【技术实现步骤摘要】
仅用距离
‑
多普勒观测的双站雷达协同跟踪方法及装置
[0001]本专利技术实施例涉及雷达探测
，特别涉及一种仅用距离
‑
多普勒观测的双站雷达协同跟踪方法及装置。
技术介绍
[0002]高频地波雷达工作波长较长，在目标探测跟踪有广阔的应用前景。然而，传统的地波雷达目标跟踪方法是利用距离和方位角来对目标进行运动分析跟踪，想要进行高精度目标跟踪需要依赖于大型阵列天线以求获得较高的方位角分辨能力，那么对征地的面积就会有较大的需求。因此，为了破除传统的地波雷达目标跟踪方法对于大型天线的依赖，利用距离
‑
多普勒量测对目标进行跟踪成为近几年关注的热点。
[0003]相关技术中，双站雷达协同跟踪方法是利用距离
‑
多普勒量测对目标进行跟踪，主要有集中式融合跟踪方法和分布式融合跟踪方法两种，集中式融合跟踪方法由于状态估计的方法多为一阶展开的扩展卡尔曼滤波，因此估计精度有待进一步提高；而分布式融合跟踪方法在对单部地波雷达的距离
‑
多普勒量测中一般采用的是匀速经验模型，由于匀速经验模型比较粗糙，那么在后续进行单部雷达状态估计以及多部雷达融合跟踪时也很难达到较为理想的精度，并且目前还尚未有学者在双站雷达协同跟踪方法中对精确的距离、多普勒演化状态方程做出研究，故而，现有的双站雷达协同跟踪方法中的分布式融合跟踪方法的目标跟踪精度不高。
[0004]因此，亟需一种仅用距离
‑
多普勒观测的双站雷达协同跟踪的新方法。>
技术实现思路
[0005]为了解决原有的双站雷达协同跟踪方法的目标跟踪精度不高的问题，本专利技术实施例提供了一种仅用距离
‑
多普勒观测的双站雷达协同跟踪方法及装置。
[0006]第一方面，本专利技术实施例提供了一种仅用距离
‑
多普勒观测的双站雷达协同跟踪方法，包括：
[0007]分别构造每部雷达的距离
‑
多普勒子空间状态向量；
[0008]根据所述每部雷达的距离
‑
多普勒子空间状态向量，分别推导每部雷达的随时间变化的距离
‑
多普勒演化状态方程；
[0009]获得每部雷达对目标的实际量测，并分别确定每部雷达的距离
‑
多普勒量测方程；
[0010]利用不敏卡尔曼滤波器，根据所述每部雷达的距离
‑
多普勒子空间状态向量、距离
‑
多普勒演化状态方程以及距离
‑
多普勒量测方程，分别计算每部雷达对目标距离
‑
多普勒子空间状态的估计结果；
[0011]利用不敏变换对每部雷达的距离
‑
多普勒子空间的状态估计结果进行分布式融合，以得到笛卡尔坐标系下双站雷达协同状态估计结果。
[0012]优选的，所述分别构造每部雷达的距离
‑
多普勒子空间状态向量，包括：
[0013]分别建立每部雷达在距离
‑
多普勒子空间中对目标的运动描述表达式；
[0014]利用目标的距离、多普勒和转换多普勒的一阶导数分别构造每部雷达的距离
‑
多普勒子空间状态向量；所述转换多普勒为所述目标的距离和多普勒的乘积。
[0015]优选的，所述根据所述每部雷达的距离
‑
多普勒子空间状态向量，分别推导每部雷达的随时间变化的距离
‑
多普勒演化状态方程，包括：
[0016]基于所述每部雷达的距离
‑
多普勒子空间状态向量，分别确定每部雷达随时间变化的距离
‑
多普勒子空间状态向量；
[0017]确定目标在笛卡尔空间的运动状态公式；
[0018]将所述运动状态公式分别代入所述每部雷达随时间变化的距离
‑
多普勒子空间状态向量，得到每部雷达的随时间变化的距离
‑
多普勒演化状态方程。。
[0019]优选的，所述利用不敏卡尔曼滤波器，根据所述每部雷达的距离
‑
多普勒子空间状态向量、距离
‑
多普勒演化状态方程以及距离
‑
多普勒量测方程，分别计算每部雷达对目标距离
‑
多普勒子空间状态的估计结果，包括：
[0020]根据每部雷达对目标的最初两个时刻的实际量测结果，得到每部雷达在当前时刻的距离
‑
多普勒子空间状态向量的初始值及初始协方差，以完成滤波初始化；
[0021]根据所述每部雷达在当前时刻的距离
‑
多普勒子空间状态向量的值、距离
‑
多普勒演化状态方程以及距离
‑
多普勒量测方程，分别计算每部雷达对目标距离
‑
多普勒子空间状态的估计结果。
[0022]优选的，每部雷达对目标距离
‑
多普勒子空间状态的估计结果的计算方式，包括：
[0023]S1、根据当前时刻的距离
‑
多普勒子空间状态向量的值和当前时刻的距离
‑
多普勒子空间状态向量的值的协方差，利用不敏变换计算当前时刻每个采样点的值和每个采样点的权重；
[0024]S2、根据所述距离
‑
多普勒演化状态方程、当前时刻每个采样点的值和每个采样点的权重，分别计算每部雷达的状态一步预测和状态一步预测协方差；
[0025]S3、根据所述距离
‑
多普勒量测方程、当前时刻每个采样点的值和每个采样点的权重，分别计算每部雷达的量测预测和量测预测协方差；
