CN106872970A - 一种基于差分进化的多目标变数据率跟踪装置及其方法 - Google Patents

Abstract

本发明公开了一种基于差分进化的多目标变数据率跟踪装置及其方法。该方法包括：基于不敏滤波方法确定目标跟踪数据时间间隔上限；依据该目标跟踪数据时间间隔上限设置目标跟踪时间间隔集合；初始化种群，设置交叉概率因子以及迭代的代数，该种群依据当前目标跟踪个数和该目标跟踪时间间隔集合设置；依据掩模运算方法对该种群中每一个个体进行变异操作获得变异个体；对该个体以及该变异个体进行交叉操作产生后代交叉个体；采用一对一的贪婪筛，将子个体与相应的父个体进行比较，较优者保存到下一代，该子个体为该后代交叉个体，该父个体为与该后代交叉个体相对应的该个体；重复步骤四至步骤六直至迭代代数等于目标迭代代数。

Description

一种基于差分进化的多目标变数据率跟踪装置及其方法

技术领域

本发明涉及雷达技术领域中的一种跟踪装置及其跟踪方法，尤其涉及一种基于差分进化的多目标变数据率跟踪装置及其跟踪方法。

背景技术

相控阵雷达是一种以电子扫描代替机械扫描的先进目标探测与定位设备，由于采用计算机控制，因而具有灵活的多波束指向及驻留时间、可控的空间功率分配及时间资源分配等特点。这些特点决定了相控阵雷达能快速提供大空域、多批量目标的三坐标测量数据，同时也有较高的测量精度和分辨力。相控阵雷达有较强的抗干扰能力和多任务要求，在相控阵雷达其它指标中很难有依据相控阵雷达特点来概括相控阵雷达性能的指标，而数据率参数具有总体概括雷达性能、反映雷达各主要参数之间的关系的能力，把数据率参数作为衡量相控阵性能对其开发研制及性能评估具有极其重要的意义。

正确选定跟踪采样间隔时间对确保跟踪的连续性、可靠性和跟踪精度都有着重要的意义。受限于雷达系统的时间能量资源，要实现对更多批次目标的探测和跟踪，需要尽量提高相控阵雷达系统的时间能量资源利用率。为此，人们研究了各种系统资源自适应调度算法。针对多目标跟踪问题设计的自适应调整数据率的目标跟踪算法，应能根据目标不同运动状态，在满足跟踪精度要求的情况下，自适应选择合适的数据更新率，尽可能减少对每个目标的累计照射时间，以节省对单个目标进行跟踪所耗费的雷达系统资源。

文章(Adaptive variable update rate algorithm for tracking targetswith a phase array radar)利用滤波残差来确定采样周期，通过量测噪声方差与残差的比值，对下一时刻采样周期进行调整，当目标机动时，该算法可自适应地减小采样周期，但是当目标无机动状态时，目标采样周期会不断增大。文章(Minimum power requirementsfor tracking)在考虑了目标机动特性的前提下，给出了跟踪方式下雷达所消耗的最小功率与目标跟踪精度、跟踪采样周期以及信噪比之间的函数关系。文章(On adaptivesampling for multisensory tracking of a maneuvering target using IMM/PDAfiltering)利用基于随机采样的采样间隔选择算法，对每一个候选采样间隔计算代价函数，在满足跟踪性能的情况下选择最大的采样间隔。文章(Tracking performanceconstrained MFR parameter control:applying constraints on predictionaccuracy)综合考虑了驻留时间和采样间隔对跟踪性能的影响，并利用遗传算法对时间资源进行了优化。

上述算法虽然深入研究了雷达时间资源的调度算法，但这些算法多是在雷达资源充裕且是在单目标跟踪的情况下研究的。文章(基于协方差控制的相控阵雷达资源管理算法)研究了单传感器跟踪多目标的资源管理算法，分别采用了协方差偏差均值最小准则(F1准则)和最大协方差偏差最小准则(F2准则)确定下一采样时刻的跟踪目标，并使用矩阵的2－范数(M1度量)的结合作为矩阵度量方法，但该算法假设驻留时间足够大。

