CN115436902A - 基于三通道联合检测的角误差估计方法和装置 - Google Patents

基于三通道联合检测的角误差估计方法和装置 Download PDF

Info

Publication number
CN115436902A
CN115436902A CN202211123104.2A CN202211123104A CN115436902A CN 115436902 A CN115436902 A CN 115436902A CN 202211123104 A CN202211123104 A CN 202211123104A CN 115436902 A CN115436902 A CN 115436902A
Authority
CN
China
Prior art keywords
target
model
particle
predicted
representing
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.)
Granted
Application number
CN202211123104.2A
Other languages
English (en)
Other versions
CN115436902B (zh
Inventor
宋志勇
范红旗
张永强
蔡飞
兰初军
刘宇
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.)
National University of Defense Technology
Original Assignee
National University of Defense Technology
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 National University of Defense Technology filed Critical National University of Defense Technology
Priority to CN202211123104.2A priority Critical patent/CN115436902B/zh
Publication of CN115436902A publication Critical patent/CN115436902A/zh
Application granted granted Critical
Publication of CN115436902B publication Critical patent/CN115436902B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

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
    • G01S7/41—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

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)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本申请涉及一种基于三通道联合检测的角误差估计方法和装置。所述方法包括：初始化粒子状态得到均匀分布的初始粒子系统；根据当前时刻的目标状态构建目标运动模型和目标辛格模型，根据目标运动模型和目标辛格模型预测得到下一时刻的预测目标状态；根据和通道数据、方位差数据和俯仰差数据构建和通道信号观测模型与差通道信号观测模型，并根据两种观测模型计算得到粒子似然比为预测目标状态对应的预测粒子赋予权重；根据权重对预测粒子进行重采样，得到重采样粒子系统，根据重采样粒子系统中的粒子状态计算得到目标角误差估计。采用本方法能够充分利用观测数据中的有效信息，提高角误差估计性能，满足低信噪比条件下的角误差估计精度要求。

