一种针对多联合检测的点迹序列平滑滤波方法

申请号 CN201610520395.7 申请日 2016-07-01 公开(公告)号 CN106226750A 公开(公告)日 2016-12-14
申请人 电子科技大学; 发明人 易伟; 方梓成; 孙旭锋; 陈方园; 王经鹤; 孔令讲; 崔国龙;
摘要 本 发明 针对滑窗批处理结构的多 帧 联合检测技术,提出一种针对多帧联合检测的点迹序列平滑滤波方法,解决了传统方法 跟踪 精度 低、难以形成完整目标航迹等问题。本发明方法通过采用增广形式的目标状态,充分地利用了多帧联合检测的结构特点,在任一处理时刻,都能实时地提供当前时刻目标状态的滤波结果以及当前滑窗内其他目标状态的平滑结果,从而有效地提高了目标状态估计精度,实现了对目标的长时间跟踪。另外,本发明通过噪声白化预处理步骤,有效地抑制了相邻滑窗处理所得点迹序列噪声相关性带来的影响,从而进一步改善了估计精度。
权利要求

1.一种针对多联合检测的点迹序列平滑滤波方法,包括以下步骤:
步骤1、初始化系统参数:
初始化系统参数包括:总观测帧数K;当前时刻k;帧间扫描间隔T;一次多帧联合检测处理帧数N;目标状态维数n;增广目标状态转移矩阵F;增广过程噪声协方差矩阵Q;点迹序列观测矩阵H;自回归模型系数矩阵W;自回归模型噪声协方差矩阵R;
步骤2、多帧联合检测处理:
从雷达接收机中读取第k-N+1,k-N+2,...,k帧回波数据,进行多帧联合检测处理,其处理得到的结果称为点迹序列,表示为 其中zk-N+i,(i=1,...,N)
为n维的列向量,符号(·)T表示矩阵转置;
步骤3、判断是否满足k=N,若是,则利用第一次多帧联合检测处理结果初始化增广目标状态估计值 同时初始化相应的估计误差协方差矩阵Pk;令k=k+1,返回步骤2;若否,则执行步骤4;
步骤4、利用自回归模型系数矩阵对点迹序列进行噪声白化预处理,令
表示白化预处理后的点迹序列;
步骤5、平滑滤波处理:
利用白化预处理后的点迹序列 估计 并更新Pk,包括以下计算,
中间变量Gk,Gk=Pk-1MT(MPk-1MT+L)-1;
中间变量Sk,Sk=Pk-1-GkMPk-1;
更新增广目标状态估计值
更新估计误差协方差矩阵Pk,Pk=(F-DM)Sk(F-DM)T+Q-DLDT;
其中,D,L,M为常矩阵,计算方式如下,
矩阵L=HQHT+R;
矩阵D=QHTL-1;
矩阵M=HF-WH;
步骤6、判断是否满足k<K,若是,则令k=k+1,返回步骤2;若否,则完成总观测时间K帧内全部的目标状态更新。

说明书全文

一种针对多联合检测的点迹序列平滑滤波方法

技术领域

[0001] 本发明属于雷达数据处理技术领域,特别涉及雷达微弱目标跟踪技术。

背景技术

[0002] 众所周知,多样化的弱小目标和日益复杂的探测环境导致现役雷达探测性能严重下降,出现漏检大、跟踪不连续等问题。因此,如何在复杂环境中对微弱目标进行可靠的检测与跟踪是现代雷达体制急需解决的技术问题,具有重要的理论价值和实际意义。
[0003] 不同于传统的单帧检测技术,多帧联合检测技术能够通过联合处理多帧回波数据,并利用目标与噪声/杂波在帧间相关性的差异,实现目标信号的有效积累和对噪声/杂波的抑制,从而显著改善对微弱目标的探测性能。然而,为了保证检测性能和雷达实时显示的需求,多帧联合检测技术通常采用滑窗批处理的形式,其单次滑窗处理的结果仅是一些航迹片段而不是真正意义上连续、完整的目标航迹。为了得到完整的目标航迹信息,传统的方法往往直接将每次滑窗处理所得的最后一帧估计结果作为对当前时刻目标状态的更新,这种做法没有进行后续的平滑和滤波处理,其估计精度往往较低。