综上，目前的变数据率目标跟踪多是针对单目标，多目标变数据率跟踪算法较少，且普遍存在的缺点是算法在实际使用中存在实现复杂度、计算量与目标跟踪精度的矛盾。

发明内容

本发明目的在于提供一种基于差分进化的多目标变数据率跟踪装置及其方法，能够克服现有多目标变数据率跟踪技术的缺点和不足，提高雷达资源利用率。

本发明的解决方案是：一种基于差分进化的多目标变数据率跟踪方法，其包括：

步骤一、基于不敏滤波方法确定目标跟踪数据时间间隔上限；

步骤二、依据该目标跟踪数据时间间隔上限设置目标跟踪时间间隔集合；

步骤三、初始化种群，设置交叉概率因子以及迭代的代数，该种群依据当前目标跟踪个数和该目标跟踪时间间隔集合设置；

步骤四、依据掩模运算方法对该种群中每一个个体进行变异操作获得变异个体；

步骤五、对该个体以及该变异个体进行交叉操作产生后代交叉个体；

步骤六、采用一对一的贪婪筛，将子个体与相应的父个体进行比较，较优者保存到下一代，该子个体为该后代交叉个体，该父个体为与该后代交叉个体相对应的该个体；

步骤七、重复步骤四至步骤六直至迭代代数等于目标迭代代数，由该种群演变的种群为目标种群，依据该目标种群得到目标跟踪数据率，并由此生产波束请求信息。

作为上述方案的进一步改进，步骤一、采用基于弹道目标运动方程的不敏滤波方法，依据公式(1)确定目标的跟踪数据时间间隔上限T_max，

P(k/k-1)≤G (1)

其中，P(k/k-1)是基于弹道目标运动方程的不敏滤波k时刻的预测误差协方差，G是雷达系统要求的测量精度；

步骤二、依据该目标跟踪数据时间间隔上限T_max设置目标跟踪时间间隔集合T＝{T₁,T₂,…,T_n}，其中T₁＜T₂＜T₃＜…＜T_n-1≤T_n，n为跟踪时间间隔个数；

步骤三、依据当前目标跟踪个数Trk和目标跟踪时间间隔集合T，依据种群初始化算法初始化种群P_s，其中个体的表述方式为，g代表种群代数，i表示种群P_s第i个个体，每个元素的第一维代表目标编号，第二维代表跟踪时间间隔，并设置交叉概率因子C_r以及迭代的目标代数G'；

步骤四、依据掩模运算方法对种群P_s中每一个个体进行变异操作获得变异个体

步骤五、依据公式(2)进行交叉操作产生后代交叉个体

步骤六、依据公式(3)采用一对一的贪婪筛选算子将子个体与相应的父个体进行比较，较优者保存到下一代，

其中，f函数代表个体所需要的雷达能量资源；

步骤七、重复步骤四至步骤六直至迭代代数等于G'。

进一步地，步骤三中的种群初始化算法，从目标跟踪时间间隔集合T＝{T₁,T₂,…,T_n}中，为每个个体的第二维元素随机选取一个跟踪时间间隔T，其中1≤i≤P_s。

进一步地，步骤四中的掩模运算方法包括以下步骤：

(1)依据当前目标跟踪个数Trk，从目标跟踪时间间隔集合T中随机抽取Trk个目标跟踪时间间隔构成集合T'，然后将T'随机划分成两个集合S₁、S₂，其中S₁∩S₂＝φ，S₁∪S₂＝T'；

(2)依据个体所需雷达能量资源的f函数为约束，从当代个体中选出消耗雷达能量资源最少的个体X_best；

(3)如果X_best元素的第二维元素即目标跟踪时间间隔集合T属于集合S₁，则将T添加到集合V₁、V₂；否则，执行步骤(4)；

(4)如果元素的第二维元素属于集合S₂，则将T添加到集合V₁、V₂；否则，执行步骤(5)；

(5)重复步骤(3)和步骤(4)操作，直至遍历X_best、的所有元素；

(6)依据表体所需雷达能量资源的f函数为约束，从V₁、V₂中选择消耗雷达能量资源最少的集合作为变异操作产生的个体

进一步地，步骤一中不敏滤波方法为：

假定目标的状态向量为弹道导弹的运动模型为

其中为地球大气密度函数，其中ρ₀＝1.22kg/m³，k＝0.14141×10^-3m^-1，h为目标的海拔高度；β为弹道系数；μ_G＝3.986005×10¹⁴m³/s²为地球万有引力常量；ω＝7.292116×10^-5rad/s为地球自转速度；

雷达测量模型h为

假定雷达量测数据的噪声δ为不相关的零均值高斯白噪声，其中距离噪声的方差为σ_r，方位角噪声的方差为σ_α，仰角噪声的方差为σ_β；

目标的状态向量为β为弹道系数，则状态向量维数L＝7；不敏滤波的处理过程为：首先利用不敏变换生成采样点，采用标准对称采样方法；在弹道导弹的运动模型和雷达量测模型是非线性函数，且目标在k-1时刻的估计均值为和P_k-1/k-1时，选择2L+1＝15个采样点按式公式(6)计算：

