基于粒子平滑的快速tbd檢測(cè)方法
【專利摘要】本發(fā)明屬于雷達(dá)技術(shù)領(lǐng)域,公開了基于粒子平滑的快速TBD檢測(cè)方法,適用于微弱目標(biāo)的檢測(cè)與跟蹤,包括:設(shè)定目標(biāo)的運(yùn)動(dòng)模型和雷達(dá)的觀測(cè)模型;獲取當(dāng)前時(shí)刻的所有歷史觀測(cè)數(shù)據(jù);根據(jù)當(dāng)前時(shí)刻的所有歷史觀測(cè)數(shù)據(jù)、運(yùn)動(dòng)模型以及觀測(cè)模型,計(jì)算目標(biāo)運(yùn)動(dòng)狀態(tài)的后驗(yàn)概率;運(yùn)用貝葉斯平滑理論,提出PS?TBD算法;在粒子平滑權(quán)值的計(jì)算過程中運(yùn)用一步平滑思想,只利用下一時(shí)刻的觀測(cè)數(shù)據(jù),對(duì)后驗(yàn)概率進(jìn)行修正;利用各個(gè)粒子狀態(tài)間的歐式距離來代替它們之間的狀態(tài)轉(zhuǎn)移概率,進(jìn)而快速獲取一步平滑概率;根據(jù)平滑概率,對(duì)雷達(dá)目標(biāo)進(jìn)行檢測(cè)和跟蹤,能夠提高目標(biāo)狀態(tài)估計(jì)的精度。
【專利說明】
基于粒子平滑的快速TBD檢測(cè)方法
技術(shù)領(lǐng)域
[0001]本發(fā)明涉及雷達(dá)技術(shù)領(lǐng)域,尤其涉及一種基于粒子平滑的快速TBD檢測(cè)方法,適用 于微弱目標(biāo)的檢測(cè)與跟蹤。
【背景技術(shù)】
[0002] 目標(biāo)檢測(cè)是各種信號(hào)處理應(yīng)用領(lǐng)域面臨的共同問題。復(fù)雜環(huán)境下的機(jī)動(dòng)微弱目標(biāo) 檢測(cè)是現(xiàn)代雷達(dá)面臨的嚴(yán)峻挑戰(zhàn)之一。如近年出現(xiàn)的無(wú)人機(jī)、掠海飛行導(dǎo)彈、隱身飛行器等 現(xiàn)代武器,采用常規(guī)的目標(biāo)檢測(cè)方法往往難以有效探測(cè)。這些目標(biāo)的雷達(dá)散射截面(RCS) 小,目標(biāo)反射回波的能量非常少,且常常淹沒于強(qiáng)雜波或噪聲之中,以致雷達(dá)的探測(cè)能力嚴(yán) 重下降。
[0003] 低信噪比情況下如果采用傳統(tǒng)的DBT(Detect-Before-Track)方法,可能會(huì)丟失目 標(biāo)信息。TBD(Track-Before-Detect)這種同時(shí)進(jìn)行檢測(cè)與跟蹤的方法,能有效克服DBT方法 的缺點(diǎn),提尚目標(biāo)檢測(cè)概率。
[0004] 實(shí)現(xiàn)TBD的方法有Hough變換法、動(dòng)態(tài)規(guī)劃算法及粒子濾波等。Hough變換法只適用 于目標(biāo)航跡為直線的情況,而且它將目標(biāo)狀態(tài)空間離散化,跟蹤精度不高。動(dòng)態(tài)規(guī)劃算法雖 然克服了速度失配的問題,但它需要同時(shí)存儲(chǔ)和處理多幀數(shù)據(jù),消耗巨大的計(jì)算資源,檢測(cè) 性能也會(huì)隨著回波SNR的降低而迅速下降。粒子濾波算法(PF)是貝葉斯框架下的一種次優(yōu) 算法,它利用大量帶有權(quán)值的隨機(jī)樣本近似目標(biāo)狀態(tài)的后驗(yàn)概率密度函數(shù)。此類算法適合 處理非線性非高斯動(dòng)態(tài)系統(tǒng)下的狀態(tài)估計(jì)和跟蹤問題,是實(shí)現(xiàn)低信噪比目標(biāo)長(zhǎng)時(shí)間積累檢 測(cè)的有效方法。但是基于貝葉斯濾波模型的粒子濾波算法也僅僅利用了初始時(shí)刻到測(cè)量時(shí) 亥IJ的觀測(cè)信息,沒有對(duì)后續(xù)時(shí)刻的觀測(cè)信息加以利用。
【發(fā)明內(nèi)容】
[0005] 針對(duì)上述問題,本發(fā)明的目的在于提供一種基于粒子平滑PS(Particle Smoothing)的快速TBD檢測(cè)方法(稱為PS-TBD),以充分利用傳感器的觀測(cè)信息,提高目標(biāo)狀 態(tài)估計(jì)的精度。
[0006] 本發(fā)明的技術(shù)思路是運(yùn)用后續(xù)時(shí)刻的觀測(cè)信息對(duì)當(dāng)前時(shí)刻目標(biāo)狀態(tài)的后驗(yàn)概率 進(jìn)行修正,建立了以過去和將來所有時(shí)刻的觀測(cè)信息為條件的平滑概率,有效提高了目標(biāo) 狀態(tài)估計(jì)的精度。此外,考慮到工程應(yīng)用中對(duì)計(jì)算量的要求,本文對(duì)PS-TBD算法做了改進(jìn), 在粒子平滑權(quán)值的計(jì)算過程中運(yùn)用一步平滑思想,并用各個(gè)粒子狀態(tài)間的歐式距離來代替 粒子狀態(tài)的轉(zhuǎn)移概率,大大縮短了平滑時(shí)間。計(jì)算機(jī)仿真結(jié)果表明,改進(jìn)的PS-TBD算法能夠 在短時(shí)間內(nèi)有效地提高目標(biāo)狀態(tài)估計(jì)的精度。
