CN103760555B - 一种提高机载雷达检测跟踪一体化精度的方法 - Google Patents
一种提高机载雷达检测跟踪一体化精度的方法 Download PDFInfo
- Publication number
- CN103760555B CN103760555B CN201410032418.0A CN201410032418A CN103760555B CN 103760555 B CN103760555 B CN 103760555B CN 201410032418 A CN201410032418 A CN 201410032418A CN 103760555 B CN103760555 B CN 103760555B
- Authority
- CN
- China
- Prior art keywords
- particle
- moment
- target
- newborn
- airborne radar
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Expired - Fee Related
Links
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
- G01S13/66—Radar-tracking systems; Analogous systems
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
- G01S13/02—Systems using reflection of radio waves, e.g. primary radar systems; Analogous systems
- G01S13/04—Systems determining presence of a target
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S7/00—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
- G01S7/02—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00
- G01S7/41—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00 using analysis of echo signal for target characterisation; Target signature; Target cross-section
- G01S7/415—Identification of targets based on measurements of movement associated with the target
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Computer Networks & Wireless Communication (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Radar Systems Or Details Thereof (AREA)
Abstract
本发明属于机载雷达检测跟踪技术领域,公开了一种提高机载雷达检测跟踪一体化精度的方法。该提高机载雷达检测跟踪一体化精度的方法,包括以下步骤:机载雷达实时接收地面目标的回波信号;根据每个时刻接收的回波信号,按照粒子滤波方法产生新生粒子和延续粒子;然后利用杂波凹口信息对新生粒子的权值进行修正,在修正后的新生粒子的权值的基础上检测目标是否存在,当检测到目标存在时,计算目标的运动状态。然后按照粒子滤波方法进行粒子重采样。
Description
技术领域
本发明属于机载雷达检测跟踪技术领域,特别涉及一种提高机载雷达检测跟踪一体化精度的方法。
背景技术
