{\overset{N}{\mathrm{\&Sigma;}}}(z\left(t\right)-h\left(A\left(t\right)x_i\left(t\right)\right))\\ {\mathrm{\&sigma;}}_v^2\left(t\right)=\left[\underset{i=1}{\overset{M}{\mathrm{\&Sigma;}}}{v}_i^2\left(t\right)\right]/M\\ \mathrm{\&rho;}=\mathrm{\&epsiv;}\frac{T\&CenterDot;v\&CenterDot;{\mathrm{\&sigma;}}_m^2\left(t\right)}{R\&CenterDot;{\mathrm{\&sigma;}}_v^2\left(t\right)}\end{array}\right.---\left(11\right)$

其中，z(t)为第一融合观测信息或第二融合观测信息，v(t)表示残差，M表示残差的抽样值数量，表示方差，v表示低空飞行目标的速度，ε为一正常数，R表示红外传感器的有效观测半径，T表示相邻两次雷达航迹信息或红外关联观测信息的时间间隔，表示第一数据融合处理或第二数据融合处理的误差方差；

获得N个服从正态分布Ν(A(t)x_i(t₁),ρ·Q)的采样粒子

获得采样粒子对应的权值具体如下式所示：

w_i(t)＝w_i(t₁)p(z(t)|x_i(t))  (12)

其中，w_i(t₁)表示t₁时刻N个采样粒子对应的权值，p(z(t)|x_i(t))表示观测量z(t)的似然函数；

利用系统重采样算法对采样粒子及其对应的权值进行粒子重采样，以获得重采样粒子及其对应的权值

对重采样粒子及其对应的权值进行加权求和以获得低空飞行目标的三维状态信息x(t)，完成一次自适应的粒子滤波，其中，目标的三维状态信息x(t)包括低空飞行目标x方向上的位置信息、y方向上的位置信息以及z方向上的高度信息，具体如下式所示：

$x\left(t\right)=\underset{j^{*}=1}{\overset{N}{\mathrm{\&Sigma;}}}{x}_{j^{*}}\left(t\right)\&CenterDot;w_{j^{*}}\left(t\right)---\left(13\right)$

在完成一次自适应的粒子滤波后，判断引导中心在预设的时间间隔T^*内是否接收到雷达航迹信息和/或红外关联观测信息；

当接收到所述雷达航迹信息和/或红外关联观测信息时，重复执行自适应的粒子滤波，否则结束自适应的粒子滤波；

其中，所述将N个采样粒子代入公式(7)、(8)或公式(7)、(9)、(10)以获得采样粒子对应的第一融合观测信息、第二融合观测信息的过程为：雷达航迹信息对应的斜距离信息r_l(t)以及方位角信息θ_l(t)，具体如下式所示：

$\left\{\begin{array}{c}{r}_l\left(t\right)=\sqrt{x_l^2\left(t\right)+y_l^2\left(t\right)}\\ {\mathrm{\&theta;}}_l\left(t\right)=y_l\left(t\right)/x_l\left(t\right)\end{array}\right.---\left(7\right)$

获得第一融合观测信息，具体如下式所示：

$\left\{\begin{array}{c}\hat{r}\left(t\right)=r_l\left(t\right)\\ \widehat{\mathrm{\&theta;}}\left(t\right)=\mathrm{\&alpha;}\&CenterDot;{\mathrm{\&theta;}}_k\left(t\right)+(1-\mathrm{\&alpha;}){\mathrm{\&theta;}}_l\left(t\right)\\ \widehat{\mathrm{\&phi;}}\left(t\right)={\mathrm{\&phi;}}_k\left(t\right)\end{array}\right.---\left(8\right)$

其中，α为加权常数且其取值范围为[0.7-0.9]，x_l(t)、y_l(t)分别表示雷达航迹x、y方向上的位置信息，引导中心在当前时刻t接收到红外关联观测信息{θ_k(t)，φ_k(t)}；低空飞行目标相对于引导中心的预测方位角信息θ(t)以及预测俯仰角信息φ(t)，具体如下式所示：

$\left\{\begin{array}{c}\mathrm{\&theta;}\left(t\right)=\arctan \left(\frac{\hat{y}\left(t\right)}{\hat{x}\left(t\right)}\right)\\ \mathrm{\&phi;}\left(t\right)=\arctan \left(\frac{\hat{z}\left(t\right)}{\sqrt{{\hat{z}}^2\left(t\right)+{\hat{y}}^2\left(t\right)}}\right)\end{array}\right.---\left(9\right)$

获得第二融合观测信息，具体如下式所示：

$\left\{\begin{array}{c}\hat{r}\left(t\right)=r_l\left(t\right)\\ \widehat{\mathrm{\&theta;}}\left(t\right)=\mathrm{\&alpha;}\&CenterDot;\mathrm{\&theta;}\left(t\right)+(1-\mathrm{\&alpha;}){\mathrm{\&theta;}}_l\left(t\right)\\ \widehat{\mathrm{\&phi;}}\left(t\right)=\mathrm{\&phi;}\left(t\right)\end{array}\right.---\left(10\right).$