面向岸基空管雷達系統(tǒng)中一種高效轉(zhuǎn)彎機動目標跟蹤方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及雷達數(shù)據(jù)處理技術(shù)領(lǐng)域，具體的說，是面向岸基空管雷達系統(tǒng)中一種 高效轉(zhuǎn)彎機動目標跟蹤方法。
【背景技術(shù)】
[0002] 在雷達數(shù)據(jù)處理系統(tǒng)的目標跟蹤中，數(shù)據(jù)處理系統(tǒng)是首先通過前端信號處理獲取 目標的距離、方位角、高度、回波長度、回波強度、多普勒速度、Mode3/A、ModeS等點跡信息。 然后，再使用數(shù)據(jù)處理對點跡進行相關(guān)處理，進而最大限度的獲取目標位置及運動相關(guān)信 息（如速度、角速度），以及較為準確的位置預(yù)測。雷達數(shù)據(jù)處理一般包括航跡初始化（航 跡建立）、航跡關(guān)聯(lián)（點跡和航跡關(guān)聯(lián)）、航跡更新、航跡管理、航跡終止等過程步驟。
[0003] 雷達數(shù)據(jù)處理可以降低由于信號處理系統(tǒng)引入的熱噪聲，降低雷達探測位置隨機 誤差，也可以有效抑制由于雷達接收機在一定工作頻率內(nèi)接收到的隨機背景噪聲。還可以 有效抑制由于反射體造成的多鏡效應(yīng)造成的目標反射，有效抑制由于接收機性能下降或應(yīng) 答機位置變化等導(dǎo)致的目標分裂，抑制脈沖信號疊加、連續(xù)波干擾、異步應(yīng)答干擾、多路徑 反射導(dǎo)致的目標信號交織等情況。
[0004] 在機動目標跟蹤過程中，航跡處理一方面需要快速地進行航跡起始，形成穩(wěn)定的 跟蹤形態(tài)；另一方面需要有效的抑制假目標地產(chǎn)生。且跟蹤濾波器需要自適應(yīng)的調(diào)整相關(guān) 參數(shù)，穩(wěn)定的輸出諸如航速、航向、角速度、加速度、屬性等相關(guān)信息。例如在航空器起飛和 降落的過程中，航空器主要伴隨著爬升、降落和勻速轉(zhuǎn)彎等運動學狀態(tài)。尤其是在航空器轉(zhuǎn) 彎機動，在空戰(zhàn)或模擬訓練中可見雙機機動轉(zhuǎn)彎，加上應(yīng)答機和一次雷達固有回波的問題， 往往造成雷達點跡信號不穩(wěn)定甚至信號丟失的情況，進而導(dǎo)致雷達跟蹤性能下降，這常常 造成航跡狀態(tài)的突變，通常會導(dǎo)致窄帶濾波器的滯后或發(fā)散，從而導(dǎo)致濾波器的崩潰，而寬 帶濾波器某種程度上能夠解決部分問題，但是輸出的航速航向不穩(wěn)定，尤其會導(dǎo)致使用殘 差的數(shù)據(jù)關(guān)聯(lián)的波門變大，造成跟錯目標從而形成假目標或目標丟失的問題。轉(zhuǎn)彎機動涉 及到航空器角速度的測量計算、角速度的估計、機動檢測、跟蹤濾波模型的自適應(yīng)等多個方 面的問題。
[0005] 目前，目標機動跟蹤的模型有很多種，總的可以歸納為時常系統(tǒng)模型，如：CV、CA、 CT等模型；機動加速度模型，如：Singer、可變白噪聲、"當前"等模型；多模型聯(lián)立，如：權(quán)重 交互模型、交互多模型（IMM)等。此外還有一些基于無損kalman濾波、粒子濾波等非線性 濾波的目標跟蹤算法相繼被很多學者提出，這些方法隨機誤差不限于Gauss分布的限制， 但計算量較大；此外為了克服單一模型的不足的缺陷，還有很多改進的濾波算法以及一些 多種方法的組合算法被提出。

