[发明专利]用于被动传感系统对具有非连续特性目标的检测跟踪方法

说明书

本发明公开一种用于被动传感系统对具有非连续特性目标的检测跟踪方法，应用于被动传感系统目标检测跟踪技术领域，针对现有技术不适用于非连续目标的跟踪，且没有考虑对信号的非连续特性进行估计的问题；本发明首先，根据传感器最新接收到的断续量测，对其进行非连续周期划分并结合信号周期滑窗自适应地估计目标的非连续特性；然后同步确定目标状态的更新时刻，并在贝叶斯框架下推导变周期滤波公式得到关于目标状态的后验概率密度函数；最后利用最小均方误差准则对目标状态进行估计，本发明的方法可以实现对非连续目标状态及其非连续特性的联合估计。

技术领域

本发明属于被动传感系统目标检测跟踪领域，特别涉及一种针对具有非连续特性目标的检测跟踪技术。

背景技术

被动传感系统本身不向外发射信号，只被动地接收来自目标辐射、发射或折射信号所携带的信息，然后经过信号处理和提取来实现对目标的探测和跟踪，具有隐蔽性高、目标识别能力强等多种优点，可以增强系统在电子站中的反侦察、抗干扰、抗软硬杀伤等能力。在未来电子对抗及现代情报等系统中，被动传感机制将扮演越来越重要的角色。

在实际的被动探测系统应用中，由于信号传输通道的阻塞，系统随机的漏检及实际复杂环境等不确定因素的影响，将直接导致系统传感器在随机的某些观测时间内，仅能获得关于噪声杂波的量测，而丢失了目标的量测信息。这种情况下，传感器得到的关于目标的量测序列称为断续量测。对于传统跟踪算法而言，直接利用断续量测进行滤波跟踪将带来跟踪精度衰减、重复起始、航迹分段以及计算量负担等一系列严重问题。目前，国内外学者针对量测的断续现象做了大量的研究，在文献“Kalman filtering with intermittentobservations,IEEE Transactions on Automatic Control,vol.1,no.9,pp.1453-1464,2004.”中，作者将由于网络传输不稳定性所造成的量测断续建模成一个二元Bernoulli随机过程，提出了IKF算法并推导出了影响系统稳定的量测断续概率的边界值。类似的，文献“Mean square stability for Kalman filtering with Markovian packet losses,Automatica,vol.47,no.12,pp.2647-2657,2011.”采用遍历马尔可夫过程对传感器网络的数据丢包率进行了建模，进一步地对系统的丢包率进行了分析。目前这些研究工作大多是基于将目标量测的断续性建模成已知的随机过程这一假设下，以此来评估系统工作的稳定性。

在实际运用中，被动探测系统往往需要利用如隐身目标的雷达、声呐、通信、电子干扰等辐射或特定目标发射的信号对目标自身进行探测识别，对目标的运动性质进行分析，为下一步系统的操作提供可靠的决策指令。而当这些辐射或发射信号是非连续且未知时，称之为目标的非连续特性，被动传感器将接收到断续的目标量测。同时，在实际的无源雷达、被动声呐等探测系统中，分析这类信号的非连续特性对于识别目标的行为特征是至关重要的。针对这类典型的目标量测断续的情况，由于其非连续特性往往是未知且不能用已知的随机过程来建模，因此目前所提出的算法中的量测断续模型并不能直接应用于该类非连续目标的跟踪，更没有考虑对信号的非连续特性进行估计。

发明内容

为解决上述技术问题，本发明提出一种用于被动传感系统对具有非连续特性目标的检测跟踪方法，对接收到的断续量测进行非连续周期划分并结合信号周期滑窗自适应地估计目标的非连续特性。

本发明采用的技术方案为：一种用于被动传感系统对具有非连续特性目标的检测跟踪方法，包括：

S1、非连续信号周期的划分定义为：目标主动发射信号，其连续发射信号的持续时间称为信号脉宽，相邻两次连续信号之间的时间间隔称为一个信号周期；所述脉宽大于或等于一次系统采样时间；

S2、对读取的量测数据按照步骤S1的定义进行周期划分；

S3、对目标状态更新时间间隔序列进行更新；