[发明专利]在密集杂波条件下利用多径观测的目标航迹初始化方法

说明书

技术领域

本发明属于雷达与声纳技术领域，主要涉及最大似然-概率数据关联算法(ML-PDA)的扩展算法，具体来说是一种在多径观测条件下微弱目标航迹初始化的方法，可在微软提供的软件集成开发平台Visualstudio上，针对存在可分辨的多个信号传播路径环境中，利用这些多径观测量对低信噪比、高杂波条件下的微弱目标进行快速的航迹初始化。

背景技术

密集杂波条件下的目标跟踪技术一直是目标跟踪技术领域的研究热点，并且该技术在雷达(声纳)信号系统中有举足轻重的作用。目标跟踪技术分为检测后跟踪(TAD)和检测前跟踪(TBD)两大类，相比较而言，TAD算法计算量较低，利于实时实现，但其依赖于前端信号处理器对目标的检测，因此在低信噪比(SNR)情况下跟踪性能不理想。TBD算法在跟踪的同时加入了目标检测，因此在低信噪比下对目标有较强的跟踪能力，但由计算量的制约导致TBD算法在工程中应用受到很多限制。

TBD算法实现目标检测的基本思想是，根据已知的观测函数，可建立量测与可能的目标状态参数所构成的似然函数。源于目标的观测值将比杂波获得更大的似然值，进而在工程应用中，在目标跟踪算法实施之前往往需要对航迹进行初始化，以找到目标的初始状态向量，从而进一步进行跟踪。在批处理TBD算法中，目标初始化往往选择的是最大似然-概率数据关联(ML-PDA)算法。

ML-PDA算法主要基于对多帧观测数据得到的总对数似然比(LLR)进行最大化，在获得LLR表达式后基于搜索算法获取LLR最大值后输出对应的参数向量。常用的搜索算法为网格搜索法(MPG)、遗传搜索算法(GA)和基于观测空间反映射到参数空间的直接子空间搜索法(DSS)。现有的ML-PDA算法大多采用一个固定的似然函数进行LLR的计算。然而，当环境中存在多径，观测器在收到的一帧数据中存在多个源于同一目标而经不同路径到达的量测时，各源于同一目标的量测均含有目标的信息，这些量测与目标状态之间的观测函数关系是不一样的，若采用一个固定的似然函数计算，得到的LLR不仅不能累积目标信息，还会形成虚假的目标状态参数估计值。

发明内容

本发明针对传统ML-PDA算法在多径环境中应用时存在的不足，提出了一种利用多径观测的处理方法，可正确估计多径环境中的弱目标运动参数，该方法称为多径最大似然概率数据关联(MD-ML-PDA)算法。本发明在处理目标-量测之间的关联问题时，考虑通过不同传播路径到达接收器的多个量测为可能的目标量测，并把这些量测分别与已知的各多径量测函数正确关联，从而获得目标信息的积累，增强目标检测能力。

本发明的技术方案如下：

一种在密集杂波条件下利用多径观测的目标航迹初始化方法，包括以下步骤：

步骤1、初始化MD-ML-PDA算法参数，具体如下：

1a.初始化观测环境各项参数，所述参数包括：角度观测方差，时差观测方差，虚警概率，检测概率，杂波密度，采样间隔，校验门限γ，监控空间V；

1b.导入观测信息，所述观测信息包括：N_w帧数据，所有量测数据集合Z，第i帧量测数据集合Z(i)，第i帧量测的量测数目m_i，L种传播路径所对应的L种量测模型；

步骤2、计算每帧量测数据和量测模型之间的组合情况，即关联事件：

2a.计算每帧的关联事件数目：首先假定第i帧m_i个量测数据中，有个有效量测(即来源于目标的量测)与L种量测模型关联，其中的取值为由于量测数据与量测模型是一一对应的关系，因此来源于目标的量测个数(有效量测)不能大于量测数目m_i和量测模型L，即

关联事件数目为：

表示个有效量测与L种量测模型组合的可能事件数目，其中：