[发明专利]一种基于幅度信息的α-β滤波方法

权利要求书

1.一种基于幅度信息的α-β滤波方法，其特征在于，包括以下步骤：

步骤1：获取雷达信号处理得到的参数信息，所述参数信息包括目标量测信息Z(k)、目标幅度信息A(k)以及过程噪声标准差σ_v(k)，k表示扫描周期；其中，所述量测信息Z(k)包含位置分量b(k)和速度分量s(k)；

步骤2：获取初始观测噪声方差

步骤3：在第1个扫描周期内，设置滤波器的初始值；

步骤4：在第k+1个扫描周期内，根据第k个扫描周期的目标幅度信息A(k)计算观测噪声协方差比例系数L(k+1)；

步骤5：根据所述比例系数L(k+1)计算第k+1个扫描周期内观测噪声方差

步骤6：根据所述观测噪声方差计算第k+1个扫描周期内目标机动指数λ(k+1)；

步骤7：根据所述目标机动指数λ(k+1)，计算第k+1个扫描周期内常滤波增益系数α(k+1)、β(k+1)；

步骤8：根据所述常滤波增益系数α(k+1)、β(k+1)；计算第k+1个扫描周期的状态估计信息

步骤9：将第k+1个扫描周期滤波器的信息输入到下一个扫描周期，进行下一个周期的状态估计。

2.根据权利要求1所述的基于幅度信息的α-β滤波方法，其特征在于，步骤2中设置滤波器初始值包括：

(3a)根据第1个扫描周期获取的所述目标量测信息Z(1)得到状态估计信息

将第1个扫描周期的量测信息Z(1)表示为：

其中，b(1)是Z(1)的位置分量，s(1)是Z(1)的速度分量；

根据b(1)和s(1)得到第1个扫描周期的状态估计信息为：

其中，和分别表示状态估计信息的位置分量和速度分量；

(3b)根据步骤1获取的所述参数信息和步骤2获取的所述初始观测噪声方差设置第1个扫描周期的初始观测噪声方差初始状态过程噪声标准差σ_v(1)、幅度信息A(1)及所述状态估计信息

3.根据权利要求1所述的基于幅度信息的α-β滤波方法，其特征在于，步骤4中所述观测噪声协方差比例系数L(k+1)的计算公式为：

其中，A(k)为第k个扫描周期的目标幅度信息，A(k+1)为第k+1个扫描周期的目标幅度信息。

4.根据权利要求1所述的基于幅度信息的α-β滤波方法，其特征在于，步骤5包括：

(5a)在第k个扫描周期内，计算目标的检测信噪比SNR_k为：

其中，A(k)为第k个扫描周期的目标点迹的幅度值，n²为接收机噪声功率；

(5b)在极坐标下，第k个扫描周期内的观测噪声方差的角度维和距离维分别用测角误差σ_θ(k)和测距误差σ_ρ(k)表示，所述测角误差σ_θ(k)计算公式为：

其中，U₁为常数，Q_BW为波束宽度，SNR_k为第k个扫描周期目标点迹的检测信噪比；

所述测距误差σ_ρ(k)表示为：

其中，U₂为常数，D为雷达的距离分辨率；

(5c)根据(5a)和(5b)的公式计算第k个扫描周期内角度维观测噪声方差和距离维观测噪声方差分别为：

(5d)根据(5c)的结果计算第k+1个扫描周期的观测噪声方差

5.根据权利要求1所述的基于幅度信息的α-β滤波方法，其特征在于，步骤6中目标机动指数λ(k+1)的计算公式为：

其中，T为采样间隔，为第k+1个扫描周期内的过程噪声标准差。

6.根据权利要求1所述的基于幅度信息的α-β滤波方法，其特征在于，步骤7中常滤波增益系数α(k+1)、β(k+1)的计算公式分别为：

7.根据权利要求1所述的基于幅度信息的α-β滤波方法，其特征在于，步骤8包括：

(8a)利用第k个扫描周期的状态估计信息进行状态的一步预测：

其中，为第k+1个扫描周期的状态预测值，F(k)为状态转移矩阵；

(8b)由所述状态预测值得到量测预测值

其中，H(k+1)为量测矩阵；

(8c)由所述量测信息Z(k+1)和所述量测预测值计算新息v(k+1)为：

其中，Z(k+1)为第k+1次扫描获取的量测信息；

(8d)根据所述常滤波增益系数α(k+1)、β(k+1)得到α-β滤波的增益矩阵为：

(8e)根据所述新息v(k+1)和所述增益矩阵K(k+1)，得到状态估计信息

X(k+1|k+1)＝X(k+1|k)+K(k+1)v(k+1)。