[0007] 為達(dá)到上述目的,本發(fā)明的實(shí)施例采用如下技術(shù)方案予以實(shí)現(xiàn)。
[0008] -種基于粒子平滑的快速TBD檢測(cè)方法,所述方法包括:
[0009] 步驟1,設(shè)定雷達(dá)目標(biāo)的運(yùn)動(dòng)模型;
[0010]步驟2,設(shè)定雷達(dá)目標(biāo)的觀測(cè)模型;
[0011] 步驟3,設(shè)定雷達(dá)目標(biāo)運(yùn)動(dòng)過程中的觀測(cè)周期,設(shè)定所述觀測(cè)周期內(nèi)的任一時(shí)刻為 當(dāng)前時(shí)刻;獲取雷達(dá)目標(biāo)運(yùn)動(dòng)過程中截止到當(dāng)前時(shí)刻的所有歷史觀測(cè)數(shù)據(jù);
[0012] 步驟4,根據(jù)所述截止到當(dāng)前時(shí)刻的所有歷史觀測(cè)數(shù)據(jù)、所述運(yùn)動(dòng)模型以及所述觀 測(cè)模型,采用基于粒子濾波的TBD計(jì)算雷達(dá)目標(biāo)運(yùn)動(dòng)狀態(tài)的后驗(yàn)概率;
[0013] 步驟5,獲取雷達(dá)目標(biāo)運(yùn)動(dòng)過程中從當(dāng)前時(shí)刻到整個(gè)觀測(cè)周期最后時(shí)刻的所有觀 測(cè)數(shù)據(jù),根據(jù)從當(dāng)前時(shí)刻到整個(gè)觀測(cè)周期最后時(shí)刻的所有觀測(cè)數(shù)據(jù)對(duì)所述后驗(yàn)概率進(jìn)行修 正,得到平滑概率;
[0014] 步驟6,將所述平滑概率作為雷達(dá)目標(biāo)運(yùn)動(dòng)狀態(tài)的后驗(yàn)概率,并根據(jù)所述后驗(yàn)概 率,對(duì)雷達(dá)目標(biāo)進(jìn)行檢測(cè)和跟蹤。
[0015] 本發(fā)明技術(shù)方案由于充分利用下一時(shí)刻的觀測(cè)信息對(duì)當(dāng)前時(shí)刻目標(biāo)狀態(tài)的后驗(yàn) 概率進(jìn)行修正,運(yùn)用一步平滑思想,建立了以過去和將來時(shí)刻的觀測(cè)信息為條件的平滑概 率,并用各個(gè)粒子狀態(tài)間的歐式距離來代替粒子狀態(tài)的轉(zhuǎn)移概率,所以有效提高了目標(biāo)狀 態(tài)估計(jì)的精度,大大縮短了平滑時(shí)間。
【附圖說明】
[0016] 為了更清楚地說明本發(fā)明實(shí)施例或現(xiàn)有技術(shù)中的技術(shù)方案,下面將對(duì)實(shí)施例或現(xiàn) 有技術(shù)描述中所需要使用的附圖作簡(jiǎn)單地介紹,顯而易見地,下面描述中的附圖僅僅是本 發(fā)明的一些實(shí)施例,對(duì)于本領(lǐng)域普通技術(shù)人員來講,在不付出創(chuàng)造性勞動(dòng)的前提下,還可以 根據(jù)這些附圖獲得其他的附圖。
[0017] 圖1為本發(fā)明實(shí)施例提供的基于粒子平滑的快速TBD檢測(cè)方法的流程示意圖;
[0018] 圖2是PF-TBD算法的實(shí)現(xiàn)流程示意圖;
[0019]圖3是PS-TBD算法的實(shí)現(xiàn)流程示意圖;
[0020]圖4是改進(jìn)后的PS-TBD算法的實(shí)現(xiàn)流程不意圖;
[0021 ]圖5是幾幀中(2,8,20,29)模態(tài)f =1的粒子在空間的分布的情況示意圖;
[0022]圖6是500次Monte Carlo仿真中PF-TBD算法認(rèn)為目標(biāo)存在的概率情況示意圖; [0023]圖7是100次Monte Carlo仿真后三種算法跟蹤精度比較示意圖,跟蹤精度以目標(biāo) 位置的均方根誤差(RMSE)來衡量;
[0024]圖8是PS-TBD算法和改進(jìn)的PS-TBD算法的計(jì)算時(shí)間隨粒子數(shù)變化的情況示意圖。
【具體實(shí)施方式】
[0025]下面將結(jié)合本發(fā)明實(shí)施例中的附圖,對(duì)本發(fā)明實(shí)施例中的技術(shù)方案進(jìn)行清楚、完 整地描述,顯然,所描述的實(shí)施例僅僅是本發(fā)明一部分實(shí)施例,而不是全部的實(shí)施例?;?本發(fā)明中的實(shí)施例,本領(lǐng)域普通技術(shù)人員在沒有做出創(chuàng)造性勞動(dòng)前提下所獲得的所有其他 實(shí)施例,都屬于本發(fā)明保護(hù)的范圍。