其中λ＝α²(L+κ)为比例参数，作为控制采样点到均值的距离；取α＝0.5；κ＝3-L；γ＝2；式中为(L+λ)P_k-1/k-1均方根矩阵的第i行；

对时刻k状态的一部提前预测，计算目标状态预测：

χ_k/k-1＝f(χ_k/k-1,k-1) (8)

计算目标预测协方差矩阵：

计算时刻k量测的预测：

ζ_k/k-1＝h(χ_k/k-1,k) (11)

计算新息：

计算增益矩阵：

计算目标状态更新：

计算目标状态误差协方差的更新：

本发明还提供一种基于差分进化的多目标变数据率跟踪装置，其包括数据处理模块、雷达资源调度模块、信号处理模块、可视化模块；其中，

该数据处理模块接收来自该信号处理模块的原始点迹数据，负责完成点迹预处理、点航迹关联、航迹起始、航迹滤波与外推，并由此形成具有该点迹预处理和该点航迹关联的点迹数据、具有该航迹起始和该航迹滤波与外推的航迹数据；还接收来自该雷达资源调度模块的时统信息和波束指向信息，并由此生成波束请求信息；

该雷达资源调度模块接收该波束请求信息，并由此生成波束调度信息以负责波束编排和调度，且负责雷达工作模式的控制以及装置内部通信链路的维护；

该信号处理模块接收该波束调度信息，负责完成基带I/Q回波信号的数字波束形成脉冲压缩处理，恒虚警检测，目标距离、俯仰方位角、径向速度、RCS以及回波信噪比这些参数的测量，并由此生成目标点迹数据，并将该目标点迹数据发送给该数据处理模块；其中：

该波束请求信息是该数据处理模块依据基于弹道目标运动方程的不敏滤波方法对该时统信息和该波束指向信息中的目标距离、方位、俯仰滤波预报结果，以及基于差分进化的多目标变数据率跟踪方法解算出的目标跟踪数据率形成的。

作为上述方案的进一步改进，该多目标变数据率跟踪装置还包括可视化模块，该可视化模块接收该点迹数据、该航迹数据、该时统信息、该波束指向信息，并进行显示，且能进行雷达资源使用情况的综合显示。

作为上述方案的进一步改进，该基于差分进化的多目标变数据率跟踪方法为上述任意一种基于差分进化的多目标变数据率跟踪方法。

与现有技术相比，本发明的有益效果如下：

(1)和目前常用的目标跟踪数据率自适应调度算法(公式法、递推法和预测协方差门限法)相比，本发明控制参数较少，具有优化效率高、鲁棒性好等优点；

(2)本发明的差分进化采用了基于掩模运算的变异操作，具有收敛性快，全局搜索能力强的特点，且平衡了变异操作的“贪婪性”，维持了种群的多样性，对于多目标变数据率跟踪问题，可以解算出的较优的可行解。

附图说明

图1是本发明的基于差分进化的多目标变数据率跟踪装置的构架框图；

图2是本发明的基于差分进化的多目标变数据率跟踪方法的流程图；

图3是基于掩模运算的差分进化变异操作流程图。

具体实施方式

为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。

目前，进化算法在求解非连续、非可微、带噪声和多峰的问题时显的更为有效。在进化算法中，差分进化算法因其原理简单易于工程实现，控制参数较少，具有优化效率高、鲁棒性好等优点而受到广泛关注和使用。基于此，本发明提出一种基于差分进化的多目标变数据率跟踪装置及方法。本发明能够克服现有多目标变数据率跟踪技术的缺陷，提高雷达资源利用率。

请参阅图1，本发的基于差分进化的多目标变数据率跟踪装置包括数据处理模块、雷达资源调度模块、信号处理模块、可视化模块。

数据处理模块，可接收来自信号处理模块的点迹数据，以及来自雷达资源调度模块的时统信息、波束指向信息，负责完成点迹预处理、点航迹关联、航迹起始、航迹滤波与外推等功能，并将波束请求信息发送给雷达资源调度模块，将点迹数据和航迹数据发送给可视化模块。数据处理模块依据基于弹道目标运动方程的不敏滤波(UKF)方法对目标距离、方位、俯仰滤波预报结果，以及基于差分进化的多目标变数据率跟踪方法解算出的目标跟踪数据率，形成波束请求信息。

雷达资源调度模块，可接收来自数据处理的波束请求信息，负责波束编排和调度，并将波束调度信息发送给信号处理模块，且负责雷达工作模式的控制以及装置内部通信链路的维护。

信号处理模块，可接收来自雷达资源调度模块的波束调度信息，负责完成基带I/Q回波信号的数字波束形成(DBF)脉冲压缩处理、恒虚警(CFAR)检测和目标距离、俯仰方位角、径向速度、RCS以及回波信噪比等参数的测量，生成目标点迹数据，并将点迹数据发送给数据处理模块。

