[发明专利]基于当前统计模型的雷达机动目标跟踪优化方法

摘要

本发明公开了一种基于当前统计模型的雷达机动目标跟踪优化方法，思路为：确定雷达，所述雷达检测范围内存在目标；建立当前统计模型，确定目标的初始机动频率α0，然后分别计算目标状态转移矩阵F和输入控制矩阵G；将k‑1时刻目标的状态估计记为将k时刻目标的机动频率记为αk，分别计算k时刻目标的状态一步预测和k时刻目标的过程噪声协方差矩阵Q(k)；然后分别计算k时刻目标的量测预测新息v(k)、k时刻目标的卡尔曼增益K(k)和k时刻目标的新息协方差矩阵S(k)；进而分别计算k时刻目标状态的估计值k时刻的误差协方差矩阵P(k|k)和k+1时刻目标的机动频率αk+1；所述k时刻的误差协方差矩阵P(k|k)、k时刻目标状态的估计值和k+1时刻目标的机动频率αk+1，为基于当前统计模型的雷达机动目标跟踪优化结果。

主权项

1.一种基于当前统计模型的雷达机动目标跟踪优化方法，其特征在于，包括以下步骤：步骤1，确定雷达，所述雷达检测范围内存在目标；建立当前统计模型，确定目标的初始机动频率α0，然后分别计算目标状态转移矩阵F和输入控制矩阵G；步骤2，分别将k‑1时刻目标的状态估计记为将k时刻目标的机动频率记为α_k，然后根据目标状态转移矩阵F和输入控制矩阵G，分别计算得到k时刻目标的状态一步预测和k时刻目标的过程噪声协方差矩阵Q(k)；其中，k表示离散时间变量，k≥1；步骤3，根据k时刻目标的状态一步预测和k时刻目标的过程噪声协方差矩阵Q(k)，分别计算k时刻目标的量测预测新息v(k)、k时刻目标的卡尔曼增益K(k)和k时刻目标的新息协方差矩阵S(k)；步骤4，根据k时刻目标的量测预测新息v(k)、k时刻目标的卡尔曼增益K(k)和k时刻目标的新息协方差矩阵S(k)，分别计算k时刻目标状态的估计值k时刻的误差协方差矩阵P(k|k)和k+1时刻目标的机动频率α_k+1；所述k时刻的误差协方差矩阵P(k|k)、k时刻目标状态的估计值和k+1时刻目标的机动频率α_k+1，为基于当前统计模型的雷达机动目标跟踪优化结果。