基于认知FDA-MIMO雷达网的目标识别和跟踪方法技术

本发明专利技术公开了一种基于认知FDA

【技术实现步骤摘要】
基于认知FDA
‑
MIMO雷达网的目标识别和跟踪方法


[0001]本专利技术属于信号处理
，具体涉及一种基于认知FDA
‑
MIMO雷达网的目标识别和跟踪方法。

技术介绍

[0002]FDA(Frequency Diverse Radar，频率分级阵列雷达)雷达是近几年新兴起的一种雷达系统。不同于PA(phased array，相控阵)和MIMO(Multiple
‑
input Multiple
‑
output，多输入多输出)雷达系统，FDA雷达系统在各个发射单元之间引入了一个微小的频率差，使得 FDA雷达的发射方向图不仅与角度有关，而且与距离有关。将FDA雷达和MIMO雷达相结合的FDA
‑
MIMO雷达不仅享有MIMO雷达的空间分集的优势，而且具备距离维可控自由度。早期关于FDA
‑
MIMO雷达的研究多集中于静态目标的，如参数估计、杂波抑制、干扰(尤其是主瓣干扰)识别和抑制等。尤其是干扰抑制方面，由于传统的PA和MIMO雷达不具备距本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于认知FDA
‑
MIMO雷达网的目标识别和跟踪方法，其特征在于，包括：S1：建立雷达网目标和主瓣欺骗式轨迹干扰的量测模型；S2：基于所述量测模型，利用主瓣欺骗式轨迹干扰和目标相对不同雷达在空间中的分布特征进行FDA
‑
MIMO雷达网目标识别，得到每部雷达的目标识别结果；S3：分别在每部雷达的目标识别结果中提取目标的量测信息，并基于G
‑
对大间隔量测驱动对目标状态进行初始化；S4：利用EKF跟踪器和初始化后的目标状态对每部雷达进行目标状态预测，并更新对应的目标状态；S5：利用航迹融合算法对各部雷达得到的目标状态进行融合，得到最终的目标状态；S6：重复步骤S4和S5的操作，以实现闭环认知目标跟踪，并输出目标跟踪轨迹。2.根据权利要求1所述的基于认知FDA
‑
MIMO雷达网的目标识别和跟踪方法，其特征在于，在步骤S1中，所述雷达网目标和主瓣欺骗式轨迹干扰的量测模型表示为：于，在步骤S1中，所述雷达网目标和主瓣欺骗式轨迹干扰的量测模型表示为：式中，Y
h,k
表示第h个雷达在第k个CPI内的目标量测模型，表示第h个雷达在第i个距离门第k个CPI内的目标量测，1≤i≤N
bin
，N
bin
表示距离门个数；表示第h个雷达第k个CPI的主瓣欺骗式轨迹干扰量测模型，和分别为在接收端经过下变频匹配滤波后，目标和主瓣欺骗式轨迹干扰在第k个CPI产生的第n
bin
个距离门上的信号，中所有元素都是服从均值为0、协方差为σ
h2
的复白Gaussian噪声分量。3.根据权利要求1所述的基于认知FDA
‑
MIMO雷达网的目标识别和跟踪方法，其特征在于，步骤S2包括：S21：计算每部雷达在第n
bin
个距离门第k
‑
1个CPI内的Capon功率谱；S22：利用得到的Capon功率谱以及CFAR检测器提取每部雷达在第k
‑
1个CPI时的目标和干扰的距离、角度信息，以得到所有雷达的量测集合；S23：设置任意两部雷达的量测之间的欧式距离矩阵；S24：根据预先设定的距离阈值和欧式距离矩阵建立{0,1}指示矩阵，以识别主瓣欺骗式轨迹干扰和真实目标，得到目标识别结果。4.根据权利要求1所述的基于认知FDA
‑
MIMO雷达网的目标识别和跟踪方法，其特征在于，在步骤S3中，基于G
‑
对大间隔量测驱动对目标状态进行初始化包括：S31：设置G
‑
对量测，表示为其中，和分别表示第h部雷达在第k
‑
1个CPI内以及第k
‑
1+N
I
个CPI内观测得到的真实目标信息的第g对量测，1≤g≤G；S32：利用G
‑
对量测初始化目标速度，其表达式为：
其中，x
v,g
和y
v,g
分别表示目标速度的分量，表示非线性量测函数的逆运算，T
CPI
表示一个相干积累时间长度；S33：利用G
‑
对量测初始化目标位置，其表达式为：其中，x
g
和y
g
分别表示目标位置的两个分量。5.根据权利要求1所述的基于认知FDA
‑
MIMO雷达网的目标识别和跟踪方法，其特征在于，步骤S4包括：S41、利用EKF跟踪器和初始化后的目标状态对每个雷达进行目标状态预测；S42、基于最大Capon功率谱准则求解目标状态预测结果的最优权矢量，并利用最优权矢量进行主瓣欺骗式轨迹干扰抑制和提取真实目标量测信息；S43、根据提取的真实目标量测信息进行EKF跟踪器的目标状态更新。6.根据权利要求5...

【专利技术属性】
技术研发人员：朱圣棋，杨标，李西敏，贺雄鹏，兰岚，
申请(专利权)人：西安电子科技大学，
类型：发明
国别省市：