• / 11
  • 下載費用:30 金幣  

一種雜波環境下的認知雷達目標跟蹤方法.pdf

摘要
申請專利號:

CN201610513892.4

申請日:

2016.07.01

公開號:

CN106257302A

公開日:

2016.12.28

當前法律狀態:

實審

有效性:

審中

法律詳情: 實質審查的生效IPC(主分類):G01S 7/41申請日:20160701|||公開
IPC分類號: G01S7/41; G01S13/66 主分類號: G01S7/41
申請人: 電子科技大學
發明人: 于雪蓮; 郝英杰; 曲學超; 常俊杰; 周云
地址: 611731 四川省成都市高新西區西源大道2006號
優先權:
專利代理機構: 四川君士達律師事務所 51216 代理人: 芶忠義
PDF完整版下載: PDF下載
法律狀態
申請(專利)號:

CN201610513892.4

授權公告號:

|||

法律狀態公告日:

2017.01.25|||2016.12.28

法律狀態類型:

實質審查的生效|||公開

摘要

本發明公開了一種雜波環境下的認知雷達目標跟蹤方法,獲取當前時刻所有量測值并計算落入相關波門內的量測值;計算落入相關波門內的每個量測值來自目標的概率;計算當前時刻的等效量測值;將其作為感知存儲器的輸入,輸出得到當前時刻的系統方程參數;根據系統方程參數和等效量測值,進行狀態和量測預測,得到狀態預測協方差;將其作為執_行存儲器的輸入,輸出得到當前時刻的發射波形參數集;計算每種波形參數下的新息協方差和狀態誤差協方差;進行最優波形參數選擇;根據最優波形參數計算當前時刻的新息協方差、狀態誤差協方差及狀態估計值。本發明解決了現有認知雷達目標跟蹤技術在雜波環境下無法正常運行的問題,并可提高雜波環境下的跟蹤性能。

權利要求書

1.一種雜波環境下的認知雷達目標跟蹤方法,其特征在于,該方法包括以下步驟:
步驟S1:獲取當前時刻的所有量測值,并計算落入相關波門內的量測值;
步驟S2:計算落入相關波門內的每個量測值來自目標的概率;
步驟S3:根據落入相關波門內的每個量測值及其來自目標的概率,計算當前時刻的等
效量測值;
步驟S4:將等效測量值作為感知存儲器的輸入,輸出得到當前時刻的系統方程參數;
步驟S5:根據系統方程參數和等效量測值,進行狀態和量測預測,得到狀態預測值、量
測預測值和狀態預測協方差;
步驟S6:將獲得的狀態預測協方差作為執行存儲器的輸入,輸出得到當前時刻的發射
波形參數集;
步驟S7:對于當前時刻的發射波形參數集,計算每種波形參數下的新息協方差和狀態
誤差協方差;
步驟S8:進行最優波形參數選擇:從獲得的發射波形參數集中選取最佳的發射波形參
數,使代價函數最小;
步驟S9:根據獲得的最優波形參數,計算當前時刻的新息協方差、狀態誤差協方差以及
狀態估計值。
2.根據權利要求1所述的雜波環境下的認知雷達目標跟蹤方法,其特征在于,步驟S1
中,所述的相關波門是指以跟蹤目標的量測預測值為中心,用來確定來自目標的量測值可
能出現范圍的一塊區域;相關波門的形狀為橢圓(球),并采用以下步驟對計算落入相關波
門內的量測值進行詳細描述:
若當前時刻k等于1,則將當前時刻獲取的所有量測值作為落入相關波門內的量測值;
若當前時刻k大于等于2,則計算當前時刻獲取的每一個量測值與量測預測值之間的相
關誤差:

其中,zk,i為當前時刻獲取的第i個量測值,為量測預測值,vi為zk,i與之間的相
關誤差,N為當前時刻獲取的量測值的總數,Sk為新息協方差矩陣,Sk1為Sk的逆矩陣;
和Sk分別由上一時刻計算的步驟S5和S9得到。當上述某個量測值的相關誤差小于
等于相關門限時,則該量測值落入相關波門內;相關門限的取值決定了量測值落入相關波
門內的概率(即門概率)。
3.根據權利要求1或2所述的雜波環境下的認知雷達目標跟蹤方法,其特征在于,步驟
S2中,落入相關波門內的每個量測值來自目標的概率:

其中,i為落入相關波門內的第i個量測值來自目標的概率,M為落入相關波門內的所有
量測值的總數,其中,為相關門限,nz為量測的維數,
與相關波門的面(體)積有關,PD為目標檢測概率,PG為門概率。
若相關波門內沒有量測,即M等于0,則跳過步驟S2,直接進入步驟S3。
4.根據權利要求3所述的雜波環境下的認知雷達目標跟蹤方法,其特征在于,步驟S3
中,若M大于0,則當前時刻的等效量測為:若M等于0,則當前時刻的等效測
量值為:
其中,zk為當前時刻的等效量測值,zk,i和i分別為當前時刻落入相關波門內的第i個量
測值及其來自目標的概率,為量測預測值。
5.根據權利要求1所述的雜波環境下的認知雷達目標跟蹤方法,其特征在于,步驟S4
中,所述的感知存儲器由包含一個輸入層、一個隱含層和一個輸出層的三層感知神經網絡
構成,其輸入為步驟S3中獲得的等效量測值zk,輸出為與等效量測最匹配的系統方程參數,
具體來說,就是狀態轉移矩陣Fk、量測矩陣Hk和系統噪聲協方差矩陣Qk。
6.根據權利要求5所述的雜波環境下的認知雷達目標跟蹤方法,其特征在于,步驟S5
中,
狀態預測值為:
量測預測值為:
狀態預測協方差為:
其中,xk1為上一時刻的狀態估計值,Ek1為上一時刻的狀態誤差協方差;
若當前時刻k大于等于2,則xk1和Ek1由上一時刻計算的步驟S9得到;若當前時刻k等于
1,則xk1和Ek1分別取為步驟S3中獲得的等效量測值zk和步驟S4中獲得的系統噪聲協方差
矩陣Qk。
7.根據權利要求1所述的雜波環境下的認知雷達目標跟蹤方法,其特征在于,步驟S6
中,所述的執行存儲器由一個發射波形庫Θ以及包含一個輸入層、一個隱含層和一個輸出
層的三層感知神經網絡共同構成;
發射波形庫Θ中包含多種事先設計好的用于探測環境和目標的發射波形參數,采用線
性調頻信號作為發射波形,涉及到的波形參數包括包絡持續時間和調頻斜率b;三層感知神
經網絡的輸入為步驟S5中獲得的狀態預測協方差Pk|k1,輸出為與之匹配的一個發射波形
參數集Θk{θk,1,…,θk,r},其中,Θk為Θ的子集,r為該子集種包含波形參數的總數量。
8.根據權利要求1所述的雜波環境下的認知雷達目標跟蹤方法,其特征在于,步驟S7
中,采用以下步驟對所述的計算每種波形參數下的新息協方差和狀態誤差協方差進行詳細
描述:
新息協方差為:
狀態誤差協方差為:
其中,Rk(θk,j)和分別為發射波形參數為θk,j時的量測噪聲協
方差和增益;
采用線性調頻信號作為發射波形,則波形參數θk,j由包絡持續時間j和調頻斜率bj構成,
發射波形參數為θk,j{j,bj}時的量測噪聲協方差Rk(θk,j)為:

其中,為信噪比,fc為發射信號的中心頻率,c為光速。
9.根據權利要求1所述的雜波環境下的認知雷達目標跟蹤方法,其特征在于,步驟S8
中,所述的代價函數選擇為狀態誤差協方差矩陣Ek(θk,j)的跡,則最優波形參數就是讓Ek
(θk,j)的跡為最小的波形參數:

其中,Tr()表示矩陣的跡,為代價函數最小時對應的波形參數,即為最優波形參數;采
用線性調頻信號作為發射波形,則最優波形參數為
10.根據權利要求1所述的雜波環境下的認知雷達目標跟蹤方法,其特征在于,步驟S9
中當前時刻的新息協方差、狀態誤差協方差以及狀態估計值分別為:



其中,Sk、Ek和xk分別為當前時刻最優波形參數下的新息協方差、狀態誤差協方差以
及狀態估計值,Rk和Gk分別為下的量測噪聲協方差和增益。

說明書

一種雜波環境下的認知雷達目標跟蹤方法

技術領域

本發明屬于雷達數據處理技術領域,具體涉及一種雜波環境下的認知雷達目標跟
蹤方法。

背景技術

傳統的目標跟蹤雷達(Traditional Active Radar,TAR)僅發射固定波形,在接收
端采用自適應信號處理算法提高跟蹤性能,而雷達的量測、分辨率等指標很大程度上取決
于發射波形參數,當環境產生變化時,僅采用自適應濾波很難達到理想的跟蹤效果,因此,
自適應技術被應用到發射端,進而出現了自適應雷達(Fore-active Radar,FAR),它可以動
態地選取發射波形。與此同時,基于知識輔助的雷達信號和數據處理方法也取得了顯著的
成果與進展,通過使用先驗知識可進一步提高雷達的自適應能力。基于這兩方面的研究成
果,加拿大學者Simon Haykin于2006年首次提出了認知雷達(Cognitive Radar, CR)的概
念。認知雷達通過環境的反射回波對環境進行感知,并利用感知的信息和其他先驗知識對
接收端和發射端進行聯合自適應調整,實現對目標有效而穩定的跟蹤,從而大幅提高了雷
達目標跟蹤性能。

目前,認知雷達研究的對象主要集中在目標跟蹤這一問題上。針對認知雷達目標
跟蹤這一問題,Simon Haykin等進行了一系列的研究,包括線性和非線性目標跟蹤,但其所
有的研究都是在假定無雜波這一前提條件下進行的。如果目標處于雜波環境下,目標回波
和雜波回波混在一起,現有技術由于無法確定認知雷達感知存儲器的輸入而無法正常運
行。

發明內容

有鑒于此,本發明針對雜波環境下,目標回波和雜波回波混在一起,現有技術無法
確定認知雷達感知存儲器的輸入而無法正常運行的問題,提供了一種雜波環境下的認知雷
達目標跟蹤方法。

為了解決上述技術問題,本發明公開了一種雜波環境下的認知雷達目標跟蹤方
法,該方法包括以下步驟:

步驟S1:獲取當前時刻的所有量測值,并計算落入相關波門內的量測值;

步驟S2:計算落入相關波門內的每個量測值來自目標的概率;

步驟S3:根據落入相關波門內的每個量測值及其來自目標的概率,計算當前時刻
的等效量測值;

步驟S4:將等效測量值作為感知存儲器的輸入,輸出得到當前時刻的系統方程參
數;

步驟S5:根據系統方程參數和等效量測值,進行狀態和量測預測,得到狀態預測
值、量測預測值和狀態預測協方差;

步驟S6:將獲得的狀態預測協方差作為執行存儲器的輸入,輸出得到當前時刻的
發射波形參數集;

步驟S7:對于當前時刻的發射波形參數集,計算每種波形參數下的新息協方差和
狀態誤差協方差;

步驟S8:進行最優波形參數選擇:從獲得的發射波形參數集中選取最佳的發射波
形參數,使代價函數最小;

步驟S9:根據獲得的最優波形參數,計算當前時刻的新息協方差、狀態誤差協方差
以及狀態估計值。

與現有技術相比,本發明可以獲得包括以下技術效果:

1、解決了現有的認知雷達目標跟蹤技術在雜波環境下無法正常運行的問題。

2、提高了雜波環境下的雷達目標跟蹤性能。在雜波環境下,本發明方法的目標跟
蹤性能優于現有的TAR和FAR目標跟蹤技術。

當然,實施本發明的任一產品并不一定需要同時達到以上所述的所有技術效果。

附圖說明

此處所說明的附圖用來提供對本發明的進一步理解,構成本發明的一部分,本發
明的示意性實施例及其說明用于解釋本發明,并不構成對本發明的不當限定。在附圖中:

圖1為本發明雜波環境下的認知雷達目標跟蹤方法一個實施例的流程圖;

圖2為仿真例中本發明方法與現有的TAR和FAR目標跟蹤方法的距離均方根誤差曲
線;

圖3為仿真例中本發明方法與現有的TAR和FAR目標跟蹤方法的速度均方根誤差曲
線。

具體實施方式

以下將配合實施例來詳細說明本發明的實施方式,藉此對本發明如何應用技術手
段來解決技術問題并達成技術功效的實現過程能充分理解并據以實施。

本發明雜波環境下的認知雷達目標跟蹤方法,如圖1所示,具體按照以下步驟實
施:

步驟S1:獲取當前時刻的所有量測值,并計算落入相關波門內的量測值。

所述的相關波門是指以跟蹤目標的量測預測值為中心,用來確定來自目標的量測
值可能出現范圍的一塊區域。相關波門的形狀根據實際應用進行設計,在本發明的一個實
施例中,優選橢圓(球)相關波門,并可采用以下步驟對計算落入相關波門內的量測值進行
詳細描述:

若當前時刻k等于1,則將當前時刻獲取的所有量測值作為落入相關波門內的量測
值。

若當前時刻k大于等于2,則計算當前時刻獲取的每一個量測值與量測預測值之間
的相關誤差:


其中,zk,i為當前時刻獲取的第i個量測值,為量測預測值,vi為zk,i與之間
的相關誤差,N為當前時刻獲取的量測值的總數,Sk為新息協方差矩陣,Sk1為Sk的逆矩陣。實
施時,和Sk分別由上一時刻計算的步驟S5和S9得到。當上述某個量測值的相關誤差小
于等于相關門限時,則該量測值落入相關波門內。相關門限的取值決定了量測值落入相關
波門內的概率(即門概率),在本發明的一個實施例中,優選等于16。

步驟S2:計算落入相關波門內的每個量測值來自目標的概率:


其中,i為落入相關波門內的第i個量測值來自目標的概率,M為落入相關波門內的
所有量測值的總數,其中,為相關門限,nz為量測的維數,
與相關波門的面(體)積有關,PD為目標檢測概率,PG為門概率。在本發明的一個實施例
中,設目標檢測概率PD 0.9,量測維數nz=2,采用橢圓相關波門,相關門限16,分析可知:
PG 0.9997。

在實施時,若相關波門內沒有量測,即M等于0,則跳過步驟S2,直接進入步驟S3。

步驟S3:根據落入相關波門內的每個量測值及其來自目標的概率,計算當前時刻
的等效量測值。

若M大于0,則當前時刻的等效量測為:

若M等于0,則當前時刻的等效測量值為:

其中,zk為當前時刻的等效量測值,zk,i和i分別為當前時刻落入相關波門內的第i
個量測值及其來自目標的概率,為量測預測值。

步驟S4:將等效測量值作為感知存儲器的輸入,輸出得到當前時刻的系統方程參
數。

在本發明的一個實施例中,所述的感知存儲器由包含一個輸入層、一個隱含層和
一個輸出層的三層感知神經網絡構成,其輸入為步驟S3中獲得的等效量測zk,輸出為與等
效量測最匹配的系統方程參數,具體來說,就是狀態轉移矩陣Fk、量測矩陣Hk和系統噪聲協
方差矩陣Qk。

步驟S5:根據獲得的系統方程參數和等效量測值,進行狀態和量測預測,得到狀態
預測值、量測預測值和狀態預測協方差,具體如下:




其中,和Pk|k1分別為當前時刻的狀態預測值、量測預測值和狀態預
測協方差,xk1為上一時刻的狀態估計值,Ek1為上一時刻的狀態誤差協方差。

實施時,若當前時刻k大于等于2,則xk1和Ek1由上一時刻計算的步驟S9得到;若
當前時刻k等于1,則xk1和Ek1分別取為步驟S3中獲得的等效量測值zk和步驟S4中獲得的系
統噪聲協方差矩陣Qk。

步驟S6:將步驟S5中得到的狀態預測協方差作為執行存儲器的輸入,輸出得到當
前時刻的發射波形參數集。

在實施時,所述的執行存儲器由一個發射波形庫Θ以及包含一個輸入層、一個隱
含層和一個輸出層的三層感知神經網絡共同構成。發射波形庫Θ中包含多種事先設計好的
用于探測環境和目標的發射波形參數,波形庫的設計由具體應用環境而定,在本發明的一
個實施例中,采用線性調頻信號作為發射波形,涉及到的波形參數包括包絡持續時間和調
頻斜率b。三層感知神經網絡的輸入為步驟S5中獲得的狀態預測協方差Pk|k1,輸出為與之
匹配的一個發射波形參數集Θk{θk,1,…,θk,r},其中,Θk為Θ的子集,r為該子集種包含波形
參數的總數量。

步驟S7:對于當前時刻的發射波形參數集,計算每種波形參數下的新息協方差和
狀態誤差協方差。

在實施時,可采用以下步驟對所述的計算每種波形參數下的新息協方差和狀態誤
差協方差進行詳細描述:

新息協方差為:

狀態誤差協方差為:

其中,Rk(θk,j)和分別為發射波形參數為θk,j時的量測噪
聲協方差和增益。如步驟S6中所述,在本發明的一個實施例中,采用線性調頻信號作為發射
波形,則波形參數θk,j由包絡持續時間j和調頻斜率bj構成,分析可得發射波形參數為θk,j{j,
bj}時的量測噪聲協方差Rk(θk,j)為:


其中,為信噪比,fc為發射信號的中心頻率,c為光速。

步驟S8:進行最優波形參數選擇:從步驟S6中得到的發射波形參數集中選取最佳
的發射波形參數,使代價函數最小。

在本發明的一個實施例中,所述的代價函數可以選擇為狀態誤差協方差矩陣Ek
(θk,j)的跡,則最優波形參數就是讓Ek(θk,j)的跡為最小的波形參數:


其中,Tr()表示矩陣的跡,為代價函數最小時對應的波形參數,即為最優波形參
數。如步驟S7中所述,在本發明的一個實施例中,采用線性調頻信號作為發射波形,則最優
波形參數為

步驟S9:根據步驟S8中得到的最優波形參數,計算當前時刻的新息協方差、狀態誤
差協方差以及狀態估計值,具體如下:




其中,Sk、Ek和xk分別為當前時刻最優波形參數下的新息協方差、狀態誤差協方
差以及狀態估計值,Rk和分別為下的量測噪聲協方差和增益。

下面通過一個仿真例進一步對本發明方法的效果進行詳細說明。

仿真例

設有一個單目標在二維量測空間中進行線性運動,狀態向量為x r,v T,其中,r和
v分別表示目標的距離和速度,設目標初始距離為3km,且以200m/s的速度向與雷達相反的
方向勻速直線運動,雷達采樣間隔為25ms。設雜波密度為0.0001,目標檢測概率為PD 0.9,
采用橢圓相關波門且相關門限16,對應的門概率為PG 0.9997。采用線性調頻信號作為發射
波形,波形參數庫為:Θ,b,其中,105:105:104為線性調頻信號的包絡持續時間,單位為s;b
1011:1010:1010∪1010:1010:1011為線性調頻信號的調頻斜率,單位為Hz/s。

分別采用本發明方法以及現有的TAR和FAR方法進行目標跟蹤,圖2和圖3分別為三
種方法進行目標跟蹤的距離和速度均方根誤差曲線,圖中結果均為50次蒙特卡洛實驗的平
均結果。將圖2和圖3中的跟蹤誤差曲線分別在時間軸上作統計平均,得到三種方法進行目
標跟蹤的距離和速度均方根均值如表1所示。

表1 仿真例中本發明方法與現有的TAR和FAR目標跟蹤方法的距離和速度均方根
均值

均方根誤差均值
距離(m)
速度(m/s)
TAR
6.9024
7.2573
FAR
2.9818
3.0452
本發明
0.2405
2.1813

由圖2、圖3和表1的結果可以看到:在雜波環境下,無論是距離跟蹤還是速度跟蹤,
本發明方法的跟蹤誤差均明顯小于現有的TAR和FAR目標跟蹤方法。

該仿真例的結果說明了本發明提供的一種雜波環境下的認知雷達目標跟蹤方法
的有效性,以及該方法相對于現有的TAR和FAR目標跟蹤方法具有更優的跟蹤性能。

上述說明示出并描述了發明的若干優選實施例,但如前所述,應當理解發明并非
局限于本文所披露的形式,不應看作是對其他實施例的排除,而可用于各種其他組合、修改
和環境,并能夠在本文所述發明構想范圍內,通過上述教導或相關領域的技術或知識進行
改動。而本領域人員所進行的改動和變化不脫離發明的精神和范圍,則都應在發明所附權
利要求的保護范圍內。

關 鍵 詞:
一種 環境 認知 雷達 目標 跟蹤 方法
  專利查詢網所有資源均是用戶自行上傳分享,僅供網友學習交流,未經上傳用戶書面授權,請勿作他用。
關于本文
本文標題:一種雜波環境下的認知雷達目標跟蹤方法.pdf
鏈接地址:http://www.rgyfuv.icu/p-6100676.html
關于我們 - 網站聲明 - 網站地圖 - 資源地圖 - 友情鏈接 - 網站客服客服 - 聯系我們

[email protected] 2017-2018 zhuanlichaxun.net網站版權所有
經營許可證編號:粵ICP備17046363號-1 
 


收起
展開
山东11选5中奖结果走势图