一种基于强散射点目标探测的弱散射点目标跟踪逼近方法技术

本发明专利技术公开了一种基于强散射点目标探测的弱散射点目标跟踪逼近方法，包括步骤一、利用单脉冲雷达，实现对当前时刻强散射点目标的定位量测；步骤二、利用无味卡尔曼滤波技术，实现对下一时刻强散射点目标的定位预测；步骤三、利用强散射目标与弱散射目标的相对位置关系(先验知识)，实现对下一时刻弱散射点目标的定位预测；步骤四、根据弱散射点目标预测结果对跟踪器飞行方向的调整，完成单位时间跟踪逼近；本发明专利技术实现弱点目标的实时跟踪，有效地避免了弱点目标的探测或提取过程，简化跟踪实现。

【技术实现步骤摘要】

本专利技术涉及雷达探测与目标跟踪
，具体地说，是一种利用单脉冲雷达测角技术与无味卡尔曼滤波预测技术实现的，基于强散射点目标探测的，弱散射点目标跟踪逼近方法。
技术介绍
目前，单脉冲雷达因其较好的测角精度而被广泛地应用于目标跟踪过程中。它通过对不同方向测角天线接收到的电磁波的振幅或相位的处理，从而得到测量目标的角度信息，再经过数据关联和滤波更新等数据处理过程完成对目标的跟踪，这一过程也是传统的先检测后跟踪(DetectBeforeTrack，DBT)技术的处理流程。这种方式实现简单，计算量小，但在处理散射特性较弱的目标(弱目标)跟踪问题时存在检测困难。近年来，又有学者提出检测前跟踪(TrackBeforeDetect，TBD)技术来解决弱目标的跟踪问题，它的核心思想是考虑空间目标运动的连续性，在检测决策前，通过在目标轨迹上的回波能量积累，以提高信噪比，再通过最终的门限判决，实现弱目标检测并输出其轨迹。相较于DBT技术，TBD技术虽然适用于弱目标的检测与跟踪，但其要求时间的积累和较高的存储量及计算量，实现难度大，实时性较差。
技术实现思路
本专利技术在DTB技术的思想上，提出基于强目标探测的弱目标跟踪逼近模型，即是通过对相关强目标的量测而进一步完成对相关弱目标的跟踪逼近，以期在满足实时性的前提下，完成对弱目标的跟踪。为了进一步描述该问题，考虑分布式面目标。对于该类目标，雷达探测到的强散射点往往不是导弹的感兴趣跟踪点(弱散射点)，因此需要根据强散射点与弱散射点的相对位置关系，借助强散射点的量测与预测信息，完成制导控制，以实现对弱散射点的跟踪逼近。具体包括以下几个基本步骤：步骤一、利用单脉冲雷达，实现对当前时刻强散射点目标的定位量测；步骤二、利用无味卡尔曼滤波技术，实现对下一时刻强散射点目标的定位预测；步骤三、利用强散射目标与弱散射目标的相对位置关系(先验知识)，实现对下一时刻弱散射点目标的定位预测；步骤四、根据弱散射点目标预测结果对跟踪器飞行方向的调整，完成单位时间跟踪逼近；返回步骤一进行迭代，可实现基于强散射点目标探测的弱散射点目标跟踪逼近。在上述四个基本步骤的基础上，为了减小单脉冲雷达测角系统误差对跟踪性能的影响，步骤四完成单位时间跟踪后，可根据强散射点目标预测结果完成对单脉冲雷达姿态的调整。同时，步骤四中跟踪器飞行方向的调整(轨迹规划)可遵循追踪法或比例法两种方案。本专利技术的优点在于：(1)实现弱点目标的实时跟踪；(2)有效地避免了弱点目标的探测或提取过程，简化跟踪实现。