解距離測量模糊的impm-pphdf方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及一種雷達數(shù)據(jù)處理方法，特別是涉及一種雷達距離測量模糊情況下的 機動多目標(biāo)跟蹤方法，適用于采用高/中脈沖重復(fù)頻率(H/MPRF)工作模式的脈沖多普勒 (PD)雷達對機動多目標(biāo)的跟蹤。
【背景技術(shù)】
[0002] ro雷達具備很高的速度和距離分辨率，能夠有效抑制非相干噪聲干擾和較強地面 雜波干擾，以及為機載雷達提供良好的下視能力等優(yōu)點，得到了廣泛的應(yīng)用。當(dāng)ro雷達應(yīng)用 于機載預(yù)警和機載火控雷達時，通常采用Μ/HPRF的工作模式，在這種模式下雷達對目標(biāo)的 距離測量是模糊的；同時，由于目標(biāo)的出現(xiàn)和消失具有隨機性，監(jiān)測區(qū)域內(nèi)的目標(biāo)個數(shù)往往 是不確定的；此外，為了提高自身的生存和突防能力，目標(biāo)通常會隨時進行一定的戰(zhàn)術(shù)機 動，進一步增大了雷達對其進行跟蹤的困難。因此，如何實現(xiàn)ro雷達對機動多目標(biāo)的有效跟 蹤，對提高雷達作戰(zhàn)效能具有重要意義，是當(dāng)前研究的熱點和難點問題。目前基于概率假設(shè) 密度濾波(PHDF)方法通過把目標(biāo)狀態(tài)和量測建模為隨機有限集，可以同時對目標(biāo)個數(shù)和目 標(biāo)狀態(tài)進行估計，且可以避免多目標(biāo)數(shù)據(jù)關(guān)聯(lián)，極大的降低多目標(biāo)跟蹤算法的復(fù)雜度，適應(yīng) 于密集雜波環(huán)境下目標(biāo)數(shù)目未知的多目標(biāo)跟蹤，在目標(biāo)跟蹤領(lǐng)域得到廣泛的關(guān)注和研究， 而通過粒子濾波實現(xiàn)PHDF(PPHDF)是目前最主要的兩種方式之一，該方法主要通過以下步 驟實現(xiàn)：
[0003] (1)初始化；
[0004] (2)預(yù)測；
[0005] (3)更新；
[0006] (4)狀態(tài)估計。
[0007] PPHDF方法存在以下三個缺陷：（1)當(dāng)目標(biāo)出現(xiàn)漏檢時，PPHDF方法容易出現(xiàn)目標(biāo)丟 失的現(xiàn)象；（2)PPHDF方法避免了數(shù)據(jù)關(guān)聯(lián)問題，不能直接給出目標(biāo)的航跡信息；（3)PPHDF方 法在對多目標(biāo)進行跟蹤之前，必須對模糊量測數(shù)據(jù)進行解模糊處理，無法直接利用模糊的 量測數(shù)據(jù)對多目標(biāo)進行正確穩(wěn)定的跟蹤。

【發(fā)明內(nèi)容】

[0008] 本發(fā)明的目的是提出一種解距離測量模糊的改進多脈沖間隔數(shù)(PIN)增量模型的 PPHDFaMPM-PPHDF)方法，在解距離測量模糊的同時實現(xiàn)對機動多目標(biāo)的有效跟蹤，解決一 般的PPHDF方法在目標(biāo)出現(xiàn)漏檢時容易丟失目標(biāo)，不能直接給出目標(biāo)航跡信息，以及無法直 接利用模糊量測數(shù)據(jù)對機動多目標(biāo)進行跟蹤的問題。
[0009] 本發(fā)明提出的解距離測量模糊的頂PM-PPHDF方法的技術(shù)方案包括以下步驟：
[0010]步驟1:變量初始化
[0011] (1)τ為雷達掃描周期，T1T2,...，Tm為脈沖重復(fù)周期，Ri，R2, ...，Rm為各PRF對應(yīng)的 最大不模糊距離；
[0012] (2)Lo為代表1個目標(biāo)的粒子數(shù)，Jk為搜索新目標(biāo)的粒子數(shù)，Sk為搜索1個消失目標(biāo) 的粒子數(shù)，L k為k時刻濾波器采用的粒子總數(shù)；