发明内容

[0004] 本发明针对背景技术的不足所要解决的技术问题是,针对滑窗批处理结构的多帧联合检测技术,提供一种有效的平滑滤波方法,以提高其估计精度并形成完整的目标航迹。
[0005] 本发明为解决上述技术问题所采用的方案是,一种针对多帧联合检测的点迹序列平滑滤波方法,包括以下步骤:
[0006] 步骤1、初始化系统参数:
[0007] 初始化系统参数包括:总观测帧数K;当前时刻k;帧间扫描间隔T;一次多帧联合检测处理帧数N;目标状态维数n;增广目标状态转移矩阵F;增广过程噪声协方差矩阵Q;点迹序列观测矩阵H;自回归模型系数矩阵W;自回归模型噪声协方差矩阵R;
[0008] 步骤2、多帧联合检测处理:
[0009] 从雷达接收机中读取第k-N+1,k-N+2,…,k帧回波数据,进行多帧联合检测处理,其处理得到的结果称为点迹序列,表示为 其中zk-N+i,(i=1,…,N)为n维的列向量,符号(·)T表示矩阵转置;
[0010] 步骤3、判断是否满足k=N,若是,则利用第一次多帧联合检测处理结果初始化增广目标状态估计值 同时初始化相应的估计误差协方差矩阵Pk;令k=k+1,返回步骤2;若否,则执行步骤4;
[0011] 步骤4、利用自回归模型系数矩阵对点迹序列进行噪声白化预处理,令表示白化预处理后的点迹序列;
[0012] 步骤5、平滑滤波处理:
[0013] 利用白化预处理后的点迹序列 估计 并更新Pk,包括以下计算,[0014] 中间变量Gk,Gk=Pk-1MT(MPk-1MT+L)-1;
[0015] 中间变量Sk,Sk=Pk-1-GkMPk-1;
[0016] 更新增广目标状态估计值
[0017] 更新估计误差协方差矩阵Pk,Pk=(F-DM)Sk(F-DM)T+Q-DLDT;
[0018] 其中,D,L,M为常矩阵,计算方式如下,
[0019] 矩阵L=HQHT+R;
[0020] 矩阵D=QHTL-1;
[0021] 矩阵M=HF-WH;
[0022] 步骤6、判断是否满足k
[0023] 通过上面的步骤,可以利用多帧联合检测处理得到的点迹序列,对目标状态进行精确、实时地估计,最终得到完整的航迹。
[0024] 本发明与现有技术相比的优点在于:
[0025] 本发明通过采用增广形式的目标状态,充分地利用了多帧联合检测滑窗批处理结构特点,在任一处理时刻k(k≥N),本发明都能实时地提供当前时刻目标状态的滤波结果以及当前滑窗内前N-1时刻对应目标状态的平滑结果,从而有效地提高了目标状态估计精度,实现了对目标的长时间跟踪。另外,本发明通过噪声白化预处理步骤,有效地抑制了相邻滑窗处理所得点迹序列噪声相关性带来的影响,从而进一步改善了估计精度。附图说明
[0026] 图1为本发明的总体流程框图
[0027] 图2为本发明与传统方法的航迹丢失概率对比图。
[0028] 图3为本发明与传统方法的估计位置均方根误差对比图。具体实施方案
[0029] 本发明主要采用计算机仿真的方法进行验证,所有步骤、结论都在MATLAB-R2012b上验证正确。具体实施步骤如下:
[0030] 步骤1、初始化系统参数:
[0031] 初始化系统参数包括:总观测帧数K=30;当前时刻k=6;帧间间隔T=1s;一次多帧联合检测处理帧数N=6;目标状态维数n=4;增广目标状态转移矩阵
[0032] 其中 Im表示m×m的单位矩阵;
[0033] 增广过程噪声协方差矩阵
[0034] 其中diag(·)表示对矩阵, 表示克罗内克积运算;
[0035] 点迹序列观测矩阵
[0036] 自回归模型系数矩阵 其中参数λ1=λ2=…=λ5=0.95;自回归模型噪声协方差矩阵
[0037] 步骤2、多帧联合检测处理:
[0038] 从雷达接收机中读取第k-N+1,k-N+2,…,k帧回波数据,进行多帧联合检测处理,其处理得到的结果称为点迹序列,表示为 其中zk-N+i,(i=1,…,N)为4维的列向量,符号(·)T表示矩阵转置。
[0039] 步骤3、判断是否满足k=N,若是,则利用第一次多帧联合检测处理结果初始化增广目标状态估计值 其中,增广目标状态估计值表示为其元素 为4维的列向量,表示对k-N+i时刻目标状态的估计结果。初始化相应的估计误差协方差矩阵
[0040] 令k=k+1,返回步骤2;若否,则直接执行步骤4。
[0041] 步骤4、利用自回归模型系数矩阵对点迹序列进行噪声白化预处理,令表示白化预处理后的点迹序列。
[0042] 步骤5、平滑滤波处理:
[0043] 利用白化预处理后的点迹序列 估计 并更新Pk,包括以下计算,[0044] 中间变量Gk,Gk=Pk-1MT(MPk-1MT+L)-1;
[0045] 中间变量Sk,Sk=Pk-1-GkMPk-1;
[0046] 更新增广目标状态估计值
[0047] 更新估计误差协方差矩阵Pk,Pk=(F-DM)Sk(F-DM)T+Q-DLDT;
[0048] 其中,D,L,M为常矩阵,计算方式如下,
[0049] 矩阵L=HQHT+R;
[0050] 矩阵D=QHTL-1;
[0051] 矩阵M=HF-WH。
[0052] 步骤6、判断是否满足k
[0053] 图2给出了本发明与传统方法的航迹丢失概率对比图,可以看出,在相同信噪比条件下,本发明都显示了更低的丢失概率,因此具有更好的可靠性。图3给出了本发明与传统方法在相同信噪比(8dB)情况下的估计位置均方根误差对比图,可以看出本发明同样显示了更高的估计精度。
QQ群二维码
意见反馈