基于位置和多普勒速度信息的PD雷达抗速度拖引方法技术

本发明专利技术公开了一种基于位置和多普勒速度信息的PD雷达抗速度拖引方法。首先依据不同量测集合分别建立两个跟踪模型，其中，模型1中的量测集包括跟踪雷达在当前时刻探测到的位置量测，模型2中的量测集是跟踪雷达自动跟踪系统在当前时刻捕获到的位置量测和多普勒径向速度量测。模型1和2各自独立地进行滤波，分别获得目标状态估计向量及相应的估计误差协方差。若雷达没有受到速度拖引干扰，则两个模型的状态估计在统计意义上没有显著差异；若雷达受到速度拖引干扰,则两模型的状态估计差异性较大。根据以上原则进行卡方检验，确定目标状态输出。利用该发明专利技术可有效解决速度拖引对PD雷达的干扰问题，具有推广应用价值。

【技术实现步骤摘要】

本专利技术涉及一种雷达数据处理方法，特别涉及一种雷达抗有源假目标VGPO干扰 技术，提出了基于位置和多普勒速度信息的ro雷达抗速度拖引方法。
技术介绍
VGPO干扰是针对具备测速功能的ro/MTI体制跟踪雷达的专用干扰样式。VGPO干 扰机截获到雷达发射信号，对其快速复制和频相调制，然后立刻转发，延迟时间可忽略，产 生的虚假目标信号在时间上与真实目标信号几乎重叠，而多普勒频移相对于真实目标的多 普勒频移增大或减小，功率大于真实目标信号功率。现有针对速度拖引干扰采取的基于雷 达数据处理技术的电子对抗措施主要是基于虚假速度量测信息与跟踪航迹的估计速度不 匹配的原则，通过比较两个速度值的不同而鉴别出干扰，即速度比较法。 这种关联方法具有以下两个缺陷：（1)杂波条件下跟踪误差大；(2)目标机动时跟 踪误差大。
技术实现思路
本专利技术的目的是提出一种基于位置和多普勒速度信息的ro雷达抗速度拖引方 法，解决现有速度比较法在目标机动和杂波条件下跟踪效果差的问题。 本专利技术提出的基于位置和多普勒速度信息的ro雷达抗速度拖引方法的技术方案 包括以下步骤： 步骤一：模型M1的滤波，主要包括幅度信息提取、互联概率计算、加权融合和状态 提取，其中： 1)幅度信息提取的目的是根据目标回波的幅度均值高于杂波的幅度均值这一原 理，将提取的幅度信息用于模型M1的数据关联，提取出的幅度信息为： 式中，Λ为回波信号幅度，Λ。为检测门限，D为目标回波信号的信噪比均值，H。假 设回波信号为杂波，H1假设回波信号为目标回波； 2)互联概率计算的目的是计算落入波门内的候选量测集合的互联概率，得到的互 联概率为： CN 105116387 A 说明书 2/6 页 式中，Mk)表示k时刻第i个回波源于目标的条件概率，0。(1〇表示k时刻没 有回波源于目标的条件概率，Pd表示目标检测概率，P 表示门概率，V i (k)表示回波的新息， A1GO表示第i各回波的幅度量测分量，S1GO为回波的新息协方差， 3)加权融合和状态提取的目的是计算出模型M1的目标状态估计和状态估计协方 差； 「m9ii 爐沏1晶餘的日烷妹本仕许和相^的仕许彳呈荖协玄荖咗. 式中，K1 (k)表示滤波增益； 步骤二：模型M2的滤波，模型M2在模型M1量测集的基础上加入了目标速度信息， 幅度信息提取和互联概率计算与模型M1-致，量测集的不同造成两个模型的雷达量测方 程、新息协方差不同；模型M2的量测集为： 其中，成_、.巧和< 分别为该量测的径向距呙分量、方位角分量和俯仰角分量，为 该量测的径向速度分量； 模型M2中雷达的量测方程为： 胃200是量测噪声，其协方差阵力/?:斤)=-|^；^4<，〇',2)，<、￥、（:^和 〇；2 分别为雷达在径向距离、方位角、俯仰角和径向速度上的测量误差的方差； 新息协方差为： S2 (k) = h2X (k) P2 (k | k-1) h2XT (k) +R2 (k) (12) 其中，h2X(k)为雅可比矩阵： 步骤三：模型输出 在没有速度拖引干扰的情况下，模型乂和心的目标状态估计服从以目标真实值为 均值，以估计误差协方差为协方差的正态分布，则两模型目标状态的差服从以〇向量为均 值，估计误差协方差的和为协方差的正态分布，此时模型M2由于引入了速度信息进行滤波， 所以估计精度更高，最终的目标状态估计取模型％的结果；在存在速度拖引干扰的情况下， 模型M2的目标状态估计的均值不等于目标真实值，则两模型目标状态的差服从均值非0的 正态分布，最终的目标状态估计取模型M1的结果。 和
技术介绍
相比，本专利技术的有益效果说明：（1)本专利技术在传统PDA的基础上加入了 幅度信息，解决了强杂波下目标跟踪容易出错的难题；(2)速度拖引干扰下，本专利技术能有效 消除虚假量测对目标跟踪的不良影响，具有较强的自适应能力；（3)存在速度拖引干扰时， 本专利技术方法计算时间显著低于速度比较法。【附图说明】 附图1是本专利技术的基于位置和多普勒速度信息的ro雷达抗速度拖引干扰方法的 模型示意图； 附图2是本专利技术方法和基于空间位置加径向速度量测而不带幅度信息的 PDA-CA-EKF的跟踪航迹对比图； 附图3是本专利技术方法和基于空间位置和速度量测且带幅度信息的AI-PDA-CA-EKF 的跟踪航迹对比图。【具体实施方式】 下面结合附图对本专利技术的基于位置和多普勒速度信息的ro雷达抗速度拖引方法 进行详细描述。 以一部机载ro雷达和一架携带自卫式欺骗干扰机的飞行目标为背景，建立统一 的直角坐标系。雷达载机进行匀速直线运动，其初始位置为（〇km，0km，6km)，速度为（150m/ s，Om/s，Om/s)，雷达扫描周期为0. ls，测距误差为50m，测方位角误差和测俯仰角误差均 为0. Γ，测速误差为5m/s。目标的初始位置为（60km，50km，3km)，初始速度为（-200m/ s，100m/s，0m/s)，目标勾速飞行IOs后做转弯机动，加速度为（20m/s2,20m/s2,0m/s2)4/l 动持续l〇s，然后改匀速飞行10s，再做加速度为（-20m/s2, -20m/s2, 0m/s2)的转弯机动，机 动持续l〇s，最后保持匀速飞行，整个飞行过程持续60s，过程噪声的方差为100。进行100 次Monte-Carlo,其步骤如附图1所示。 (1)按
技术实现思路
部分步骤1所述方法计算模型M1的幅度信息ρ(Λ IH1, Λ彡Λ。)、 互联概率P1GO、目标状态估计矣仿Α)和相应的估计误差协方差阵P1Gc I k): 提取出的幅度信息为：CN 105116387 A 说明书 5/6 页 模型M1最终的目标状态估计和相应的估计误差协方差阵： (2)按
技术实现思路
部分步骤2所述方法计算模型M2的量测方程、新息协方差S 2(k)、 目标状态估计之(到A)和相应的估计误差协方差阵P2 (k I k); 模型％最终的目标状态估计和相应的估计误差协方差阵为： (3)按
技术实现思路
部分步骤3所述方法，选择模型的估计结果： 建立以下假设： 构造如下的检验统计量： 其中，是x2(n)分布关于a的单侧分位数 若Γ <€(//)接受假设HM。，则认为此时没有速度拖引干扰，选取模型％的结果为 最终输出； 若Γ >乂(/?)，接受假设Hmi，则认为存在速度拖引干扰或者目标存在机动； 此时构建如下的控制量： 如此即得到目标滤波结果。 附图2为杂波密度λ = 2X 10 5时，本专利技术方法和基于空间位置加径向速度量测 而不带幅度信息的PDA-CA-EKF的跟踪航迹对比图。 附图3为显著性水平取a = 0. 005时，本专利技术方法和基于空间位置和速度量测且 带幅度信息的AI-PDA-CA-EKF的跟踪航迹对比图。【主权项】i. 一种基于位置和多普勒速度信息的ro雷达抗速度拖引方法，其特征在于，包括以下 步骤： 步骤一：模型W的滤波，包括幅度信息提取、互联概率计算、加权融合和状态提取，其 中： 1) 提取出的幅度信息为：(I) (2) 式中，A为回波信号幅度，A。为检测门限，D为目标回波信号的信噪比均值，H。假设回 波信号为杂波，氏假设回波信号为目标回波； 2) 计算落入本文档来自技高网...

