一种集中式MIMO雷达快速自适应目标跟踪方法技术

本发明专利技术公开了一种集中式MIMO雷达快速自适应目标跟踪方法，属于属于雷达目标跟踪领域。本发明专利技术的目标是在保证目标跟踪精度的情况下中尽可能的减少雷达资源消耗量，主要考虑采用时间资源和能量资源来描述雷达资源。对于时间资源量，我们使用采样间隔来描述；而能量资源则采用发射能量来描述。由于发射能量和采样间隔是代价函数中两个完全不同的因素，量纲也不相同，因此不能对其直接进行加权求和，为此需要分别对波形功率和采样间隔的最大值进行归一化处理，从而可获代价函数表达式，其前一项表示工作在第l种波形的能量资源消耗量，后一项表示工作在集中式MIMO雷达划分为个数为Kj，采用第l种波形时的时间资源消耗量。

A fast adaptive target tracking method for centralized MIMO radar

The invention discloses a centralized MIMO radar fast adaptive target tracking method, which belongs to the field of radar target tracking. The object of the present invention is to reduce the consumption of radar resources as much as possible under the condition of ensuring the target tracking accuracy, and the time and energy resources are mainly considered to describe the radar resources. For time resources, we use sampling intervals to describe them, while for energy resources, we use emission energy to describe them. Because the transmitting energy and sampling interval are two completely different factors in the cost function and their dimensions are different, the weighted summation can not be carried out directly. Therefore, it is necessary to normalize the maximum values of the waveform power and the sampling interval, so that the expression of the cost function can be obtained. The latter represents the time resource consumption when the centralized MIMO radar is divided into Kj and the first waveform is used.

【技术实现步骤摘要】
一种集中式MIMO雷达快速自适应目标跟踪方法
本专利技术属于雷达目标跟踪领域，具体涉及基于集中式MIMO雷达的快速自适应目标跟踪算法。
技术介绍
MIMO(Multiple-InputMultiple-Output)雷达作为一种新型雷达体制在21世纪初正式被提出后，引起了国内外众多学者和研究机构的广泛关注和研究(见文献：P.StoicaandJ.Li,“MIMOradarwithcolocatedantennas,”IEEESignalProcess.Mag.,vol.24,no.5,pp.106–114,Sep.2007；A.M.Haimovich,R.S.Blum,andL.J.Cimini,“MIMOradarwithwidelyseparatedantennas,”IEEESignalProcess.Mag.,vol.25,no.1,pp.116–129,Jan.2008；J.LiandP.Stoica,MIMORadarSignalProcessing.Hoboken,NJ,USA:Wiley,2009)。MIMO雷达一般分为分布式MIMO雷达和集中式MIMO雷达。由于集中式MIMO雷达是在传统相控阵雷达基础上发展起来的，因此，集中式MIMO雷达系统结构是更为实际的系统结构(见文献：YanJ,LiuH,BoJ,etal.SimultaneousMultibeamResourceAllocationSchemeforMultipleTargetTracking[J].IEEETransactionsonSignalProcessing,2015,63(12):3110-3122)。集中式MIMO雷达的各个子阵发射相互正交的波形，形成不同于传统相控阵的窄波束，且可以根据子阵划分个数的调整，自适应控制其波束宽度，因此，系统资源管理的自由度更大。在目标跟踪时，为了提高系统目标容量，需要尽可能减少每个跟踪任务所消耗的系统资源量，例如根据目标机动特性调整采样周期、根据跟踪精度要求调整发射能量等。在传统相控阵雷达中，对于跟踪目标的时间-能量资源联合管理，传统方法是通过使预测误差协方差小于门限实现对采样周期的控制或者利用角度量测误差方差自适应选择采样周期(见文献：WatsonGA,BlairWD.TrackingperformanceofaphasedarrayradarwithrevisittimecontrolledusingtheIMMalgorithm[C]//RadarConference,1994.Recordofthe1994IEEENational.IEEE,1994:160-165；T.Kirubarajan,Y.Bar-Shalom,W.D.Blair,etal.IMMPDFforradarmanagementandtrackingbenchmarkwithECM[J].IEEETransactionsonAerospaceandElectronicSystems,1998,34(4):1115-1134)，并且通过使预测信噪比大于门限自适应选择具有不同发射能量的波形(见文献：T.Kirubarajan,Y.Bar-Shalom,W.D.Blair,etal.IMMPDFforradarmanagementandtrackingbenchmarkwithECM[J].IEEETransactionsonAerospaceandElectronicSystems,1998,34(4):1115-1134)。在使用传统方法过程中，需要对每一个可能的采样周期依次遍历待选波形以形成相应的参数组合，并对这些参数组合进行相应的运算；假设采样周期的可能取值个数为M，待选波形个数为W，则该方法需要对M×W个可能的参数组合，确定满足约束条件的可行参数集合，并从中选择最节省雷达资源的组合。当采用集中式MIMO雷达进行自适应目标跟踪时，除了采样周期和发射能量可调整外，还需要有效控制子阵划分个数。假设可能的子阵划分个数为K，若继续采用传统的方法，则需要对M×W×K个参数组合分别进行是否满足约束条件的判断，当各个可能取值的个数都较大时，计算量特别大，不具备雷达跟踪所要求的实时性。
技术实现思路
本专利技术针对集中式MIMO雷达采用传统自适应目标跟踪方法计算量大、不具有实时性的问题，提出了相应的快速自适应目标跟踪算法，在保证目标跟踪精度的前提下，大大地节约了雷达资源。本专利技术技术方案为:一种集中式MIMO雷达快速自适应目标跟踪方法,该方法包括两部分：离线的目标模型机动参数库的建立和在线快速自适应目标跟踪：一、建立离线的机动参数库：步骤1：确定出可行的概率组合集合U；设IMM滤波器中有N个Singer模型进行交互，每个模型的机动参数为其中，分别表示第i个模型中的机动频率和加速度方差，对模型概率取值空间[0,1]进行离散化，设离散化后可行的概率组合共Q个，则概率组合集合U为：U＝{U1,U2,…,UQ}(1)其中，集合U中的任一元素Uh为：Uh＝{μ1h,μ2h,…,μNh},1≤h≤Q(2)对于Uh＝{μ1h,μ2h,…,μNh}，μih表示概率组合Uh中的第i个模型的概率，μih需要满足：步骤2：在每个可行的概率组合Uh,h＝1,2,…,Q下，估计目标的加速度自相关函数其中ε表示相关时间；计算的一个临界点设为使：其中，λ为常数因子且0≤λ≤1，对区间进行离散化，离散化后的取值集合表示为：其中，取值的个数r＞＞2；步骤3：在概率组合Uh,h＝1,2,…,Q下，计算向量的值，表示在概率组合Uh下IMM滤波器交互后目标模型的机动参数估计值组成的向量：其中：步骤4：计算概率组合Uh下的目标机动参数的估计值：其中，表示向量的第一个元素，表示向量的第二个元素；将概率组合对应的机动参数存入机动参数离线库，分别表示在概率组合Uh下IMM滤波器交互后目标模型的机动频率估计值和加速度方差估计值；步骤5：按上述方法建立目标机动参数离线库，其中包含可行概率组合集合U，以及对应的目标机动参数集合C；概率组合集合U见式(1)，目标参数集合C表示如下：C＝{C1,C2,…,CQ,}(10)其中，二、在线的快速自适应目标跟踪：步骤1：设集中式MIMO雷达总的阵元数为M，则其可能划分的子阵个数为Kj＝2j-1，j＝1,2,…,(log2M+1)，波形库中的待选波形表示为wl,l＝1,2,...,W，其中W为波形库中的波形个数；若当前时刻为tk，对于每一个可能的子阵划分个数和每一个可能的波形所构成的参数组合(Kj,wl)，计算其对应的预测信噪比预测的目标径向距离标准差预测的目标的方位角的量测标准差和量测位置误差方差其中表示tk时刻预测的量；步骤2：计算参数组合(j,l)对应的跟踪精度其中期望的目标预测位置误差方差，由子阵划分个数确定；步骤3：利用IMM滤波器预测时刻的模型概率组合集合在目标机动参数离线库中查找与匹配度最高的概率组合集合表示为即求：对应查找与对应的目标机动参数其中，函数f的计算为：分别表示采样时刻为时IMM滤波器交互得到的目标模型的机动频率估计值和加速度方差估计值，分别表示概率组合Uh中的第i个模型的概率和采样时刻为时第i个模型的概率；本文档来自技高网...

【技术保护点】
1.一种集中式MIMO雷达快速自适应目标跟踪方法，该方法包括两部分：离线的目标模型机动参数库的建立和在线快速自适应目标跟踪：一、建立离线的机动参数库：步骤1：确定出可行的概率组合集合U；设IMM滤波器中有N个Singer模型进行交互，每个模型的机动参数为

【技术特征摘要】
1.一种集中式MIMO雷达快速自适应目标跟踪方法，该方法包括两部分：离线的目标模型机动参数库的建立和在线快速自适应目标跟踪：一、建立离线的机动参数库：步骤1：确定出可行的概率组合集合U；设IMM滤波器中有N个Singer模型进行交互，每个模型的机动参数为其中，分别表示第i个模型中的机动频率和加速度方差，对模型概率取值空间[0,1]进行离散化，设离散化后可行的概率组合共Q个，则概率组合集合U为：U＝{U1,U2,…,UQ}(1)其中，集合U中的任一元素Uh为：Uh＝{μ1h,μ2h,…,μNh},1≤h≤Q(2)对于Uh＝{μ1h,μ2h,…,μNh}，μih表示概率组合Uh中的第i个模型的概率，μih需要满足：步骤2：在每个可行的概率组合Uh,h＝1,2,…,Q下，估计目标的加速度自相关函数其中ε表示相关时间；计算的一个临界点设为使：其中，λ为常数因子且0≤λ≤1，对区间进行离散化，离散化后的取值集合表示为：其中，取值的个数r＞＞2；步骤3：在概率组合Uh,h＝1,2,…,Q下，计算向量的值，表示在概率组合Uh下IMM滤波器交互后目标模型的机动参数估计值组成的向量：其中：步骤4：计算概率组合Uh下的目标机动参数的估计值：其中，表示向量的第一个元素，表示向量的第二个元素；将概率组合对应的机动参数存入机动参数离线库，分别表示在概率组合Uh下IMM滤波器交互后目标模型的机动频率估计值和加速度方差估计值；步骤5：按上述方法建立目标机动参数离线库，其中包含可行概率组合集合U，以及对应的目标机动参数集合C；概率组合集合U见式(1)，目标参数集合C表示如下：C＝{C1,C2,…,CQ,}(10)其中，二、在线的快速自适应目标跟踪：步骤1：设集中式MIMO雷达总的阵元数为M，则其可能划分的子阵个数为Kj＝2j-1，j＝1,2,…,(log2M+1)，波形库中的待选波形表示为wl,l＝1,2,...,W，其中W为波形库中的波形个数；若当前时刻为tk，对于每一个可能的子阵划分个数和每一个可能的波形所构成的参数组合(Kj,wl)，计算其对应的预测信噪比预测的目标径向距离标准差预测的目标的方位角的量测标准差和量测位置误差方差其中表示tk时刻预测的量；步骤2：计算参数组合(j,l)对应的跟踪精度其中期望的目标预测位置误差方差，由子阵划分个数确定；步骤3：利用IMM滤波器预测时刻的模型概率组合集合在目标...

【专利技术属性】
技术研发人员：程婷，魏雪娇，陆晓莹，苏洋，彭瀚，
申请(专利权)人：电子科技大学，
类型：发明
国别省市：四川,51