CN112068089B - 一种基于粒子滤波的序列检索方法 - Google Patents

一种基于粒子滤波的序列检索方法 Download PDF

Info

Publication number
CN112068089B
CN112068089B CN202010811952.7A CN202010811952A CN112068089B CN 112068089 B CN112068089 B CN 112068089B CN 202010811952 A CN202010811952 A CN 202010811952A CN 112068089 B CN112068089 B CN 112068089B
Authority
CN
China
Prior art keywords
pulse
particle
sequence
state
filtering
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.)
Active
Application number
CN202010811952.7A
Other languages
English (en)
Other versions
CN112068089A (zh
Inventor
张友兵
沈于捷
应涛
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Naval University of Engineering PLA
Original Assignee
Naval University of Engineering PLA
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Naval University of Engineering PLA filed Critical Naval University of Engineering PLA
Priority to CN202010811952.7A priority Critical patent/CN112068089B/zh
Publication of CN112068089A publication Critical patent/CN112068089A/zh
Application granted granted Critical
Publication of CN112068089B publication Critical patent/CN112068089B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • 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
    • G01S7/38—Jamming means, e.g. producing false echoes
    • 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
    • G01S7/418—Theoretical aspects
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
    • Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
    • Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Radar Systems Or Details Thereof (AREA)

Abstract

本发明提供一种基于粒子滤波的序列检索方法，包括：步骤一、序列检索算法根据PRI计算合适的搜索窗口的位置，如果窗口中只有一个脉冲，则截获该脉冲，否则进行步骤二；步骤二、构建系统的状态方程和观测方程；步骤三、对步骤一的序列检索过程中已经截获到的脉冲进行粒子滤波，滤波过程中根据状态方程推演粒子状态，根据观测方程计算粒子观测值，根据滤波后得到的脉冲序列以及通过序列差直方图估算出的脉冲重复间隔预测搜索窗口中脉冲的理想到达时间，选择到达时间和理想脉冲最为接近的脉冲作为本次搜索的截获脉冲；步骤四、将截获脉冲扣除并继续展开检索。本发明可有效降低序列检索的错分选率，运行结果准确率高，适合应用于电子情报支援分析。

