[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

摘要

本申请涉及一种基于权值自适应的粒子滤波方法，粒子滤波方法包括：获取至少具有一组测量数据的雷达测量回波，并初始化；对当前k时刻的粒子进行粒子权值归一化；对粒子权值进行排序分裂高权值的粒子、舍弃低权值粒子；对m个粒子进行聚类得到每个粒子的权值；对第一类神经元进行求和，以及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；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，若小于1则重采样，若大于1则计算状态估计值。本申请的基于权值自适应的粒子滤波方法及雷达系统通过动态构建状态方程，提高先验概率密度分布估计合理性，优化预测效果，改善粒子滤波的鲁棒性与实时性。

主权项

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密度聚类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。