一种杂波环境下的认知雷达目标跟踪方法技术

本发明专利技术公开了一种杂波环境下的认知雷达目标跟踪方法，获取当前时刻所有量测值并计算落入相关波门内的量测值；计算落入相关波门内的每个量测值来自目标的概率；计算当前时刻的等效量测值；将其作为感知存储器的输入，输出得到当前时刻的系统方程参数；根据系统方程参数和等效量测值，进行状态和量测预测，得到状态预测协方差；将其作为执_行存储器的输入，输出得到当前时刻的发射波形参数集；计算每种波形参数下的新息协方差和状态误差协方差；进行最优波形参数选择；根据最优波形参数计算当前时刻的新息协方差、状态误差协方差及状态估计值。本发明专利技术解决了现有认知雷达目标跟踪技术在杂波环境下无法正常运行的问题，并可提高杂波环境下的跟踪性能。

【技术实现步骤摘要】

本专利技术属于雷达数据处理
，具体涉及一种杂波环境下的认知雷达目标跟踪方法。
技术介绍
传统的目标跟踪雷达(Traditional Active Radar,TAR)仅发射固定波形，在接收端采用自适应信号处理算法提高跟踪性能，而雷达的量测、分辨率等指标很大程度上取决于发射波形参数，当环境产生变化时，仅采用自适应滤波很难达到理想的跟踪效果，因此，自适应技术被应用到发射端，进而出现了自适应雷达(Fore-active Radar,FAR)，它可以动态地选取发射波形。与此同时，基于知识辅助的雷达信号和数据处理方法也取得了显著的成果与进展，通过使用先验知识可进一步提高雷达的自适应能力。基于这两方面的研究成果，加拿大学者Simon Haykin于2006年首次提出了认知雷达(Cognitive Radar, CR)的概念。认知雷达通过环境的反射回波对环境进行感知，并利用感知的信息和其他先验知识对接收端和发射端进行联合自适应调整，实现对目标有效而稳定的跟踪，从而大幅提高了雷达目标跟踪性能。目前，认知雷达研究的对象主要集中在目标跟踪这一问题上。针对认知雷达目标跟踪这一问题，Simon Haykin等进行了一系列的研究，包括线性和非线性目标跟踪，但其所有的研究都是在假定无杂波这一前提条件下进行的。如果目标处于杂波环境下，目标回波和杂波回波混在一起，现有技术由于无法确定认知雷达感知存储器的输入而无法正常运行。
技术实现思路
有鉴于此，本专利技术针对杂波环境下，目标回波和杂波回波混在一起，现有技术无法确定认知雷达感知存储器的输入而无法正常运行的问题，提供了一种杂波环境下的认知雷达目标跟踪方法。为了解决上述技术问题，本专利技术公开了一种杂波环境下的认知雷达目标跟踪方法，该方法包括以下步骤：步骤S1：获取当前时刻的所有量测值，并计算落入相关波门内的量测值；步骤S2：计算落入相关波门内的每个量测值来自目标的概率；步骤S3：根据落入相关波门内的每个量测值及其来自目标的概率，计算当前时刻的等效量测值；步骤S4：将等效测量值作为感知存储器的输入，输出得到当前时刻的系统方程参数；步骤S5：根据系统方程参数和等效量测值，进行状态和量测预测，得到状态预测值、量测预测值和状态预测协方差；步骤S6：将获得的状态预测协方差作为执行存储器的输入，输出得到当前时刻的发射波形参数集；步骤S7：对于当前时刻的发射波形参数集，计算每种波形参数下的新息协方差和状态误差协方差；步骤S8：进行最优波形参数选择：从获得的发射波形参数集中选取最佳的发射波形参数，使代价函数最小；步骤S9：根据获得的最优波形参数，计算当前时刻的新息协方差、状态误差协方差以及状态估计值。与现有技术相比，本专利技术可以获得包括以下技术效果：1、解决了现有的认知雷达目标跟踪技术在杂波环境下无法正常运行的问题。2、提高了杂波环境下的雷达目标跟踪性能。在杂波环境下，本专利技术方法的目标跟踪性能优于现有的TAR和FAR目标跟踪技术。当然，实施本专利技术的任一产品并不一定需要同时达到以上所述的所有技术效果。附图说明此处所说明的附图用来提供对本专利技术的进一步理解，构成本专利技术的一部分，本专利技术的示意性实施例及其说明用于解释本专利技术，并不构成对本专利技术的不当限定。