[发明专利]一种利用粒子滤波的雷达微弱目标检测跟踪方法

说明书

本发明属于通信电子技术领域，涉及一种利用粒子滤波的雷达微弱目标检测跟踪方法。本发明的方法首先减少传统粒子滤波的粒子数量，从被跟踪目标可能的分布中采样得到少量的采样点，赋予采样点不同的权重，再对变换后的采样点进行序贯平滑处理，最终输出得到目标位置的估计。仿真结果表明本算法的定位精度高于现有的粒子滤波算法，并且计算开销较低。本算法在信噪比为0dB‑15dB的情况下，总共进行100次蒙特卡洛仿真进行检测，得到了较高的检测概率，而且改进算法的检测概率在7dB时明显优于现有的粒子滤波算法，计算代价也小于现有的粒子滤波算法。

技术领域

本发明属于通信电子技术领域，涉及一种利用粒子滤波的雷达微弱目标检测跟踪方法。

背景技术

为了应对隐身目标等非合作目标给现代雷达带来的挑战，无源定位与跟踪方法正在蓬勃发展，无源体制信号探测技术中一个关键问题就是对微弱机动目标进行检测与跟踪。微弱目标指的是雷达反射截面积很小，导致反射回波很弱的低可探测性目标。这些目标被电磁波照射时，后向散射波强度明显下降，回波信号非常微弱。同时，这些典型的微弱目标又往往具有非常高的机动性，即这些目标能够改变自身原有的运动规律，导致运动模型变化的程度超过了滤波器模型所能跟踪匹配的范围，即造成模型失配。传统雷达对这些目标的探测距离大为缩短，探测的灵敏度也大为降低。所以，传统的门限检测和跟踪方法对于微弱机动目标不具优势，技术革新迫在眉睫。

现有的检测跟踪算法的主要缺点是跟踪非线性运动的目标时容易形成模型失配，而且计算代价很大。因此，设计检测跟踪算法时需要考虑的两个主要因素是能耗和跟踪精度。考虑到能耗限制以及精度需求，传统的粒子滤波算法包括以下步骤：

(1)采样随机生成一组粒子。

(2)更新重要性权重。

(3)计算归一化的重要性权重。

(4)计算估计有效粒子数量。

(5)判断有效粒子数量是否超过阈值。

(6)如果步骤5为假，则进行重采样。

(7)当生成粒子组数超过额定数值时，根据粒子的估计量计算待估参量，输出状态估计。

上述传统方法存在以下不足：

(1)计算代价巨大，容易造成数据处理单元溢出。

(2)采样过程判断单一，引起粒子退化，损失估计精度。同时，为了解决重采样之后粒子退化的问题还需要增大粒子数量，进一步增加了计算耗费。

(3)容易产生测量数据跳变点，造成角度模糊和模型失配。

发明内容

本发明所要解决的，就是针对上述问题，提供一种减少计算消耗的改进的序贯平滑的粒子滤波(Improved Sequential Smoothing-Particle Filter,ISS-PF)算法，该方法可以有效跟踪线性运动的目标，并且对于非线性运动的微弱机动目标也有很好的检测跟踪效果。算法首先减少传统粒子滤波的粒子数量，从被跟踪目标可能的分布中采样得到少量的采样点。计算得到这些点的平均值和协方差，对两者进行加权。选择合适的参数，并且把这些点传递给非线性变换函数来模拟机动目标的运动。确保采样点的对称性，从变换后的点产生另一过程。对变换后的点进一步平滑处理，再判断是否序贯进行粒子滤波和重采样。通过上述步骤实现改进的序贯平滑的粒子滤波器。

本发明的技术方案主要步骤可以概括为：

(1)计算建议分布的均值协方差

(2)生成采样点

(3)对每个采样点赋予权重

(4)选择合适的参数使得采样点有合理的分布

(5)对采样点做非线性变换