可视化模块，可接收来自数据处理模块的点迹数据和航迹数据以及来自雷达资源调度模块的时统信息、波束指向信息，并进行显示，且能进行雷达资源使用情况的综合显示。

请结合图2，上述多目标变数据率跟踪装置的多目标变数据率跟踪方法包括以下步骤：步骤一、基于不敏滤波方法确定目标跟踪数据时间间隔上限；步骤二、依据该目标跟踪数据时间间隔上限设置目标跟踪时间间隔集合；步骤三、初始化种群，设置交叉概率因子以及迭代的代数，该种群依据当前目标跟踪个数和该目标跟踪时间间隔集合设置；步骤四、依据掩模运算方法对该种群中每一个个体进行变异操作获得变异个体；步骤五、对该个体以及该变异个体进行交叉操作产生后代交叉个体；步骤六、采用一对一的贪婪筛，将子个体与相应的父个体进行比较，较优者保存到下一代，该子个体为该后代交叉个体，该父个体为与该后代交叉个体相对应的该个体；步骤七、重复步骤四至步骤六直至迭代代数等于目标迭代代数，由该种群演变的种群为目标种群，依据该目标种群得到目标跟踪数据率，并由此生产波束请求信息。

基于差分进化的多目标变数据率跟踪方法在具体应用时，可以采用如下的具体实施方式。

(1)数据处理模块采用基于弹道目标运动方程的不敏滤波(UKF)方法，依据公式(1)确定目标的跟踪数据时间间隔上限T_max，其中P(k/k-1)是基于弹道目标运动方程的不敏滤波(UKF)k时刻的预测误差协方差，G是雷达系统要求的测量精度。

P(k/k-1)≤G (1)

(2)数据处理模块依据目标跟踪数据时间间隔上限T_max设置目标跟踪时间间隔集合T＝{T₁,T₂,…,T_n}，其中T₁＜T₂＜T₃＜…＜T_n-1≤T_n，n为跟踪时间间隔个数。

(3)数据处理模块依据当前目标跟踪个数Trk和目标跟踪时间间隔集合T，依据种群初始化算法初始化种群P_s，其中个体的表述方式为，g代表种群代数，i表示种群P_s第i个个体，每个元素的第一维代表目标编号，第二维代表跟踪时间间隔，并设置交叉概率因子C_r以及迭代的代数G'。

(4)数据处理模块依据掩模运算对种群P_s中每一个个体进行变异操作获得变异个体

(5)数据处理模块依据公式(2)进行交叉操作产生后代交叉个体

(6)数据处理模块依据公式(3)采用一对一的贪婪筛选算子(one-to-oneselection)将子个体与相应的父个体进行比较，较优者保存到下一代，其中f函数代表个体所需要的雷达能量资源；

(7)重复步骤4至步骤6，直至迭代代数等于G'。

在步骤(1)中，

所述的基于弹道目标运动方程的不敏滤波(UKF)方法，其特征在于，

假定目标的状态向量为弹道导弹的运动模型为

其中为地球大气密度函数，其中ρ₀＝1.22kg/m³，k＝0.14141×10^-3m^-1，h为目标的海拔高度；β为弹道系数；μ_G＝3.986005×10¹⁴m³/s²为地球万有引力常量；ω＝7.292116×10^-5rad/s为地球自转速度。

雷达测量模型h为

假定雷达量测数据的噪声δ为不相关的零均值高斯白噪声，其中距离噪声的方差为σ_r，方位角噪声的方差为σ_α，仰角噪声的方差为σ_β。

目标的状态向量为β为弹道系数，则状态向量维数L＝7。不敏滤波的处理过程为：首先利用不敏变换生成采样点，采用常用的标准对称采样方法。在目标的运动模型(见式4)和雷达量测模型(见式5)是非线性函数，且目标在k-1时刻的估计均值为和P_k-1/k-1时，选择2L+1＝15个采样点按式6计算：

其中λ＝α²(L+κ)为比例参数，作为控制采样点到均值的距离；一般取α＝0.5；κ＝3-L；γ＝2；式中为(L+λ)P_k-1/k-1均方根矩阵的第i行。

对时刻k状态的一部提前预测，计算目标状态预测：

χ_k/k-1＝f(χ_k/k-1,k-1) (8)

计算目标预测协方差矩阵：

计算时刻k量测的预测：

ζ_k/k-1＝h(χ_k/k-1,k) (11)

