基于因子图的分布式星载雷达组网空中目标高度估计方法技术

本发明专利技术公开了一种基于因子图的分布式星载雷达组网空中目标高度估计算法，包括以下步骤：步骤1、在地心第四赤道坐标系中，构建空中目标运动模型与星载雷达量测模型，构建基于因子图的星载雷达目标跟踪模型；步骤2、基于因子图，引入空中目标的局部变量间的耦合函数关系、获得局部变量的后验边缘分布；采用非参数信度传播算法计算所述局部变量的后验边缘分布，根据所述后验边缘分布的计算结果得到所述局部变量的估计值；步骤3、根据所述局部变量的估计值，采用迭代近似法求得所述空中目标在大地坐标系下的目标高度。其解决了现有技术中针对单颗星载雷达俯仰角量测误差较大、难以准确跟踪空中目标、对其高度估计不精确的问题。对其高度估计不精确的问题。对其高度估计不精确的问题。

【技术实现步骤摘要】
基于因子图的分布式星载雷达组网空中目标高度估计方法


[0001]本专利技术属于星载雷达目标跟踪领域，涉及一种基于因子图的分布式星载雷达组网空中目标高度估计方法。
技术背景
[0002]星载雷达具有全天候、全天时战略、战术预警能力，且不受地球曲率限制、不易受攻击等优势，在预警防御系统中占有十分重要的地位。单个星载雷达对空中目标跟踪定位时，一般情况下，相比较于目标径向距量测及方位角量测误差，目标俯仰角量测误差较大，导致其不具备空中目标高度估计能力。空中目标高度信息的缺失一方面严重放大了目标定位误差；另一方面不利于目标属性判别和威胁估计。通过多星载雷达组网，联合利用多星载雷达径向距、方位角量测，结合目标运动模型，采用非线性滤波方法有效估计空中目标高度，具有重要意义。
[0003]星载雷达目标跟踪根据目标的运动模型和雷达的量测，采用非线性滤波算法实现高精度的目标跟踪。而星载雷达目标跟踪涉及到复杂的坐标转换与雷达量测的非线性，其雷达目标跟踪精度要求较高，并且星载雷达由于雷达平台的特殊性，传统集中式非线性滤波算法鲁棒性较差。因此，针对单颗星载雷达难以准确跟踪目标，以及跟踪过程涉及到的非线性问题，需要研究星载雷达组网下的高精度、高鲁棒性分布式非线性滤波方法，以实现空中目标精确且稳定的高度估计。

