[發(fā)明專利]一種用于極化雷達目標(biāo)跟蹤的概率數(shù)據(jù)關(guān)聯(lián)方法

在審

• 申請?zhí)枺?/td>: 201410439190.7
• 申請日: 2014-08-30
• 公開（公告）號: CN104155651A
• 公開（公告）日: 2014-11-19
• 發(fā)明（設(shè)計）人: 孔令講;夏玫;李溯琪;郝凱利;易偉;崔國龍;董天發(fā);茍清松;楊建宇
• 申請（專利權(quán)）人: 電子科技大學(xué)
• 主分類號: G01S13/66
• 分類號: G01S13/66;G06F19/00;G01S7/41
• 代理公司: 電子科技大學(xué)專利中心 51203
• 代理人: 鄒裕蓉

技術(shù)領(lǐng)域

本發(fā)明涉及雷達目標(biāo)跟蹤技術(shù)，特別涉及了目標(biāo)跟蹤數(shù)據(jù)關(guān)聯(lián)技術(shù)。

背景技術(shù)

在目標(biāo)跟蹤系統(tǒng)中，由于跟蹤環(huán)境的干擾以及檢測器自身性能的限制，在測量過程中不可避免的引入許多虛假量測，即使目標(biāo)只有一個，有效量測可能有多個。數(shù)據(jù)關(guān)聯(lián)算法是解決該問題的典型方法。其中概率數(shù)據(jù)關(guān)聯(lián)濾波器PDAF是單目標(biāo)跟蹤常用的數(shù)據(jù)關(guān)聯(lián)方法，它僅利用了用于航跡更新的量測，即目標(biāo)的幾何位置信息。由于利用的信息比較有限，導(dǎo)致源自目標(biāo)的量測和雜波量測在狀態(tài)空間中不能正確被區(qū)分和辨識，導(dǎo)致航跡估計精度性能差，會出現(xiàn)失跟等現(xiàn)象。

傳統(tǒng)單基地雷達發(fā)射信號是固定極化的，固定為水平極化(H)或固定為垂直極化(V)，接收的為一路回波信息。文獻“GLRT?design?for?polarimetric?MIMO?radar?in?non-Gaussian?clutter,in?Proc.Int.Conf.Radar,106-108,2011”，研究了添加極化信息的廣義似然比檢測器，改善了目標(biāo)的檢測性能；在《極化雷達成像處理及應(yīng)用》書籍中，系統(tǒng)論述了極化雷達成像處理及應(yīng)用的相關(guān)理論與技術(shù)中，等等相關(guān)研究極化信息的應(yīng)用，但是這些研究都沒有考慮極化信息在跟蹤數(shù)據(jù)關(guān)聯(lián)環(huán)節(jié)中的應(yīng)用。

發(fā)明內(nèi)容

本發(fā)明所要解決的技術(shù)問題是，提供一種利用更多的目標(biāo)屬性信息，來提高辨識度的概率數(shù)據(jù)關(guān)聯(lián)方法。

本發(fā)明為解決上述技術(shù)問題所采用的技術(shù)方案是，一種用于極化雷達目標(biāo)跟蹤的概率數(shù)據(jù)關(guān)聯(lián)方法，包括以下步驟：

步驟1、預(yù)測k時刻目標(biāo)的位置以及新息自相關(guān)矩陣S(k)：

z~(k|k-1)=H·F·x~(k-1|k-1);]]>

S(k)＝H·F·P(k-1|k-1)(H·F)^T+H·Q·H^T+R；

其中，表示基于k-1時刻估計得到的k時刻的目標(biāo)位置，為k-1時刻的狀態(tài)估計值；F、H分別表示目標(biāo)的狀態(tài)轉(zhuǎn)移矩陣和量測矩陣，Q、R分別為目標(biāo)狀態(tài)噪聲自相關(guān)矩陣和量測噪聲自相關(guān)矩陣，(·)^T表示矩陣轉(zhuǎn)置，P(k-1|k-1)表示k-1時刻的估計誤差自相關(guān)矩陣；

步驟2、對當(dāng)前時刻k極化天線接收到的回波信號進行極化似然比檢測，輸出檢測統(tǒng)計量大于門限τ的分辨單元作為量測點跡；

步驟3、確認(rèn)量測極化似然比和關(guān)聯(lián)概率：

3.1：當(dāng)前時刻k過門限τ所檢測到的m個量測點跡位置的集合為將落入相關(guān)波門內(nèi)的量測點跡的回波信號作為候選回波z_i為k時刻落入相關(guān)波門的第i個候選回波，m_k為k時刻落入相關(guān)波門的候選回波數(shù)；

3.2：計算每個候選回波的極化似然比ρ_i，P_fa、P_d分別為點跡虛警概率和目標(biāo)檢測概率，r_k為第i個候選回波，f₀(r_k)、f₁(r_k)分別是k時刻無目標(biāo)出現(xiàn)和有目標(biāo)出現(xiàn)時回波概率密度函數(shù)，分別是k時刻無目標(biāo)和有目標(biāo)出現(xiàn)時過檢測門限后的概率密度函數(shù)；

3.3：使用極化似然比ρ_i修正關(guān)聯(lián)概率β_i為：