[发明专利]基于多伯努利滤波的雷达微弱起伏目标检测前跟踪算法

权利要求书

1.一种基于多伯努利滤波的雷达微弱起伏目标检测前跟踪算法，其特征在于，包括如下步骤：

S1：初始化系统参数，读取雷达接收机中第k-1时刻和第k时刻的原始量测数据；

S2：对k-1时刻的原始量测数据使用LABer-STC-TBD算法自适应新生目标；

S3：获得k时刻的复量测和平方量测数据，分别计算三种幅度波动类型的复似然比和平方模似然比，给出幅度波动下MB-TBD滤波的SMC实现；

S4：删除存在概率低于阈值的伯努利分量，并利用DPM算法对伯努利分量进行合并；

S5：提取伯努利分量，并估计目标的数量；

S6：判断k+1是否大于目标运动总时间，如果大于，则算法结束，若不然返S2。

2.如权利要求1所述的基于多伯努利滤波的雷达微弱起伏目标检测前跟踪算法，其特征在于，所述系统参数包括：

采样间隔T，当前时刻k，目标运动总时间K，雷达在极坐标中扫描区域[r_min,r_max]×[θ_min,θ_max]，雷达接收跟踪场景内的量测数据Z_k和Z_k-1，在极坐标中覆盖定义区域的距离和方位监视雷达，对于距离，假设发射的脉冲是带宽B和持续时间T_ε的线性调频信号，光速c，距离分辨单元对于角度，在雷达接收端考虑N_a天线的线性相控阵，间隔为其中λ为载波频率的波长，角度分辨率为

3.如权利要求2所述的基于多伯努利滤波的雷达微弱起伏目标检测前跟踪算法，其特征在于，对k-1时刻的原始量测数据使用LABer-STC-TBD算法自适应新生目标的步骤中：

给定分辨单元的虚警率P_fa即可以计算阈值γ，修正出一种更适用于目标起伏情况的阈值γ：

LABer-STC-TBD算法首先是挑选前一时刻量测来自适应新生目标即：

自适应新生分布可以表述为：

剔除存在概率低于0.5的伯努利分量，利用已检测到的伯努利分量对现有量测进行修正，来消除该分量对检测剩余目标造成的影响，当检测到的目标对分辨单元(l,m)产生作用，则采用量测方程消除该目标作用后的分辨单元(l,m)的量测为：

此时传感器在整个N_r×N_θ场景内得到修正后的量测集合为：

再返回上述步骤，并增加虚警率，直到伯努利分量的存在概率全部低于0.5。

4.如权利要求3所述的基于多伯努利滤波的雷达微弱起伏目标检测前跟踪算法，其特征在于，分别计算三种幅度波动类型的复似然比和平方模似然比的步骤中：

分别计算幅度波动类型为Swerling 0,1,3下的平方模似然比；

分别计算幅度波动类型为Swerling 0,1,3下的复似然比。

5.如权利要求4所述的基于多伯努利滤波的雷达微弱起伏目标检测前跟踪算法，其特征在于，删除存在概率低于阈值的伯努利分量，并利用DPM算法对伯努利分量进行合并的步骤中：

DPM算法首先删除存在概率低于阈值的伯努利分量，其次对伯努利分量依据距离进行分类，然后保留同一目标存在概率最高的伯努利分量，挑选后同一目标的分量只有一个；如果两两分量存在概率相同，即且伯努利分量的距离在阈值内，则合并这两个分量并重新定义新的分量，具体取决于和

6.如权利要求5所述的基于多伯努利滤波的雷达微弱起伏目标检测前跟踪算法，其特征在于，提取伯努利分量，并估计目标的数量的步骤中：

在DPM算法结束后提取存在概率大于0.5的伯努利分量，存在概率大于0.5的伯努利分量的数量即为估计目标的数量。