[0013] (3)Uo為PIN初始分布，Do為目標(biāo)出現(xiàn)的初始分布，γ A平均目標(biāo)出現(xiàn)概率，PD為目 標(biāo)檢測概率，科=吆丨為初始PIN增量模型概率；
[0014] (4)Ak為平均每幀的雜波個數(shù)，死為1^時刻估計的目標(biāo)個數(shù)；
[0015] (5)Gk為過程噪聲分布矩陣，Qk為過程噪聲協(xié)方差，Rk為量測噪聲協(xié)方差，nm為PIN 增量模型概率轉(zhuǎn)移矩陣；
[0016] 步驟2:初始化粒子集，令k = 0和戍3 = 0，對任意p e {1，2，…，L〇}
[0017] (1)從初始PIN增量模型概率灼=?%朽屬丨采樣PIN增量模型< :
[0018] (2)從PIN初始分布UQ中采樣PIN初始變量PINf:;
[0019] (3)從初始分布D。中采樣粒子球，其中表示粒子代表的目 標(biāo)狀態(tài)，包含了目標(biāo)的位置(Ο?)、速度⑶Κ)以及轉(zhuǎn)彎率銷f信息；
[0020] (4)賦予粒子4權(quán)重< =η / 4 ;
[0021 ]步驟3:令k = k+l，獲得k時刻的雷達模糊量測
[0022] (1)設(shè)置雷達的工作狀態(tài)，使雷達依次交替采用某個PRF工作，令
[0023] c=mod(k,M)+l
[0024]表示雷達在k時刻采用的PRF的索引號，mod(x,y)表示x/y的余數(shù)；
[0025] (2)將雷達接收到的信號進行A/D變換，得到k時刻的雷達模糊量測集 = = 送雷達數(shù)據(jù)處理計算機，其中4 =[匕,屯巧]T表示k時 刻雷達得到的第q個量測，包含了目標(biāo)的模糊距離量測^w、多普勒速度量測< 以及方位 量測玫等信息，而Mk則表示k時刻雷達得到的量測個數(shù)；
[0026] 步驟4 :已存在粒子集預(yù)測，若= 0，直接轉(zhuǎn)步驟5，否則對任意p e {1，2，…， Lk-1}
[0027] (1)根據(jù)PIN增量模型 << 和卩預(yù)增量模型概率轉(zhuǎn)移矩陣Π ?預(yù)測得到;
[0028] (2)根據(jù)選擇相應(yīng)的PIN增量
[0032] (3)根據(jù)?計算目標(biāo)狀態(tài)狀態(tài)轉(zhuǎn)移矩陣
[0034] (4)利用粒子*&的狀態(tài)進行一步預(yù)測
[0036]得到粒子，其中
[0038] 為過程噪聲分布矩陣，vk為過程噪聲，其噪聲協(xié)方差為Qk;
[0039] (5)賦予粒子權(quán)重;
[0040] 步驟5:生成搜索新目標(biāo)的粒子集，對任意pe{Lk-i+Ik+1，···，!^-dlk+Jk}
[0041 ] (1)從初始PIN增量模型概率％ = ??爲(wèi)屬}采樣PIN增量模型》4-η
[0042] (2)從PIN初始分布Uo中采樣PIN初始變量PIN丨;^ ;
[0043] (3)根據(jù)初始分布Do采樣"新生"粒子·;
[0044] (4)賦予粒子4^1 權(quán)重 + A);
[0045] 步驟6:生成消失目標(biāo)預(yù)測粒子集
[0046] (1)若k < 2，令lk = 0，直接轉(zhuǎn)步驟7，否則定義集合
[0049] 其中·<lsi__2表示k-2時刻存在而k-Ι時刻消失的第η個目標(biāo)，PINLp為該目標(biāo)對應(yīng) 的PIN，Ndi s,k-i表示消失的目標(biāo)數(shù)；
[0050] ( 2 )若 ldiSf :2 = 0，令 I k = 0，直接轉(zhuǎn)步驟 7，否則令 I k = N d i s, k - S k，對任意 4^2 e Xdls>2，根據(jù)估計的目標(biāo)轉(zhuǎn)彎率和相應(yīng)的狀態(tài)轉(zhuǎn)移方程進行一步預(yù)測
[0052] (3)對任意{1，2，···，Ndis,k-1}和任意pE {Lk-ι+(η-1) Sk+Ι，…，Lk-ι+nSk}，令 PIN^ PlX々和》^ 4-2'"，從初始PIN增量模型概率％ = {釣，朽，灼}采樣PIN增量模型 ，然后利用<re.i_4進行一步預(yù)測
