[发明专利]基于当前统计模型的雷达机动目标跟踪优化方法

权利要求书

1.一种基于当前统计模型的雷达机动目标跟踪优化方法，其特征在于，包括以下步骤：

步骤1，确定雷达，所述雷达检测范围内存在目标；建立当前统计模型，确定目标的初始机动频率α₀，然后分别计算目标状态转移矩阵F和输入控制矩阵G；

步骤2，分别将k-1时刻目标的状态估计记为将k时刻目标的机动频率记为α_k，然后根据目标状态转移矩阵F和输入控制矩阵G，分别计算得到k时刻目标的状态一步预测和k时刻目标的过程噪声协方差矩阵Q(k)；其中，k表示离散时间变量，k≥1；

步骤3，根据k时刻目标的状态一步预测和k时刻目标的过程噪声协方差矩阵Q(k)，分别计算k时刻目标的量测预测新息v(k)、k时刻目标的卡尔曼增益K(k)和k时刻目标的新息协方差矩阵S(k)；

步骤4，根据k时刻目标的量测预测新息v(k)、k时刻目标的卡尔曼增益K(k)和k时刻目标的新息协方差矩阵S(k)，分别计算k时刻目标状态的估计值k时刻的误差协方差矩阵P(k|k)和k+1时刻目标的机动频率α_k+1；

所述k时刻的误差协方差矩阵P(k|k)、k时刻目标状态的估计值和k+1时刻目标的机动频率α_k+1，为基于当前统计模型的雷达机动目标跟踪优化结果。

2.如权利要求书1所述的一种基于当前统计模型的雷达机动目标跟踪优化方法，其特征在于，在步骤1中，所述当前统计模型，其建立过程为：

设定目标在一维空间内运动，并建立当前统计模型为：

其中，表示t时刻的目标状态，表示t时刻目标速度，表示t时刻目标加速度，表示t时刻目标加速度的导数，α₀表示目标的初始机动频率，0<α₀≤1；x(t)表示t时刻目标位置，表示t时刻目标加速度的均值，ω(t)表示t时刻零均值、方差为的高斯白噪声，表示目标机动加速度的方差，t表示连续时间变量；

设定雷达的扫描周期为T′，则对当前统计模型经过离散化后得到当前统计离散模型为：

其中，x(k+1)表示k+1时刻目标的真实状态，F(k)表示k时刻目标的状态转移矩阵，x(k)表示k时刻目标的真实状态，G(k)表示k时刻控制矩阵，表示目标加速度的均值，W(k)表示k时刻当前统计模型的噪声；k表示离散时间变量，是以雷达的扫描周期T′对连续时间变量t采样后得到的离散时间变量。

3.如权利要求书1所述的一种基于当前统计模型的雷达机动目标跟踪优化方法，其特征在于，在步骤1中，所述目标状态转移矩阵F和输入控制矩阵G，其表达式分别为：

其中，T′表示雷达的扫描周期，|·|为绝对值符号，α₀表示目标的初始机动频率。

4.如权利要求书2所述的一种基于当前统计模型的雷达机动目标跟踪优化方法，其特征在于，在步骤2中，所述k时刻目标的状态一步预测和k时刻目标的过程噪声协方差矩阵Q(k)，基于权利要求2所述的当前统计离散模型，其表达式分别为：

其中，

表示k时刻目标加速度的均值，表示k-1时刻对目标加速度的预测；表示目标机动加速度的方差，T′表示雷达的扫描周期，α₀表示目标的初始机动频率。