计算新息：

计算增益矩阵：

计算目标状态更新：

计算目标状态误差协方差的更新：

在步骤(3)中所述的种群初始化算法，从目标跟踪时间间隔集合T＝{T₁,T₂,…,T_n}中，为每个个体的第二维元素随机选取一个跟踪时间间隔T，其中1≤i≤P_s。

在步骤(4)中所述的掩模运算包括以下步骤：

(1)依据当前目标跟踪个数Trk，从目标跟踪时间间隔集合T中随机抽取Trk个目标跟踪时间间隔构成集合T'，然后将T'随机划分成两个集合S₁、S₂，其中S₁∩S₂＝φ，S₁∪S₂＝T'；

(2)依据个体所需雷达能量资源的f函数为约束，从当代个体中选出消耗雷达能量资源最少的个体X_best；

(3)如果X_best元素的第二维元素(跟踪时间间隔)T属于集合S₁，则将T添加到集合V₁、V₂；否则，执行步骤(4)；

(4)如果元素的第二维元素(跟踪时间间隔)T属于集合S₂，则将T添加到集合V₁、V₂；否则，执行步骤(5)；

(5)重复步骤(3)和步骤(4)操作，直至遍历X_best、的所有元素；

(6)依据表体所需雷达能量资源的f函数为约束，从V₁、V₂中选择消耗雷达能量资源最少的集合作为变异操作产生的个体

综上所述，本发明的基于差分进化的多目标变数据率跟踪装置及其跟踪方法。基于差分进化算法的多目标变数据率跟踪装置包括数据处理模块、雷达资源调度模块、信号处理模块、可视化模块。数据处理模块接收所述点迹数据，以及来自所述波束调度模块的时统信息、波束指向信息，处理并生成波束请求信息、航迹数据；雷达资源调度模块接收所述波束请求信息，负责波束编排和调度、雷达工作模式的控制以及装置内部通信链路的维护，并将波束调度信息发送给信号处理模块。信号处理模块接收来自所述雷达资源调度模块的波束调度信息，处理并生成目标点迹数据。可视化模块接收并显示所述点迹数据、所述航迹数据、所述时统信息、所述波束指向信息，且能进行雷达资源使用情况的综合显示。

以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。

Claims (10)

1.一种基于差分进化的多目标变数据率跟踪方法，其特征在于：其包括：

步骤一、基于不敏滤波方法确定目标跟踪数据时间间隔上限；

步骤二、依据该目标跟踪数据时间间隔上限设置目标跟踪时间间隔集合；

步骤三、初始化种群，设置交叉概率因子以及迭代的代数，该种群依据当前目标跟踪个数和该目标跟踪时间间隔集合设置；

步骤四、依据掩模运算方法对该种群中每一个个体进行变异操作获得变异个体；

步骤五、对该个体以及该变异个体进行交叉操作产生后代交叉个体；

步骤六、采用一对一的贪婪筛，将子个体与相应的父个体进行比较，较优者保存到下一代，该子个体为该后代交叉个体，该父个体为与该后代交叉个体相对应的该个体；

步骤七、重复步骤四至步骤六直至迭代代数等于目标迭代代数，由该种群演变的种群为目标种群，依据该目标种群得到目标跟踪数据率，并由此生产波束请求信息。

2.如权利要求1所述的基于差分进化的多目标变数据率跟踪方法，其特征在于：步骤一、采用基于弹道目标运动方程的不敏滤波方法，依据公式(1)确定目标的跟踪数据时间间隔上限T_max，

P(k/k-1)≤G (1)

其中，P(k/k-1)是基于弹道目标运动方程的不敏滤波k时刻的预测误差协方差，G是雷达系统要求的测量精度；

步骤二、依据该目标跟踪数据时间间隔上限T_max设置目标跟踪时间间隔集合T＝{T₁,T₂,…,T_n}，其中T₁＜T₂＜T₃＜…＜T_n-1≤T_n，n为跟踪时间间隔个数；

步骤三、依据当前目标跟踪个数Trk和目标跟踪时间间隔集合T，依据种群初始化算法初始化种群P_s，其中个体的表述方式为，g代表种群代数，i表示种群P_s第i个个体，每个元素的第一维代表目标编号，第二维代表跟踪时间间隔，并设置交叉概率因子C_r以及迭代的目标代数G'；

步骤四、依据掩模运算方法对种群P_s中每一个个体进行变异操作获得变异个体V_i ^g；

步骤五、依据公式(2)进行交叉操作产生后代交叉个体

$U_i^g=\left\{\begin{array}{c}{V}_i^g,rand\[0,1\]\≤C_r\\ X_i^g,otherwise\end{array}\right.---\left(2\right)$