Description

一种基于粒子滤波的序列检索方法
技术领域
本发明涉及雷达对抗辐射源分选技术领域，具体是一种基于粒子滤波的序列检索方法。
背景技术
20世纪以来，雷达的发展日新月异。无源雷达、低截获概率雷达、超视距雷达、相控阵雷达等新体制的雷达不断投入使用。战场上的电磁环境日趋复杂，信号时域重叠，频域重叠的情况时有发生，雷达辐射源分选工作面临着极大的挑战。传统的分选算法多半是基于时域参数进行去交错，在面对现代战场信号时域重叠严重的情况时并不能取得很好的效果。电子对抗力量进行雷达辐射源分选时，如果使用序列检索算法，偶尔会遇到这种情况：同一个搜索窗口中同时存在着多个脉冲。在遇到这种情况的时候，可以有2种解决方法：直接选择离基准脉冲最近的脉冲作为这一次搜索的截获脉冲或者是根据某种算法拟合已经截获的脉冲，进而预测下一个脉冲的位置，选择和理想脉冲最接近的脉冲作为截获脉冲。
现有的技术大部分是选择距离基准脉冲最近的脉冲作为本次搜索的截获脉冲。但是这样会导致一个问题：如果多次错误地选择了搜索窗口中的脉冲，那么可能会导致在序列检索的过程中，截获脉冲的到达时间序列会逐渐偏离正确的到达时间序列，最终产生错误的分选结果。
发明内容
针对现有技术存在的上述不足，本发明提供了一种基于粒子滤波的序列检索方法，通过对序列检索过程中已经截获到的脉冲进行粒子滤波处理，并结合SDIF提取的PRI信息选择合适的截获脉冲，可有效降低序列检索的错分选率，运行结果准确率高，适合应用于电子情报支援分析。
一种基于粒子滤波的序列检索方法，包括如下步骤：
步骤一、通过序列差直方图估算出脉冲重复间隔PRI，提交给基于粒子滤波的序列检索算法，序列检索算法根据PRI计算合适的搜索窗口的位置，如果窗口中只有一个脉冲，则截获该脉冲，否则进行步骤二；
步骤二、构建系统的状态方程和观测方程；
步骤三、对步骤一的序列检索过程中已经截获到的脉冲进行粒子滤波，滤波过程中根据步骤二得到的状态方程推演粒子状态，根据观测方程计算粒子观测值，根据滤波后得到的脉冲序列以及通过序列差直方图估算出的脉冲重复间隔预测搜索窗口中脉冲的理想到达时间，最终选择到达时间和理想脉冲最为接近的脉冲作为本次搜索的截获脉冲；
步骤四、将截获脉冲扣除并继续展开检索。
进一步的，所述步骤二具体包括：
步骤2.1：构建一维的系统的状态方程
对于某个辐射源，雷达接收机接收到的脉冲的连续两个状态的差值应等于该辐射源的PRI的值的N+1倍，其中N为这两个状态中间接收机丢失的脉冲数，具体的状态方程如下：
X(k)＝[X(k-1)+(N+1)·PRI]×(1+W(k))
其中：X(k)表示k时刻的状态；PRI是序列检索时使用的估计的脉冲重复间隔值；N是已截获脉冲中任意连续两个脉冲中间缺失的脉冲数；W(k)是高斯白噪声，噪声方差为10；
步骤2.2：构建系统的观测方程
将序列检索的第一个基准脉冲的到达时间作为观测站，其他脉冲与基准脉冲的到达时间差作为观测结果，具体的观测方程如下：
Z(k)＝(X(k)-X(1))×(1+V(k))(k＝1,2,3,…,n)
其中：Z(k)表示k时刻的到达时间的测量值；X(k)表示k时刻的状态；V(k)是高斯白噪声，噪声方差为10。
进一步的，所述步骤三具体包括：
步骤3.1：粒子状态初始化
设定滤波使用的粒子数m，噪声方差Q；
产生初始的粒子状态矩阵X
其中xmn为第n个截获脉冲的第m个粒子的状态值；
产生初始的粒子观测值矩阵Z
其中zmn为第n个截获脉冲的第m个粒子的观测值；
产生初始的粒子权重矩阵W
其中zmn为第n个截获脉冲的第m个粒子的权重；
产生初始的噪声矩阵N
其中n11为第一个截获脉冲中第一个粒子的噪声；rand(m，1)可产生m行1列的[0,1]的随机数；
赋予状态矩阵初值
其中x0为第一个截获脉冲的到达时间；
由Z(1)＝(X(1)-X(1))×(1+V(k))计算观测矩阵初值
由计算得出W，其中Δz＝zmn-zreal，zreal为实际测量得到的第n个脉冲和第1个脉冲之间的到达时间差；
计算权重矩阵初值
步骤3.2：赋予粒子权重
由X(k)＝[X(k-1)+(N+1)·PRI]×(1+W(k))计算得出
由Z(k)＝(X(k)-X(1))×(1+V(k))计算得出
由计算权重矩阵初值
步骤3.3：对粒子进行残差重采样
