[發(fā)明專利]基于智能子帶濾波的三維空間強機動目標跟蹤方法

在審

• 申請?zhí)枺?/td>: 201710558329.3
• 申請日: 2017-07-10
• 公開（公告）號: CN107315172A
• 公開（公告）日: 2017-11-03
• 發(fā)明（設(shè)計）人: 王國宏;李岳峰;張翔宇;李林;于洪波
• 申請（專利權(quán)）人: 中國人民解放軍海軍航空工程學(xué)院
• 主分類號: G01S13/72
• 分類號: G01S13/72;G01S7/292
• 代理公司: 暫無信息
• 代理人: 暫無信息

1.基于智能子帶濾波的三維空間強機動目標跟蹤方法，其特征在于，包括以下步驟：

步驟一、強機動目標信號的子帶分解：通過分數(shù)階傅里葉域濾波器組的多分辨率分析將原色噪聲輸入信號被分解為多個頻域不相疊加的近似白噪聲信號并利用卡爾曼濾波算法實現(xiàn)對各子帶信號的跟蹤處理；

步驟二、根據(jù)各子帶信號的頻譜特性，設(shè)計合理的去相關(guān)系統(tǒng)H(w)，來實現(xiàn)子帶色噪聲到白噪聲的轉(zhuǎn)換，進而完成對強機動目標信號的子帶去相關(guān)；

步驟三、利用修正輸入估計以及基于智能調(diào)節(jié)的修正強跟蹤濾波器，實現(xiàn)對強機動目標信號的智能子帶濾波；

步驟四、依據(jù)各濾波信號的時頻特性來構(gòu)建合理的分數(shù)階傅里葉濾波器組，并通過構(gòu)建的濾波器組對各子帶信號的時頻轉(zhuǎn)換，從而將各子帶信號有效地融合為一個理想的目標輸出信號；

步驟五、隨著時間的推移，重復(fù)進行步驟一至四，直至所有量測點跡處理完畢，以實現(xiàn)對臨近空間三維強機動目標的快速精確跟蹤。

2.根據(jù)權(quán)利要求1所述的基于智能子帶濾波的三維空間強機動目標跟蹤方法，其特征在于，步驟一中子帶分解的方法具體為：

通過分數(shù)階傅里葉域濾波器組的多分辨率分析，原色噪聲輸入信號被分解為多個頻域不相疊加的近似白噪聲信號；接下來，通過下式所示的卡爾曼濾波算法可以有效實現(xiàn)對各子帶信號的跟蹤處理：

Z~(k+1|k)=Z(k+1)-Z^(k+1|k)=H(k+1)X~(k+1|k)+W(k+1)]]>

其中，Z、X分別為量測向量、狀態(tài)向量，H、W分別為兩側(cè)矩陣以及零均值、白色高斯量測噪聲序列。

3.根據(jù)權(quán)利要求1所述的基于智能子帶濾波的三維空間強機動目標跟蹤方法，其特征在于，步驟二中子帶去相關(guān)的方法具體為：

在對強機動目標信號子帶分解的基礎(chǔ)上，根據(jù)各子帶信號的頻譜特性，設(shè)計合理的去相關(guān)系統(tǒng)H(w)，來實現(xiàn)子帶色噪聲到白噪聲的轉(zhuǎn)換；假定輸入v(t)為具有相關(guān)函數(shù)R(τ)的色噪聲信號，功率譜為G(w)，輸出v₀(t)為白噪聲信號，則H(w)應(yīng)滿足：

G(w)H(w)H^*(w)＝G(w)G^-1(w)＝1

考慮到子帶分解后各子帶信號的R_i(τ)很難建模，i＝1,2,…,n，哪怕在R_i(τ)已知的條件下H(w)往往也不易求得；為此，根據(jù)采樣周期T，分別選用一、二階AR、MA以及ARMA系統(tǒng)來近似實現(xiàn)子帶色噪聲到白噪聲信號的轉(zhuǎn)換，并且通過仿真比較分析選擇最優(yōu)的去相關(guān)方法。