随着干扰技术的发展,雷达所面临的挑战也越来越严峻。20世纪90年代以来的几次局部性区域冲突表明,反辐射导弹、隐身目标、超低空突防和先进的综合性电子干扰技术已经成为现代雷达的主要威胁。因此,雷达技术的发展必须不断创新以适应新技术和新环境对雷达带来的挑战。
21世纪初期,HaykinS.提出了认知雷达的概念,见[HaykinS..Cognitiveradar:awayofthefuture.IEEESignalProcessingMagazine,2006,23(1):30-40]。之后,这一概念在雷达领域引起了人们的广泛关注。在高信噪比情况下,传统的先检测后跟踪的方法能够达到较好的检测和跟踪性能。对于认知雷达接收机信号处理部分,则更多地聚焦于如何利用更多的先验信息以及利用先进的信号处理方法提高对低可观测目标的检测和跟踪性能。由于低可观测目标信噪比很低,传统的方法对目标的检测概率很小。检测跟踪一体化技术(track-before-detect,TBD)直接对原始的观测数据进行处理,能够利用目标的运动特征对信号进行积累,从而提高雷达系统对目标的检测和跟踪性能。基于贝叶斯理论的检测跟踪一体化方法能够有效地利用先验信息,从而提高系统的检测和跟踪性能,因此在认知雷达接收端得到了广泛的关注。
贝叶斯检测跟踪一体化方法在贝叶斯框架下利用目标运动模型、系统观测模型和所有原始的观测数据迭代地计算目标联合状态(目标运动状态和目标存在状态的联合)后验概率密度函数,在该后验概率密度函数的基础上对目标进行检测和跟踪。2001年,MarceloGS等人推倒了贝叶斯检测跟踪一体化方法,见[MarceloG.S.B.,JoseM.F.M..Multiframedetection/tracker:optimalperformance.IEEETransactionsonAerospaceandElectronicSystems,2001,37(3):925-945]。而在实际的计算过程中,对于贝叶斯检测跟踪一体化方法,最常用的替代方法是基于粒子滤波器实现的,即通过粒子的运动以及权值的更新实现目标联合状态后验概率密度函数的迭代计算。
机载雷达对地面目标跟踪时,由于受到强地杂波的影响,当目标的速度较低或者沿切向运动的时候,目标的检测和跟踪会严重受到地杂波的影响,甚至造成漏警,从而导致航迹丢失。
发明内容
本发明的目的在于提出一种提高机载雷达检测跟踪一体化精度的方法,本发明利用了杂波凹口信息,提高了跟踪精度,可用于对地面目标的预警。
为实现上述技术目的,本发明采用如下技术方案予以实现。
一种提高机载雷达检测跟踪一体化精度的方法,包括以下步骤:
S1:所述机载雷达实时接收地面目标的回波信号;根据每个时刻接收的回波信号,生成对应的新生粒子根源数据;
S2:在初始时刻,根据对应的新生粒子根源数据,进行粒子滤波的初始化,生成初始时刻的新生粒子;在粒子滤波的初始化过程中,利用对应的杂波凹口信息对初始时刻的每个新生粒子的权值进行修正;设定初始时刻地面目标的存在概率P(e0|Z1:0);根据初始时刻的每个新生粒子、以及初始时刻的每个修正后的新生粒子的权值,并按照最小均方根误差准则得出初始时刻目标的运动状态;然后进行粒子重采样,得到对应的多个重采样粒子;
S3:在k时刻,根据k-1时刻的每个重采样粒子,并按照粒子滤波方法生成k时刻的延续粒子、以及k时刻的新生粒子;k为大于零的自然数;利用对应的杂波凹口信息对k时刻的每个新生粒子的权值进行修正;
根据k时刻的地面目标的存在概率P(ek|Z1:k)与k-1时刻的地面目标的存在概率P(ek-1|Z1:k-1)的递推关系式,得出P(ek|Z1:k);根据k时刻的每个延续粒子、k时刻的每个新生粒子、k时刻的每个延续粒子的权值、k时刻的每个修正后的新生粒子的权值、P(ek-1|Z1:k-1)、以及P(ek|Z1:k),并按照最小均方根误差准则得出k时刻目标的运动状态;然后进行粒子重采样,得到对应的多个重采样粒子。
本发明的特点和进一步改进在于:
在步骤S1中,所述机载雷达为侧视雷达,机载雷达实时接收地面目标的回波信号,所述地面目标的回波信号包括L个等距离环数据,L为与机载雷达对应的等距离环的个数;每个等距离环数据包括对应的空时二维导向矢量;对每个时刻接收的L个等距离环数据分别进行二维傅里叶变换,得到L组观测数据;
每组观测数据包括对应的回波信号强度,将L组观测数据按照回波信号强度进行从大到小的排序,然后选取前n组观测数据作为对应的新生粒子根源数据。
在步骤S2中,初始时刻的新生粒子为第1新生粒子至第Nb新生粒子Nb为新生粒子的数目;的权值为D取1至Nb;
利用杂波凹口信息对进行修正,得到对应的修正后的新生粒子权值得出初始时刻的粒子集合按照以下公式计算出初始时刻目标的运动状态按照粒子滤波方法对粒子进行重采样,经过重采样后生成初始时刻的第1重采样粒子至第NPF重采样粒子NPF为重采样得到的粒子数;
在步骤S3中,在k时刻(非初始时刻),将k-1时刻的第1重采样粒子至第NPF重采样粒子输入到对应的状态转移方程中,得出k时刻的第1延续粒子至第NPF延续粒子根据对应的新生粒子根源数据,按照粒子滤波方法生成k时刻的第1新生粒子至第Nb新生粒子的权值为的权值为E取1至NPF;
利用杂波凹口信息对进行修正,得到对应的修正后的新生粒子权值根据k-1时刻的目标存在概率P(ek-1|Z1:k-1),得出k时刻的目标存在概率P(ek|Z1:k);
得出k时刻的粒子集合P取1至NPF+Nb;当P取1至NPF时, 当P取NPF+1至NPF+Nb时, 其中,
当P(ek|Z1:k)≥γk时,则判断检测到目标,此时,按照以下公式计算出k时刻目标的运动状态γk为设定的检测阈值;按照粒子滤波方法对粒子进行重采样,经过重采样后生成k时刻的第1重采样粒子至第NPF重采样粒子
在步骤S2中,通过以下公式计算得出初始时刻修正后的新生粒子权值
其中,为初始时刻第D新生粒子的径向速度,v0为初始时刻机载雷达的载机速度,所述初始时刻第D新生粒子的径向速度的方向与初始时刻机载雷达的载机速度的方向垂直;为初始时刻第D新生粒子的方位角;mdv为机载雷达的最小可检测速度;
在步骤S3中,通过以下公式计算得出k时刻修正后的新生粒子权值
其中,为k时刻第D新生粒子的径向速度,vk为k时刻机载雷达的载机速度,所述k时刻第D新生粒子的径向速度的方向与k时刻机载雷达的载机速度的方向垂直;为k时刻第D新生粒子的方位角。
在步骤S3中,根据以下状态转移方程得出k时刻的第E延续粒子 其中,F为状态转移矩阵,为k-1时刻的第E重采样粒子,uk表示零均值的高斯白噪声。
在步骤S2中,粒子重采样包括以下步骤:
S21:首先在数值区间[0,1]上产生一个随机数μ0;然后,在初始时刻的粒子集合中,通过搜索找到满足以下关系式的g:然后粒子作为初始时刻产生的重采样粒子;
S22:循环执行步骤S21,直至产生NPF个重采样粒子;
在步骤S3中,粒子重采样包括以下步骤:
S31:首先在数值区间[0,1]上产生一个随机数μk;然后,在k时刻的粒子集合中,通过索找到满足以下关系式的m:然后粒子作为k时刻产生的重采样粒子;
S32:循环执行步骤S31,直至产生NPF个重采样粒子。
在步骤S3中,根据以下公式计算P(ek|Z1:k):
其中,Pbk和Pdk的取值方式分为两种,在第一种取值方式中,Pbk=c1,Pdk=c2,c1为设定的常数,且0≤c1≤1,c2为设定的常数,且0≤c2≤1;
在第二种取值方式中,首先判断P(ek|Z1:k)是否大于如果 则
其中,c3为设定的常数,且0≤c3≤1;如果则
其中,c4为设定的常数,且0≤c4≤1。
本发明的有益效果为:本发明利用了杂波凹口信息,提高了跟踪精度,可用于对地面目标的预警。
附图说明
图1为本发明的一种提高机载雷达检测跟踪一体化精度的方法的流程示意图;
图2为机载雷达回波信号的信噪比与目标位置的关系曲线示意图;
图3a为目标存在概率在第一种方式和第二种方式下的对比示意图;
图3b为目标距离误差在第一种方式和第二种方式下的对比示意图;
图3c为目标方位角误差在第一种方式和第二种方式下的对比示意图;
图3d为目标径向速度误差在第一种方式和第二种方式下的对比示意图;
图4a为目标存在概率在第二种方式和第三种方式下的对比示意图;