根据各个粒子的权重分配粒子数并且取整，如果分配出去的粒子数的总数小于设定的总粒子数m，则对未分配出去的粒子数进行多项式重采样，根据多项式重采样的结果重新分配第一次重要性采样多余的粒子。最后，各个粒子根据分配到的粒子数进行自我复制，分配到的粒子数为m的则复制m次。
步骤3.4：求粒子状态均值
在重采样之后，可以得到粒子的新的状态集合X，可以对X中每一个列向量求均值，得到粒子状态集的均值，并将此均值矩阵作为输出结果；
步骤3.5：截获合适脉冲
在得到粒子的状态集的均值之后，根据状态集中最后一个状态，即Xn,也就是滤波后得到的最后一个截获脉冲的到达时间值；
根据TOA＝Xn+PRI，得出理想的下一个脉冲的到达时间，根据ΔTOA＝|TOA-TOAreal|得出搜索窗口中的多个脉冲的到达时间与理想的下一个脉冲的到达时间的差值，最终选择计算出的ΔTOA较小的脉冲作为本次截获脉冲。
本发明采用粒子滤波方法对已经截获的脉冲进行滤波就可以获得准确的基准脉冲，再结合SDIF算法估计的脉冲串的PRI值推演出下一个脉冲的到达时间位置，最后选择搜索窗口中与理想脉冲到达时间差的绝对值最小的脉冲作为本次搜索的截获脉冲，从而满足了想要正确的选择搜索窗口中的脉冲的两个必须条件：一是有准确的基准脉冲；二是有准确的脉冲重复间隔(Pulse Repetition Interval，PRI)。本发明提升了分选的准确率，在军事和民用领域具有重要的应用价值，并通过仿真验证了可行性。
附图说明
为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明的一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都属于本发明保护的范围。
图1是本发明一种基于粒子滤波的序列检索方法的流程示意图；
图2是本发明对于第一组仿真数据分选结果图；
图3是本发明对于第二组仿真数据分选结果图。
具体实施方式
下面将结合本发明中的附图，对本发明中的技术方案进行清楚、完整地描述。
本发明实施例提供一种基于粒子滤波的序列检索方法，包括如下步骤：
步骤一、通过序列差直方图估算出脉冲重复间隔PRI，提交给基于粒子滤波的序列检索算法，序列检索算法根据PRI计算合适的搜索窗口的位置，如果窗口中只有一个脉冲，则截获该脉冲，否则进行步骤二。
具体的，使用SDIF算法计算得到PRI＝80us，序列检索算法根据 PRI与第一个基准脉冲进行检索，截获时间特征符合该PRI的脉冲串。在搜索第9个脉冲时，搜索容差窗口中出现了两个脉冲，进入步骤二。
步骤二、构建系统的状态方程和观测方程
构造状态方程如下：
X(k)＝[X(k-1)+(N+1)·8×10-5]×(1+W(k))
构造观测方程如下：
Z(k)＝(X(k)-X(1))×(1+V(k))
W(k)、V(k)是高斯白噪声，噪声方差为10。
步骤三、对步骤一的序列检索过程中已经截获到的脉冲进行粒子滤波，根据滤波后得到的脉冲序列以及通过序列差直方图估算出的脉冲重复间隔预测搜索窗口中脉冲的理想到达时间，最终选择到达时间和理想脉冲最为接近的脉冲作为本次搜索的截获脉冲。
具体的，所述步骤三具体包括：
步骤3.1：粒子状态初始化
产生初始的粒子状态矩阵X
产生初始的粒子观测值矩阵Z
产生初始的粒子权重矩阵W
产生初始的噪声矩阵N
其中n11为第一个截获脉冲中第一个粒子的噪声；rand(100，1)可产生100行1列的[0,1]的随机数。
赋予状态矩阵初值
由Z(1)＝(X(1)-X(1))×(1+V(k))
计算观测矩阵初值
由计算得出W，其中Δz＝zmn-zreal，zreal为实际测量得到的第n个脉冲和第1个脉冲之间的到达时间差。
计算权重矩阵初值
步骤3.2：赋予粒子权重
由X(k)＝[X(k-1)+(N+1)·PRI]×(1+W(k))计算得出
由Z(k)＝(X(k)-X(1))×(1+V(k))计算得出
由计算权重矩阵初值
步骤3.3：对粒子进行残差重采样
根据各个粒子的权重分配粒子数并且取整，如果分配出去的粒子数的总数小于设定的总粒子数100，则对未分配出去的粒子数进行多项式重采样，根据多项式重采样的结果重新分配第一次重要性采样多余的粒子。最后，各个粒子根据分配到的粒子数进行自我复制，分配到的粒子数为5的则复制5次。
