[发明专利]解距离测量模糊的IMPM‑PPHDF方法

权利要求书

1.解距离模糊的IMPM-PPHDF方法，其特征包括以下步骤：

步骤1：变量初始化

(1)T为雷达扫描周期，T₁,T₂,...,T_M为脉冲重复周期，R₁,R₂,...,R_M为各PRF对应的最大不模糊距离；

(2)L₀为代表1个目标的粒子数，J_k为搜索新目标的粒子数，S_k为搜索1个消失目标的粒子数，L_k为k时刻滤波器采用的粒子总数；

(3)U₀为PIN初始分布，D₀为目标出现的初始分布，γ_k为平均目标出现概率，P_D为目标检测概率，为初始PIN增量模型概率；

(4)λ_k为平均每帧的杂波个数，为k时刻估计的目标个数；

(5)G_k为过程噪声分布矩阵，Q_k为过程噪声协方差，R_k为量测噪声协方差，∏_m为PIN增量模型概率转移矩阵；

步骤2：初始化粒子集，令k＝0和对任意p∈{1,2,…,L₀}

(1)从初始PIN增量模型概率采样PIN增量模型

(2)从PIN初始分布U₀中采样PIN初始变量

(3)从初始分布D₀中采样粒子其中表示粒子代表的目标状态，包含了目标的位置速度以及转弯率信息；

(4)赋予粒子权重

步骤3：令k＝k+1，获得k时刻的雷达模糊量测

(1)设置雷达的工作状态，使雷达依次交替采用某个PRF工作，令

c＝mod(k,M)+1

表示雷达在k时刻采用的PRF的索引号，mod(x,y)表示x/y的余数；

(2)将雷达接收到的信号进行A/D变换，得到k时刻的雷达模糊量测集送雷达数据处理计算机，其中表示k时刻雷达得到的第q个量测，包含了目标的模糊距离量测多普勒速度量测以及方位量测信息，而M_k则表示k时刻雷达得到的量测个数；

步骤4：已存在粒子集预测，若直接转步骤5，否则对任意p∈{1,2,…,L_k-1}

(1)根据PIN增量模型和PIN增量模型概率转移矩阵∏_m预测得到

(2)根据选择相应的PIN增量

ΔPINk|k-1p=-1mk|k-1p=10mk|k-1p=21mk|k-1p=3]]>

并计算

PINk|k-1p=PINk-1p+ΔPINk|k-1p]]>

(3)根据计算目标状态状态转移矩阵

Fk(ωk-1p)=1sin(ωk-1pT)ωk-1p0-1-cos(ωk-1pT)ωk-1p00cos(ωk-1pT)0-sin(ωk-1pT)001-cos(ωk-1pT)ωk-1p1sin(ωk-1pT)ωk-1p00sin(ωk-1pT)0cos(ωk-1pT)000001]]>

(4)利用粒子的状态进行一步预测

xk,k-1p=Fk(ωk-1p)xk-1p+Gkvk]]>

得到粒子其中

Gk=T2/200T000T2/200T000T2/2]]>

为过程噪声分布矩阵，v_k为过程噪声，其噪声协方差为Q_k；

(5)赋予粒子权重

步骤5：生成搜索新目标的粒子集，对任意p∈{L_k-1+I_k+1,…,L_k-1+I_k+J_k}

(1)从初始PIN增量模型概率采样PIN增量模型

(2)从PIN初始分布U₀中采样PIN初始变量

(3)根据初始分布D₀采样“新生”粒子

(4)赋予粒子权重

步骤6：生成消失目标预测粒子集

(1)若k≤2，令I_k＝0，直接转步骤7，否则定义集合

Xdis,k-2=Δ{xdis,k-2n|n=1,2,...,Ndis,k-1}]]>

PINdis,k-2=Δ{PINdis,k-2n|n=1,2,...,Ndis,k-1}]]>

其中表示k-2时刻存在而k-1时刻消失的第n个目标，为该目标对应的PIN，N_dis,k-1表示消失的目标数；

(2)若令I_k＝0，直接转步骤7，否则令I_k＝N_dis,k-1S_k，对任意根据估计的目标转弯率和相应的状态转移方程进行一步预测

xpre,k-1n=Fk-1(ω^k-2,n)xdis,k-2n]]>

(3)对任意n∈{1,2,...,N_dis,k-1}和任意p∈{L_k-1+(n-1)S_k+1,…,L_k-1+nS_k}，令和从初始PIN增量模型概率采样PIN增量模型然后利用进行一步预测