在附图中：图1为本专利技术杂波环境下的认知雷达目标跟踪方法一个实施例的流程图；图2为仿真例中本专利技术方法与现有的TAR和FAR目标跟踪方法的距离均方根误差曲线；图3为仿真例中本专利技术方法与现有的TAR和FAR目标跟踪方法的速度均方根误差曲线。具体实施方式以下将配合实施例来详细说明本专利技术的实施方式，藉此对本专利技术如何应用技术手段来解决技术问题并达成技术功效的实现过程能充分理解并据以实施。本专利技术杂波环境下的认知雷达目标跟踪方法，如图1所示，具体按照以下步骤实施：步骤S1：获取当前时刻的所有量测值，并计算落入相关波门内的量测值。所述的相关波门是指以跟踪目标的量测预测值为中心，用来确定来自目标的量测值可能出现范围的一块区域。相关波门的形状根据实际应用进行设计，在本专利技术的一个实施例中，优选椭圆(球)相关波门，并可采用以下步骤对计算落入相关波门内的量测值进行详细描述：若当前时刻k等于1，则将当前时刻获取的所有量测值作为落入相关波门内的量测值。若当前时刻k大于等于2，则计算当前时刻获取的每一个量测值与量测预测值之间的相关误差：其中，zk,i为当前时刻获取的第i个量测值，为量测预测值，vi为zk,i与之间的相关误差，N为当前时刻获取的量测值的总数，Sk为新息协方差矩阵，Sk1为Sk的逆矩阵。实施时，和Sk分别由上一时刻计算的步骤S5和S9得到。当上述某个量测值的相关误差小于等于相关门限时，则该量测值落入相关波门内。相关门限的取值决定了量测值落入相关波门内的概率(即门概率)，在本专利技术的一个实施例中，优选等于16。步骤S2：计算落入相关波门内的每个量测值来自目标的概率：其中，i为落入相关波门内的第i个量测值来自目标的概率，M为落入相关波门内的所有量测值的总数，其中，为相关门限，nz为量测的维数，与相关波门的面(体)积有关，PD为目标检测概率，PG为门概率。在本专利技术的一个实施例中，设目标检测概率PD 0.9，量测维数nz＝2，采用椭圆相关波门，相关门限16，分析可知：PG 0.9997。在实施时，若相关波门内没有量测，即M等于0，则跳过步骤S2，直接进入步骤S3。步骤S3：根据落入相关波门内的每个量测值及其来自目标的概率，计算当前时刻的等效量测值。若M大于0，则当前时刻的等效量测为：若M等于0，则当前时刻的等效测量值为：其中，zk为当前时刻的等效量测值，zk,i和i分别为当前时刻落入相关波门内的第i个量测值及其来自目标的概率，为量测预测值。步骤S4：将等效测量值作为感知存储器的输入，输出得到当前时刻的系统方程参数。在本专利技术的一个实施例中，所述的感知存储器由包含一个输入层、一个隐含层和一个输出层的三层感知神经网络构成，其输入为步骤S3中获得的等效量测zk，输出为与等效量测最匹配的系统方程参数，具体来说，就是状态转移矩阵Fk、量测矩阵Hk和系统噪声协方差矩阵Qk。步骤S5：根据获得的系统方程参数和等效量测值，进行状态和量测预测，得到状态预测值、量测预测值和状态预测协方差，具体如下：其中，和Pk|k1分别为当前时刻的状态预测值、量测预测值和状态预测协方差，xk1为上一时刻的状态估计值，Ek1为上一时刻的状态误差协方差。实施时，若当前时刻k大于等于2，则xk1和Ek1由上一时刻计算的步骤S9得到；若当前时刻k等于1，则xk1和Ek1分别取为步骤S3中获得的等效量测值zk和步骤S4中获得的系统噪声协方差矩阵Qk。步骤S6：将步骤S5中得到的状态预测协方差作为执行存储器的输入，输出得到当前时刻的发射波形参数集。在实施时，所述的执行存储器由一个发射波形库Θ以及包含一个输入层、一个隐含层和一个输出层的三层感知神经网络共同构成。发射波形库Θ中包含多种事先设计好的用于探测环境和目标的发射波形参数，波形库的设计由具体应用环境而定，在本专利技术的一个实施例中，采用线性调频信号作为发射波形，涉及到的波形参数包括包络持续时间和调频斜率b。三层感知神经网络的输入为步骤S5中获得的状态预测协方差Pk|k1，输出为与之匹配的一本文档来自技高网...

