[发明专利]一种基于权值自适应的粒子滤波方法和雷达系统

权利要求书

1.一种基于权值自适应的粒子滤波方法，其特征在于，所述粒子滤波方法包括

步骤一：获取雷达测量回波，所述雷达测量回波中至少具有一组测量数据，根据测量数据确定测量数据的均值和方差的高斯分布，根据高斯分布产生N个粒子，自N个粒子中随机抽取M个粒子，并赋予权值1/M；

步骤二：以k-1时刻的粒子作为条件，对k时刻的粒子概率密度状态转移分布进行采样，确定当前k时刻的粒子权值，并对当前k时刻的粒子进行粒子权值归一化；

步骤三：对粒子权值进行排序获得高权值和低权值的粒子，分裂高权值的粒子为两个权值减半的粒子，舍弃低权值粒子，再次对粒子权值进行排序，取其中最小的m个粒子，并调整粒子的权值；

步骤四：对m个粒子进行聚类，把回波的测量值与聚类值带入高斯概率密度函数得到每个粒子的权值；

步骤五：利用广义神经网络对第一类神经元进行求和，以及利用广义神经网络对第二类神经元求和，根据第二类神经元与第一类神经元相除获得输出权值；

步骤六：根据输出权值求得有效粒子权值，并与有效粒子数阈值比对，若比值小于1，则重采样，若比值大于1，则计算状态估计值，通过状态估量值评价目标跟踪的稳健性。

2.如权利要求1所述的方法，其特征在于，在步骤二中，所述k时刻的粒子概率密度状态转移分布采样方法为

式中，为k时刻的样本点，为k-1时刻的样本点。

3.如权利要求2所述的方法，其特征在于，在步骤二中，当前k时刻粒子非归一化权重为

4.如权利要求3所述的方法，其特征在于，在步骤二中，当前k时刻粒子i＝1:N归一化粒子权重为

5.如权利要求4所述的方法，其特征在于，在步骤四中，所述回波的测量值与聚类值带入高斯概率密度函数得到每个粒子的权值有

其中，x表示聚类后的值，x_i表示本时刻的测量值，σ为平滑参数。

6.如权利要求5所述的方法，其特征在于，在步骤五中，所述第一类神经元求和为

7.如权利要求6所述的方法，其特征在于，在步骤五中，所述第二类神经元求和为

8.如权利要求7所述的方法，其特征在于，在步骤六中，所述有效粒子权值为

9.如权利要求8所述的方法，其特征在于，在步骤六中，所述计算状态估计值为

10.一种雷达系统，其特征在于，所述雷达系统包括：

一个或多个处理装置；

存储装置，其上存储有一个或多个程序；

当所述一个或多个程序被所述一个或多个处理装置执行，使得所述一个或多个处理装置实现如权利要求1至9中任一所述的方法。