步骤3.4：求粒子状态均值
在重采样之后，可以得到粒子的新的状态集合X，可以对X中每一个列向量求均值，得到粒子状态集的均值，并将此均值矩阵作为输出结果。
步骤3.5：截获合适脉冲
在得到粒子的状态集的均值之后，根据状态集中最后一个状态，即Xn,也就是滤波后得到的最后一个截获脉冲的到达时间值。
根据TOA＝Xn+8×10-5，得出理想的下一个脉冲的到达时间。根据ΔTOA＝|TOA-TOAreal|得出搜索窗口中的多个脉冲的到达时间与理想的下一个脉冲的到达时间的差值，最终选择计算出的ΔTOA 较小的脉冲作为本次截获脉冲。
步骤四、将截获脉冲扣除并继续展开检索。
本例利用MATLAB对基于粒子滤波的序列检索方法进行仿真。
为了考验算法性能，本仿真以对空电子对抗侦察为背景，以机载火控雷达为重点目标，仿真出后续研究过程中所需的数据。
1、载频及样式选择方面。参考机载火控雷达工作模式及其频率分布范围和变化方式，频率选择为9700-12000MHz范围，频率变化方式包括常见的固定、脉间捷变、脉间跳变等类型。
2、脉宽选择。考虑具有脉冲压缩能力的雷达信号类型。但由于我常用ESM侦察装备通常不具备脉内特征分析能力，本仿真所用数据也没有考虑脉内特征的引用。
3、PRI选择方面。所考虑的雷达均为高重频雷达信号，符合机载火控雷达的常见特征，同时也有利于考验算法的稳健性。
在综合考虑以上三点后，设置仿真雷达辐射源参数共两组，如表1、表2。
第一组仿真数据如表1，总共五部雷达，其中两部雷达是固定载频、两部雷达是捷变频雷达，一部雷达是双体制雷达，并且各个雷达在数据上存在一定差异。观察时间设置为0.05s，R5(体制1)的脉冲出现的时间为观察时间的前半段，R5(体制2)的脉冲出现的时间为观察时间的后半段。
表1第一组辐射源参数
第二组仿真数据如表2，进一步修改仿真的辐射源数据，减少脉冲数据间的差异，主要是为了测试一下在R1，R2两部雷达各方面数据都极其接近的情况下，基于粒子滤波的序列检索算法是否还能很好地完成分选工作。
表2第二组辐射源参数
为了验证本发明方法的有效性，对两组仿真数据进行实验。通过两组不同的实验数据检验传统序列检索方法的性能和基于粒子滤波的序列检索方法的性能，进行量化的对比分析。
通过图2、图3可以比较直观的看出基于粒子滤波的序列检索方法能较好的完成两组不同数据的分选任务，不存在严重的错分选行为。
仿真结果表3验证了该方法的有效性，与传统序列检索方法相比，本发明基于粒子滤波的序列检索方法的平均辐射源分选成功率提高了20％，平均单个脉冲分选成功率提高了14％，性能指标Q提高了 27。
表3算法性能对比
其中性能指标Q的计算方法如下：
作为主分选环节的算法，最重要的是能准确无误的分选出辐射源。所以选用两组实验平均的辐射源分选成功率和单个脉冲分选成功率作为衡量两种算法性能的指标。可以设置辐射源分选成功率Pf的权重Wf为1，单个脉冲分选成功率Ps的权重Ws为0.5，性能指标为Q。
由此可得：
Q＝PfWf+PsWs
其中：
Q表示算法的性能指标，越大代表效果越好；
Pf是辐射源分选成功率；
Ps是单个脉冲分选成功率；
Wf是辐射源分选成功率的权重；
Ws是单个脉冲分选成功率的权重。
本发明采用粒子滤波方法对已经截获的脉冲进行滤波就可以获得准确的基准脉冲，再结合SDIF算法估计的脉冲串的PRI值推演出下一个脉冲的到达时间位置，最后选择搜索窗口中与理想脉冲到达时间差的绝对值最小的脉冲作为本次搜索的截获脉冲，从而满足了想要正确的选择搜索窗口中的脉冲的两个必须条件：一是有准确的基准脉冲；二是有准确的脉冲重复间隔(Pulse Repetition Interval，PRI)。本发明提升了分选的准确率，在军事和民用领域具有重要的应用价值，并通过仿真验证了可行性。
本领域内的技术人员应明白，本申请的实施例可提供为方法、系统、或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
最后应当说明的是：以上实施例仅用以说明本发明的技术方案而非对其限制，尽管参照上述实施例对本发明进行了详细的说明，所属领域的普通技术人员应当理解：依然可以对本发明的具体实施方式进行修改或者等同替换，而未脱离本发明精神和范围的任何修改或者等同替换，其均应涵盖在本发明的权利要求保护范围之内。