[0026]S4、根据每部雷达的状态一步预测结果和量测预测结果分别计算每部雷达的状态量测互协方差；
[0027]S5、根据计算每部雷达对应的所述量测预测协方差和所述状态量测互协方差，分别计算每部雷达对应的滤波增益；
[0028]S6、根据每部雷达的所述状态一步预测、所述量测预测和所述滤波增益，计算每部雷达对目标下一时刻的状态估计结果，并根据该状态估计结果得到下一时刻的距离
‑
多普勒子空间状态向量的值；
[0029]S7、根据每部雷达的所述状态一步预测协方差、所述量测预测协方差和所述滤波增益，计算每部雷达对目标下一时刻的状态估计结果协方差，并根据该状态估计结果协方差得到下一时刻的距离
‑
多普勒子空间状态向量的值的协方差；
[0030]S8、将每部雷达的下一时刻作为当前时刻，跳转执行S1，以得到每部雷达对目标在每一时刻的距离
‑
多普勒子空间状态的估计结果。
[0031]优选的，所述利用不敏变换对每部雷达的距离
‑
多普勒子空间的状态估计结果进行分布式融合，以得到笛卡尔坐标系下双站雷达协同状态估计结果，包括：
[0032]针对每一时刻的距离
‑
多普勒子空本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种仅用距离
‑
多普勒观测的双站雷达协同跟踪方法，其特征在于，包括：分别构造每部雷达的距离
‑
多普勒子空间状态向量；根据所述每部雷达的距离
‑
多普勒子空间状态向量，分别推导每部雷达的随时间变化的距离
‑
多普勒演化状态方程；获得每部雷达对目标的实际量测，并分别确定每部雷达的距离
‑
多普勒量测方程；利用不敏卡尔曼滤波器，根据所述每部雷达的距离
‑
多普勒子空间状态向量、距离
‑
多普勒演化状态方程以及距离
‑
多普勒量测方程，分别计算每部雷达对目标距离
‑
多普勒子空间状态的估计结果；利用不敏变换对每部雷达的距离
‑
多普勒子空间的状态估计结果进行分布式融合，以得到笛卡尔坐标系下双站雷达协同状态估计结果。2.根据权利要求1所述的方法，其特征在于，所述分别构造每部雷达的距离
‑
多普勒子空间状态向量，包括：分别建立每部雷达在距离
‑
多普勒子空间中对目标的运动描述表达式；利用目标的距离、多普勒和转换多普勒的一阶导数分别构造每部雷达的距离
‑
多普勒子空间状态向量；所述转换多普勒为所述目标的距离和多普勒的乘积。3.根据权利要求1所述的方法，其特征在于，所述根据所述每部雷达的距离
‑
多普勒子空间状态向量，分别推导每部雷达的随时间变化的距离
‑
多普勒演化状态方程，包括：基于所述每部雷达的距离
‑
多普勒子空间状态向量，分别确定每部雷达随时间变化的距离
‑
多普勒子空间状态向量；确定目标在笛卡尔空间的运动状态公式；将所述运动状态公式分别代入所述每部雷达随时间变化的距离
‑
多普勒子空间状态向量，得到每部雷达的随时间变化的距离
‑
多普勒演化状态方程。4.根据权利要求1所述的方法，其特征在于，所述利用不敏卡尔曼滤波器，根据所述每部雷达的距离
‑
多普勒子空间状态向量、距离
‑
多普勒演化状态方程以及距离
‑
多普勒量测方程，分别计算每部雷达对目标距离
‑
多普勒子空间状态的估计结果，包括：根据每部雷达对目标的最初两个时刻的实际量测结果，得到每部雷达在当前时刻的距离
‑
多普勒子空间状态向量的初始值及初始协方差，以完成滤波初始化；根据所述每部雷达在当前时刻的距离
‑
多普勒子空间状态向量的值、距离
‑
多普勒演化状态方程以及距离
‑
多普勒量测方程，分别计算每部雷达对目标距离
‑
多普勒子空间状态的估计结果。5.根据权利要求4所述的方法，其特征在于，每部雷达对目标距离
‑
多普勒子空间状态的估计结果的计算方式，包括：S1、根据当前时刻的距离
‑
多普勒子空间状态向量的值和当前时刻的距离
‑
多普勒子空间状态向量的值的协方差，利用不敏变换计算当前时刻每个采样点的值和每个采样点的权重；S2、根据所述距离
‑
多普勒演化状态方程、当前时刻每个采样点的值和每个采样点的权重，分别计算每部雷达的状态一步预测和状态一步预测协方差；S3、根据所述距离
‑
多普勒量测方程、当前时刻每个采样点的值和每个采样点的权重，分别计算每部雷达的量测预测和量测预测协方差；
S4、根据每部雷达的状态一步预测结果和量测预测结果分别计算每部雷达的状态量测互协方差；S5、根据计算每部雷达对应的所述量测预测协方差和所述状态量测互协方差，分别计算每部雷达对应的滤波增益；S6、根据每部雷达的所述状态一步预测、所述量测预测和所述滤波增益，计算每部雷达对目标下一时刻的状态估计结果，并根据该状态估计结果得到下一时刻的距离
‑
多普勒子空间状态向量的值；S7、根据每部雷达的所述状态一步预测协方差、所述量测预测协方差和所述滤波增益，计算每部雷达...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。