一种利用粒子滤波的雷达微弱目标检测跟踪方法技术

本发明专利技术属于通信电子技术领域，涉及一种利用粒子滤波的雷达微弱目标检测跟踪方法。本发明专利技术的方法首先减少传统粒子滤波的粒子数量，从被跟踪目标可能的分布中采样得到少量的采样点，赋予采样点不同的权重，再对变换后的采样点进行序贯平滑处理，最终输出得到目标位置的估计。仿真结果表明本算法的定位精度高于现有的粒子滤波算法，并且计算开销较低。本算法在信噪比为0dB‑15dB的情况下，总共进行100次蒙特卡洛仿真进行检测，得到了较高的检测概率，而且改进算法的检测概率在7dB时明显优于现有的粒子滤波算法，计算代价也小于现有的粒子滤波算法。

【技术实现步骤摘要】
一种利用粒子滤波的雷达微弱目标检测跟踪方法
个本专利技术属于通信电子
，涉及一种利用粒子滤波的雷达微弱目标检测跟踪方法。
技术介绍
为了应对隐身目标等非合作目标给现代雷达带来的挑战，无源定位与跟踪方法正在蓬勃发展，无源体制信号探测技术中一个关键问题就是对微弱机动目标进行检测与跟踪。微弱目标指的是雷达反射截面积很小，导致反射回波很弱的低可探测性目标。这些目标被电磁波照射时，后向散射波强度明显下降，回波信号非常微弱。同时，这些典型的微弱目标又往往具有非常高的机动性，即这些目标能够改变自身原有的运动规律，导致运动模型变化的程度超过了滤波器模型所能跟踪匹配的范围，即造成模型失配。传统雷达对这些目标的探测距离大为缩短，探测的灵敏度也大为降低。所以，传统的门限检测和跟踪方法对于微弱机动目标不具优势，技术革新迫在眉睫。现有的检测跟踪算法的主要缺点是跟踪非线性运动的目标时容易形成模型失配，而且计算代价很大。因此，设计检测跟踪算法时需要考虑的两个主要因素是能耗和跟踪精度。考虑到能耗限制以及精度需求，传统的粒子滤波算法包括以下步骤：(1)采样随机生成一组粒子。(2)更新重要性权重。(3)计算归一化本文档来自技高网...

【技术保护点】
一种利用粒子滤波的雷达微弱目标检测跟踪方法，其特征在于，该方法根据序贯平滑的粒子滤波确定相应的概率分布函数从而估计目标状态、位置信息并进行目标跟踪，具体包括：S1、从被跟踪目标可能的分布中采样得到少量的采样点，并计算得到这些点的平均值和协方差：μX＝∑xp(x)COV(X，Y)＝E[(X‑μX)(Y‑μY)]其中p(x)表示随机变量在x处出现的概率大小，μ表示变换前建议分布的均值，μX为变量X的均值，μY为变量Y的均值，COV(X，Y)表示两个变量的协方差；S2、生成采样点：选择建议分布的均值作为第一个采样点，在第一个采样点的两侧分别对称地选取两组采样点，使得采样点的分布符合下列约束方程：

【技术特征摘要】
1.一种利用粒子滤波的雷达微弱目标检测跟踪方法，其特征在于，该方法根据序贯平滑的粒子滤波确定相应的概率分布函数从而估计目标状态、位置信息并进行目标跟踪，具体包括：S1、从被跟踪目标可能的分布中采样得到少量的采样点，并计算得到这些点的平均值和协方差：μX＝∑xp(x)COV(X，Y)＝E[(X-μX)(Y-μY)]其中p(x)表示随机变量在x处出现的概率大小，μ表示变换前建议分布的均值，μX为变量X的均值，μY为变量Y的均值，COV(X，Y)表示两个变量的协方差；S2、生成采样点：选择建议分布的均值作为第一个采样点，在第一个采样点的两侧分别对称地选取两组采样点，使得采样点的分布符合下列约束方程：其中wm和wc分别表示步骤一中均值和方差的权重，f(x)表示非线性函数，ξi表示了第i个采样点，f(ξi)表示非线性函数在ξi处的取值。n表示输入向量x的维度；S3、对每个采样点赋予权重：引入可变参数α，β，κ，定义参数λ：λ＝α2(n+κ)-n对步骤S21中采样点的均值和方差赋予不同的权重，使得所有采样点的权重和为一，并且符合计算式：其中，下标i表示选择的是矩阵的第i列向量，∑表示协方差矩阵；ξC的均值的权重为：ξC的协方差的权重为：

【专利技术属性】
技术研发人员：任春辉，曹时杰，
申请(专利权)人：电子科技大学，
类型：发明
国别省市：四川,51