步骤六、依据公式(3)采用一对一的贪婪筛选算子将子个体与相应的父个体进行比较，较优者保存到下一代，

$X_i^{g+1}=\left\{\begin{array}{c}{U}_i^g,f\left(U_i^g\right)<f\left(X_i^g\right)\\ X_i^g,otherwise\end{array}\right.---\left(3\right)$

其中，f函数代表个体所需要的雷达能量资源；

步骤七、重复步骤四至步骤六直至迭代代数等于G'。

3.如权利要求2所述的基于差分进化的多目标变数据率跟踪方法，其特征在于：步骤三中的种群初始化算法，从目标跟踪时间间隔集合T＝{T₁,T₂,…,T_n}中，为每个个体的第二维元素随机选取一个跟踪时间间隔T，其中1≤i≤P_s。

4.如权利要求2所述的基于差分进化的多目标变数据率跟踪方法，其特征在于：步骤四中的掩模运算方法包括以下步骤：

(1)依据当前目标跟踪个数Trk，从目标跟踪时间间隔集合T中随机抽取Trk个目标跟踪时间间隔构成集合T'，然后将T'随机划分成两个集合S₁、S₂，其中S₁∩S₂＝φ，S₁∪S₂＝T'；

(2)依据个体所需雷达能量资源的f函数为约束，从当代个体中选出消耗雷达能量资源最少的个体X_best；

(3)如果X_best元素的第二维元素即目标跟踪时间间隔集合T属于集合S₁，则将T添加到集合V₁、V₂；否则，执行步骤(4)；

(4)如果元素的第二维元素属于集合S₂，则将T添加到集合V₁、V₂；否则，执行步骤(5)；

(5)重复步骤(3)和步骤(4)操作，直至遍历X_best、的所有元素；

(6)依据表体所需雷达能量资源的f函数为约束，从V₁、V₂中选择消耗雷达能量资源最少的集合作为变异操作产生的个体V_i ^g。

5.如权利要求2所述的基于差分进化的多目标变数据率跟踪方法，其特征在于：步骤一中不敏滤波方法为：

假定目标的状态向量为弹道导弹的运动模型为

$\left[\begin{array}{c}\stackrel{\&CenterDot;}{x}\\ \stackrel{\&CenterDot;}{y}\\ \stackrel{\&CenterDot;}{z}\\ \stackrel{\&CenterDot;\&CenterDot;}{x}\\ \stackrel{\&CenterDot;\&CenterDot;}{y}\\ \stackrel{\&CenterDot;\&CenterDot;}{z}\end{array}\right]=\left[\begin{array}{c}\stackrel{\&CenterDot;}{x}\\ \stackrel{\&CenterDot;}{y}\\ \stackrel{\&CenterDot;}{z}\\ -\frac{\mathrm{\&rho;}\left(h\right)}{2\mathrm{\&beta;}}vx-\frac{\mathrm{\&mu;}G}{{\left(r\right)}^3}x+\left(2{\mathrm{\&omega;v}}_y+{\mathrm{\&omega;}}^{2}x\right)\\ -\frac{\mathrm{\&rho;}\left(h\right)}{2\mathrm{\&beta;}}vy-\frac{\mathrm{\&mu;}G}{{\left(r\right)}^3}y+\left(-2{\mathrm{\&omega;v}}_x+{\mathrm{\&omega;}}^{2}y\right)\\ -\frac{\mathrm{\&rho;}\left(h\right)}{2\mathrm{\&beta;}}{\mathrm{vv}}_z-\frac{\mathrm{\&mu;}G}{{\left(r\right)}^3}z\end{array}\right]---\left(4\right)$

其中ρ(h)＝ρ₀e^-kh为地球大气密度函数，其中ρ₀＝1.22kg/m³，k＝0.14141×10^-3m^-1，h为目标的海拔高度；β为弹道系数；μ_G＝3.986005×10¹⁴m³/s²为地球万有引力常量；ω＝7.292116×10^-5rad/s为地球自转速度；

雷达测量模型h为

$h\left(X\right)=\left[\begin{array}{c}\sqrt{x^2+y^2+z^2}\\ \arctan (x/y)\\ \arctan (z/\sqrt{x^2+y^2})\end{array}\right]---\left(5\right)$

假定雷达量测数据的噪声δ为不相关的零均值高斯白噪声，其中距离噪声的方差为σ_r，方位角噪声的方差为σ_α，仰角噪声的方差为σ_β；

目标的状态向量为β为弹道系数，则状态向量维数L＝7；不敏滤波的处理过程为：首先利用不敏变换生成采样点，采用标准对称采样方法；在弹道导弹的运动模型和雷达量测模型是非线性函数，且目标在k-1时刻的估计均值为和P_k-1/k-1时，选择2L+1＝15个采样点按式公式(6)计算：