技术实现思路

[0004]本专利技术的目的是，提供一种基于因子图的分布式星载雷达组网空中目标高度估计方法，以解决现有技术中针对单颗星载雷达俯仰角量测误差较大、难以准确跟踪空中目标、对其高度估计不精确的问题。
[0005]本专利技术采用的技术方案是，基于因子图的分布式星载雷达组网空中目标高度估计方法，包括以下步骤：
[0006]步骤1、在地心第四赤道坐标系中，构建空中目标运动模型与星载雷达量测模型，结合所述空中目标运动模型与所述星载雷达量测模型、构建基于因子图的星载雷达目标跟踪模型，即因子图；
[0007]步骤2、基于所述因子图，引入空中目标的局部变量间的耦合函数关系、获得局部变量的后验边缘分布；
[0008]采用非参数信度传播算法计算所述局部变量的后验边缘分布，根据所述后验边缘分布的计算结果得到所述局部变量的估计值；
[0009]步骤3、根据所述局部变量的估计值，采用迭代近似法求得所述空中目标在大地坐标系下的目标高度。
[0010]进一步的，步骤1的具体内容为：
[0011]S1.1、在地心第四赤道坐标系中构建空中目标运动模型：
[0012]x
k
＝Fx
k
‑1+ω
k
‑1，
[0013]其中，x
k
为k时刻目标在地心第四赤道坐标系下位置速度状态向量，x
k
‑1为k
‑
1时刻目标在地心第四赤道坐标系下位置速度状态向量，ω
k
‑1为过程噪声，假设
[0014]F为目标状态转移矩阵：
[0015][0016]其中，是矩阵直积运算符号，I3为三维单位阵，T为采样间隔；
[0017]S1.2、在地心第四赤道坐标系中构建星载雷达量测模型：
[0018][0019]其中，为目标在第n个雷达阵面坐标系下的位置矢量，v
k
～N(0，R)，R)，为N部雷达的径向距和方位角量测误差；第n个雷达的径向距和方位角量测为则k时刻N部雷达的量测为
[0020]S1.3、结合所述目标运动模型与所述雷达量测模型进行因子图建模：
[0021]对于所述空中目标运动模型与所述星载雷达量测模型，变量和的联合概率密度函数可以分解为：
[0022][0023]其中，p(x
k
|x
k
‑1)为状态转移概率密度函数，p(y
k
|x
k
)为似然概率密度函数，再根据因子图描述所述联合概率密度函数的分解形式，即得到因子图模型。
[0024]进一步的，步骤2中引入局部变量间的耦合函数关系获得空中目标局部变量的后验边缘分布的具体过程为：
[0025]在所述因子图中，引入一个耦合因子节点g
ji
来表示全局变量x
k
的两个复制状态变量和在相邻节点j和i上的关系，
[0026]则，在k时刻局部变量的后验边缘分布为：
[0027][0028]其中为状态转移消息，为量测消息，为耦合消息，N
j
为节点j的所有邻居节点的集合。
[0029]进一步的，步骤2中，根据所述因子图模型计算k时刻局部变量的后验边缘分布的具体过程为：
[0030]k时刻，计算状态转移消息的粒子化形式和量测消息的粒子化形式
[0031]采用消息迭代方式计算耦合消息第l次迭代过程中，采用核密度估计计算节点j的所有邻居节点的消息乘积：根据耦合分布关系更新经过共L次迭代之后，得到耦合消息
[0032]根据核密度估计法计算后验分布：
[0033]再根据后验分布得到局部变量的估计值。
[0034]本专利技术的有益效果是：本专利技术在地心第四赤道坐标系下，描述了空中目标的运动模型与星载雷达的量测模型，并根据因子图对星载雷达组网目标跟踪进行建模，在局部变量间引入耦合参数，推导出基于耦合函数关系的局部变量因子图模型。考虑到传统扩展卡尔曼滤波算法求解雅克比矩阵的线性化误差较大，结合信度传播与粒子滤波方法，提出了一种基于重要性采样的粒子化消息传递算法，即非参数信度传播算法，最终根据空中目标在地心第四赤道坐标系下的状态估计值求出目标高度，相比传统算法本专利技术算法引入耦合函数关系，算法收敛速度快，鲁棒性高，高度估计精度高。
附图说明
[0035]图1本专利技术中全局状态下的星载雷达目标跟踪消息传递因子图；
[0036]图2本专利技术中局部变量间的消息传递因子图；
[0037]图3本专利技术中引入耦合参数后所有节点间的消息传递因子图；
[0038]图4为实施例中EKF、DCEKF、NBP和几何法四种算法下目标高度估计的均方根误差对比图；
[0039]图5
‑
(a)为实施例NBP算法中采样数为400时、不同耦合参数下的目标高度估计的均方根误差对比图；
[0040]图5
‑
(b)为实施例NBP算法中采样数为800时、不同耦合参数下的目标高度估计的均方根误差对比图；
[0041]图6为实施例采用NBP算法在不同量测误差下的目标高度估计的均方根误差图。
具体实施方式
[0042]下面结合附图和具体实施方式对本专利技术进行详细说明。
[0043]本专利技术提供了一种基于因子图的分布式星载雷达组网空中目标高度估计方法，包
括如下内容：
[0044]步骤1、在地心第四赤道坐标系中，构建空中目标运动模型与星载雷达量测模型，结合空中目标运动模型与星载雷达量测模型构建基于因子图的星载雷达目标跟踪模型，即因子图；
[004本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于因子图的分布式星载雷达组网空中目标高度估计方法，其特征在于，包括以下步骤：步骤1、在地心第四赤道坐标系中，构建空中目标运动模型与星载雷达量测模型，结合所述空中目标运动模型与所述星载雷达量测模型、构建基于因子图的星载雷达目标跟踪模型，即因子图；步骤2、基于所述因子图，引入空中目标的局部变量间的耦合函数关系、获得局部变量的后验边缘分布；采用非参数信度传播算法计算所述局部变量的后验边缘分布，根据所述后验边缘分布的计算结果得到所述局部变量的估计值；步骤3、根据所述局部变量的估计值，采用迭代近似法求得所述空中目标在大地坐标系下的目标高度。2.如权利要求1所述的基于因子图的分布式星载雷达组网空中目标高度估计方法，其特征在于，所述步骤1的具体内容为：S1.1、在地心第四赤道坐标系中构建空中目标运动模型：x
k
＝Fx
k
‑1+ω
k
‑1，其中，x
k
为k时刻目标在地心第四赤道坐标系下位置速度状态向量，x
k
‑1为k
‑
1时刻目标在地心第四赤道坐标系下位置速度状态向量，ω
k
‑1为过程噪声，假设F为目标状态转移矩阵：其中，是矩阵直积运算符号，I3为三维单位阵，T为采样间隔；S1.2、在地心第四赤道坐标系中构建星载雷达量测模型：其中，为目标在第n个雷达阵面坐标系下的位置矢量，为N部雷达的径向距和方位角量测误差；第n个雷达的径向距和方位角量测为则k时刻N部雷达
...

【专利技术属性】
技术研发人员：王增福，邵毅，金术玲，
申请(专利权)人：西北工业大学，
类型：发明
国别省市：