[0026]本發(fā)明實(shí)施例提供一種基于粒子平滑的快速TBD檢測(cè)方法,如圖1所示,所述方法 包括:
[0027]步驟1,設(shè)定雷達(dá)目標(biāo)的運(yùn)動(dòng)模型。
[0028]設(shè)雷達(dá)目標(biāo)在xy平面上作勻速運(yùn)動(dòng),則雷達(dá)目標(biāo)的運(yùn)動(dòng)模型方程:
[0029] xt+i = f(xt,rt)+ut
[0030] 式中t表示離散時(shí)間下標(biāo),Xt表示t時(shí)刻的狀態(tài)向量,定義為:
[0031]
[0032] 上標(biāo)T表示矩陣的轉(zhuǎn)置,(Xt,yt)和(?,)分別表示t時(shí)刻目標(biāo)的位置和速度。rte {〇, 1}為模態(tài)變量,rt = 0表示沒有目標(biāo),rt=l存在目標(biāo)。針對(duì)不同的rt,f (Xt,rt)的定義如 下:
[0033]
[0034] F為狀態(tài)轉(zhuǎn)移矩陣。過程噪聲Ut~N(u;0,Q),N( ·)表示高斯分布,Q為噪聲協(xié)方差
[0036] 其中,To表示傳感器的采樣周期,(^表示過程噪聲的強(qiáng)度。[0037] 模態(tài)的轉(zhuǎn)移概率可由一個(gè)馬爾可夫鏈表示: 陣。
[0035]
[0038]
[0039] 其中,Pb表示目標(biāo)出現(xiàn)的概率,Pd表示目標(biāo)消失的概率。該馬爾可夫模型的狀態(tài)轉(zhuǎn) 移矩陣可以表示為:
[0040]
[0041 ]步驟2,設(shè)定雷達(dá)目標(biāo)的觀測(cè)模型。
[0042] 傳感器對(duì)R-θ平面某區(qū)域進(jìn)行檢測(cè),產(chǎn)生一系列回波數(shù)據(jù)。將每幀數(shù)據(jù)劃分成nXm 個(gè)分辨單元,每個(gè)單元的大小為A RX △ Θ,△ R和△ Θ分別表示距離和角度分辨率。假設(shè)匹配 濾波器輸出為sinc( ·)函數(shù),則第(i,j)個(gè)分辨單元在t時(shí)刻接收信號(hào)的強(qiáng)度可以表示為:
[0043]
[0044]
[0045] /d<)表示t時(shí)刻目標(biāo)在第(i,j)個(gè)分辨單元貢獻(xiàn)的信號(hào)強(qiáng)度;Vp1表示t時(shí)刻第 (i,j)個(gè)分辨單元的觀測(cè)噪聲強(qiáng)度。為了簡(jiǎn)化計(jì)算,本文中假設(shè)V"~iV(v@;〇,iT2) 4表示 回波信號(hào)的幅度,回波信噪比SNRzfA^RiZi · AR表示第i個(gè)距離分辨單元的距離,= j · ΔΘ表示第j個(gè)角度分辨單元的角度。R#P0t定義如下:
[0047] Ut,yt;衣不t叮剡日你的K直。
[0046]
[0048] 這樣就得到了 t時(shí)刻(nXm)維的觀測(cè)信息矩陣Zt:
[0049] zt = {z/"'1: ? = I...../ =
[0050] 以及截止至Ijt時(shí)刻所有的觀測(cè)信息Zi:t={zi:i = l,. . .,t}。
[0051] 步驟3,設(shè)定雷達(dá)目標(biāo)運(yùn)動(dòng)過程中的觀測(cè)周期,設(shè)定所述觀測(cè)周期內(nèi)的任一時(shí)刻為 當(dāng)前時(shí)刻;獲取雷達(dá)目標(biāo)運(yùn)動(dòng)過程中截止到當(dāng)前時(shí)刻的所有歷史觀測(cè)數(shù)據(jù)。
[0052] 當(dāng)前時(shí)刻1:,(11\111)維的觀測(cè)信息矩陣21;為:2;: = 12丨'_'''):/ =丨.....nJ ;
[0053]截止到當(dāng)前時(shí)刻t,所有的歷史觀測(cè)數(shù)據(jù)Zi:t為:Zi:t={zi:i = l,. . .,t}。
[0054] 步驟4,根據(jù)所述截止到當(dāng)前時(shí)刻的所有歷史觀測(cè)數(shù)據(jù)、所述運(yùn)動(dòng)模型以及所述觀 測(cè)模型,采用基于粒子濾波的TBD計(jì)算雷達(dá)目標(biāo)運(yùn)動(dòng)狀態(tài)的后驗(yàn)概率。
[0055] (4a)預(yù)測(cè):在獲得截止到t-Ι時(shí)刻所有歷史觀測(cè)信息條件下,計(jì)算在t時(shí)刻 目標(biāo)存在且狀態(tài)為Xt的概率,即計(jì)算先驗(yàn)概率P(X^r t = IlZm):