Claims (2)

1.一种基于粒子滤波的序列检索方法，用于雷达辐射源分选，其特征在于：包括如下步骤：
步骤一、通过序列差直方图估算出脉冲重复间隔PRI，提交给基于粒子滤波的序列检索算法，序列检索算法根据PRI计算合适的搜索窗口的位置，如果窗口中只有一个脉冲，则截获该脉冲，否则进行步骤二；
步骤二、构建系统的状态方程和观测方程；
步骤三、对步骤一的序列检索过程中已经截获到的脉冲进行粒子滤波，滤波过程中根据步骤二得到的状态方程推演粒子状态，根据观测方程计算粒子观测值，根据滤波后得到的脉冲序列以及通过序列差直方图估算出的脉冲重复间隔预测搜索窗口中脉冲的理想到达时间，最终选择到达时间和理想脉冲最为接近的脉冲作为本次搜索的截获脉冲；
步骤四、将截获脉冲扣除并继续展开检索；
所述步骤二具体包括：
步骤2.1：构建一维的系统的状态方程
对于某个辐射源，雷达接收机接收到的脉冲的连续两个状态的差值应等于该辐射源的PRI的值的N+1倍，其中N为这两个状态中间接收机丢失的脉冲数，具体的状态方程如下：
X(k)＝[X(k-1)+(N+1)·PRI]×(1+W(k))
其中：X(k)表示k时刻的状态；PRI是序列检索时使用的估计的脉冲重复间隔值；N是已截获脉冲中任意连续两个脉冲中间缺失的脉冲数；W(k)是高斯白噪声，噪声方差为10；
步骤2.2：构建系统的观测方程
将序列检索的第一个基准脉冲的到达时间作为观测站，其他脉冲与基准脉冲的到达时间差作为观测结果，具体的观测方程如下：
Z(k)＝(X(k)*X(1))×(1+V(k))k＝1，2，3，…，n
其中：Z(k)表示k时刻的到达时间的测量值；X(k)表示k时刻的状态；V(k)是高斯白噪声，噪声方差为10。
2.如权利要求1所述的基于粒子滤波的序列检索方法，其特征在于：所述步骤三具体包括：
步骤3.1：粒子状态初始化
设定滤波使用的粒子数m，噪声方差Q；
产生初始的粒子状态矩阵X
其中xmn为第n个截获脉冲的第m个粒子的状态值；
产生初始的粒子观测值矩阵Z
其中zmn为第n个截获脉冲的第m个粒子的观测值；
产生初始的粒子权重矩阵W
其中wmn为第n个截获脉冲的第m个粒子的权重；
产生初始的噪声矩阵N
其中n11为第一个截获脉冲中第一个粒子的噪声；rand(m，1)可产生m行1列的[0,1]的随机数；
赋予状态矩阵初值
其中x0为第一个截获脉冲的到达时间；
由Z(1)＝(X(1)-X(1))×(1+V(k))计算观测矩阵初值
由计算得出W，其中Δz＝zmn-zreal，zreal为实际测量得到的第n个脉冲和第1个脉冲之间的到达时间差；
计算权重矩阵初值
步骤3.2：赋予粒子权重
由X(k)＝[X(k-1)+(N+1)·PRI]×(1+W(k))计算得出
由Z(k)＝(X(k)-X(1))×(1+V(k))计算得出
由计算权重矩阵初值
步骤3.3：对粒子进行残差重采样
根据各个粒子的权重分配粒子数并且取整，如果分配出去的粒子数的总数小于设定的总粒子数m，则对未分配出去的粒子数进行多项式重采样，根据多项式重采样的结果重新分配第一次重要性采样多余的粒子；最后，各个粒子根据分配到的粒子数进行自我复制，分配到的粒子数为m的则复制m次；
步骤3.4：求粒子状态均值
在重采样之后，可以得到粒子的新的状态集合X，可以对X中每一个列向量求均值，得到粒子状态集的均值，并将此均值矩阵作为输出结果；
步骤3.5：截获合适脉冲
在得到粒子的状态集的均值之后，根据状态集中最后一个状态，即Xn,也就是滤波后得到的最后一个截获脉冲的到达时间值；
根据TOA＝Xn+PRI，得出理想的下一个脉冲的到达时间，根据ΔTOA＝|TOA-TOAreal|得出搜索窗口中的多个脉冲的到达时间与理想的下一个脉冲的到达时间的差值，最终选择计算出的ΔTOA较小的脉冲作为本次截获脉冲。
CN202010811952.7A 2020-08-13 2020-08-13 一种基于粒子滤波的序列检索方法 Active CN112068089B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010811952.7A CN112068089B (zh) 2020-08-13 2020-08-13 一种基于粒子滤波的序列检索方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010811952.7A CN112068089B (zh) 2020-08-13 2020-08-13 一种基于粒子滤波的序列检索方法

Publications (2)

Publication Number Publication Date
CN112068089A CN112068089A (zh) 2020-12-11
CN112068089B true CN112068089B (zh) 2023-07-21

Family

ID=73661518

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010811952.7A Active CN112068089B (zh) 2020-08-13 2020-08-13 一种基于粒子滤波的序列检索方法

Country Status (1)

Country Link
CN (1) CN112068089B (zh)