【技术保护点】
一种基于位置和多普勒速度信息的PD雷达抗速度拖引方法，其特征在于，包括以下步骤:步骤一：模型M1的滤波，包括幅度信息提取、互联概率计算、加权融合和状态提取，其中：1)提取出的幅度信息为：式中，Λ为回波信号幅度，Λ0为检测门限，D为目标回波信号的信噪比均值，H0假设回波信号为杂波，H1假设回波信号为目标回波；2)计算落入波门内的候选量测集合的互联概率，得到的互联概率为：式中，κi为：式中，βi(k)表示k时刻第i个回波源于目标的条件概率，β0(k)表示k时刻没有回波源于目标的条件概率，PD表示目标检测概率，PG表示门概率，vi(k)表示回波的新息，Λi(k)表示第i各回波的幅度量测分量，Si(k)为回波的新息协方差，3)通过加权融合和状态提取，得到模型M1的目标状态估计和状态估计协方差，具体为：式中，K1(k)表示滤波增益；步骤二：模型M2的滤波，模型M2在模型M1量测集的基础上加入了目标速度信息，幅度信息提取和互联概率计算与模型M1一致，模型M2的量测集为：其中，和分别为该量测的径向距离分量、方位角分量和俯仰角分量，为该量测的径向速度分量；模型M2中雷达的量测方程为：Z2(k)＝h2[X(k)]+W2(k)   (10) 其中，W2(k)是量测噪声，其协方差阵为和分别为雷达在径向距离、方位角、俯仰角和径向速度上的测量误差的方差；新息协方差为：S2(k)＝h2X(k)P2(k|k‑1)h2XT(k)+R2(k)   (12) 其中，h2X(k)为雅可比矩阵：步骤三：模型输出在没有速度拖引干扰的情况下，模型M1和M2的目标状态估计服从以目标真实值为均值，以估计误差协方差为协方差的正态分布，则两模型目标状态的差服从以0向量为均值，估计误差协方差的和为协方差的正态分布，此时模型M2由于引入了速度信息进行滤波，所以估计精度更高，最终的目标状态估计取模型M2的结果；在存在速度拖引干扰的情况下，模型M2的目标状态估计的均值不等于目标真实值，则两模型目标状态的差服从均值非0的正态分布，最终的目标状态估计取模型M1的结果。...

【技术特征摘要】

【专利技术属性】
技术研发人员：王国宏，杨忠，李迎春，孙殿星，贺达超，张翔宇，
申请(专利权)人：中国人民解放军海军航空工程学院，
类型：发明
国别省市：山东;37