[0056] p(xt,rt = l |Zi:t-i) = Jp(xt,rt = l | xt-i ,rt-i= I) · p(xt-i,rt-i = l | Zi:t-i)dxt-i+Jp (Xt,rt - 11 xt-1,rt-1 - 0) · p (xt-1,rt-1 - 0 I Zi: t-1) dxt-1
[0057] (4b)更新:在獲得截止到t時(shí)刻所有歷史觀測(cè)信息Z1:t后,計(jì)算在t時(shí)刻目標(biāo)存在且 狀態(tài)為xt.的概率,即計(jì)筧后驗(yàn)概率D (xt.,rt = I I Z1: t.):
[0058]
[0059] 通過PF算法來完成后驗(yàn)概率p(xt,rt=l |Zi:t)的近似計(jì)算:
[0060]
[0061 ] 具中叫'為H-化里妥性儀值,·)為狄拉克函數(shù)。
[0062] 在得到ρ(xt,rt = 11 Z1:t)后,可得到目標(biāo)存在的概率ρ(rt = 11 Z1:t):
[0063] p(rt=l |Zi:t) = Jp(xt,rt = l |Zi:t)dxt
[0064] 常見的檢測(cè)形式可表示為:當(dāng)p(rt = I I Zi:t) 2 Vt時(shí),判定為Hi,否則當(dāng)p(rt = I I Z1ItXVTjIjSSH0
[0065]其中Vt為檢測(cè)閾值,通常設(shè)定為固定值。出表示有目標(biāo)的情況,Ho表示沒有目標(biāo)。 [0066]參照?qǐng)D2,PF_TBD算法的具體實(shí)現(xiàn)步驟如下:
[0067] (1)初始化:根據(jù)先驗(yàn)信息,建立初始狀態(tài)樣本{<,x:;},》= 1,2,...況,初始化丨=1, 其中{ 4P丨.2··…'V丨為〇時(shí)刻相關(guān)權(quán)值為? ? = Ι·2·.··ΛΜ的粒子集合;
[0068] (2)模態(tài)變化:各個(gè)時(shí)刻各個(gè)粒子的模態(tài)根據(jù)轉(zhuǎn)移矩陣Π 來變化;
[0069] (3)如果么< =1,則1?):,即將狀態(tài)值根據(jù)觀測(cè)信息來初始化 (此時(shí)該粒子認(rèn)為目標(biāo)剛出現(xiàn)):粒子的位置(xt,yt)服從監(jiān)視區(qū)域內(nèi)的均勻分布,對(duì)于目標(biāo) 在X方向上的速度元,有%(Λ ) ~ ,V_ ],其中Vmax為目標(biāo)的最大速度(同理y方向相同);
[0070]如果/Λ =1 < =1,則< ~ M Xi,<1 xKi),狀態(tài)值根據(jù)目標(biāo)運(yùn)動(dòng)模型變化 (該粒子認(rèn)為目標(biāo)持續(xù)存在):, ? I x!Li, C)~N(x,; Zm (X^1 ),Qw);
[0071] (4)計(jì)算權(quán)值:
[0072]
[0073] ?(χ;'),C^x?)是目標(biāo)強(qiáng)度有貢獻(xiàn)的區(qū)域。
[0074] (5)重復(fù)(3)-(4)直到每個(gè)粒子都運(yùn)算完畢
[0075] (6)歸一化濾波權(quán)值
[0076] (7)重采樣(重采樣后河=1/Λ〇;
[0077] (8)通過
'判斷是否有目標(biāo)存在;
[0078] (9)通過
I出后驗(yàn)概率密度p(xt,rt = l |Zi:t),在 ^的條件下,由MMSE準(zhǔn)則得出t時(shí)刻目標(biāo)狀態(tài)估計(jì):
[0079]
[0080] (10)t = t+l ;
[0081] (11)重復(fù)(2)-(10)直到t>T,T為觀測(cè)的總時(shí)間。
[0082] 步驟5,獲取雷達(dá)目標(biāo)運(yùn)動(dòng)過程中從當(dāng)前時(shí)刻到整個(gè)觀測(cè)周期最后時(shí)刻的所有觀 測(cè)數(shù)據(jù),根據(jù)從當(dāng)前時(shí)刻到整個(gè)觀測(cè)周期最后時(shí)刻的所有觀測(cè)數(shù)據(jù)對(duì)所述后驗(yàn)概率進(jìn)行修 正,得到平滑概率。
[0083]運(yùn)用貝葉斯平滑理論,提出了 PS-TBD算法,并根據(jù)下一時(shí)刻目標(biāo)的觀測(cè)數(shù)據(jù),在粒 子平滑權(quán)值的計(jì)算過程中運(yùn)用一步平滑思想,對(duì)所述后驗(yàn)概率進(jìn)行修正;再利用各個(gè)粒子 狀態(tài)間的歐式距離來代替它們之間的狀態(tài)轉(zhuǎn)移概率,進(jìn)而快速獲取一步平滑概率。
[0084] 步驟5具體為:
[0085] (5a)獲取截止到時(shí)刻T的所有觀測(cè)數(shù)據(jù)Z1:τ: Z1 :T= {Zi: i = I,. . .,T},T為觀測(cè)的總 時(shí)間;
