[发明专利]一种基于信息熵的多雷达信息量的度量方法及装置

权利要求书

1.一种基于信息熵的多雷达信息量的度量方法，其特征在于，包括：

S1、针对多雷达目标观测系统，建立统一多雷达观测融合模型；

S2、根据所述观测融合模型，建立多雷达系统的融合熵模型；

S3、根据所述融合熵模型，对所述多雷达目标观测系统的信息量进行度量；

所述观测融合模型为：

Ψ＝g(z₁,z₂,…,z_N)

其中，g为信息融合方法，z_n(n＝1,2,…N)为多雷达目标观测系统的多部雷达的观测数据；当z_n为回波序列时，融合系统输出Ψ为检测结果，即判断目标有无；当z_n为检测后输出的点迹，则融合结果Ψ为目标定位跟踪结果；当观测量z_n为目标特征矢量时，融合输出Ψ为识别结果；

所述建立多雷达系统的融合熵模型，具体包括：

根据条件信息熵的定义以及所述观测融合模型，将多雷达系统融合决策结果的不确定程度用条件熵表示，定义为融合熵，其具体公式为：

H(Ψ|z_1:N)＝-∫∫p(z_1:N,Ψ)logp(Ψ|z_1:N)dydz_1:N

＝-∫∫p(z_1:N)p(Ψ|z_1:N)logp(Ψ|z_1:N)dΨdz_1:N

其中，观测集z_1:N＝{z₁,z₂,...,z_N}，每个观测矢量z_n(n＝1,2,...,N)表示N部雷达融合系统中雷达n对同一目标的观测值，p(z_1:N)为N部雷达观测的联合概率密度函数，H(Ψ|z_1:N)为N部雷达系统的融合熵，表示在输入观测z₁,z₂,…,z_N的条件下，输出Ψ的平均不确定度；

基于上式，含有N个观测的融合熵与N-1个观测的融合熵的关系为公式(5)

由上式可得，融合熵满足如下递推公式

H(Ψ|z_1:N)≤H(Ψ|z_1:N-1)≤…≤H(Ψ|z₁)。

2.根据权利要求1所述的度量方法，其特征在于，当所述观测数据为极坐标观测数据时，所述融合熵的公式为：

其中，x和y分别为直角坐标系中目标的横轴和纵轴位置，[r a]为多雷达目标观测系统的N部自发自收雷达组成的极坐标观测数据，r＝[r_n]_1×N，a＝[a_n]_1×N，r_n和a_n分别为第n部雷达探测目标距离和方位角，R_N,xy为在极坐标观测的条件下，目标直角坐标位置估计协方差矩阵，| |为矩阵的行列式，H为采用多雷达极坐标观测获得的目标直角坐标位置的信息量。

3.根据权利要求2所述的度量方法，其特征在于，所述协方差矩阵与参数估计的克拉美罗下界的关系为：

其中，所述I_N(x,y|r,a)为Fisher信息矩。

4.根据权利要求3所述的度量方法，其特征在于，所述融合熵的下界为：

5.根据权利要求4所述的度量方法，其特征在于，所述Fisher信息矩阵I_N(x,y|r,a)具体为：

其中，f(r,a)为多雷达系统观测的联合概率密度函数。