[0054] 得到粒子·^-1，并賦予該粒子權(quán)重?-ι=Γ?-/(?^ +
[0055] 步驟7 :粒子權(quán)重更新
[0056] (1)對任意p e {1，2，…，Lk-i+Ik+Jk}，根據(jù)模糊量測方程
[0058] 得到模糊預(yù)測量測zibu-,，其中R。表示k時刻雷達所采用PRF對應(yīng)的最大不模糊距 離，（ Xs，ys)為雷達的位置；
[0059] (2)對任意pe {1，2，…，Lk-i+Ik+Jk}和任意me {1，2，…，Mk}，計算新息
[0063]其中Rk為量測噪聲協(xié)方差；
[0064] (3)對任意me {1，2,…，Mk}，計算
[0066] (4)對任意p e {1，2，…，Lk-i+Ik+Jk}，計算粒子權(quán)重
[0068]步驟8:目標(biāo)個數(shù)和目標(biāo)狀態(tài)初步估計 [0069] (1)計算所有粒子的權(quán)重和
[0071] ( 2 )對粒子集
進行重采樣，得到新的粒子集 {?/久，其中穴=R〇und(i^_)，4 ，R〇und(x)表示取與X最接近的整數(shù)；
[0072] (3)若#丨=0 ,直接轉(zhuǎn)步驟9,否則根據(jù)粒子包含的目標(biāo)位置信息，采用聚類分析的 方法將粒子集劃分為禽個類，得到估計的目標(biāo)狀態(tài)集:? =丨I? = ，其 中屺=[1,4,,, , , 4，af表示第η個類的中心，包含了目標(biāo)的位置估計(^，JU、速 度估計(U,")和轉(zhuǎn)彎率負(fù).》;
[0073]步驟9: "航跡-狀態(tài)"關(guān)聯(lián)，PIN估計
[0074] (1)若次=0且上一時刻沒有形成任何航跡，直接轉(zhuǎn)步驟10;
[0075] ⑵若/^ > 0且Trk-1 = 0,對任意e尤，起始一條新航跡；
[0076] (3)若化=〇且Tr^M)，終結(jié)所有暫時航跡，對確認(rèn)航跡進行一步預(yù)測后將其定義 為暫時航跡；
[0077] (4)若X/,: > 0且Trk-OO,計算任意航跡和任意估計值之間的統(tǒng)計距離，利用離某一 航跡最近的估計值對該航跡進行更新，形成確認(rèn)航跡；
[0078] (5)對沒有與任何估計值關(guān)聯(lián)上的航跡進行一步預(yù)測，并將該航跡定義為暫時航 跡；
[0079] (6)將沒有與航跡關(guān)聯(lián)上的估計值作為新的航跡頭，進行航跡起始；
[0080] (7)若在上述步驟中有航跡被更新，利用更新后的航跡對估計的目標(biāo)數(shù)和目標(biāo)狀 態(tài)進行修正，得到修正的目標(biāo)個數(shù)估計&和目標(biāo)狀態(tài)估計尤=H Λ,2,.. ,Λ Α Η
[0081] (8)估計目標(biāo)的PIN
[0083]其中Fl〇〇r(X)表示取小于或等于x最大整數(shù)；
[0084] 步驟10:重復(fù)步驟3~步驟9，直至雷達關(guān)機。
[0085]和【背景技術(shù)】相比，本發(fā)明的有益效果說明：
[0086]本發(fā)明提出的解距離測量模糊的IMPM-PPHDF方法，解決一般的PPHDF方法在目標(biāo) 出現(xiàn)漏檢時容易丟失目標(biāo)的問題，且該方法可以直接利用雷達得到的模糊量測數(shù)據(jù)對機動 多目標(biāo)進行跟蹤，在跟蹤的同時解決距離量測模糊的問題并直接提供了目標(biāo)的航跡信息， 擴大了 PPHDF算法的適應(yīng)范圍。
【附圖說明】
[0087]附圖1給出了本發(fā)明提出的解距離測量模糊的頂PM-PPHDF方法整體流程圖；
[0088]附圖2給出了本發(fā)明實施例中三個機動目標(biāo)"時刻-X位置"和"時刻-y位置"分開表 示的真實軌跡示意圖，其中：
表示目標(biāo)1的真實軌跡，
表示目標(biāo)2的真實軌 跡，
表示目標(biāo)3的真實軌跡；<