Description

基于三通道联合检测的角误差估计方法和装置
技术领域
本申请涉及雷达检测技术领域，特别是涉及一种基于三通道联合检测的角误差估计方法和装置。
背景技术
随着雷达技术不断的发展，提高和改进雷达检测方法仍是反隐身、弱小目标探测的重要措施，其中空中战斗飞机、巡航导弹、地面装甲车等目标的到达角(Direction ofarrival，DOA)是雷达导引头检测重要参数之一,为了提高DOA参数估计也出现了多种方法。
在传统的单脉冲系统中，目标检测、DOA估计与跟踪操作是分开进行的，采用先检测后跟踪(滤波)方法，主要原理为：首先基于一定的门限准则进行目标判决，再根据判决结果决定跟踪操作，最后进行目标参数估计。由于传统方法是基于门限判决后的检测，对于弱小目标，在信噪比极低的情况下，检测过程所带来的信息损失导致性能较差，角误差估计轻度较低。
发明内容
基于此，有必要针对上述技术问题，提供一种能够适用于复杂背景下的弱小目标角误差估计方法，提高低信噪比情况下的角误差估计性能的基于三通道联合检测的角误差估计方法、装置、计算机设备和存储介质。
一种基于三通道联合检测的角误差估计方法，所述方法包括：
初始化粒子状态，从状态空间抽取均匀分布的多个粒子状态得到初始粒子系统；其中，初始粒子系统包括初始目标状态和初始权重；
根据当前时刻的目标状态构建目标运动模型和目标辛格模型，根据目标运动模型和目标辛格模型进行预测，得到下一时刻的预测目标状态；
根据和通道数据构建和通道信号观测模型，根据方位差数据和俯仰差数据构建差通道信号观测模型，根据和通道信号观测模型与差通道信号观测模型计算粒子似然比，根据粒子似然比为预测目标状态对应的预测粒子赋予权重；
根据权重对预测粒子进行重采样，得到重采样粒子系统，根据重采样粒子系统中的粒子状态进行计算，得到目标角误差估计。
在其中一个实施例中，初始化粒子状态，从状态空间抽取均匀分布的多个粒子状态得到初始粒子系统，包括：
初始化粒子状态，从状态空间抽取均匀分布的多个粒子状态得到初始粒子系统{xi,ωi}，其中，
Figure BDA0003847977650000021
表示初始目标状态，ωi＝P0|0/v表示初始权重，
Figure BDA0003847977650000022
表示第i个粒子的目标相位，fi表示第i个粒子的目标多普勒频率，
Figure BDA0003847977650000023
表示第i个粒子的目标功率，
Figure BDA0003847977650000024
表示第i个粒子的目标辛格模型中值，
Figure BDA0003847977650000025
表示第i个粒子的目标辛格模型方差，P0|0表示初始存在概率，i＝1,2,...v表示粒子数，v表示粒子总数，a表示复幅度，t表示矩阵转置。
在其中一个实施例中，根据当前时刻的目标状态构建目标运动模型和目标辛格模型，根据目标运动模型和目标辛格模型进行预测，得到下一时刻的预测目标状态，包括：
根据当前时刻的目标状态中的目标相位和目标多普勒频率构建目标运动模型，根据目标运动模型进行预测，得到下一时刻的预测目标运动模型；
根据当前时刻的目标状态中的目标功率、目标辛格模型中值和目标辛格模型方差构建目标辛格模型，根据目标辛格模型进行预测，得到下一时刻的预测辛格模型；
根据预测目标运动模型和预测辛格模型中的参数得到下一时刻的预测目标状态。
在其中一个实施例中，根据目标运动模型进行预测，得到下一时刻的预测目标运动模型，包括：
根据当前时刻的目标运动模型
Figure BDA0003847977650000031
进行预测，得到下一时刻的预测目标运动模型表示为
Figure BDA0003847977650000032
Figure BDA0003847977650000033
其中，
Figure BDA0003847977650000034
表示目标相位，f表示目标多普勒频率，T表示采样周期，
Figure BDA0003847977650000035
表示过程噪声矢量，k表示时刻，
Figure BDA0003847977650000036
表示噪声的时间相关系数，wc为零均值高斯白噪声。
在其中一个实施例中，根据目标辛格模型进行预测，得到下一时刻的预测辛格模型，包括：
根据当前时刻的目标辛格模型中的目标功率进行预测，得到下一时刻的预测目标功率，表示为
Figure BDA0003847977650000037
其中，
Figure BDA0003847977650000038
表示k时刻的目标功率，σP表示目标功率的固定方差；
根据当前时刻的目标辛格模型中的目标辛格模型中值进行预测，得到下一时刻的预测目标辛格模型中值，表示为
Figure BDA0003847977650000039
其中，β＝e(-T/τ)表示相关系数，τ表示相关时间，μk表示k时刻的目标辛格模型中值，
Figure BDA00038479776500000310
表示k+1时刻的目标相位，j表示虚数单位；
根据当前时刻的目标辛格模型中的目标辛格模型方差进行预测，得到下一时刻的预测目标辛格模型方差，表示为
Figure BDA0003847977650000041
其中，∑k表示k时刻的目标辛格模型方差。
在其中一个实施例中，根据和通道数据构建和通道信号观测模型，表示为
Figure BDA0003847977650000042
其中，Vk+1表示观测噪声，η(x)表示观测函数，表示为
Figure BDA0003847977650000043
其中，fs表示信号采样率，n表示采样点数，N表示采样总数。
在其中一个实施例中，根据方位差数据和俯仰差数据构建差通道信号观测模型，表示为
