基于HRRP扩展目标跟踪的分离事件判别方法技术

本发明专利技术公开了一种基于HRRP扩展目标跟踪的分离事件判别方法，包括以下步骤：S1：获取HRRP数据，并对所述HRRP数据进行预处理以消除平移敏感性；S2：提取所述HRRP数据的特征点；S3：根据所述特征点，利用扩展目标跟踪方法估计目标状态；S4：建立分离事件判别准则，根据所述分离事件判别准则，结合所述目标状态，判别分离事件时间。本发明专利技术能够实时利用雷达观测信息判别目标分离事件的时间，解决回波信号处理工序多、实时应用难的问题；本发明专利技术无需原始雷达回波，仅利用HRRP数据，降低了雷达实时传输带宽要求，可以实时处理判别目标分离事件，可应用于现有宽带雷达，判别结果可准确反映分离事件的发生时刻。事件的发生时刻。事件的发生时刻。

【技术实现步骤摘要】
基于HRRP扩展目标跟踪的分离事件判别方法


[0001]本专利技术涉及雷达宽带成像与处理
，特别涉及一种基于HRRP扩展目标跟踪的分离事件判别方法。

技术介绍

[0002]在航天发射中，火箭会发生级间分离、抛整流罩等分离事件。传统的分离事件判别主要通过解算箭载计算机下传的遥测数据，获得相关分离时序，而在噪声干扰或遥测信号无法下传时，分离事件便无法获知。地基测量设备中，光学设备观测距离有限，且受天气影响大，也难以在分离事件判别中发挥作用。
[0003]利用雷达测量信息判别目标分离的问题，现有研究着眼于从回波信号中提取多个目标的信息，即根据振动、自选或进动等不同微动形式所造成的微多普勒频率分离各个目标测量信息。这种方法存在以下缺点：(1)使用的回波信号数据量大，难以实时传输，只能通过事后脉冲压缩、包络对齐后进行处理；(2)使用的窄带回波信号由于距离分辨率(距离分辨率与带宽成反比)较差，回波中包含的目标信息较少；(3)该方法的目的是从发生分离事件后的回波信号中分离提取多目标的信息，无法实现分离事件时间的判断。