【技术保护点】
一种杂波环境下的认知雷达目标跟踪方法，其特征在于，该方法包括以下步骤：步骤S1：获取当前时刻的所有量测值，并计算落入相关波门内的量测值；步骤S2：计算落入相关波门内的每个量测值来自目标的概率；步骤S3：根据落入相关波门内的每个量测值及其来自目标的概率，计算当前时刻的等效量测值；步骤S4：将等效测量值作为感知存储器的输入，输出得到当前时刻的系统方程参数；步骤S5：根据系统方程参数和等效量测值，进行状态和量测预测，得到状态预测值、量测预测值和状态预测协方差；步骤S6：将获得的状态预测协方差作为执行存储器的输入，输出得到当前时刻的发射波形参数集；步骤S7：对于当前时刻的发射波形参数集，计算每种波形参数下的新息协方差和状态误差协方差；步骤S8：进行最优波形参数选择：从获得的发射波形参数集中选取最佳的发射波形参数，使代价函数最小；步骤S9：根据获得的最优波形参数，计算当前时刻的新息协方差、状态误差协方差以及状态估计值。

【技术特征摘要】
1.一种杂波环境下的认知雷达目标跟踪方法，其特征在于，该方法包括以下步骤：步骤S1：获取当前时刻的所有量测值，并计算落入相关波门内的量测值；步骤S2：计算落入相关波门内的每个量测值来自目标的概率；步骤S3：根据落入相关波门内的每个量测值及其来自目标的概率，计算当前时刻的等效量测值；步骤S4：将等效测量值作为感知存储器的输入，输出得到当前时刻的系统方程参数；步骤S5：根据系统方程参数和等效量测值，进行状态和量测预测，得到状态预测值、量测预测值和状态预测协方差；步骤S6：将获得的状态预测协方差作为执行存储器的输入，输出得到当前时刻的发射波形参数集；步骤S7：对于当前时刻的发射波形参数集，计算每种波形参数下的新息协方差和状态误差协方差；步骤S8：进行最优波形参数选择：从获得的发射波形参数集中选取最佳的发射波形参数，使代价函数最小；步骤S9：根据获得的最优波形参数，计算当前时刻的新息协方差、状态误差协方差以及状态估计值。2.根据权利要求1所述的杂波环境下的认知雷达目标跟踪方法，其特征在于，步骤S1中，所述的相关波门是指以跟踪目标的量测预测值为中心，用来确定来自目标的量测值可能出现范围的一块区域；相关波门的形状为椭圆(球)，并采用以下步骤对计算落入相关波门内的量测值进行详细描述：若当前时刻k等于1，则将当前时刻获取的所有量测值作为落入相关波门内的量测值；若当前时刻k大于等于2，则计算当前时刻获取的每一个量测值与量测预测值之间的相关误差：其中，zk,i为当前时刻获取的第i个量测值，为量测预测值，vi为zk,i与之间的相关误差，N为当前时刻获取的量测值的总数，Sk为新息协方差矩阵，Sk1为Sk的逆矩阵；和Sk分别由上一时刻计算的步骤S5和S9得到。当上述某个量测值的相关误差小于等于相关门限时，则该量测值落入相关波门内；相关门限的取值决定了量测值落入相关波门内的概率(即门概率)。3.根据权利要求1或2所述的杂波环境下的认知雷达目标跟踪方法，其特征在于，步骤S2中，落入相关波门内的每个量测值...

【专利技术属性】
技术研发人员：于雪莲，郝英杰，曲学超，常俊杰，周云，
申请(专利权)人：电子科技大学，
类型：发明
国别省市：四川;51