Figure BDA0003847977650000044
其中，θ表示角误差，L为天线间隔，λ为波长。
在其中一个实施例中，根据和通道信号观测模型和差通道信号观测模型计算粒子似然比，包括：
根据和通道信号观测模型与差通道信号观测模型进行计算，得到目标存在假设的似然函数和目标不存在假设的似然函数；
根据目标存在假设的似然函数和目标不存在假设的似然函数进行计算，得到粒子似然比。
在其中一个实施例中，根据目标存在假设的似然函数和目标不存在假设的似然函数进行计算，得到粒子似然比，表示为
Figure BDA0003847977650000045
Figure BDA0003847977650000051
Figure BDA0003847977650000052
其中，
Figure BDA0003847977650000053
表示目标存在假设的似然函数，
Figure BDA0003847977650000054
表示目标不存在假设的似然函数，H1表示目标存在假设，H0表示目标不存在假设，σs表示信号复幅度的分布方差，
Figure BDA0003847977650000055
表示像素点(i,j)的复幅度，
Figure BDA0003847977650000056
表示
Figure BDA0003847977650000057
的转置共轭，σN表示噪声方差。
在其中一个实施例中，根据所述重采样粒子系统中的粒子状态进行计算，得到目标角误差估计，表示为
Figure BDA0003847977650000058
Figure BDA0003847977650000059
其中，
Figure BDA00038479776500000510
表示重采样粒子系统中的粒子状态对应的权重，
Figure BDA00038479776500000511
表示重采样粒子系统中的粒子状态对应的角误差。
一种基于三通道联合检测的角误差估计装置，所述装置包括：
初始化模块，用于初始化粒子状态，从状态空间抽取均匀分布的多个粒子状态得到初始粒子系统；其中，初始粒子系统包括初始目标状态和初始权重；
预测模块，用于根据当前时刻的目标状态构建目标运动模型和目标辛格模型，根据目标运动模型和目标辛格模型进行预测，得到下一时刻的预测目标状态；
更新模块，用于根据和通道数据构建和通道信号观测模型，根据方位差数据和俯仰差数据构建差通道信号观测模型，根据和通道信号观测模型与差通道信号观测模型计算粒子似然比，根据粒子似然比为预测目标状态对应的预测粒子赋予权重；
重采样模块，用于根据权重对预测粒子进行重采样，得到重采样粒子系统，根据重采样粒子系统中的粒子状态进行计算，得到目标角误差估计。
上述基于三通道联合检测的角误差估计方法和装置，首先初始化粒子状态，得到均匀分布的初始粒子系统；再根据当前时刻的目标状态构建目标运动模型和目标辛格模型，根据目标运动模型和目标辛格模型进行预测，得到下一时刻的预测目标状态；然后根据和通道数据构建和通道信号观测模型，根据方位差数据和俯仰差数据构建差通道信号观测模型，根据和通道信号观测模型与差通道信号观测模型计算粒子似然比，根据粒子似然比为预测目标状态对应的预测粒子赋予权重；最后根据权重对预测粒子进行重采样，得到重采样粒子系统，根据重采样粒子系统中的粒子状态进行计算，得到目标角误差估计。采用本发明所提方法，充分利用了观测数据中的有效信息，提高了角误差估计性能，可以充分满足低信噪比条件下的角误差估计精度要求。
附图说明
图1为一个实施例中基于三通道联合检测的角误差估计方法的流程示意图；
图2为一个实施例中计算机设备的内部结构图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。
在一个实施例中，如图1所示，提供了一种基于三通道联合检测的角误差估计方法，包括以下步骤：
步骤S1，初始化粒子状态，从状态空间抽取均匀分布的多个粒子状态得到初始粒子系统；其中，初始粒子系统包括初始目标状态和初始权重。
初始化粒子状态是指对粒子系统中的粒子存活概率、粒子消失概率、新生粒子数、重采样粒子数以及初始存在概率等参数进行初始化。
步骤S2，根据当前时刻的目标状态构建目标运动模型和目标辛格模型，根据目标运动模型和目标辛格模型进行预测，得到下一时刻的预测目标状态。
可以理解，目标运动模型是基于目标相位和目标多普勒频率关系构建的模型，辛格模型是为描述粒子系统中的随机起伏目标构建的模型，根据目标运动模型和辛格模型可以直接通过雷达观测预测下一时刻的目标状态，使得目标状态预测过程更符合雷达感官。
步骤S3，根据和通道数据构建和通道信号观测模型，根据方位差数据和俯仰差数据构建差通道信号观测模型，根据和通道信号观测模型与差通道信号观测模型计算粒子似然比，根据粒子似然比为预测目标状态对应的预测粒子赋予权重。
可以理解，将和通道信号观测模型与差通道信号观测模型进行联合来计算得到粒子似然比，通过似然比计算粒子权重的目的在于对下一时刻的预测目标状态进行评价，越接近真实目标观测情况的粒子，获得的权重越高。
步骤S4，根据权重对预测粒子进行重采样，得到重采样粒子系统，根据重采样粒子系统中的粒子状态进行计算，得到目标角误差估计。
可以理解，重采样的功能在于复制大量高权重粒子，保留少量低权重粒子，从而保证粒子的多样性，从而充分利用观测数据中的有效信息，提高了角误差估计性能。