xk|k-1p=Fk(ω^k-2,n)xpre,k-1n+Gkvk]]>

得到粒子并赋予该粒子权重

步骤7：粒子权重更新

(1)对任意p∈{1,2,…,L_k-1+I_k+J_k}，根据模糊量测方程

zamb,k|k-1p=ramb,k|k-1pdk|k-1pθk|k-1p=(xk|k-1p-xs)2+(yk|k-1p-ys)2-Rc·PINk|k-1p(xk|k-1p-xs)x·k|k-1p+(yk|k-1p-ys)y·k|k-1p(xk|k-1p-xs)2+(yk|k-1p-ys)2arctan(yk|k-1p-ysxk|k-1p-xs)]]>

得到模糊预测量测其中R_c表示k时刻雷达所采用PRF对应的最大不模糊距离，(x_s,y_s)为雷达的位置；

(2)对任意p∈{1,2,…,L_k-1+I_k+J_k}和任意m∈{1,2,…,M_k}，计算新息

vk,mp=zamb,km-zamb,k|k-1p]]>

并计算

ψk,m(zamb,k|k-1p)=12π|Rk|PDexp{-(vk,mp)TRk-1vk,mp}]]>

其中R_k为量测噪声协方差；

(3)对任意m∈{1,2,…,M_k}，计算

Ck(zamb,km)=Σp=1Lk-1+Ik+Jkψk,m(zamb,k|k-1p)wk|k-1p]]>

(4)对任意p∈{1,2,…,L_k-1+I_k+J_k}，计算粒子权重

wk|kp=[1-PD+Σzamb,km∈Zamb,kψk,m(zamb,k|k-1p)λk+Ck(zamb,km)]wk|k-1p]]>

步骤8：目标个数和目标状态初步估计

(1)计算所有粒子的权重和

N^k|k=Σp=1Lk-1+Ik+Jkwk|kp]]>

(2)对粒子集进行重采样，得到新的粒子集其中Round(x)表示取与x最接近的整数；

(3)若直接转步骤9，否则根据粒子包含的目标位置信息，采用聚类分析的方法将粒子集划分为个类，得到估计的目标状态集其中表示第n个类的中心，包含了目标的位置估计速度估计和转弯率

步骤9：“航迹-状态”关联，PIN估计

(1)若且上一时刻没有形成任何航迹，直接转步骤10；

(2)若且Tr_k-1＝0，对任意起始一条新航迹；

(3)若且Tr_k-1>0，终结所有暂时航迹，对确认航迹进行一步预测后将其定义为暂时航迹；

(4)若且Tr_k-1>0，计算任意航迹和任意估计值之间的统计距离，利用离某一航迹最近的估计值对该航迹进行更新，形成确认航迹；

(5)对没有与任何估计值关联上的航迹进行一步预测，并将该航迹定义为暂时航迹；

(6)将没有与航迹关联上的估计值作为新的航迹头，进行航迹起始；

(7)若在上述步骤中有航迹被更新，利用更新后的航迹对估计的目标数和目标状态进行修正，得到修正的目标个数估计和目标状态估计

(8)估计目标的PIN

PI^Nk,n=Floor((x^k,n-xs)2+(y^k,n-ys)2Rc),n=1,2,...,N^k]]>

其中Floor(x)表示取小于或等于x最大整数；

步骤10：重复步骤3～步骤9，直至雷达关机。