附图说明图1是本专利技术的方法流程图；图2是相邻时刻跟踪器坐标系相对位置示意图；图3是相邻时刻雷达坐标系相对位置示意图；图4是本专利技术的初始化几何关系示意图；图5是跟踪轨迹仿真结果图；图6是100次MonteCarlo仿真跟踪误差半径(均方根误差)曲线图；图7是100次MonteCarlo仿真偏轴角均值变化对比图。具体实施方式下面将结合附图和实施例对本专利技术作进一步的详细说明。本专利技术是一种基于强散射点目标探测的弱散射点目标跟踪逼近方法，流程如图1所示，包括以下几个步骤：步骤一、利用单脉冲雷达，实现对k时刻强散射点目标的定位量测。k时刻，单脉冲雷达测得强散射点在雷达坐标系下的测量值为sT_R_m(k)：sT_R_m(k)＝[Rkαkβk]T(1)其中，Rk为强散射点在雷达坐标系下的径向距离，αk为强散射点在雷达坐标系下的量测方位角，βk为强散射点在雷达坐标系下的量测俯仰角。步骤二、利用无味卡尔曼滤波技术，实现对k+1时刻强散射点目标的定位预测。将sT_R_m(k)、sT_G_e(k-1)入下面步骤，完成强点的定位预测：其中，sT_G_e(k-1)为地面坐标系下，k-1时刻对k时刻强散射点位置的预测值。具体包括以下步骤：(1)设置k时刻对称分布sigma点集ζk(0)=sT_G_e(k-1)ζk(i)=sT_G_e(k-1)+((n+λ)Pk|k-1)i,i=1,2,...,nζk(i)=sT_G_e(k-1)-((n+λ)Pk|k-1)i-n,i=n+1,n+2,...,2n---(2)]]>并设置对应的两组权系数如下：ω0(m)=λ/(n+λ)ω0(c)=λ/(n+λ)+(1+α2+β)ωi(m)=ωi(c)=0.5/(n+λ),i=1,2,...,2n---(3)]]>式(2)中，Pk|k-1为sT_G_e(k-1)的协方差阵。式(2)、式(3)中，λ＝α2n-n，n为sT_G_e(k-1)的维数，α为决定sigma点的散布程度的参数，通常取一个小的正值(如0.01)，β为用来描述x的分布信息的参数，高斯情况下β的最优取值为2。(2)进行强散射点的定位一步更新准备ζk|k-1(i)=hk(ζk(i)),i=0,1...2nZ^k|k-1=Σi=02nωi(m)ζk|k-1(i)PZ~k=Σi=02nωi(c)(ζk|k-1(i)-Z^k|k-1)(ζk|k-1(i)-Z^k|k-1)T+CkPX~kZ~k=Σi=02nωi(c)(ζk(i)-sT_G_e(k-1))(ζk|k-1(i)-Z^k|k-1)T---(4)]]>其中，为sigma点集通过非线性量测函数hk()的映射值，为对k时刻量测的估计值，为对k时刻量测的预测误差协方差阵，为对k时刻量测和状态的预测误差互协方差矩阵，Ck为k时刻量测噪声协方差矩阵。对于非线性映射hk(·)，有hk(ζk(i))=hk2(hk1(ζk(i))).]]>设ζk(i)=xyzvxvyvzkT,]]>(x为第i个sigma点的x坐标，y为第i个sigma点的y坐标，z为第i个sigma点的z坐标，vx为第i个sigma点的x方向速率，vy为第i个sigma点的y方向速率，vz为第i个sigma点的z方向速率)，有hk1(ζk(i))=G2R(k)×xyzk+G0_R(k)G2R(k)×vxvyvzk=xryrzrvxrvyrvzrk---(5)]]>hk(ζk(i))=hk2(hk1(ζk(i)))=xr2+yr2+zr2tan-1(yr\本文档来自技高网...