上述基于三通道联合检测的角误差估计方法中，首先初始化粒子状态，得到均匀分布的初始粒子系统；再根据当前时刻的目标状态构建目标运动模型和目标辛格模型，根据目标运动模型和目标辛格模型进行预测，得到下一时刻的预测目标状态；然后根据和通道数据构建和通道信号观测模型，根据方位差数据和俯仰差数据构建差通道信号观测模型，根据和通道信号观测模型与差通道信号观测模型计算粒子似然比，根据粒子似然比为预测目标状态对应的预测粒子赋予权重；最后根据权重对预测粒子进行重采样，得到重采样粒子系统，根据重采样粒子系统中的粒子状态进行计算，得到目标角误差估计。采用本发明所提方法，充分利用了观测数据中的有效信息，提高了角误差估计性能，可以充分满足低信噪比条件下的角误差估计精度要求。
在其中一个实施例中，初始化粒子状态，从状态空间抽取均匀分布的多个粒子状态得到初始粒子系统，包括：
初始化粒子状态，从状态空间抽取均匀分布的多个粒子状态得到初始粒子系统{xi,ωi}，其中，
Figure BDA0003847977650000081
表示初始目标状态，ωi＝P0|0/v表示初始权重，
Figure BDA0003847977650000082
表示第i个粒子的目标相位，fi表示第i个粒子的目标多普勒频率，
Figure BDA0003847977650000083
表示第i个粒子的目标功率，
Figure BDA0003847977650000084
表示第i个粒子的目标辛格模型中值，
Figure BDA0003847977650000085
表示第i个粒子的目标辛格模型方差，P0|0表示初始存在概率，i＝1,2,...v表示粒子数，v表示粒子总数，a表示复幅度，同样使用辛格模型来描述，表示为
Figure BDA0003847977650000086
β＝e(-T/τ)表示相关系数，τ表示相关时间，复高斯噪声
Figure BDA0003847977650000087
Figure BDA0003847977650000088
为复正弦信号的瞬时平均功率，即
Figure BDA0003847977650000089
t表示矩阵转置。
在其中一个实施例中，根据当前时刻的目标状态构建目标运动模型和目标辛格模型，根据目标运动模型和目标辛格模型进行预测，得到下一时刻的预测目标状态，包括：
根据当前时刻的目标状态中的目标相位和目标多普勒频率构建目标运动模型，根据目标运动模型进行预测，得到下一时刻的预测目标运动模型；
根据当前时刻的目标状态中的目标功率、目标辛格模型中值和目标辛格模型方差构建目标辛格模型，根据目标辛格模型进行预测，得到下一时刻的预测辛格模型；
根据预测目标运动模型和预测辛格模型中的参数得到下一时刻的预测目标状态。
在其中一个实施例中，根据目标运动模型进行预测，得到下一时刻的预测目标运动模型，包括：
根据当前时刻的目标运动模型
Figure BDA0003847977650000091
进行预测，得到下一时刻的预测目标运动模型表示为
Figure BDA0003847977650000092
Figure BDA0003847977650000093
其中，
Figure BDA0003847977650000094
表示目标相位，f表示目标多普勒频率，T表示采样周期，
Figure BDA0003847977650000095
表示过程噪声矢量，k表示时刻，
Figure BDA0003847977650000096
表示噪声的时间相关系数，wc为零均值高斯白噪声。
在其中一个实施例中，根据目标辛格模型进行预测，得到下一时刻的预测辛格模型，包括：
根据当前时刻的目标辛格模型中的目标功率进行预测，得到下一时刻的预测目标功率，表示为
Figure BDA0003847977650000097
其中，
Figure BDA0003847977650000098
表示k时刻的目标功率，σP表示目标功率的固定方差；
根据当前时刻的目标辛格模型中的目标辛格模型中值进行预测，得到下一时刻的预测目标辛格模型中值，表示为
Figure BDA0003847977650000101
其中，β＝e(-T/τ)表示相关系数，τ表示相关时间，μk表示k时刻的目标辛格模型中值，
Figure BDA0003847977650000102
表示k+1时刻的目标相位，j表示虚数单位；
根据当前时刻的目标辛格模型中的目标辛格模型方差进行预测，得到下一时刻的预测目标辛格模型方差，表示为
Figure BDA0003847977650000103
其中，∑k表示k时刻的目标辛格模型方差。
可以理解，根据得到的下一时刻的预测目标运动模型中的目标相位和目标多普勒频率、预测目标功率、预测目标辛格模型中值以及预测目标辛格模型方差可以得到下一时刻的预测目标状态。
在其中一个实施例中，根据和通道数据构建和通道信号观测模型，表示为
Figure BDA0003847977650000104
其中，Vk+1表示观测噪声，为复高斯矢量，其概率密度函数表示为
Figure BDA0003847977650000105
η(x)表示观测函数，表示为
Figure BDA0003847977650000106
其中，fs表示信号采样率，n表示采样点数，N表示采样总数，一般情况下
Figure BDA0003847977650000107
在其中一个实施例中，根据方位差数据和俯仰差数据构建差通道信号观测模型，表示为
Figure BDA0003847977650000111
其中，θ表示角误差，L为天线间隔，λ为波长。
在其中一个实施例中，根据和通道信号观测模型和差通道信号观测模型计算粒子似然比，包括：
根据和通道信号观测模型与差通道信号观测模型进行计算，得到目标存在假设的似然函数和目标不存在假设的似然函数；
根据目标存在假设的似然函数和目标不存在假设的似然函数进行计算，得到粒子似然比。