图4b为目标距离误差在第二种方式和第三种方式下的对比示意图;
图4c为目标方位角误差在第二种方式和第三种方式下的对比示意图;
图4d为目标径向速度误差在第二种方式和第三种方式下的对比示意图。
具体实施方式
下面结合附图对本发明作进一步说明:
参照图1,为本发明的一种提高机载雷达检测跟踪一体化精度的方法的流程示意图。该提高机载雷达检测跟踪一体化精度的方法包括以下步骤:
S1:机载雷达为测试雷达,该机载雷达向外发射脉冲信号,并实时接受地面目标的回波信号,地面目标的回波信号进行包括一个N*M*L的三维CPI数据。其中,L表示与机载雷达对应的等距离环的数目,N为机载雷达阵元数目,M为机载雷达接收到的回波脉冲数。该三维CPI数据也可以表示为L个等距离环数据,每个等距离环数据可以看作一个空时二维导向矢量vl,l取1至L, 其中, 表示与第l等距离环对应的空域导向矢量,为与第l等距离环对应的归一化方位角,刻画了方位角信息;为与第l等距离环对应的时域导向矢量,为与第l等距离环对应的归一化多普勒频率,其刻画了径向速度(相对于记载雷达的载机前进方向而言)信息。
另外,上述三维CPI数据的具体模型也可以说明如下:当第l等距离环上没有目标信号时,vl=cl+nl;当第l等距离环上有目标信号时,vl=bsl+cl+nl;其中,cl表示第l等距离环上机载雷达接收到的杂波空时二维导向矢量,cl由与第l等距离环对应的杂波协方差矩阵Ql表征,nl表示第l等距离环对应的机载雷达的热噪声。sl为第l等距离环上机载雷达接收到的目标空时二维导向矢量,b表示目标的复常幅度。
对每个时刻接收的L个等距离环数据分别进行二维傅里叶变换,得到L组观测数据。具体地说,二维傅里叶变换指:在空域维做N点傅里叶变换,时域维M点傅里叶变换。每组观测数据包括对应的回波信号强度,将L组观测数据按照回波信号强度进行从大到小的排序(将所有等距离环数据的二维傅里叶变换的幅度进行从大到小的排序,等距离环数据的二维傅里叶变换的幅度越大,则说明对应的观测数据的回波信号强度越大,这样,就完成了L组观测数据按照回波信号强度进行从大到小的排序)。然后选取前n组观测数据作为对应的新生粒子根源数据,新生粒子根源数据用于在粒子滤波过程中生成新生粒子。
S2:在初始时刻,根据对应的新生粒子根源数据,进行粒子滤波的初始化,生成初始时刻的新生粒子。具体来说,在对应的新生粒子根源数据包括n组观测数据,在这n组观测数据种,每组观测数据用于产生Nb/n个新生粒子,也就是说,总共产生Nb个新生粒子。初始时刻的新生粒子表示为第1新生粒子至第Nb新生粒子Nb为新生粒子的数目;的权值为D取1至Nb。的权值的计算过程如下:
其中,为:初始时刻第D新生粒子表示的状态所对应的空时二维导向矢量;表示:初始时刻第D新生粒子所在等距离环的观测数据;表示:初始时刻第D新生粒子所在等距离环的杂波协方差矩阵。
然后,利用杂波凹口信息对进行修正,得到对应的修正后的新生粒子权值具体说明如下:通过以下公式计算得出修正后的新生粒子权值
其中,为初始时刻第D新生粒子的径向速度(相对于记载雷达的载机前进方向而言),v0为初始时刻机载雷达的载机速度,为初始时刻第D新生粒子的方位角;刻画了初始时刻的杂波凹口位置。mdv为机载雷达的最小可检测速度。刻画了初始时刻仅由杂波凹口位置决定的“检测概率”。
然后,设定初始时刻地面目标的存在概率P(e0|Z1:0)(例如为0.5);根据初始时刻的每个新生粒子、以及初始时刻的每个修正后的新生粒子的权值,得出初始时刻目标的运动状态。具体说明如下:得出初始时刻的粒子集合按照以下公式计算出初始时刻目标的运动状态至此,得知了初始时刻目标的运动状态为实现目标的跟踪提供了基础。
然后,按照粒子滤波方法对粒子进行重采样,经过重采样后生成初始时刻的第1重采样粒子至第NPF重采样粒子NPF为重采样得到的粒子数。粒子重采样是为了防止粒子衰竭问题,其基本思想是淘汰权值比较小的粒子,而更加关注权值比较大的粒子。例如粒子重采样包括以下步骤:
S21:首先在数值区间[0,1]上产生一个随机数μ0;然后,在初始时刻的粒子集合中,通过搜索找到满足以下关系式的g:然后粒子作为初始时刻产生的重采样粒子;