[0086] (5b)根據(jù)所述截止到時(shí)刻T的所有觀測(cè)數(shù)據(jù)Ζ1:τ對(duì)所述后驗(yàn)概率進(jìn)行修正,得到平 滑概率P(xt,r t=l |Ζι:τ)為:
[0087]
[0088] (5c)通過基于粒子濾波算法的TBD計(jì)算平滑概率
^表示粒子平滑權(quán)值。
[0089] 基于步驟4,使用貝葉斯平滑的理論,不僅保留了PF-TBD算法的優(yōu)點(diǎn),還利用了后 續(xù)時(shí)刻的觀測(cè)信息來修正后驗(yàn)概率口(心山=1|2 1:*),得到平滑概率?(仏〇=1|2以),使目 標(biāo)的狀態(tài)估計(jì)更為精確。
[0090]
[0091] 通過PF算法來完成平滑概率p(Xt,rt=l|Z 1:T)的近似計(jì)算:
[0092]
[0093]參照?qǐng)D3,PS-TBD算法的具體實(shí)現(xiàn)步驟如下
[0094] (1)首先進(jìn)行PF-TBD(步驟4):得到??卜
[0095] (2)初始化:對(duì)η = 1,2,· · · N,設(shè)置T時(shí)刻粒子權(quán)值= <,γ= Γ -1;
[0096] (3)如果,-二=1 顧d /f =
[0097] (上式中權(quán)值是利用t時(shí)刻和t+Ι時(shí)刻認(rèn)為目標(biāo)持續(xù)存在的粒子計(jì)算的,M表示這些 粒子的個(gè)數(shù));
[0098] 否則 M,;X;
[0099] (4)重復(fù)(3)直到每個(gè)粒子都運(yùn)算完畢
[0100] (5)歸一化平滑權(quán)值
[0101] (6)通is
,求出平滑概率密度P(xt,rt = l |Z1:T), 在出的條件下,由MMSE準(zhǔn)則得出t時(shí)刻目標(biāo)狀態(tài)估計(jì):
[0102]!
[0103] { / = ;
[0104] (8)重復(fù)(3)-(7)直到 t<l。
[0105] 為降低計(jì)算復(fù)雜度,在PS-TBD算法的基礎(chǔ)上作出改進(jìn)。在粒子平滑權(quán)值的計(jì)算過 程中運(yùn)用一步平滑思想,只利用下一時(shí)刻的觀測(cè)數(shù)據(jù),對(duì)所述后驗(yàn)概率密度函數(shù)進(jìn)行修正; 再利用各個(gè)粒子狀態(tài)間的歐式距離來代替它們之間的狀態(tài)轉(zhuǎn)移概率,進(jìn)而快速獲取一步平 滑概率根據(jù)所述平滑概率。根據(jù)所述平滑概率,對(duì)雷達(dá)目標(biāo)進(jìn)行檢測(cè)和跟蹤。
[0106] 改進(jìn)1:在粒子平滑過程中運(yùn)用一步平滑思想,《4+,表示一步平滑權(quán)值:
[0107]
[0108]
[0109]上式中,iCu,+1表示t + 1時(shí)刻重采樣后的濾波權(quán)值,對(duì)于不同的粒子下標(biāo)n,
[0111] 符號(hào)?表示近似正比于。此時(shí)平滑過程的計(jì)算復(fù)雜度被減小為O(M),但仍需要多次 計(jì)算粒子間的狀態(tài)轉(zhuǎn)移概率= 11 <= 1)。
[0112] 改進(jìn)2:用各個(gè)粒子狀態(tài)間的歐式距離來代替它們之間的狀態(tài)轉(zhuǎn)移概率并采取一 定近似,得?丨改講PS-TRD笪法的平滑ft倌,
[0113]
[0114] 上式中,%+1是改進(jìn)的PS-TBD算法得到的平滑權(quán)值。f( ·)表示狀態(tài)轉(zhuǎn)移函數(shù),象+1 表示t+Ι時(shí)刻PF-TBD得出的目標(biāo)狀態(tài)估計(jì)。由上式可以看出,改進(jìn)的PS-TBD算法不僅平滑的 計(jì)算復(fù)雜度降為O(M),也避免了多次計(jì)算粒子間的狀態(tài)轉(zhuǎn)移概率,一步平滑概率 .M xi,r(: = 1 丨 Z1M1)可與為:
[0115]
[0116] 參照?qǐng)D4,改進(jìn)的PS-TBD算法的具體實(shí)現(xiàn)步驟如下:
[0117] (1)初始化 t = l;
[0118] ( 2 )如果 t = 1,2 · · ·,T - 1,則進(jìn)行 P F - T B D (步驟 3 ):得到 ?χ;1}和
n = l;2,...N;
[0119] 跳轉(zhuǎn)到步驟(3);
[0120] 否則如果t = T,跳轉(zhuǎn)到步驟(5);
[0122] 否則^+1=<;
[0123] (4)重復(fù)步驟(3)直到每個(gè)粒子都運(yùn)算完畢,轉(zhuǎn)到5);
[0124] (5)對(duì)每個(gè)粒i
[0127]
;
[0125] (6)歸一化平 ??
