[发明专利]基于粒子滤波的雷达回波资料反演大气波导的方法

权利要求书

1.一种基于粒子滤波的雷达回波资料反演大气波导的方法，其特征在于，包括以下步骤：

步骤S1：构建有关雷达回波功率的动态空间模型，将水平非均匀大气波导结构反演问题归结为非线性状态空间估计问题；

步骤S2：采用粒子滤波算法求解动态空间模型，得到重要性权值并对重要性权值进行归一化处理；根据归一化权值的大小对当前粒子集进行重采样，得到当前状态的估计值；

步骤S3：利用粒子滤波算法反演程序PF-PLAPE程序实现对大气波导的反演。

2.根据权利要求1所述的基于粒子滤波的雷达回波资料反演大气波导的方法，其特征在于，所述步骤S1中的动态空间模型包括构建状态转移方程和观测方程；

状态转移方程表示为：

x_k＝Γ(x_k-1)+w_k-1 (1)

其中，Γ(·)表示状态转移函数，w_k-1表示均值为0、协方差矩阵为Q_k-1的随机高斯噪声向量，x_k表示k时刻的状态空间向量，x_k-1表示k-1时刻的状态空间向量；

观测方程表示为：

记观测向量为y，观测方程表示为：

y_k＝H(x_k,u_k-1)+v_k (5)

其中，u_k-1表示电磁波抛物方程在距离x_k-1处的解；H表示观测算子；v_k表示均值为0、协方差矩阵为R_k的高斯噪声向量；y_k含义是k时刻接收到的观测向量；

将水平非均匀大气波导结构反演问题归结为非线性状态空间估计问题：

3.根据权利要求1所述的基于粒子滤波的雷达回波资料反演大气波导的方法，其特征在于，所述步骤S2中，粒子滤波算法的重要性权值为：

对重要性权值进行归一化处理：

根据归一化权值的大小对当前粒子集进行重采样，由重采样之后的等权粒子集得到当前状态的估计值：

其中，为似然函数；i为粒子样本数；N_p为总的粒子样本数。

4.根据权利要求1所述的基于粒子滤波的雷达回波资料反演大气波导的方法，其特征在于，所述重采样包括以下步骤：

Step1：将(0,1]分成n个连续互不重叠的区间

(0，1]＝(0，1/n]U...U((n-1)/n，1] (17)

Step2：对每个子区间进行独立均匀分布采样得到Uⁱ，Uⁱ＝U(((i-1)/n,i/n])，其中U((a,b])表示在区间(a,b]上的均匀分布；

Step3：对第i个样本复制n_j个拷贝，n_i等于Uⁱ落在区间的次数，w^s是粒子权重；

Step4：得到新的等权粒子集。

5.根据权利要求1所述的基于粒子滤波的雷达回波资料反演大气波导的方法，其特征在于，所述步骤S3中PF-PLAPE程序算法递推过程如下：

步骤S31：初始化：状态向量的初始概率密度分布p(x₀)已知，根据初始概率密度分布随机生成一组等权粒子集其中x₀为初始状态向量，为i个粒子样本的初始状态向量；

步骤S32：更新：利用观测方程(5)式结合k时刻接收到的观测向量y_k更新粒子权值，并对权值进行归一化处理，权值表达式(14)式中概率密度函数的计算式为：

其中，R_k的含义是观测协方差矩阵；

步骤S33：重采样：根据归一化权值的大小对当前粒子集进行重采样得到新的等权粒子集合并由(16)式计算当前状态的估计值；估计值就是状态向量在k时刻的距离的估计结果；

步骤S34：预测：利用状态方程(1)式预测得到状态向量在k+1时刻的状态，并得到状态向量的先验概率密度分布，转到步骤S32，重复步骤S32-步骤S34。