S22:循环执行步骤S21,直至产生NPF个重采样粒子。
S3:在k时刻(非初始时刻),将k-1时刻的第1重采样粒子至第NPF重采样粒子输入到对应的状态转移方程中,得出k时刻的第1延续粒子至第NPF延续粒子状态转移方程为:
其中,F为状态转移矩阵,为k-1时刻的第E重采样粒子,E取1至NPF。uk-1表示零均值的高斯白噪声。下面对上述转移方程进行具体说明:为k-1时刻目标在直角坐标系,其中,xk-1和分别是k-1时刻目标在x方向的位置和速度,yk-1和分别是k-1时刻目标在y方向的位置和速度。状态转移矩阵F为:
δ为机载雷达的采样间隔;uk-1的协方差矩阵为Q可以表示为:
q为目标运动过程零均值的高斯白噪声的幅度。因此,在F、和uk-1均已知时,可以得出也就是获知了k时刻目标在x方向的位置和速度、以及k时刻目标在y方向的位置和速度。
在k时刻,根据对应的新生粒子根源数据,生成k时刻的新生粒子。具体来说,在对应的新生粒子根源数据包括n组观测数据,在这n组观测数据种,每组观测数据用于产生Nb/n个新生粒子,也就是说,总共产生Nb个新生粒子。k时刻的新生粒子表示为第1新生粒子至第Nb新生粒子Nb为新生粒子的数目;
的权值为的权值为其具体计算过程如下:
其中,为:k时刻第D新生粒子表示的状态所对应的空时二维导向矢量;表示:k时刻第D新生粒子所在等距离环的观测数据;表示:k时刻第D新生粒子所在等距离环的杂波协方差矩阵。为:k时刻第E延续粒子表示的状态所对应的空时二维导向矢量;表示:k时刻第E延续粒子对应的等距离环的观测数据;表示:k时刻第E延续粒子对应的等距离环的杂波协方差矩阵。
然后利用杂波凹口信息对进行修正,得到对应的修正后的新生粒子权值具体说明如下:通过以下公式计算得出k时刻修正后的新生粒子权值
其中,为k时刻第D新生粒子的径向速度(相对于记载雷达的载机前进方向而言),vk为k时刻机载雷达的载机速度,为k时刻第D新生粒子的方位角。刻画了k时刻的杂波凹口位置。刻画了k时刻仅由杂波凹口位置决定的“检测概率”。
然后根据k-1时刻的目标存在概率P(ek-1|Z1:k-1),得出k时刻的目标存在概率P(ek|Z1:k)。具体说明如下:
根据以下公式计算P(ek|Z1:k):
其中,Pbk和Pdk的取值方式分为两种,在第一种取值方式中,Pbk=c1,Pdk=c2,c1为设定的常数,且0≤c1≤1,c2为设定的常数,且0≤c2≤1;第一种取值方式为齐次贝叶斯框架下的取值方式。
在第二种取值方式中,首先判断P(ek|Z1:k)是否大于如果 则
其中,c3为设定的常数,且0≤c3≤1;如果则
其中,c4为设定的常数,且0≤c4≤1。第二种取值方式为非齐次贝叶斯框架下的取值方式。
然后得出k时刻的粒子集合P取1至NPF+Nb;当P取1至NPF时, 当P取NPF+1至NPF+Nb时, 其中,
此时,判断P(ek|Z1:k)与设定的检测阈值γk的大小关系,如果P(ek|Z1:k)≥γk,则判断检测到目标;否则,则判断未检测到目标。至此实现了对目标的检测。按照以下公式(按照最小均方误差准则)计算出k时刻目标的运动状态至此,实现了对目标状态的跟踪。
然后,按照粒子滤波方法对粒子进行重采样,经过重采样后生成k时刻的第1重采样粒子至第NPF重采样粒子例如,粒子重采样包括以下步骤:
S31:首先在数值区间[0,1]上产生一个随机数μk;然后,在k时刻的粒子集合中,通过索找到满足以下关系式的m:然后粒子作为k时刻产生的重采样粒子。
S32:循环执行步骤S31,直至产生NPF个重采样粒子。
下面通过一个仿真实施例对本发明作进一步说明:
1)仿真实验场景
考虑一机载数字阵列雷达,阵元数目为12,阵元间距为半波长,脉冲数目12.具体的仿真参数如下表所示:
飞机速度 | 90m/s |
目标速度 | 10m/s |
雷达采样间隔 | 20s |
飞机初始位置 | (0 0 5000) |
目标初始位置 | (50000 30000 0) |
脉冲重复频率PRF | 2000Hz |
2)仿真内容:
对于该仿真实施例,设定进行前5次雷达采样时,目标不存在,在第33次雷达采样后,目标不存在,当进行17次雷达采样至23次雷达采样时,目标位于杂波区内。参照图2,为机载雷达回波信号的信噪比与目标位置的关系曲线示意图。图2中,横坐标表示雷达采样次数,纵坐标表示机载雷达回波信号的信噪比。由此可知,在该仿真实施例中,目标经历了落入杂波区到离开杂波区的过程。由图2看出,机载雷达回波信号的信噪比(SCNR)在不断变化,当目标进入杂波区后,机载雷达回波信号的信噪比迅速下降,传统的目标检测跟踪方法很难检测出目标,容易丢失目标的航迹。
对于该仿真实施例,每次试验做300次蒙特卡洛仿真,取其平均性能。采用三种方式对目标进行检测跟踪,然后判断检测跟踪一体化性能。第一种方式:未利用杂波凹口信息的传统的检测跟踪方案。第二种方式:本发明在非齐次贝叶斯框架下的目标检测跟踪方案。第三种方式,本发明在齐次贝叶斯框架下的检测跟踪方案。参照图3a,为目标存在概率在第一种方式和第二种方式下的对比示意图。参照图3b,为目标距离误差在第一种方式和第二种方式下的对比示意图。参照图3c为目标方位角误差在第一种方式和第二种方式下的对比示意图。参照图3d为目标径向速度(相对于记载雷达的载机前进方向而言)误差在第一种方式和第二种方式下的对比示意图。
从图3a中可以看出,与第一种方式相比,当采用第二种方式对目标进行跟踪检测时,当目标不存在时,其目标存在概率更小,更加符合实际情况;而当目标消失(进入杂波区)后,其目标存在概率下降的速度更快。从图3b、图3c、图3d中可以看出,当目标未落入杂波区域时,第二种方式和第一种方式在跟踪误差(表示为目标距离误差、目标方位角误差、目标径向速度误差)上几乎没有区别。而当目标逐渐落入到杂波区的时候,第二种方式对应的跟踪误差明显小于第一种方式对应的跟踪误差。因此,采用本发明在非齐次贝叶斯框架下对目标进行检测跟踪时,能够有效地提高杂波区内目标的跟踪精度。
参照图4a,为目标存在概率在第二种方式和第三种方式下的对比示意图。参照图4b,为目标距离误差在第二种方式和第三种方式下的对比示意图。参照图4c为目标方位角误差在第二种方式和第三种方式下的对比示意图。参照图4d为目标径向速度(相对于记载雷达的载机前进方向而言)误差在第二种方式和第三种方式下的对比示意图。从图4a中可以看出,在第二种方式中,由于利用了上一时刻目标是否存在这一先验信息,与第三种方式相比,当目标落入到杂波区的时候,其目标存在后验概率没有下降很多。但是当目标由存在状态变为不存在状态时(第33次雷达采样后),第二种方式的滞后时间明显长于第三种方式的滞后时间。从图4b、图4c、图4d中可以看出,当目标落入到杂波区的时候,第二张方式的跟踪误差明显小于第三种方式的跟踪误差。
显然,本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样,倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内,则本发明也意图包含这些改动和变型在内。
Claims (2)
1.一种提高机载雷达检测跟踪一体化精度的方法,其特征在于,包括以下步骤:
S1:所述机载雷达实时接收地面目标的回波信号;根据每个时刻接收的回波信号,生成对应的新生粒子根源数据;
S2:在初始时刻,根据对应的新生粒子根源数据,进行粒子滤波的初始化,生成初始时刻的新生粒子;在粒子滤波的初始化过程中,利用对应的杂波凹口信息对初始时刻的每个新生粒子的权值进行修正;设定初始时刻地面目标的存在概率P(e0|Z1:0);根据初始时刻的每个新生粒子、以及初始时刻的每个修正后的新生粒子的权值,得出初始时刻目标的运动状态;然后进行粒子重采样,得到对应的多个重采样粒子;
S3:在k时刻,根据k-1时刻的每个重采样粒子,并按照粒子滤波方法生成k时刻的延续粒子、以及k时刻的新生粒子;k为大于零的自然数;利用对应的杂波凹口信息对k时刻的每个新生粒子的权值进行修正;
