[发明专利]一种弱小目标自适应关联滤波方法、系统及存储介质

说明书

本发明公开了一种弱小目标自适应关联滤波方法、系统及存储介质，所述方法中首先根据测量点计算获取适应的测量噪声协方差，进一步得到航迹滤波器的新息和新息协方差；根据滤波器的新息协方差和新息筛选最优测量点；最后根据最优测量点和测量噪声协方差矩阵更新航迹信息，输出滤波结果；本发明的方法将卡尔曼滤波过程与数据关联结合起来，增加闭环反馈，使得滤波过程与关联过程相互促进；同时根据测量点迹信噪比计算适配的测量噪声，能够有效的适应强弱信号的差异，测量噪声与测量点迹匹配度更高，滤波收敛快，滤波精度高。

技术领域

本发明涉及一种自适应关联滤波方法、系统及存储介质。

背景技术

由于雷达技术的广泛应用，越来越多的雷达被用于进行对鸟类、无人机等低空目标的探测。这类目标与飞机类等目标相比，反射面积较小，波导特性较差，且在低空环境下，地面环境杂波较强。这就导致目标的信噪比较低，检测概率低，检测误差大，地杂波引起的虚假检测多。这种目标对雷达检测跟踪处理而言，属于杂波环境下的弱小目标的检测跟踪，这种场景一直是数据处理的难点。面对这种场景，不少学者提出了对弱目标的检测确认方法，目前有效的方法多是多通过长时间的积累提高目标的检测数量或检测能量。这种方法固然解决了部分问题，但是牺牲了雷达时间资源，而且对于运动较快的目标有可能无法进行有效积累。这种方法通过多次探测的方式对目标进行跟踪确认。当前的方法没有考虑针对弱小目标在进行航迹关联滤波时进行算法优化。

发明内容

发明目的：本发明的目的是提供一种自适应关联滤波方法，解决弱小目标跟踪过程中确认目标迟、滤波精度差的问题。

技术方案：本发明所述的一种弱小目标自适应关联滤波方法，包括如下步骤：

(1)输入雷达测量点迹，根据测量点迹的信噪比实时计算测角均方根误差σ_θ，获取该测量点迹的测量噪声协方差矩阵；

(2)预测与点迹匹配的航迹状态，计算航迹滤波器的新息和新息协方差；

(3)根据滤波器的新息协方差和当前测量点的新息计算点航匹配质量并筛选最优测量点迹；

(4)采用最优测量点及其噪声协方差矩阵更新航迹信息，完成航迹滤波。

进一步地，步骤(3)中根据滤波器的新息协方差S和当前测量点的新息v计算关联质量ε＝v′S^-1v，所述关联质量ε为服从χ²分布的随机变量，自由度为测量点迹的维数，用查表法筛选最优测量点，筛除杂波点。

进一步地，步骤(1)中所述测角均方根误差其中K_p为测角误斜率，θ_B为雷达波束宽度，B为接收机带宽、τ_c为距离波门宽度、β_n为伺服系统带宽、f_τ为重复频率，S/N为目标的信噪比；所述测量噪声协方差矩阵其中为点迹距离测量方差，ρ为测量点迹距离，θ为测量点迹角度。

进一步地，步骤(2)中当前测量点的新息v(k+1)和新息协方差S(k+1)的计算方法为：

其中Z(k+1)为k+1时刻测量点迹的观测向量，为其一步预测，H(k+1)为观测矩阵，为滤波器协方差的一步预测。

进一步地，步骤(4)中更新航迹信息的方法为：根据最优测量点修正滤波器状态矩阵和状态协方差矩阵，用修正的滤波器信息更新航迹。所述修正的滤波器状态矩阵X(k+1)和状态协方差矩阵P(k+1)计算公式为：

其中为X(k+1)的一步预测，K(k+1)为卡尔曼增益，