在其中一个实施例中，根据目标存在假设的似然函数和目标不存在假设的似然函数进行计算，得到粒子似然比，表示为
Figure BDA0003847977650000112
Figure BDA0003847977650000113
Figure BDA0003847977650000114
其中，
Figure BDA0003847977650000115
表示目标存在假设的似然函数，
Figure BDA0003847977650000116
表示目标不存在假设的似然函数，H1表示目标存在假设，H0表示目标不存在假设，σs表示信号复幅度的分布方差，
Figure BDA0003847977650000117
表示像素点(i,j)的复幅度，
Figure BDA0003847977650000118
表示
Figure BDA0003847977650000119
的转置共轭，σN表示噪声方差。
在其中一个实施例中，根据所述重采样粒子系统中的粒子状态进行计算，得到目标角误差估计，表示为
Figure BDA0003847977650000121
Figure BDA0003847977650000122
其中，
Figure BDA0003847977650000123
表示重采样粒子系统中的粒子状态对应的权重，
Figure BDA0003847977650000124
表示重采样粒子系统中的粒子状态对应的角误差。
应该理解的是，虽然图1的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，这些步骤可以以其它的顺序执行。而且，图1中的至少一部分步骤可以包括多个子步骤或者多个阶段，这些子步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，这些子步骤或者阶段的执行顺序也不必然是依次进行，而是可以与其它步骤或者其它步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。
在一个实施例中，提供了一种基于三通道联合检测的角误差估计装置，包括：初始模块、预测模块、更新模块和重采样模块，其中：
初始化模块，用于初始化粒子状态，从状态空间抽取均匀分布的多个粒子状态得到初始粒子系统；其中，初始粒子系统包括初始目标状态和初始权重；
预测模块，用于根据当前时刻的目标状态构建目标运动模型和目标辛格模型，根据目标运动模型和目标辛格模型进行预测，得到下一时刻的预测目标状态；
更新模块，用于根据和通道数据构建和通道信号观测模型，根据方位差数据和俯仰差数据构建差通道信号观测模型，根据和通道信号观测模型与差通道信号观测模型计算粒子似然比，根据粒子似然比为预测目标状态对应的预测粒子赋予权重；
重采样模块，用于根据权重对预测粒子进行重采样，得到重采样粒子系统，根据重采样粒子系统中的粒子状态进行计算，得到目标角误差估计。
关于基于三通道联合检测的角误差估计装置的具体限定可以参见上文中对于基于三通道联合检测的角误差估计方法的限定，在此不再赘述。上述基于三通道联合检测的角误差估计装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。
在一个实施例中，提供了一种计算机设备，该计算机设备可以是终端，其内部结构图可以如图2所示。该计算机设备包括通过系统总线连接的处理器、存储器、网络接口、显示屏和输入装置。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统和计算机程序。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种基于三通道联合检测的角误差估计方法。该计算机设备的显示屏可以是液晶显示屏或者电子墨水显示屏，该计算机设备的输入装置可以是显示屏上覆盖的触摸层，也可以是计算机设备外壳上设置的按键、轨迹球或触控板，还可以是外接的键盘、触控板或鼠标等。
本领域技术人员可以理解，图2中示出的结构，仅仅是与本申请方案相关的部分结构的框图，并不构成对本申请方案所应用于其上的计算机设备的限定，具体的计算机设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。
在一个实施例中，提供了一种计算机设备，包括存储器和处理器，该存储器存储有计算机程序，该处理器执行计算机程序时实现以下步骤：
初始化粒子状态，从状态空间抽取均匀分布的多个粒子状态得到初始粒子系统；其中，初始粒子系统包括初始目标状态和初始权重；
根据当前时刻的目标状态构建目标运动模型和目标辛格模型，根据目标运动模型和目标辛格模型进行预测，得到下一时刻的预测目标状态；
根据和通道数据构建和通道信号观测模型，根据方位差数据和俯仰差数据构建差通道信号观测模型，根据和通道信号观测模型与差通道信号观测模型计算粒子似然比，根据粒子似然比为预测目标状态对应的预测粒子赋予权重；
根据权重对预测粒子进行重采样，得到重采样粒子系统，根据重采样粒子系统中的粒子状态进行计算，得到目标角误差估计。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限，RAM以多种形式可得，诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。
以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本申请构思的前提下，还可以做出若干变形和改进，这些都属于本申请的保护范围。因此，本申请专利的保护范围应以所附权利要求为准。