根据k时刻的地面目标的存在概率P(ek|Z1:k)与k-1时刻的地面目标的存在概率P(ek-1|Z1:k-1)的递推关系式,得出P(ek|Z1:k);根据k时刻的每个延续粒子、k时刻的每个新生粒子、k时刻的每个延续粒子的权值、k时刻的每个修正后的新生粒子的权值、P(ek-1|Z1:k-1)、以及P(ek|Z1:k),得出k时刻目标的运动状态;然后进行粒子重采样,得到对应的多个重采样粒子。
2.如权利要求1所述的一种提高机载雷达检测跟踪一体化精度的方法,其特征在于,在步骤S1中,所述机载雷达为侧视雷达,机载雷达实时接收地面目标的回波信号,所述地面目标的回波信号包括L个等距离环数据,L为与机载雷达对应的等距离环的个数;每个等距离环数据包括对应的空时二维导向矢量;对每个时刻接收的L个等距离环数据分别进行二维傅里叶变换,得到L组观测数据;
每组观测数据包括对应的回波信号强度,将L组观测数据按照回波信号强度进行从大到小的排序,然后选取前n组观测数据作为对应的新生粒子根源数据。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410032418.0A CN103760555B (zh) | 2014-01-23 | 2014-01-23 | 一种提高机载雷达检测跟踪一体化精度的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410032418.0A CN103760555B (zh) | 2014-01-23 | 2014-01-23 | 一种提高机载雷达检测跟踪一体化精度的方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN103760555A CN103760555A (zh) | 2014-04-30 |
CN103760555B true CN103760555B (zh) | 2016-05-18 |
Family
ID=50527822
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410032418.0A Expired - Fee Related CN103760555B (zh) | 2014-01-23 | 2014-01-23 | 一种提高机载雷达检测跟踪一体化精度的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103760555B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105301584B (zh) * | 2015-12-07 | 2017-12-05 | 中国人民解放军海军航空工程学院 | 同时解距离模糊的ipphdf机动多目标跟踪方法 |
CN108872975B (zh) * | 2017-05-15 | 2022-08-16 | 蔚来(安徽)控股有限公司 | 用于目标跟踪的车载毫米波雷达滤波估计方法、装置及存储介质 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP0868669B1 (en) * | 1995-12-19 | 2002-05-08 | Commonwealth Of Australia | A tracking method for a radar system |
CN102426354A (zh) * | 2011-09-16 | 2012-04-25 | 西安电子科技大学 | 基于加权顺序统计和多脉冲相参积累的宽带雷达检测方法 |
CN102628937A (zh) * | 2012-04-20 | 2012-08-08 | 西安电子科技大学 | 基于广义keystone变换和非相参积累的雷达检测方法 |
-
2014
- 2014-01-23 CN CN201410032418.0A patent/CN103760555B/zh not_active Expired - Fee Related