$\left\{\begin{array}{c}{\mathrm{\&chi;}}_0={\hat{X}}_{k-1/k-1},W_0^{\left(m\right)}=\frac{\mathrm{\&lambda;}}{2(L+\mathrm{\&lambda;})},W_0^{\left(c\right)}=\frac{\mathrm{\&lambda;}}{2(L+\mathrm{\&lambda;})}+1-{\mathrm{\&alpha;}}^2+\mathrm{\&gamma;};\\ {\mathrm{\&chi;}}_i={\hat{X}}_{k-1/k-1}+{\left(\sqrt{(L+\mathrm{\&lambda;})P_{k-1/k-1}}\right)}_i,W_i^{\left(m\right)}=W_i^{\left(c\right)}=\frac{1}{2(L+\mathrm{\&lambda;})},i=1,...,L;\\ {\mathrm{\&chi;}}_{i+L}={\hat{X}}_{k-1/k-1}-{\left(\sqrt{(L+\mathrm{\&lambda;})P_{k-1/k-1}}\right)}_i,W_{i+L}^{\left(m\right)}=W_{i+L}^{\left(c\right)}=\frac{1}{2(L+\mathrm{\&lambda;})},i=1,...,L;\end{array}\right.---\left(6\right)$

其中λ＝α²(L+κ)为比例参数，作为控制采样点到均值的距离；取α＝0.5；κ＝3-L；γ＝2；式中为(L+λ)P_k-1/k-1均方根矩阵的第i行；

对时刻k状态的一部提前预测，计算目标状态预测：

${\hat{X}}_{k/k-1}=\underset{i=0}{\overset{2n}{\&Sigma;}}{W}_i^{\left(m\right)}{\mathrm{\&chi;}}_{i,k/k-1}---\left(7\right)$

χ_k/k-1＝f(χ_k/k-1,k-1) (8)

计算目标预测协方差矩阵：

$P_{k|k-1}=\underset{i=0}{\overset{2n}{\mathrm{\&Sigma;}}}(W_i^{\left(c\right)}\&lsqb;{\mathrm{\&chi;}}_{i,k/k-1}-{\hat{X}}_{k/k-1}\&rsqb;{\&lsqb;{\mathrm{\&chi;}}_{i,k/k-1}-{\hat{X}}_{k/k-1}\&rsqb;}^T)+Q_{k-1}---\left(9\right)$

计算时刻k量测的预测：

${\hat{Z}}_{k/k-1}=\underset{i=0}{\overset{2n}{\&Sigma;}}{W}_i{\mathrm{\&zeta;}}_{i,k/k-1}---\left(10\right)$

ζ_k/k-1＝h(χ_k/k-1,k) (11)

$P_{{\tilde{z}}_k}=\underset{i=0}{\overset{2n}{\mathrm{\&Sigma;}}}{W}_i^{\left(m\right)}({\mathrm{\&zeta;}}_{k/k-1}^i-{\hat{Z}}_{k|k-1}){({\mathrm{\&zeta;}}_{k/k-1}^i-{\hat{Z}}_{k|k-1})}^T+R_k---\left(12\right)$

$P_{{\tilde{x}}_k{\tilde{z}}_k}=\underset{i=0}{\overset{2n}{\&Sigma;}}{W}_i^{\left(m\right)}({\mathrm{\&zeta;}}_{k/k-1}^i-{\hat{x}}_{k|k-1}){({\mathrm{\&zeta;}}_{k/k-1}^i-{\hat{x}}_{k|k-1})}^T---\left(13\right)$

计算新息：

$v_k=Z_k-{\hat{Z}}_{k/k-1}---\left(14\right)$

计算增益矩阵：

$K_k=P_{{\tilde{x}}_k{\tilde{z}}_k}{P}_{{\tilde{z}}_k}^{-1}---\left(15\right)$

计算目标状态更新：

${\hat{X}}_{k|k}={\hat{X}}_{k|k-1}+K_k{v}_k---\left(16\right)$

计算目标状态误差协方差的更新：

${\hat{P}}_{k|k}={\hat{P}}_{k|k-1}-K_k{P}_{{\tilde{z}}_k}{K}_k^T---\left(17\right).$

6.一种基于差分进化的多目标变数据率跟踪装置，其包括数据处理模块、雷达资源调度模块、信号处理模块、可视化模块；其中，

该数据处理模块接收来自该信号处理模块的原始点迹数据，负责完成点迹预处理、点航迹关联、航迹起始、航迹滤波与外推，并由此形成具有该点迹预处理和该点航迹关联的点迹数据、具有该航迹起始和该航迹滤波与外推的航迹数据；还接收来自该雷达资源调度模块的时统信息和波束指向信息，并由此生成波束请求信息；