Claims (11)

1.一种基于三通道联合检测的角误差估计方法，其特征在于，所述方法包括：
初始化粒子状态，从状态空间抽取均匀分布的多个粒子状态得到初始粒子系统；其中，所述初始粒子系统包括初始目标状态和初始权重；
根据当前时刻的目标状态构建目标运动模型和目标辛格模型，根据所述目标运动模型和目标辛格模型进行预测，得到下一时刻的预测目标状态；
根据和通道数据构建和通道信号观测模型，根据方位差数据和俯仰差数据构建差通道信号观测模型，根据所述和通道信号观测模型与所述差通道信号观测模型计算粒子似然比，根据所述粒子似然比为所述预测目标状态对应的预测粒子赋予权重；
根据权重对预测粒子进行重采样，得到重采样粒子系统，根据所述重采样粒子系统中的粒子状态进行计算，得到目标角误差估计。
2.根据权利要求1所述的方法，其特征在于，初始化粒子状态，从状态空间抽取均匀分布的多个粒子状态得到初始粒子系统，包括：
初始化粒子状态，从状态空间抽取均匀分布的多个粒子状态得到初始粒子系统{xi,ωi}，其中，
Figure FDA0003847977640000011
表示初始目标状态，ωi＝P0|0/v表示初始权重，
Figure FDA0003847977640000012
表示第i个粒子的目标相位，fi表示第i个粒子的目标多普勒频率，
Figure FDA0003847977640000013
表示第i个粒子的目标功率，
Figure FDA0003847977640000014
表示第i个粒子的目标辛格模型中值，
Figure FDA0003847977640000015
表示第i个粒子的目标辛格模型方差，P0|0表示初始存在概率，i＝1,2,...v表示粒子数，v表示粒子总数，a表示复幅度，t表示矩阵转置。
3.根据权利要求2所述的方法，其特征在于，根据当前时刻的目标状态构建目标运动模型和目标辛格模型，根据所述目标运动模型和目标辛格模型进行预测，得到下一时刻的预测目标状态，包括：
根据当前时刻的目标状态中的所述目标相位和目标多普勒频率构建目标运动模型，根据所述目标运动模型进行预测，得到下一时刻的预测目标运动模型；
根据当前时刻的目标状态中的所述目标功率、目标辛格模型中值和目标辛格模型方差构建目标辛格模型，根据所述目标辛格模型进行预测，得到下一时刻的预测辛格模型；
根据所述预测目标运动模型和预测辛格模型中的参数得到下一时刻的预测目标状态。
4.根据权利要求3所述的方法，其特征在于，根据所述目标运动模型进行预测，得到下一时刻的预测目标运动模型，包括：
根据当前时刻的目标运动模型
Figure FDA0003847977640000021
进行预测，得到下一时刻的预测目标运动模型表示为
Figure FDA0003847977640000022
Figure FDA0003847977640000023
其中，
Figure FDA0003847977640000024
表示目标相位，f表示目标多普勒频率，T表示采样周期，
Figure FDA0003847977640000025
表示过程噪声矢量，k表示时刻，
Figure FDA0003847977640000026
表示噪声的时间相关系数，wc为零均值高斯白噪声。
5.根据权利要求4所述的方法，其特征在于，根据所述目标辛格模型进行预测，得到下一时刻的预测辛格模型，包括：
根据当前时刻的所述目标辛格模型中的目标功率进行预测，得到下一时刻的预测目标功率，表示为
Figure FDA0003847977640000027
其中，
Figure FDA0003847977640000028
表示k时刻的目标功率，σP表示所述目标功率的固定方差；
根据当前时刻的所述目标辛格模型中的目标辛格模型中值进行预测，得到下一时刻的预测目标辛格模型中值，表示为
Figure FDA0003847977640000031
其中，β＝e(-T/τ)表示相关系数，τ表示相关时间，μk表示k时刻的目标辛格模型中值，
Figure FDA0003847977640000032
表示k+1时刻的目标相位，j表示虚数单位；
根据当前时刻的所述目标辛格模型中的目标辛格模型方差进行预测，得到下一时刻的预测目标辛格模型方差，表示为
Figure FDA0003847977640000033
其中，∑k表示k时刻的目标辛格模型方差。
6.根据权利要求5所述的方法，其特征在于，根据和通道数据构建和通道信号观测模型，表示为
Figure FDA0003847977640000034
其中，Vk+1表示观测噪声，η(x)表示观测函数，表示为
Figure FDA0003847977640000035
其中，fs表示信号采样率，n表示采样点数，N表示采样总数。
7.根据权利要求6所述的方法，其特征在于，根据方位差数据和俯仰差数据构建差通道信号观测模型，表示为
Figure FDA0003847977640000036
其中，θ表示角误差，L为天线间隔，λ为波长。
8.根据权利要求7所述的方法，其特征在于，根据所述和通道信号观测模型与所述差通道信号观测模型计算粒子似然比，包括：
根据所述和通道信号观测模型与所述差通道信号观测模型进行计算，得到目标存在假设的似然函数和目标不存在假设的似然函数；
根据所述目标存在假设的似然函数和所述目标不存在假设的似然函数进行计算，得到粒子似然比。
9.根据权利要求8所述的方法，其特征在于，根据所述目标存在假设的似然函数和所述目标不存在假设的似然函数进行计算，得到粒子似然比，表示为
Figure FDA0003847977640000041
Figure FDA0003847977640000042
Figure FDA0003847977640000043
其中，
Figure FDA0003847977640000044
表示目标存在假设的似然函数，
Figure FDA0003847977640000045
表示目标不存在假设的似然函数，H1表示目标存在假设，H0表示目标不存在假设，σs表示信号复幅度的分布方差，
Figure FDA0003847977640000046
表示像素点(i,j)的复幅度，
Figure FDA0003847977640000047
表示
Figure FDA0003847977640000048
的转置共轭，σN表示噪声方差。
10.根据权利要求9所述的方法，其特征在于，根据所述重采样粒子系统中的粒子状态进行计算，得到目标角误差估计，表示为
Figure FDA0003847977640000049
Figure FDA00038479776400000410
其中，
Figure FDA00038479776400000411
表示所述重采样粒子系统中的粒子状态对应的权重，
Figure FDA00038479776400000412
表示所述重采样粒子系统中的粒子状态对应的角误差。
11.一种基于三通道联合检测的角误差估计装置，其特征在于，所述装置包括：
初始化模块，用于初始化粒子状态，从状态空间抽取均匀分布的多个粒子状态得到初始粒子系统；其中，所述初始粒子系统包括初始目标状态和初始权重；
预测模块，用于根据当前时刻的目标状态构建目标运动模型和目标辛格模型，根据所述目标运动模型和目标辛格模型进行预测，得到下一时刻的预测目标状态；
更新模块，用于根据和通道数据构建和通道信号观测模型，根据方位差数据和俯仰差数据构建差通道信号观测模型，根据所述和通道信号观测模型与所述差通道信号观测模型计算粒子似然比，根据所述粒子似然比为所述预测目标状态对应的预测粒子赋予权重；
重采样模块，用于根据权重对预测粒子进行重采样，得到重采样粒子系统，根据所述重采样粒子系统中的粒子状态进行计算，得到目标角误差估计。
CN202211123104.2A 2022-09-15 2022-09-15 基于三通道联合检测的角误差估计方法和装置 Active CN115436902B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202211123104.2A CN115436902B (zh) 2022-09-15 2022-09-15 基于三通道联合检测的角误差估计方法和装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202211123104.2A CN115436902B (zh) 2022-09-15 2022-09-15 基于三通道联合检测的角误差估计方法和装置