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP0868669B1 (en) * | 1995-12-19 | 2002-05-08 | Commonwealth Of Australia | A tracking method for a radar system |
CN102426354A (zh) * | 2011-09-16 | 2012-04-25 | 西安电子科技大学 | 基于加权顺序统计和多脉冲相参积累的宽带雷达检测方法 |
CN102628937A (zh) * | 2012-04-20 | 2012-08-08 | 西安电子科技大学 | 基于广义keystone变换和非相参积累的雷达检测方法 |
Non-Patent Citations (1)
Title |
---|
连续波雷达的多目标检测与参数估计;冯维婷等;《雷达科学与技术》;20050630;第3卷(第03期);144-147 * |
Also Published As
Publication number | Publication date |
---|---|
CN103760555A (zh) | 2014-04-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104914415B (zh) | 基于目标距离像模板匹配的单脉冲雷达相干干扰方法 | |
CN103439697B (zh) | 基于动态规划的目标检测方法 | |
CN105589066B (zh) | 一种利用垂直矢量阵估计水下匀速运动航行器参数的方法 | |
CN104267379A (zh) | 一种基于波形设计的主被动雷达协同抗干扰方法 | |
CN105005042A (zh) | 一种探地雷达地下目标定位方法 | |
CN104318059A (zh) | 用于非线性高斯系统的目标跟踪方法和跟踪系统 | |
CN102565784A (zh) | 基于vsar系统的动目标重定位与速度解模糊方法 | |
CN104035095A (zh) | 基于空时最优处理器的低空风切变风速估计方法 | |
CN103176187B (zh) | 一种机载预警雷达地面高速公路目标过滤方法 | |
CN102608587B (zh) | 基于非线性最小二乘的空中机动目标检测方法 | |
CN109100696B (zh) | 基于点状杂波图的慢速运动目标消除方法 | |
CN108776342A (zh) | 一种高速平台sar慢速动目标检测与速度估计方法 | |
CN107942308A (zh) | 复合高斯环境下基于伽玛纹理的自适应Rao检测方法 | |
CN103197297B (zh) | 基于认知框架的雷达动目标检测方法 | |
CN106501800A (zh) | 基于代价参考粒子滤波的mimo雷达目标检测前跟踪方法 | |
CN106249212A (zh) | 主瓣压制干扰背景下有源假目标的极化鉴别方法 | |
CN105738880A (zh) | 逆高斯纹理复合高斯海杂波幅度分布参数的矩估计方法 | |
CN105116387A (zh) | 基于位置和多普勒速度信息的pd雷达抗速度拖引方法 | |
CN103954939A (zh) | 基于雷达组网的抗灵巧噪声干扰方法 | |
CN105301584A (zh) | 同时解距离模糊的ipphdf机动多目标跟踪方法 | |
CN103675808B (zh) | 一种单脉冲雷达导引头的不可分辨多目标检测方法 | |
CN107064865A (zh) | 基于深度聚类的极坐标动态规划无源协同定位方法 | |
CN108490409A (zh) | 基于航迹风险评估的三坐标雷达自动起始方法 | |
CN112162246B (zh) | 一种基于贝叶斯网络雷达系统复杂电磁环境效应分析方法 | |
CN105738887A (zh) | 基于多普勒通道划分的机载雷达杂波功率谱的优化方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20160518 Termination date: 20220123 |