[發明專利]一種基于信息增益的多雷達動態調節方法及裝置

有效

• 申請號: 201710808122.7
• 申請日: 2017-09-08
• 公開（公告）號: CN107436424B
• 公開（公告）日: 2022-03-25
• 發明（設計）人: 葛建軍;李春霞
• 申請（專利權）人: 中國電子科技集團公司信息科學研究院
• 主分類號: G01S7/02
• 分類號: G01S7/02
• 代理公司: 暫無信息
• 代理人: 暫無信息

1.一種基于信息增益的多雷達動態調節方法，其特征在于，包括：

S1、接收多部雷達的初始觀測數據；

S2、獲取預先建立的觀測融合模型，并根據所觀測述融合模型，建立多雷達融合熵模型；

S3、根據所述多雷達融合熵模型，計算多雷達信息增益；

S4、對所述多雷達信息增益進行優化；

S5、根據優化結果，調整多部雷達的雷達位置、每部雷達的參數以及觀測數據的融合方法；其中，所述初始觀測數據為：

多部雷達對同一目標的回波序列、檢測后輸出的目標點跡或提取的特征矢量；

所述觀測融合模型為針對目標檢測、跟蹤和識別的融合處理過程，統一建立的多雷達觀測決策的一般化模型，公式為：

Y＝g(z₁,z₂,…,z_N)

其中，g為信息融合方法，z_n(n＝1,2,…N)為多部雷達的初始觀測數據，為多雷達融合系統中雷達n對同一目標的觀測值；當z_n(n＝1,2,…N)為回波序列時，融合系統輸出Y為檢測結果，即判斷目標有無；當z_n(n＝1,2,…N)為檢測后輸出的目標點跡，則融合結果Y為目標定位跟蹤結果；當觀測量z_n(n＝1,2,…N)為目標特征矢量時，融合輸出Y為識別結果；

根據所觀測述融合模型，建立多雷達融合熵模型，具體包括：

根據條件信息熵的定義以及所述觀測融合模型，建立融合熵模型，其具體公式為：

H(N)＝H(y|z_1:N)

＝-∫∫p(z_1:N,y)logp(y|z_1:N)dydz_1:N

＝-∫∫p(z_1:N)p(y|z_1:N)logp(y|z_1:N)dydz_1:N

其中，觀測集z_1:N＝{z₁,z₂,...,z_N}，p(z_1:N)為N部雷達觀測的聯合概率密度函數，H(y|z_1:N)表示在輸入觀測z₁,z₂,…,z_N的條件下，輸出y的平均不確定度；

計算多雷達信息增益，具體為；

E(N)＝H(N-1)-H(N)＝H(y|z_1:N-1)-H(y|z_1:N)；

對所述多雷達信息增益，具體的優化模型公式為：

Θ＝argmaxE(N)＝argmax(H(N-1)-H(N))。

2.根據權利要求1所述的方法，其特征在于，當所述觀測數據為觀測矢量數據時，所述融合熵的公式為：

其中，x和y分別為目標的橫軸和縱軸位置，[r a]為N部自發自收雷達組成的觀測矢量，r＝[r_n]_1×N，a＝[a_n]_1×N，r_n和a_n分別為第n部雷達探測目標距離和方位角，R_N,xy為在N部雷達構成的多雷達系統極坐標觀測的條件下，目標直角坐標位置估計協方差矩陣，| |為矩陣的行列式，H為采用多雷達極坐標觀測獲得的目標直角坐標位置的信息量。

3.根據權利要求2所述的方法，其特征在于，當所述觀測數據為觀測矢量數據時，所述多雷達信息增益的計算公式為：

E(x,y|r,a)＝H_N-1(x,y|r,a)-H_N(x,y|r,a)。

4.根據權利要求3所述的方法，其特征在于，對所述融合熵模型進行優化的優化公式為：

5.根據權利要求2所述的方法，其特征在于，所述協方差矩陣與參數估計的克拉美羅下界的關系為：

其中，所述I_N(x,y|r,a)為Fisher信息矩。