技术实现思路

[0004]针对上述问题，本专利技术旨在提供一种基于HRRP扩展目标跟踪的分离事件判别方法，能够利用HRRP(高分辨率一维距离像)判断目标分离事件的时间。
[0005]本专利技术的技术方案如下：
[0006]一种基于HRRP扩展目标跟踪的分离事件判别方法，包括以下步骤：
[0007]S1：获取HRRP数据，并对所述HRRP数据进行预处理以消除平移敏感性；
[0008]S2：提取所述HRRP数据的特征点；
[0009]S3：根据所述特征点，利用扩展目标跟踪方法估计目标状态；
[0010]S4：建立分离事件判别准则，根据所述分离事件判别准则，结合所述目标状态，判别分离事件时间。
[0011]作为优选，步骤S1中，采用相关对齐法进行预处理以消除平移敏感性。
[0012]作为优选，采用相关对齐法进行预处理时，先选定一个基准HRRP样本，然后计算当前HRRP样本与所述基准样本间的最大滑动相关系数，最后根据所述最大滑动相关系数确定当前HRRP样本对应的滑动后HRRP样本，实现当前HRRP样本与基准HRRP样本的对齐。
[0013]作为优选，所述基准HRRP样本采用当前时刻前面所有对齐样本的平均值，所述最大滑动相关系数通过下式进行计算：
[0014][0015]x
mean
＝mean(x1(τ1),...,x
i
‑1(τ
i
‑1))i＝2,3,....
[0016]式中：d
i
表示第i个HRRP样本与基准样本间的最大滑动相关系数；x
mean
表示1至i
‑
1个对齐后样本的平均值，其中第一个样本的平移距离为0；x
i
(τ)表示平移了τ个距离单元的
x
i
样本。
[0017]作为优选，提取所述HRRP数据的特征点时，提取散射强度不低于最高强度60％的散射极值点。
[0018]作为优选，步骤S3中，利用扩展目标跟踪方法估计目标状态具体包括以下子步骤：
[0019]S31：建立椭圆参数模型，以所述椭圆参数模型描述扩展目标的状态；所述椭圆参数模型的中心位置参数状态r表示为：
[0020][0021]式中：x、y、分别表示椭圆中心横向和纵向的位置和速度；T表示列向量的转置；所述椭圆参数模型的椭圆形状参数状态p表示为：
[0022]p＝[α,l1,l2]T
ꢀꢀꢀ
(3)
[0023]式中：α表示椭圆的旋转角度；l1表示长半轴；l2表示短半轴；
[0024]所述椭圆参数模型中某一散射点z偏离中心的偏移量用h1和h2来表示，其中h1表示长半轴方向上的偏移量，h2表示短半轴方向上的偏移量，且两个偏移量的大小均位于[
‑
1,1]之间；
[0025]S32：建立测量模型；所述散射点z的测量值表示为：
[0026][0027]考虑测量噪声的影响，测量方程表示为：
[0028]y＝Hr+Sh+v
ꢀꢀꢀ
(5)
[0029][0030]式中：y表示量测值；H表示测量观测矩阵；v表示测量噪声；
[0031]S33：建立跟踪滤波模型，根据所述跟踪滤波模型估计目标状态；具体的：
[0032]对k时刻所有量测点的状态参数进行序贯更新；k时刻i点的位置、形状参数及协方差矩阵分别记为和利用k时刻i点测量值更新前的状态记为和和k时刻的预测值记为
[0033]i点的位置参数采用下式进行更新：
[0034][0035]式中：表示k时刻i点的位置参数测量的估计值；表示位置参数与量测的互协方差矩阵；表示量测的误差矩阵；为测量值；
[0036]i点的形状参数采用下式进行更新：
[0037][0038][0039]式中：表示虚拟量测与形状参数的互协方差矩阵；表示虚拟量测的协方差矩阵；表示虚拟量测；表示虚拟量测的估计值；表示Kronecher乘子；
[0040]下一时刻的位置参数及协方差矩阵采用下式进行预测：
[0041][0042]式中：表示线性系统的位置参数状态转移矩阵；表示零均值高斯噪声的位置参数协方差矩阵；
[0043]形状参数及状态协方差矩阵采用下式进行预测：
[0044][0045]式中：表示线性系统的形状参数状态转移矩阵；n
k
为k时刻量测点的数量；表示零均值高斯噪声的形状参数协方差矩阵。
[0046]作为优选，步骤S4中，所述分离事件判别准则为：
[0047][0048]式中：Δ表示椭圆增大率；D表示分离事件判别门限；L1表示当前时刻椭圆的长半轴；表示上一时刻椭圆的长半轴。
[0049]本专利技术的有益效果是：
[0050]本专利技术无需原始雷达回波，仅利用HRRP数据即可实时处理判别目标分离事件，降低了雷达实时传输带宽要求，可应用于现有宽带雷达，判别结果可准确反映分离事件的发生时刻。
附图说明
[0051]为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
[0052]图1为椭圆参数模型的中心位置参数和椭圆参数示意图；
[0053]图2为分离事件判别示意图；
[0054]图3为一个具体实施例任务1分离事件判别结果示意图；
[0055]图4为一个具体实施例任务2分离事件判别结果示意图。
具体实施方式
[0056]下面结合附图和实施例对本专利技术进一步说明。需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于HRRP扩展目标跟踪的分离事件判别方法，其特征在于，包括以下步骤：S1：获取HRRP数据，并对所述HRRP数据进行预处理以消除平移敏感性；S2：提取所述HRRP数据的特征点；S3：根据所述特征点，利用扩展目标跟踪方法估计目标状态；S4：建立分离事件判别准则，根据所述分离事件判别准则，结合所述目标状态，判别分离事件时间。2.根据权利要求1所述的基于HRRP扩展目标跟踪的分离事件判别方法，其特征在于，步骤S1中，采用相关对齐法进行预处理以消除平移敏感性。3.根据权利要求2所述的基于HRRP扩展目标跟踪的分离事件判别方法，其特征在于，采用相关对齐法进行预处理时，先选定一个基准HRRP样本，然后计算当前HRRP样本与所述基准样本间的最大滑动相关系数，最后根据所述最大滑动相关系数确定当前HRRP样本对应的滑动后HRRP样本，实现当前HRRP样本与基准HRRP样本的对齐。4.根据权利要求3所述的基于HRRP扩展目标跟踪的分离事件判别方法，其特征在于，所述基准HRRP样本采用当前时刻前面所有对齐样本的平均值，所述最大滑动相关系数通过下式进行计算：式中：d
i
表示第i个HRRP样本与基准样本间的最大滑动相关系数；x
mean
表示1至i
‑
1个对齐后样本的平均值，其中第一个样本的平移距离为0；x
i
(τ)表示平移了τ个距离单元的x
i
样本。5.根据权利要求1所述的基于HRRP扩展目标跟踪的分离事件判别方法，其特征在于，步骤S2中，提取所述HRRP数据的特征点时，提取散射强度不低于最高强度60％的散射极值点。6.根据权利要求1
‑
5中任意一项所述的基于HRRP扩展目标跟踪的分离事件判别方法，其特征在于，步骤S3中，利用扩展目标跟踪方法估计目标状态具体包括以下子步骤：S31：建立椭圆参数模型，以所述椭圆参数模型描述扩展目标的状态；所述椭圆参数模型的中心位置参数状态r表示为：式中：x、y、分别表示...

【专利技术属性】
技术研发人员：杨晓骞，李春雨，董戈，吴中华，宋艳琴，王艳旭，李彦峰，郝云胜，
申请(专利权)人：中国人民解放军六三七二九部队，
类型：发明
国别省市：