Publications (2)

Publication Number Publication Date
CN115436902A true CN115436902A (zh) 2022-12-06
CN115436902B CN115436902B (zh) 2024-06-14

Family

ID=84248889

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211123104.2A Active CN115436902B (zh) 2022-09-15 2022-09-15 基于三通道联合检测的角误差估计方法和装置

Country Status (1)

Country Link
CN (1) CN115436902B (zh)

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106526585A (zh) * 2016-10-26 2017-03-22 中国人民解放军空军工程大学 基于高斯粒子势概率假设密度滤波的目标检测前跟踪方法
CN109471081A (zh) * 2018-11-07 2019-03-15 中国人民解放军国防科技大学 单脉冲雷达弱小目标联合检测及状态估计方法
CN110109094A (zh) * 2019-03-28 2019-08-09 西南电子技术研究所（中国电子科技集团公司第十研究所） 多接收站单频网外辐射源雷达机动目标的检测与跟踪方法
WO2021007985A1 (zh) * 2019-07-18 2021-01-21 深圳大学 基于tsk模糊模型的粒子滤波方法、装置及存储介质
CN113740843A (zh) * 2021-09-07 2021-12-03 中国兵器装备集团自动化研究所有限公司 一种跟踪目标的运动状态估计方法、系统及电子装置
CN114690175A (zh) * 2022-04-12 2022-07-01 电子科技大学 一种基于被动外辐射源雷达的目标直接检测与跟踪方法

