[发明专利]基于航迹信息场的无源跟踪方法

说明书

本发明公开了一种基于航迹信息场的无源跟踪方法，提出了目标航迹信息场的概念，建立了目标航迹信息场模型，在此基础上，提出了基于信息融合获取目标航迹信息场，并基于航迹信息场实现目标拟合跟踪的方法。该方法步骤如下：量测数据获取，利用无源侦察设备，获取目标的量测数据；基于量测数据的目标状态估计，利用目标状态参数，对目标状态进行估计；点迹形成；基于信息融合的航迹信息场获取，采用灰关联信息融合的方法进行点迹凝聚，获取目标航迹信息场；基于航迹信息场，利用微分多项式模型进行航迹拟合，进而实现目标跟踪；解决了现有目标跟踪方法需要进行数据关联和跟踪滤波的问题。

技术领域

本发明涉及无线电定位领域，具体为基于航迹信息场的无源跟踪方法。

背景技术

目标定位与跟踪问题是自然界中的一个基本问题，在现代战争中也起着至关重要的作用，对敌方目标进行快速准确的定位跟踪，这对于有效保护自己、精确打击敌人都具有十分重要的意义。

无源定位跟踪是利用目标本身发射的电磁波，对目标进行定位，最典型的例子就是对雷达辐射源的定位跟踪。目前的目标跟踪主要采用数据关联和跟踪滤波技术，数据关联用于确定最合理的量测/航迹配对，跟踪滤波用以估计目标的航迹状态。数据关联方法主要有“最近邻”(NN)方法和“全邻”(AN)方法，AN方法的典型代表为概率数据关联(PDA)方法。在NN方法中，认为离目标预报量测统计距离最近的观测源于目标，PDA方法认为所有有效观测都可能源于目标，只是每个有效观测与目标的关联概率有所不同，它把所有有效观测的概率加权和作为等效观测。目前的跟踪滤波主要是基于卡尔曼滤波(KF)及其扩展算法，如扩展卡尔曼(EKF)、不敏卡尔曼算法(UKF)、容积卡尔曼算法(CKF)等。

基于数据关联和跟踪滤波的目标跟踪方法至少存在以下缺陷：1)NN方法的抗干扰能力差，在目标密度较大、或者观测噪声较大的情况下，最近的观测未必由当前目标产生，容易产生关联错误；2)PDA方法将所有有效观测的概率加权和作为等效观测，这个等效观测实际上是个假目标，从而引起跟踪误差；3)卡尔曼滤波及其扩展算法，由于数学模型与物理过程存在偏差、不适当的线性化或降维处理等原因，导致滤波算法存在发散问题。

为了克服上述缺陷，提高目标跟踪的性能，我们提出了一种基于航迹信息场的无源跟踪技术。首先提出了目标航迹信息场的概念，建立了目标航迹信息场模型，在此基础上，提出了基于信息融合获取目标航迹信息场，并基于航迹信息场实现目标拟合跟踪的方法。该技术无需要进行数据关联和跟踪滤波，提高了目标跟踪的收敛性能。

发明内容

本发明的目的就在于为了解决现有目标跟踪方法需要进行数据关联和跟踪滤波的问题，而提出一种基于航迹信息场的无源跟踪方法；通过建立目标航迹信息场模型，基于信息融合获取目标航迹信息场，并基于航迹信息场实现目标拟合跟踪。

本发明的目的可以通过以下技术方案实现：基于航迹信息场的无源跟踪方法，包括以下步骤：

S1：利用无源侦察设备，获取目标量测数据；

S2：利用目标状态参数，对目标状态进行估计；

S3：基于目标状态估计的结果，形成目标的点迹数据；

S4：通过灰关联信息融合的方法进行点迹凝聚，获取目标航迹信息场；

S5：基于航迹信息场的拟合跟踪，利用微分多项式模型进行航迹拟合，进而实现目标跟踪。

优选的，所述目标量测数据包括目标状态参数和辐射源特征参数；目标状态参数包括信号到达角DOA、信号到达时间TOA和多普勒频率；辐射源特征参数包括工作频率RF、脉宽PW、脉冲重复周期PRI及脉内特征IPC。

优选的，对目标状态进行估计具体为：基于目标状态参数，根据观测方程，进行目标状态估计，得到目标的位置信息。

优选的，通过灰关联信息融合的方法进行点迹凝聚的具体步骤为：