[0126] (7)通過 MU 在出的條件下,根據(jù)MMSE準(zhǔn)則得出t時(shí)刻目標(biāo)狀態(tài)估計(jì):
[0128] (8)t = t+l ;
[0129] (9)重復(fù)(2)-(8)直到 t>T。
[0130] 步驟6,將所述平滑概率作為雷達(dá)目標(biāo)運(yùn)動(dòng)狀態(tài)的后驗(yàn)概率,并根據(jù)所述后驗(yàn)概 率,對(duì)雷達(dá)目標(biāo)進(jìn)行檢測(cè)和跟蹤。
[0131] 本發(fā)明由于充分利用傳感器的觀測(cè)信息,運(yùn)用后續(xù)時(shí)刻的觀測(cè)信息對(duì)當(dāng)前時(shí)刻目 標(biāo)狀態(tài)的后驗(yàn)概率進(jìn)行修正,建立了以過去和將來所有時(shí)刻的觀測(cè)信息為條件的平滑概 率,而且在粒子平滑權(quán)值的計(jì)算過程中運(yùn)用一步平滑思想,并用各個(gè)粒子狀態(tài)間的歐式距 離來代替粒子狀態(tài)的轉(zhuǎn)移概率,所以有效提高了目標(biāo)狀態(tài)估計(jì)的精度,大大縮短了平滑時(shí) 間。
[0132] 本發(fā)明的效果通過以下仿真對(duì)比試驗(yàn)進(jìn)一步說明:
[0133] 1.仿真參數(shù):
[0134] 觀測(cè)空間的距離是從30km~34.5km,方位角為30°~60°,距離分辨率為150m,角度 分辨率為1°?;夭◤?qiáng)度A = 2.512,觀測(cè)噪聲標(biāo)準(zhǔn)差〇 = 1,于是信噪比:
[0135]
[0136] 目標(biāo)的初始位置在(21.2,21.2)1〇11處,目標(biāo)的速度大小為15〇111/8,方向?yàn)?5°。目標(biāo) 的狀態(tài)轉(zhuǎn)移矩f
,粒子數(shù)N = 5000,門限Vt = 0.6,過程噪聲強(qiáng)度qi = 0.001。 初始時(shí)刻各粒子均勻分布在[30km,34.5km]和[30°,60° ]的空間內(nèi),速度(?,靈)均勻分布在 [100,200]m/s 和[100,200]m/s 的范圍內(nèi)。
[0137] 2.仿真內(nèi)容:
[0138] 本發(fā)明針對(duì)一個(gè)徑向飛行的勻速目標(biāo)場(chǎng)景,采用PF-TBD、PS-TBD和改進(jìn)的PS-TBD 算法作仿真實(shí)驗(yàn)。
[0139] 3.仿真結(jié)果分析:
[0140]共30幀數(shù)據(jù),目標(biāo)在第4幀出現(xiàn),在第24幀消失,圖5給出了幾幀中(2,8,20,29)模 態(tài)< =1的粒子在空間的分布的情況。
[0141] 在目標(biāo)存在的情況下,將PF-TBD、PS-TBD以及改進(jìn)后的PS-TBD三種算法進(jìn)行性能 比較。圖6給出了 500次Monte CarIo仿真中PF-TBD算法認(rèn)為目標(biāo)存在的概率情況。圖7給出 了 100次Monte Carlo仿真后三種算法跟蹤精度的比較,跟蹤精度以目標(biāo)位置的均方根誤差 (RMSE)來衡量的。而在目標(biāo)存在的第4幀至第24幀之間,PS-TBD算法和改進(jìn)的PS-TBD算法的 計(jì)算時(shí)間隨粒子數(shù)變化的情況則如圖8所示。
[0142] 由圖8可以看出,在目標(biāo)出現(xiàn)后的前幾幀,三種算法的RMSE都很大。因?yàn)榇藭r(shí)模態(tài) 為1的粒子所占概率IV=IicK (圖5所示,出現(xiàn)了檢測(cè)延時(shí)),大多數(shù)粒子認(rèn)為沒有目標(biāo)存在, PF-TBD在這種情況下給出的目標(biāo)位置的估計(jì)是相當(dāng)不精確的。而本發(fā)明提出的PS-TBD與改 進(jìn)的PS-TBD算法也只在認(rèn)為目標(biāo)持續(xù)存在的粒子間進(jìn)行,因此在圖8的前幾幀三種算法的 RMSE都很大。幾幀檢測(cè)延時(shí)后PF-TBD算法跟蹤上目標(biāo),大多數(shù)粒子認(rèn)為目標(biāo)持續(xù)存在,由圖 8看出,本文提出的PS-TBD算法和改進(jìn)的PS-TBD算法都明顯的提高了跟蹤精度。但結(jié)合圖8 發(fā)現(xiàn),雖然PS-TBD算法雖然跟蹤精度很高,但該算法平滑時(shí)間很長(zhǎng)(計(jì)算復(fù)雜度為O(M 2T)), 而改進(jìn)的PS-TBD算法通過引入一步平滑思想,將平滑過程的計(jì)算復(fù)雜度降為O(M),并用各 個(gè)粒子狀態(tài)間的歐式距離來代替它們之間的狀態(tài)轉(zhuǎn)移概率,大大的縮短了平滑時(shí)間,具有 很強(qiáng)的實(shí)用性。
