[发明专利]一种基于幅度信息的α-β滤波方法

说明书

本发明公开了一种基于幅度信息的α‑β滤波方法，其实现方案是：1)在不同扫描周期，获取雷达信号处理得到的量测信息、幅度信息、状态噪声方差；2)由雷达系统参数获得初始观测噪声方差；3)将1)和2)获得的参数设置为滤波器的初始值；4)利用获得的幅度信息计算观测噪声的协方差比例系数，并计算滤波器增益系数α、β；5)根据获得的滤波器增益系数α、β进行状态估计；6)将状态估计得到的信息输入到下一扫描周期。主要解决了跟踪目标RCS起伏时，现有α‑β对目标状态估计精度不足的问题，减少了观测噪声与观测噪声统计信息失配的情况，提高了α‑β滤波器目标状态估计的准确率。

技术领域

本发明属于雷达技术领域，具体涉及一种基于幅度信息的α-β滤波方法。

背景技术

α-β滤波算法是一种简单且易于工程实现的常增益滤波方法，一般用于匀速直线运动的跟踪，计算量相对于卡尔曼滤波来说较小，实现方法简单。

目前采用的α-β滤波算法主要为通过观测噪声信息与过程噪声信息计算目标机动指数进而得到滤波器增益系数。此外，工程上常采用将增益系数设置为固定常数以及利用采样时刻计算增益系数这两种方法。

但是，这些方法难以对系统观测噪声的统计信息进行实时估计，在发生目标RCS的起伏的情况下，观测噪声的统计特性并不固定，若使用传统的α-β滤波算法，会影响状态估计性能，容易出现滤波发散、跟踪精度下降以至目标跟踪丢失的问题。

发明内容

为了解决现有技术中存在的上述问题，本发明提供了一种基于幅度信息的α-β滤波方法，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。

在本发明的一个实施例中，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