【技术保护点】
一种基于强散射点目标探测的弱散射点目标跟踪逼近方法，包括以下几个步骤：步骤一、利用单脉冲雷达，实现对k时刻强散射点目标的定位量测；k时刻，单脉冲雷达测得强散射点在雷达坐标系下的测量值为sT_R_m(k)：sT_R_m(k)＝[Rk αk βk]T          (1)其中，Rk为强散射点在雷达坐标系下的径向距离，αk为强散射点在雷达坐标系下的量测方位角，βk为强散射点在雷达坐标系下的量测俯仰角；步骤二、利用无味卡尔曼滤波技术，实现对k+1时刻强散射点目标的定位预测；具体包括以下步骤：(1)设置k时刻对称分布sigma点集ζk(0)=sT_G_e(k-1)ζk(i)=sT_G_e(k-1)+((n+λ)Pk|k-1)i,i=1,2,...,nζk(i)=sT_G_e(k-1)-((n+λ)Pk|k-1)i-n,i=n+1,n+2,...,2n---(2)]]>并设置对应的两组权系数如下：ω0(m)=λ/(n+λ)ω0(c)=λ/(n+λ)+(1-α2+β)ωi(m)=ωi(c)=0.5/(n+λ),i=1,2,...,2n---(3)]]>式(2)中，Pk|k‑1为sT_G_e(k‑1)的协方差阵；式(2)、式(3)中，λ＝α2n‑n，n为sT_G_e(k‑1)的维数，α为决定sigma点的散布程度的参数，β为用来描述x的分布信息的参数；(2)进行强散射点的定位一步更新准备ζk|k-1(i)=hk(ζk(i)),i=0,1...2nZ^k|k-1=Σi=02nωi(m)ζk|k-1(i)PZ^k=Σi=02nωi(c)(ζk|k-1(i)-Z^k|k-1)(ζk|k-1(i)-Z^k|k-1)T+CkPX~kZ~k=Σi=02nωi(c)(ζk(i)-sT_G_e(k-1))(ζk|k-1(i)-Z^k|k-1)T---(4)]]>其中，为sigma点集通过非线性量测函数hk()的映射值，为对k时刻量测的估计值，为对k时刻量测的预测误差协方差阵，为对k时刻量测和状态的预测误差互协方差矩阵，Ck为k时刻量测噪声协方差矩阵；对于非线性映射hk(·)，有hk(ζk(i))=hk2(hk1(ζk(i)));]]>设ζk(i)=xyzvxvyvzkT,]]>x为第i个sigma点的x坐标，y为第i个sigma点的y坐标，z为第i个sigma点的z坐标，vx为第i个sigma点的x方向速率，vy为第i个sigma点的y方向速率，vz为第i个sigma点的z方向速率，有hk1(ζk(i))=G2R(k)×xyzk+G0_R(k)G2R(k)×vxvyvzk=xryrzrvxrvyrvzrk---(5)]]>hk(ζk(i))=hk2(hk1(ζk(i)))=xr2+yr2+zr2tan-1(yr/zr)tan-1(xr/zr)k---(6)]]>其中，xryrzrvxrvyrvzrkT]]>为中间变量，G2R(k)表示k时刻地面坐标系与雷达坐标系的旋转矩阵，G0_R(k)表示地面坐标系原点在k时刻雷达坐标系下的值，且强散射点的定位一步更新如下Kk=PX~kZ~kPZ~k-1X^k|k=X^k|k-1+Kk(sT_R_m(k)-Z^k|k-1)Pk|k=Pk|k-1-KkPZ~kKkT---(7)]]>其中，Kk为k时刻的卡尔曼增益，为k时刻状态更新值，Pk|k为的协方差矩阵；最后，完成强散射点的定位一步预测，得到一步预测值和预测误差的协方差阵X^k+1|k=FkX^k|k=x^k+1|ky^k+1|kz^k+1|k(v^x)k+1|k(v^y)k+1|k(v^z)k+1|kT---(8)]]>Pk+1|k=FkPk|kFkT+ΓkQkΓkT---(9)]]>其中，Fk是系统状态转移矩阵，Qk是过程演化噪声协方差矩阵，Γk是噪声矩阵，为对k+1时刻x坐标的估计，为对k+1时刻y坐标的估计，为对k+1时刻z坐标的估计，为对k+1时刻x方向速率的估计，为对k+1时刻y方向速率的估计，为对k+1时刻z方向速率的估计；得到k时刻对k+1时刻强散射点目标的定位预测sT_G_e(k)为：sT_G_e(k)=x^k+1|ky^k+1|kz^k+1|k---(10)]]>步骤三、利用强散射目标与弱散射目标的相对位置关...