[0143] 本領(lǐng)域普通技術(shù)人員可以理解:實(shí)現(xiàn)上述方法實(shí)施例的全部或部分步驟可以通過 程序指令相關(guān)的硬件來完成,前述的程序可以存儲(chǔ)于一計(jì)算機(jī)可讀取存儲(chǔ)介質(zhì)中,該程序 在執(zhí)行時(shí),執(zhí)行包括上述方法實(shí)施例的步驟;而前述的存儲(chǔ)介質(zhì)包括:ROM、RAM、磁碟或者光 盤等各種可以存儲(chǔ)程序代碼的介質(zhì)。
[0144] 以上所述,僅為本發(fā)明的【具體實(shí)施方式】,但本發(fā)明的保護(hù)范圍并不局限于此,任何 熟悉本技術(shù)領(lǐng)域的技術(shù)人員在本發(fā)明揭露的技術(shù)范圍內(nèi),可輕易想到變化或替換,都應(yīng)涵 蓋在本發(fā)明的保護(hù)范圍之內(nèi)。因此,本發(fā)明的保護(hù)范圍應(yīng)以所述權(quán)利要求的保護(hù)范圍為準(zhǔn)。
【主權(quán)項(xiàng)】
1. 一種基于粒子平滑的快速τ抓檢測(cè)方法,其特征在于,所述方法包括: 步驟1,設(shè)定雷達(dá)目標(biāo)的運(yùn)動(dòng)模型; 步驟2,設(shè)定雷達(dá)目標(biāo)的觀測(cè)模型; 步驟3,設(shè)定雷達(dá)目標(biāo)運(yùn)動(dòng)過程中的觀測(cè)周期,設(shè)定所述觀測(cè)周期內(nèi)的任一時(shí)刻為當(dāng)前 時(shí)刻;獲取雷達(dá)目標(biāo)運(yùn)動(dòng)過程中截止到當(dāng)前時(shí)刻的所有歷史觀測(cè)數(shù)據(jù); 步驟4,根據(jù)所述截止到當(dāng)前時(shí)刻的所有歷史觀測(cè)數(shù)據(jù)、所述運(yùn)動(dòng)模型W及所述觀測(cè)模 型,采用基于粒子濾波的ΤΒ的十算雷達(dá)目標(biāo)運(yùn)動(dòng)狀態(tài)的后驗(yàn)概率; 步驟5,獲取雷達(dá)目標(biāo)運(yùn)動(dòng)過程中從當(dāng)前時(shí)刻到整個(gè)觀測(cè)周期最后時(shí)刻的所有觀測(cè)數(shù) 據(jù),根據(jù)從當(dāng)前時(shí)刻到整個(gè)觀測(cè)周期最后時(shí)刻的所有觀測(cè)數(shù)據(jù)對(duì)所述后驗(yàn)概率進(jìn)行修正, 得到平滑概率; 步驟6,將所述平滑概率作為雷達(dá)目標(biāo)運(yùn)動(dòng)狀態(tài)的后驗(yàn)概率,并根據(jù)所述后驗(yàn)概率,對(duì) 雷達(dá)目標(biāo)進(jìn)行檢測(cè)和跟蹤。2. 根據(jù)權(quán)利要求1所述的一種基于粒子平滑的快速TBD檢測(cè)方法,其特征在于,步驟1具 體為: 設(shè)定雷達(dá)目標(biāo)在xy平面上作勻速運(yùn)動(dòng),雷達(dá)目標(biāo)的運(yùn)動(dòng)模型為: xt+i = f (xt,rt)+ut 式中t表示離散時(shí)間下標(biāo),xt+i表示t+1時(shí)刻的狀態(tài)向量, f(xt,rt)的定義為:rte{0,l}為模態(tài)變量,rt = 0表示沒有 目標(biāo),rt=l表示存在目標(biāo),xt表示t時(shí)刻的狀態(tài)向量,F(xiàn)為狀態(tài)轉(zhuǎn)移矩陣,過程噪聲ut~N(u; 〇,Q),N( ·)表示高斯分布,Q為噪聲協(xié)方差陣。3. 