【發(fā)明內(nèi)容】

[0006] 本發(fā)明的目的：在于設(shè)計出面向岸基空管雷達系統(tǒng)中一種高效轉(zhuǎn)彎機動目標跟蹤 方法，在對數(shù)據(jù)處理實時性要求較高且硬件資源有限時，能夠提供一種以較低計算量，較高 的處理效率，對機動轉(zhuǎn)彎的目標進行持續(xù)有效不間斷的高精度跟蹤；本發(fā)明使用變結(jié)構(gòu)的 方式替代交互多模型的方式進行目標跟蹤，且與以往處理轉(zhuǎn)彎跟蹤的不同還在于使用了一 種新的角速度計算和濾波估計方法。
[0007] 本發(fā)明通過下述技術(shù)方案實現(xiàn)：面向岸基空管雷達系統(tǒng)中一種高效轉(zhuǎn)彎機動目標 跟蹤方法，該跟蹤方法包括以下步驟：
[0008] 1)利用前一次角速度的濾波值對本次角速度進行估計，按照一階Markov過程模 型進行本次角速度預(yù)測；
[0009] 2)經(jīng)步驟1)后，根據(jù)計算所得本次預(yù)測的角速度進行相應(yīng)的動力學模型選擇，所 述相應(yīng)的動力學模型包括自適應(yīng)的轉(zhuǎn)彎模型和自適應(yīng)的常速模型，當所述本次預(yù)測的角速 度大于設(shè)定閾值時，采用所述自適應(yīng)的轉(zhuǎn)彎模型進行航空器位置和協(xié)方差預(yù)測；當所述本 次預(yù)測的角速度小于或等于設(shè)定閾值時，采用所述自適應(yīng)的常速模型進行航空器位置和協(xié) 方差預(yù)測；
[0010] 3)經(jīng)步驟2)后，對航跡的位置預(yù)測、航跡的協(xié)方差預(yù)測及航跡的殘差協(xié)方差矩陣 進行計算；
[0011] 4)經(jīng)步驟3)后，通過計算獲取位置濾波值和計算獲取角速度濾波值，并同時保留 計算所得位置濾波值和角速度濾波值作為歷史值，以備下一階段角速度的計算。
[0012] 進一步的為更好的實現(xiàn)本發(fā)明，能夠?qū)撬俣冗M行預(yù)測，以便根據(jù)預(yù)測的角 速度選擇跟蹤模型，特別采用下述設(shè)置方式：所述本次角速度預(yù)測具體為：通過公式 ，進一步進行角速度預(yù)測；其中，Wk是上一時刻的角速度，τ ω表示角速度的 時間相關(guān)常數(shù)，《k+1|k表示本次預(yù)測的角速度。用于判斷ωk+1|k是否大于設(shè)定的閾值ωs， 如果大于則采用所述自適應(yīng)的轉(zhuǎn)彎模型進行點跡和協(xié)方差預(yù)測，否則采用所述自適應(yīng)的常 速模型進行點跡和協(xié)方差預(yù)測。
[0013] 為更好的進一步實現(xiàn)本發(fā)明，當出現(xiàn)預(yù)測的角速度大于設(shè)定的閥值時，能夠利用 自適應(yīng)的轉(zhuǎn)彎模型進行點跡和協(xié)方差預(yù)測，為航空器位置預(yù)測和航空器位置濾波做準備， 特別采用下述設(shè)置方式：所述步驟2)中，當本次預(yù)測的角速度大于設(shè)定閾值時，采用所述 自適應(yīng)的轉(zhuǎn)彎模型進行航空器位置和協(xié)方差預(yù)測，即采用自適應(yīng)的轉(zhuǎn)彎模型計算轉(zhuǎn)移模型 和過程噪聲協(xié)方差；
[0014] 所述轉(zhuǎn)移模型的狀態(tài)轉(zhuǎn)移矩陣Fk通過：
[0015]
[0016] 所述過程噪聲協(xié)方差的過程噪聲協(xié)方差矩陣Qk通過：
[0017；