该雷达资源调度模块接收该波束请求信息，并由此生成波束调度信息以负责波束编排和调度，且负责雷达工作模式的控制以及装置内部通信链路的维护；

该信号处理模块接收该波束调度信息，负责完成基带I/Q回波信号的数字波束形成脉冲压缩处理，恒虚警检测，目标距离、俯仰方位角、径向速度、RCS以及回波信噪比这些参数的测量，并由此生成目标点迹数据，并将该目标点迹数据发送给该数据处理模块；

其特征在于：

该波束请求信息是该数据处理模块依据基于弹道目标运动方程的不敏滤波方法对该时统信息和该波束指向信息中的目标距离、方位、俯仰滤波预报结果，以及基于差分进化的多目标变数据率跟踪方法解算出的目标跟踪数据率形成的。

7.如权利要求6所述的基于差分进化的多目标变数据率跟踪装置，其特征在于：该多目标变数据率跟踪装置还包括可视化模块，该可视化模块接收该点迹数据、该航迹数据、该时统信息、该波束指向信息，并进行显示，且能进行雷达资源使用情况的综合显示。

8.如权利要求6所述的基于差分进化的多目标变数据率跟踪装置，其特征在于：该基于差分进化的多目标变数据率跟踪方法包括以下步骤：

步骤一、基于不敏滤波方法确定目标跟踪数据时间间隔上限；

步骤二、依据该目标跟踪数据时间间隔上限设置目标跟踪时间间隔集合；

步骤三、初始化种群，设置交叉概率因子以及迭代的代数，该种群依据当前目标跟踪个数和该目标跟踪时间间隔集合设置；

步骤四、依据掩模运算方法对该种群中每一个个体进行变异操作获得变异个体；

步骤五、对该个体以及该变异个体进行交叉操作产生后代交叉个体；

步骤六、采用一对一的贪婪筛，将子个体与相应的父个体进行比较，较优者保存到下一代，该子个体为该后代交叉个体，该父个体为与该后代交叉个体相对应的该个体；

步骤七、重复步骤四至步骤六直至迭代代数等于目标迭代代数，由该种群演变的种群为目标种群，依据该目标种群得到目标跟踪数据率，并由此生产波束请求信息。

9.如权利要求8所述的基于差分进化的多目标变数据率跟踪装置，其特征在于：步骤一、采用基于弹道目标运动方程的不敏滤波方法，依据公式(1)确定目标的跟踪数据时间间隔上限T_max，

P(k/k-1)≤G (1)

其中，P(k/k-1)是基于弹道目标运动方程的不敏滤波k时刻的预测误差协方差，G是雷达系统要求的测量精度；

步骤二、依据该目标跟踪数据时间间隔上限T_max设置目标跟踪时间间隔集合T＝{T₁,T₂,…,T_n}，其中T₁＜T₂＜T₃＜…＜T_n-1≤T_n，n为跟踪时间间隔个数；

步骤三、依据当前目标跟踪个数Trk和目标跟踪时间间隔集合T，依据种群初始化算法初始化种群P_s，其中个体的表述方式为，g代表种群代数，i表示种群P_s第i个个体，每个元素的第一维代表目标编号，第二维代表跟踪时间间隔，并设置交叉概率因子C_r以及迭代的目标代数G'；

步骤四、依据掩模运算方法对种群P_s中每一个个体进行变异操作获得变异个体V_i ^g；

步骤五、依据公式(2)进行交叉操作产生后代交叉个体

$U_i^g=\left\{\begin{array}{c}{V}_i^g,rand\&lsqb;0,1\&rsqb;\&le;C_r\\ X_i^g,otherwise\end{array}\right.---\left(2\right)$

步骤六、依据公式(3)采用一对一的贪婪筛选算子将子个体与相应的父个体进行比较，较优者保存到下一代，

$X_i^{g+1}=\left\{\begin{array}{c}{U}_i^g,f\left(U_i^g\right)<f\left(X_i^g\right)\\ X_i^g,otherwise\end{array}\right.---\left(3\right)$

其中，f函数代表个体所需要的雷达能量资源；

步骤七、重复步骤四至步骤六直至迭代代数等于G'。

10.如权利要求6所述的基于差分进化的多目标变数据率跟踪装置，其特征在于：该基于差分进化的多目标变数据率跟踪方法为权利要求3至5中任意一项所述的基于差分进化的多目标变数据率跟踪方法。