【技术特征摘要】
1.一种基于强散射点目标探测的弱散射点目标跟踪逼近方法，包括以下几个步骤：
步骤一、利用单脉冲雷达，实现对k时刻强散射点目标的定位量测；
k时刻，单脉冲雷达测得强散射点在雷达坐标系下的测量值为sT_R_m(k)：
sT_R_m(k)＝[Rkαkβk]T(1)
其中，Rk为强散射点在雷达坐标系下的径向距离，αk为强散射点在雷达坐标系下的量测
方位角，βk为强散射点在雷达坐标系下的量测俯仰角；
步骤二、利用无味卡尔曼滤波技术，实现对k+1时刻强散射点目标的定位预测；
具体包括以下步骤：
(1)设置k时刻对称分布sigma点集ζk(0)=sT_G_e(k-1)ζk(i)=sT_G_e(k-1)+((n+λ)Pk|k-1)i,i=1,2,...,nζk(i)=sT_G_e(k-1)-((n+λ)Pk|k-1)i-n,i=n+1,n+2,...,2n---(2)]]>并设置对应的两组权系数如下：
ω0(m)=λ/(n+λ)ω0(c)=λ/(n+λ)+(1-α2+β)ωi(m)=ωi(c)=0.5/(n+λ),i=1,2,...,2n---(3)]]>式(2)中，Pk|k-1为sT_G_e(k-1)的协方差阵；式(2)、式(3)中，λ＝α2n-n，n为sT_G_e(k-1)
的维数，α为决定sigma点的散布程度的参数，β为用来描述x的分布信息的参数；
(2)进行强散射点的定位一步更新准备
ζk|k-1(i)=hk(ζk(i)),i=0,1...2nZ^k|k-1=Σi=02nωi(m)ζk|k-1(i)PZ^k=Σi=02nωi(c)(ζk|k-1(i)-Z^k|k-1)(ζk|k-1(i)-Z^k|k-1)T+CkPX~kZ~k=Σi=02nωi(c)(ζk(i)-sT_G_e(k-1))(ζk|k-1(i)-Z^k|k-1)T---(4)]]>其中，为sigma点集通过非线性量测函数hk()的映射值，为对k时刻量测的
估计值，为对k时刻量测的预测误差协方差阵，为对k时刻量测和状态的预测误差互
协方差矩阵，Ck为k时刻量测噪声协方差矩阵；对于非线性映射hk(·)，有
hk(ζk(i))=hk2(hk1(ζk(i)));]]>设ζk(i)=xyzvxvyvzkT,]]>x为第i个sigma点的x坐标，y为第i
个sigma点的y坐标，z为第i个sigma点的z坐标，vx为第i个sigma点的x方向速率，vy为第i个
sigma点的y方向速率，vz为第i个sigma点的z方向速率，有
hk1(ζk(i))=G2R(k)×xyzk+G0_R(k)G2R(k)×vxvyvzk=xryrzrvxrvyrvzrk---(5)]]>hk(ζk(i))=hk2(hk1(ζk(i)))=xr2+yr2+zr2tan-1(yr/zr)tan-1(xr/zr)k---(6)]]>其中，xryrzrvxrvyrvzrkT]]>为中间变量，G2R(k)表示k时刻地面坐标系与雷达坐
标系的旋转矩阵，G0_R(k)表示地面坐标系原点在k时刻雷达坐标系下的值，且强散射点的
定位一步更新如下
Kk=PX~kZ~kPZ~k-1X^k|k=X^k|k-1+Kk(sT_R_m(k)-Z^k|k-1)Pk|k=Pk|k-1-KkPZ~kKkT---(7)]]>其中，Kk为k时刻的卡尔曼增益，为k时刻状态更新值，Pk|k为的协方差矩阵；
最后，完成强散射点的定位一步预测，得到一步预测值和预测误差的协方差阵
X^k+1|k=FkX^k|k=x^k+1|ky^k+1|kz^k+1|k(v^x)k+1|k(v^y)k+1|k(v^z)k+1|kT---(8)]]>Pk+1|k=FkPk|kFkT+ΓkQkΓkT---(9)]]>其中，Fk是系统状态转移矩阵，Qk...

【专利技术属性】
技术研发人员：李景文，银皓，孙兵，王岩，姚锟，
申请(专利权)人：北京航空航天大学，
类型：发明
国别省市：北京;11