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106526585A (zh) * 2016-10-26 2017-03-22 中国人民解放军空军工程大学 基于高斯粒子势概率假设密度滤波的目标检测前跟踪方法
CN109471081A (zh) * 2018-11-07 2019-03-15 中国人民解放军国防科技大学 单脉冲雷达弱小目标联合检测及状态估计方法
CN110109094A (zh) * 2019-03-28 2019-08-09 西南电子技术研究所（中国电子科技集团公司第十研究所） 多接收站单频网外辐射源雷达机动目标的检测与跟踪方法
WO2021007985A1 (zh) * 2019-07-18 2021-01-21 深圳大学 基于tsk模糊模型的粒子滤波方法、装置及存储介质
CN113740843A (zh) * 2021-09-07 2021-12-03 中国兵器装备集团自动化研究所有限公司 一种跟踪目标的运动状态估计方法、系统及电子装置
CN114690175A (zh) * 2022-04-12 2022-07-01 电子科技大学 一种基于被动外辐射源雷达的目标直接检测与跟踪方法

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
WENHAO DONG等: "A Joint Detection and State Estimation Algorithm for Pulse Doppler Radar", 2021 IEEE 5TH INFORMATION TECHNOLOGY, NETWORKING, ELECTRONIC AND AUTOMATION CONTROL CONFERENCE (ITNEC), 4 November 2021 (2021-11-04), pages 345 - 353 *
董文豪: "单脉冲雷达导引头联合检测与DOA估计算法", 航空兵器, vol. 29, no. 1, 28 February 2022 (2022-02-28), pages 98 - 106 *
董文豪: "基于叠加式传感器的多普勒雷达多目标联合检测与估计", 信号处理, vol. 38, no. 5, 31 May 2022 (2022-05-31), pages 964 - 972 *
蔡飞: "雷达弱小目标检测与跟踪技术研究", 中国博士学位论文全文数据库信息科技辑, no. 11, 15 November 2017 (2017-11-15), pages 136 - 98 *

Also Published As

Publication number Publication date
CN115436902B (zh) 2024-06-14

Similar Documents

Publication Publication Date Title
CN110796093A (zh) 目标跟踪方法、装置、计算机设备和存储介质
CN111337929A (zh) 气象云图预测方法、装置、计算机设备和存储介质
CN114812569B (zh) 一种追逃博弈机动航天器相对状态估计方法、装置和设备
CN109814074B (zh) 基于图像形态处理的群目标跟踪方法
CN111047088A (zh) 预测图像获取方法、装置、计算机设备和存储介质
CN111077518A (zh) 一种基于距离-多普勒量测的跟踪滤波方法及装置
Zeng et al. Offline performance prediction of PDAF with Bayesian detection for tracking in clutter
CN112485783A (zh) 目标探测方法、装置、计算机设备和存储介质
CN116503685A (zh) 基于层次域先验的光学-isar图像转换方法及装置
Kim et al. Gaussian mixture probability hypothesis density filter against measurement origin uncertainty
CN113642252B (zh) 基于单颗卫星的目标定位方法、装置、电子设备及介质
CN115407299B (zh) 基于伯努利滤波器算法的弱小目标检测方法和装置
CN111507929A (zh) 气象云图预测方法、装置、计算机设备和存储介质
CN111457916B (zh) 基于拓展标记随机有限集的空间碎片目标跟踪方法和装置
CN115436902A (zh) 基于三通道联合检测的角误差估计方法和装置
CN115327503A (zh) 基于高斯粒子滤波的固定单站无源定位方法和相关装置
Zhang et al. An IPDA based target existence assisted Bayesian detector for target tracking in clutter
CN113762203A (zh) 基于仿真数据的跨域自适应sar图像分类方法、装置及设备
CN113253272B (zh) 基于sar距离压缩域图像的目标检测方法及装置
Wang et al. Track‐before‐detect<? show [AQ ID= Q1]?> algorithm for airborne radar system
Liu et al. Multiple maneuvering target tracking by improved particle filter based on multiscan JPDA
CN118033587B (zh) 基于目标导向信息的雷达目标检测方法、装置及设备
Ma et al. Extended GMPHD with amplitude information for multi-sensor multi-target tracking
CN117590429B (zh) 一种基于l型阵列的多欺骗信号来波方向检测方法及系统
Zhang et al. Multisensor management method for ground moving target tracking based on Doppler blind zone information

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