[0018' …
[0019] 其中，Sk=α·| |νχ」-|ν_|l+buf，所述buf是緩沖值，且buf的典型值為0.0001 ;
[0020] 所述匕;所述α是機動因子，且α的典型值為〇. 1。
[0021] buf的設(shè)置防止該數(shù)據(jù)為零而導(dǎo)致X或y方向上的數(shù)值過小，從而使得計算發(fā)散不 收斂。
[0022] 為更好的進一步實現(xiàn)本發(fā)明，當出現(xiàn)預(yù)測的角速度小于或等于設(shè)定的閥值時，能 夠利用自適應(yīng)的常速模型進行點跡和協(xié)方差預(yù)測，為航空器位置預(yù)測和航空器位置濾波做 準備，特別采用下述設(shè)置方式：所述步驟2)中，當本次預(yù)測的角速度小于或等于設(shè)定閾值 時，采用所述自適應(yīng)的常速模型進行航空器位置和協(xié)方差預(yù)測，即采用自適應(yīng)的常速模型 計算轉(zhuǎn)移模型和過程噪聲協(xié)方差；
0001 3'
[0023] 所述轉(zhuǎn)移模型的狀態(tài)轉(zhuǎn)移矩陣匕通過 I得到；
[0024] 所述過程噪聲協(xié)方差的過程噪聲協(xié)方差矩陣Qk通過：
[0025]
[0026] 為更好的進一步實現(xiàn)本發(fā)明，特別采用下述設(shè)置方式：所述var(wx)取￥_在X方 向上的分量與差值，SP
聽述var(wy)取V_在Y方向 上的分量與'的差值，S卩
、其中，buf是緩沖值，且buf的典 型值為〇· 0001 ;匕=+F; ;α是機動因子，且α的典型值為〇. 1。buf的設(shè)置防止該 數(shù)據(jù)為零而導(dǎo)致X或y方向上的數(shù)值過小，從而使得計算發(fā)散不收斂。
[0027] 為更好的進一步實現(xiàn)本發(fā)明，能夠為航空器位置濾波做準備，特別采用下述設(shè) 置方式：所述步驟3)中，所述航跡的位置預(yù)測通過Xk+1|k=Fk ·Xk計算得出；所述航跡 的協(xié)方差預(yù)測通過4ψ=巧<·<+&計算得出；所述航跡的殘差協(xié)方差矩陣通過sk+1 = Hk+1 ·Pk+1|k ·Hk+1T+Rk+1計算得出；其中，凡+ι ，:f是直角坐標系到極坐標系的轉(zhuǎn)換公 ^k+\\k 式：
[0028] 進一步的為更好的實現(xiàn)本發(fā)明，能夠在進行位置濾波值的估值是提高估值精度， 特別采用下述設(shè)置方式：在所述步驟4)中，所述計算獲取位置濾波值具體為：計算Kalman 濾波增益Kk+1，并輸出位置濾波值Xk+1和位置協(xié)方差濾波值Pk+1;所述Kalman濾波增益Kk+1 通過Α+1 獲得；所述位置濾波值Xk+1 通過Xk+1=Xk+1|k+Kk+1 · (Zk+1-Zk+1|k)獲 得；所述位置協(xié)方差濾波值Pk+1通過Α+1 = A+A+'L獲得；其中：zk+1是本次測量的 極坐標位置值，Zk+1|k為極坐標的預(yù)測值，極坐標的預(yù)測值Zk+1|k通過Zk+1|k=f(Xk+1|k)獲得。
[0029] 為更好的進一步實現(xiàn)本發(fā)明，提高角速度濾波值的估值精度，特別采用下述設(shè)置 方式。所述計算獲取角速度濾波值具體為：首先對角速度的測量值進行計算，而后獲取角速 度的濾波值《 k+1:
[0030] 所述對角速度的測量值進行計算的方法為：根據(jù)歷史保存前兩次的X-Y平面內(nèi)的 位置濾波值分別計為U：，和（Xl，yi)，及