[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

摘要

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。

主权项

一种利用粒子滤波的雷达微弱目标检测跟踪方法，其特征在于，该方法根据序贯平滑的粒子滤波确定相应的概率分布函数从而估计目标状态、位置信息并进行目标跟踪，具体包括：S1、从被跟踪目标可能的分布中采样得到少量的采样点，并计算得到这些点的平均值和协方差：μX＝∑xp(x)COV(X，Y)＝E[(X‑μX)(Y‑μY)]其中p(x)表示随机变量在x处出现的概率大小，μ表示变换前建议分布的均值，μX为变量X的均值，μY为变量Y的均值，COV(X，Y)表示两个变量的协方差；S2、生成采样点：选择建议分布的均值作为第一个采样点，在第一个采样点的两侧分别对称地选取两组采样点，使得采样点的分布符合下列约束方程：1=Σiwim]]>μ=Σiwimf(ξi)]]>Σ=Σiwic(f(ξi)-μ)(f(ξi)-μ)T]]>COV(x,y)=Σ(x-μx)(y-μy)h]]>其中wm和wc分别表示步骤一中均值和方差的权重，f(x)表示非线性函数，ξi表示了第i个采样点，f(ξi)表示非线性函数在ξi处的取值。n表示输入向量x的维度；S3、对每个采样点赋予权重：引入可变参数α，β，κ，定义参数λ：λ＝α2(n+κ)‑n对步骤S21中采样点的均值和方差赋予不同的权重，使得所有采样点的权重和为一，并且符合计算式：ξi=μ+[(n+λ)Σ]i,i=1,2,...,nμ-[(n+λ)Σ]i-n,i=n+1,n+2,...,2n]]>其中，下标i表示选择的是矩阵的第i列向量，∑表示协方差矩阵；ξC的均值的权重为：W0m=λn+λ]]>ξC的协方差的权重为：W0c=λn+λ+1-α2+β]]>其余部分点的平均值和协方差的权重相同，如下式所描述：Wim=Wic=12(n+λ),i=1,2,...,2n]]>S4、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：选择合适的参数α，β，κ，使得采样点位于第一和第二标准差椭圆的内部，或者位于第一和第二标准差椭圆之间；第一标准差σ和第二标准差2σ中，参数σ的计算如下：σ=1NΣi=1N(xi-μ)2]]>其中xi表示随机变量在第i个采样点处的取值。将采样点通过非线性变化：S5、对变换后的点集做平滑处理：S51、选择一个状态点，使得其他有一部分采样点落在以该点为中心，半径为r的区域内，这些采样点的分布符合滤波器对后验概率的估计：p^(dxk|y0:k-1)=1NΣi=1Nδξnidxn]]>其中表示狄拉克函数在采样点处的取值，y0：k‑1表示序列y0，y1，...，yk‑1，表示对后验概率密度函数p(dxk|y0：k‑1)的估计；S52、根据以下公式对采样点前后时刻的估计位置做加权平均：K(x0,xi)=exp(-(x0-xi)22σ2)]]>f^(x0)=Σi=1NKri(x0,xi)p(xi)Σi=1NKri(x0,xi)]]>ri=r0(p(xi)-μ)2Σ(p(xi)-μ)2]]>其中K(x0，xi)表示平滑运算的加权值，表示当前平滑点的估计值，ri表示第i个平滑窗的半径，只有进入区间的点才参与平滑计算；S6、计算平滑后采样点的均值和方差，根据平滑以后的均值和方差重新估计建议分布，若有效粒子数量不足，则从平滑后的分布函数中重采样，重新进行序贯的粒子滤波；S7、重复上述步骤直到序贯滤波次数足够，并输出滤波结果。