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP2251819A1 (en) * 2009-05-14 2010-11-17 BAE Systems PLC Object classification with particle filters
CN106842149A (zh) * 2017-03-31 2017-06-13 中国科学院电子学研究所 运用聚类思想改进的序列差值直方图分选方法
JP2018063142A (ja) * 2016-10-12 2018-04-19 三菱重工業株式会社 運動パラメータ推定装置、運動パラメータ推定方法及びプログラム
JP2018185249A (ja) * 2017-04-27 2018-11-22 株式会社デンソーテン レーダ装置および物標検出方法
CN109507647A (zh) * 2018-11-30 2019-03-22 南京长峰航天电子科技有限公司 基于pri直方图的雷达信号分选方法
CN109683143A (zh) * 2019-03-07 2019-04-26 西安电子科技大学 雷达信号分选方法、装置、计算机设备及可存储介质
CN110764063A (zh) * 2019-10-15 2020-02-07 哈尔滨工程大学 一种基于sdif与pri变换法结合的雷达信号分选方法
CN110865343A (zh) * 2019-11-13 2020-03-06 中国人民解放军海军航空大学 基于lmb的粒子滤波检测前跟踪方法及系统

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP2251819A1 (en) * 2009-05-14 2010-11-17 BAE Systems PLC Object classification with particle filters
JP2018063142A (ja) * 2016-10-12 2018-04-19 三菱重工業株式会社 運動パラメータ推定装置、運動パラメータ推定方法及びプログラム
CN106842149A (zh) * 2017-03-31 2017-06-13 中国科学院电子学研究所 运用聚类思想改进的序列差值直方图分选方法
JP2018185249A (ja) * 2017-04-27 2018-11-22 株式会社デンソーテン レーダ装置および物標検出方法
CN109507647A (zh) * 2018-11-30 2019-03-22 南京长峰航天电子科技有限公司 基于pri直方图的雷达信号分选方法
CN109683143A (zh) * 2019-03-07 2019-04-26 西安电子科技大学 雷达信号分选方法、装置、计算机设备及可存储介质
CN110764063A (zh) * 2019-10-15 2020-02-07 哈尔滨工程大学 一种基于sdif与pri变换法结合的雷达信号分选方法
CN110865343A (zh) * 2019-11-13 2020-03-06 中国人民解放军海军航空大学 基于lmb的粒子滤波检测前跟踪方法及系统

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
Analysis on Rank of Channel Matrix for Monostatic MIMO Radar System;Yong Wu等;Proceedings of 2006 CIE International Conference on Radar;全文 *
一种抗SDIF分选的脉冲重复间隔参差设计方法;张保群;;兵器装备工程学报(第09期);全文 *
新体制雷达信号PRI样本子图周期搜索提取方法;孟祥豪;罗景青;马贤同;;信号处理(第04期);全文 *

Also Published As

Publication number Publication date
CN112068089A (zh) 2020-12-11

Similar Documents

Publication Publication Date Title
EP0988561B1 (en) Target type estimation in target tracking
CN112986928B (zh) 一种复杂电磁环境下信号分选多源融合处理方法
CN109409695B (zh) 基于关联分析的体系效能评估指标体系构建方法及系统
CN104021519B (zh) 基于gpu架构的密集杂波条件下机动多目标跟踪方法
CN111079859B (zh) 一种无源多站多目标测向交叉定位与虚假点去除方法
CN110598738B (zh) 一种基于空间信息的分布式聚类方法
CN107968987B (zh) 基于定积分结合环境参数的rssi加权质心定位方法
CN112597820A (zh) 一种基于雷达信号分选的目标聚类方法
CN112949383A (zh) 一种基于HyDeep-Att网络的波形捷变雷达辐射源识别方法
CN113189561A (zh) 一种海杂波参数估计方法、系统、设备及存储介质
CN112068089B (zh) 一种基于粒子滤波的序列检索方法
Gelen et al. A new method for Kalman filter tuning
CN109444899B (zh) 一种基于纯角度信息的航迹关联方法
CN106709078A (zh) 连续波强激光武器动态毁伤概率确定方法
Zembowicz et al. Automated discovery of empirical equations from data
CN111624575B (zh) 一种未知雷达目标脉冲序列的快速提取方法及系统
CN111257839B (zh) 一种雷达信号分选方法
CN113075620A (zh) 一种基于多站时差网格聚类的信号分选方法
Kurien et al. Multiobject tracking using passive sensors
CN111965594B (zh) 一种基于特征值搜索的轻量级直接跟踪方法
RU2648257C1 (ru) Система обработки радиолокационной информации
CN114839601B (zh) 基于频繁项分析的雷达信号高维时序特征提取方法及装置
Levedahl et al. Optimal non-assignment costs for the gnp problem
CN115184858A (zh) 一种基于交叠直方格的脉冲配对方法
CN117807356B (zh) 基于改进麻雀算法优化粒子滤波的双矢量水听器定位方法

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant