MIMO雷达观测噪声优化方法及装置制造方法及图纸

本发明专利技术公开了一种MIMO雷达观测噪声优化方法及装置，方法包括：获得雷达观测目标信息和先验知识信息；根据先验知识信息确定系统方程；根据雷达观测目标信息和观测方程确定贝叶斯新息；根据更新后的估计误差协方差矩阵和后验观测噪声协方差矩阵，确定Kalman递归方程增益，估计误差协方差矩阵根据历史估计误差协方差矩阵、Kalman递归方程历史增益和过程噪声协方差矩阵进行更新，后验观测噪声协方差矩阵根据提议分布进行更新；根据过程方程，贝叶斯新息和Kalman递归方程增益，进行雷达观测目标运动状态估计。本发明专利技术可以减小MIMO雷达观测噪声的干扰，在保证准确性的同时提高噪声优化实时性。性。性。

【技术实现步骤摘要】
MIMO雷达观测噪声优化方法及装置


[0001]本专利技术涉及雷达噪声分析
，尤其涉及MIMO雷达观测噪声优化方法及装置。

技术介绍

[0002]近年来，鲁棒滤波器的设计一直是现代雷达系统的研究热点之一。出现这种情况的主要原因有两个。首先，目标雷达信号可能会受到噪声、杂波等的干扰，从而导致接收信号统计模型的不确定性。其次，在雷达系统的实际应用中，发射机和接收机的设置会影响测量系统的模型。不幸的是，通过获得或理解真实世界中的精确模型来设计最优滤波器是代价高昂而不可行的，这使得一些与假设模型有很小偏差的名义上的最优滤波器的性能显著下降。因此，在一定的不确定性模型条件下，鲁棒滤波器可以看作是一种最优滤波器。
[0003]经典的Kalman滤波器是动态高斯线性系统下的最优滤波器。它在通信、导航、雷达、控制等领域都得到了较好的应用。然而，它也存在着突出的缺点，例如，完全掌握噪声的统计模型和信号的状态是获得良好性能的前提条件。因此，如何在噪声分布知识缺失或不精确的情况下设计一个鲁棒的Kalman滤波器，并能用于解决实际工程问题，对研究人员和开本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种MIMO雷达观测噪声优化方法，其特征在于，包括：获得雷达观测目标信息和先验知识信息，所述先验知识信息包括：状态转移矩阵，观测转移矩阵，过程噪声转移矩阵和噪声先验分布；根据所述状态转移矩阵，观测转移矩阵和过程噪声转移矩阵，确定系统方程，所述系统方程包括：过程方程和观测方程；根据所述雷达观测目标信息和观测方程，确定贝叶斯新息；根据更新后的估计误差协方差矩阵和后验观测噪声协方差矩阵，确定Kalman递归方程增益，所述估计误差协方差矩阵是根据历史估计误差协方差矩阵、Kalman递归方程历史增益和过程噪声协方差矩阵进行更新的，后验观测噪声协方差矩阵是根据提议分布进行更新的，所述提议分布是根据所述噪声先验分布利用模拟退火算法确定的；根据所述过程方程，贝叶斯新息和Kalman递归方程增益，进行雷达观测目标运动状态估计。2.如权利要求1所述的MIMO雷达观测噪声优化方法，其特征在于，所述后验观测噪声协方差矩阵按如下方式进行更新：根据观测方程，确定每一时刻观测的似然函数；根据所述提议分布，利用Metropolis
‑
Hastings算法确定后验观测噪声期望；根据所述后验观测噪声期望，确定更新后的后验观测噪声协方差矩阵。3.如权利要求2所述的MIMO雷达观测噪声优化方法，其特征在于，根据所述提议分布，利用Metropolis
‑
Hastings算法确定后验观测噪声期望，包括：获得不确定噪声参数的初值；根据所述提议分布和不确定噪声参数的初值，确定不确定噪声参数的候选值；根据所述不确定噪声参数的候选值，确定接受率；根据所述接受率，得到不确定噪声参数样本点；根据所述不确定噪声参数样本点，确定后验观测噪声期望。4.如权利要求1所述的MIMO雷达观测噪声优化方法，其特征在于，按如下方式确定提议分布：获得初始距离，对应的迭代次数和候选分布；根据候选分布和噪声先验分布，确定该候选分布对应的链接序列，所述链接序列包含多组匹配点；根据所述链接序列，确定每组匹配点对应的距离得到距离序列，取所述距离序列中的最大值；多次移动匹配点得到每次移动对应的新的链接序列，根据所述新的链接序列确定移动后的每组匹配点对应的距离得到新的距离序列，取所述新的距离序列中的最大值，得到一组最大值序列；取所述最大值序列中的最小值作为离散Fr
é
chet距离；根据所述离散Fr
é
chet距离，利用模拟退火算法确定提议分布。5.一种MIMO雷达观测噪声优化装置，其特征在于，包括：信息获得模块，用于获得雷达观测目标信息和先验知识信息，所述先验知识信息包括：状态转移矩阵，观测转移矩阵，过程噪声转移矩阵和噪声先验分布；

【专利技术属性】
技术研发人员：曹林，张楚元，赵宗民，王东峰，
申请(专利权)人：北京信息科技大学，
类型：发明
国别省市：