[发明专利]基于空间跟踪滤波器的海杂波抑制和目标检测方法

摘要

基于空间跟踪滤波器的海杂波抑制和目标检测方法，属于海上目标雷达检测与跟踪中的海杂波分析技术领域。本发明先将沿着径向的非相参雷达回波数据作为输入，然后将回波的幅度和幅度变换斜率作为一个状态矢量，建立状态方程和观测方程，并设计一个线性条件下最优的α-β-γ滤波器来实现对低频海杂波的跟踪并估计最优的参数组合，最后将得到的滤波值从原始数据中减去，从而来更好地实现杂波抑制和目标检测。通过遗传算法，可以得到信杂比改善的最大值，以及其对应的最优参数组合α＝0.999，β＝0.992，γ＝0.721；且很容易用门限检测来得到目标。

主权项

1.基于空间跟踪滤波器的海杂波抑制和目标检测方法，其特征在于，该方法步骤如下：步骤一：输入将非相参雷达沿着同一径向方向的回波数据作为输入，记为M(n)n＝1，2，3，…；步骤二：海杂波径向幅度的建模和估计将海杂波沿径向的运动过程看成一个离散马尔科夫模型，用Ya代表海杂波幅度的估计值；Ys代表海杂波幅度斜率的估计值；Ya_p代表幅度的预测值；Ys_p代表预测的斜率；M代表幅度的观测值；T代表采样间隔，其斜率预测方程；Ys_p(n)＝Ys(n-1)；(1)在斜率前面乘上一个小于零的因子，去近似预测海杂波的幅度，得其幅度预测方程；Ya_p(n)＝Ya(n-1)+α·Ys(n-1)·T    (2)把[Ya，Ys]看做一个二维的目标状态矢量，用恒定增益的Kalman滤波器来估计海杂波的幅度和幅度变化斜率；方程3称为幅度估计方程，方程4称为斜率估计方程；Ya(n)＝Ya_p(n)+β·(M(n)-Ya_p(n))(3)Ys(n)=Ys_p(n)+γT·(M(n)-Ya_p(n))---(4)]]>通过把方程4变换成方程5，把γ的变化范围调整到0到1之间；Ys(n)＝Ys_p(n)+γ·(M(n)-Ya_p(n)-Ys_p(n))(5)利用方程1到方程5，得到基于三个可调参数的整个滤波和预测的方法，称为α-β-γ跟踪滤波器；Ya_p(n)=Ya(n-1)+α·Ys(n-1)Ya(n)=Ya_p(n)+β·(M(n)-Ya_p(n))Ys(n)=Ys_p(n)+γ·(M(n)-Ya_p(n)-Ys_p(n))---(6)]]>步骤三：最优参数确定依据最大信杂比改善的原则进行最优参数的确定；利用信号幅度平方和来代表信号的能量，那么输入和输出信杂比可以分别表示为SCRin=M(nT)2Σn≠nTM(n)2---(7)]]>SCRout=(M(nT)-Ya(nT))2Σn≠nT(M(n)-Ya(n))2---(8)]]>其中，n_T代表了目标的位置，则信噪比改善表示为SCR_improvement＝10log₁₀(SCR_out/SCR_in)(9)因为n_T是未知的，设三个条件来计算信杂比改善，(1)M(n_T)虽然是未知的，但是是个常数，用定值′M₀′代替；(2)(M(n_T)-Ya(n_T))是杂波抑制后的目标幅度，所以它应该是沿着径向的最大值；(3)因为目标的能量与海杂波相比要小得多，用和来代替和这样输入输出的信杂比用下式代替：SCRin=M02ΣnM(n)2---(10)]]>SCRout=(maxn(M(n)-Ya(n)))2Σn(M(n)-Ya(n))2;---(11)]]>步骤四：输出将估计得到的低频海杂波成分从原始数据中减去得到M-Ya，实现目标检测。