根據(jù)權(quán)利要求1所述的一種基于粒子平滑的快速TBD檢測(cè)方法,其特征在于,步驟2具 體為: 設(shè)定雷達(dá)對(duì)R-θ平面某區(qū)域進(jìn)行檢測(cè),從而產(chǎn)生回波數(shù)據(jù),將每帖回波數(shù)據(jù)劃分成nXm 個(gè)分辨單元,每個(gè)分辨單元的大小為A R X Δ Θ,Δ R表示距離分辨率,Δ Θ表示角度分辨率, 則第(ij)個(gè)分辨單元在t時(shí)刻接收回波信號(hào)的強(qiáng)度即雷達(dá)目標(biāo)的觀測(cè)模型表示為:A產(chǎn)\κ,")表示t時(shí)刻雷達(dá)目標(biāo)在第(i,j)個(gè)分辨單元的信號(hào)強(qiáng)度;表示t時(shí)刻第(i, j)個(gè)分辨單元的觀測(cè)噪聲強(qiáng)度,其中,,4表示回波 信號(hào)的幅度,虹=1· AR表示第i個(gè)距離分辨單元的距離,0j = j. ΔΘ表示第j個(gè)角度分辨單 元的角度,Rt和Θ*定義為,xt表示t時(shí)刻雷達(dá)目標(biāo)在X軸方向的位置,yt表示t 時(shí)刻雷達(dá)目標(biāo)在y軸方向的位置。4. 根據(jù)權(quán)利要求1所述的一種基于粒子平滑的快速TBD檢測(cè)方法,其特征在于,步驟3具 體為: 當(dāng)前時(shí)刻t,(nXm)維的觀測(cè)信息矩陣zt為:z,=咕' ,...= 1,...,航},n為大于1 的整數(shù),m為大于1的整數(shù); 截止到當(dāng)前時(shí)刻t,所有的觀測(cè)數(shù)據(jù)Zi:t為:Zi:t={zi:i = l,...,t}。5. 根據(jù)權(quán)利要求1所述的一種基于粒子平滑的快速TBD檢測(cè)方法,其特征在于,步驟4具 體為: (4a)在獲得截止到t-1時(shí)刻的所有觀測(cè)數(shù)據(jù)的條件下,計(jì)算在t時(shí)刻雷達(dá)目標(biāo)存在 且狀態(tài)為義*的概率,即計(jì)算先驗(yàn)概率口^川* = 1向:*-1):(4b)在獲得截止到t時(shí)刻的所有觀測(cè)數(shù)據(jù)Zi:t后,計(jì)算在t時(shí)刻雷達(dá)目標(biāo)存在且狀態(tài)為xt 的概率,即計(jì)算后驗(yàn)概率P (xt,rt = 11 Zi:t):6. 根據(jù)權(quán)利要求1所述的一種基于粒子平滑的快速TBD檢測(cè)方法,其特征在于,步驟5具 體為: 巧a)獲取截止到時(shí)刻T的所有觀測(cè)數(shù)據(jù)Zi:T:Zi:T={zi:i = l,. . .,Τ},Τ為觀測(cè)周期; (5b)根據(jù)所述截止到時(shí)刻Τ的所有觀測(cè)數(shù)據(jù)Ζι:τ對(duì)所述后驗(yàn)概率進(jìn)行修正,得到平滑概 率p(xt,:Tt=l |Ζι:τ)為:(5c)通過基于粒子濾波算法的ΤΒ的十算平滑概率喝r 表示粒子平滑權(quán)值,S( ·)為狄拉克函數(shù)。7. 根據(jù)權(quán)利要求6所述的一種基于粒子平滑的快速TBD檢測(cè)方法,其特征在于,對(duì)粒子 平滑權(quán)值的計(jì)算過程運(yùn)用一步平滑思想,只利用下一時(shí)刻的觀測(cè)數(shù)據(jù),對(duì)所述后驗(yàn)概率進(jìn) 行修正: 的,+1表示一步平滑權(quán)值:式中兩u+,表示t+1時(shí)刻重采樣后的濾波權(quán)值,對(duì)于不同的粒子是一個(gè)常量,因此上式又表示為:符號(hào)-表示近似正比于,用各個(gè)粒子狀態(tài)間的歐式距離來代替它們之間的狀態(tài)轉(zhuǎn)移概 率,得到平滑權(quán)值:式中解,,,是平滑權(quán)值,f( ·)表示狀態(tài)轉(zhuǎn)移函數(shù),s,+,表示t+1時(shí)刻的目標(biāo)狀態(tài)估計(jì),一步 平滑概率巧χパ = nZι:。ι)寫為:為狄拉克函數(shù)。
【文檔編號(hào)】G01S7/41GK105842686SQ201610160872
【公開日】2016年8月10日
【申請(qǐng)日】2016年3月21日
【發(fā)明人】劉宏偉, 嚴(yán)俊坤, 陳林, 蒲文強(qiáng)
【申請(qǐng)人】西安電子科技大學(xué), 西安中電科西電科大雷達(dá)技術(shù)協(xié)同創(chuàng)新研究院有限公司