[发明专利]一种联合时空资源管理的共址MIMO雷达目标跟踪方法

摘要

本发明公开了一种联合时空资源管理的共址MIMO雷达目标跟踪方法，该方法属于目标跟踪领域，具体涉及多目标跟踪是雷达资源的划分方法。本发明考虑了MIMO雷达跟踪机动目标过程中时域和空域上的系统资源分配问题。在保证目标跟踪精度的前提下，对采样周期及子阵划分个数工作参数进行自适应调整，具有节约系统资源的优良效果。因为该算法以非线性量测转换的机动目标跟踪算法为基础并联合时空资源管理策略，所以在MIMO雷达机动目标跟踪场景下具有较高的跟踪精度及作战效率。

主权项

1.一种联合时空资源管理的共址MIMO雷达目标跟踪方法，首先设共址MIMO雷达阵元总数为M；其可行子阵划分个数可形成一个集合，记为同时设置采样周期集合为P,Q分别为可选子阵划分个数总数和可选采样周期总数；根据采样周期T_i和子阵划分个数K_i可能的取值，形成P×Q个时空参数组合步骤1：计算所有可行时空参数组合下的组合预测状态及组合预测协方差矩阵其中表示与预测相关的信息，T_l表示采样周期，l＝1,2,…,P×Q；假设选取第l组时空参数ξl组合中的采样周期Tl，利用时间更新方程式(1)将各模型交互输入作预测处理，之后按式(2)进行概率组合：式中，表示采样周期T_l控制下的模型j的预测状态，F^j(T_l)表示模型j的状态转移矩阵，表示k‑1时刻的交互估计状态，G^j(T_l)表示噪声驱动矩阵，表示采样周期T_l控制下模型j的预测误差协方差，P^0j(t_k‑1)表示k‑1时刻的交互估计误差协方差，Q^j(t_k‑1)表示过程噪声自相关矩阵；表示t_k时刻的模型j预测概率，可通过各位置滤波器组的预测概率与伪量测预测概率均值获得，其计算方式如下：式中，π_ij为概率转移矩阵，分别表示模型j的位置量测滤波器与伪量测滤波器的模型预测概率，μ^p，i(t_k‑1)，μ^ε，i(t_k‑1)分别表示上一时刻模型i的位置量测滤波器与伪量测滤波器的模型概率；步骤2：首次筛选满足预测协方差门限法的参数组合；步骤2.1：计算预测误差协方差按下式将组合后的预测协方差进行坐标变换：式中，量测矩阵H＝diag{[1 0 0],2}_2×6，组合预测协方差计算方法可按步骤1中式(2)完成；变换矩阵J_p中的各元素由对应位置偏导数构成其中，表示预测距离及预测方位角，表示预测位置坐标；预测距离及预测方位角可通过步骤1中组合预测状态中的元素坐标变换后获得；距离和方位角的预测误差标准差为：右下标(n,n),n＝1,2表示矩阵中行和列对应位置；步骤2.2：计算预测误差协方差门限值：按下式中计算距离标准差门限值σ_r,TH与方位角标准差门限值其中，Lg为距离波门宽度，u0.5α为正态分布关于α＝1‑PCL的双侧分位数，PCL表示置信度，通常PCL取为常数；M为阵元总数；Kl为第l组时空参数ξl组合中的子阵划分个数；λ为发射信号的波长；d为各天线单元间距离；当满足下式条件时，保存该组时空参数组合ξl＝[Tl Kl]步骤3：二次筛选满足预测检测概率门限法的参数组合；对于步骤2中已保存的时空参数组合，利用预测检测概率门限进行再次筛选；步骤3.1：计算出共址MIMO雷达预测信噪比步骤3.2：计算预测检测概率将上一步计算出的预测信噪比代入下式计算预测检测概率：式中，Pfa为恒虚警概率为一常量；当采样周期Tl及子阵划分个数Kl所控制的检测概率满足下式时，保存该组时空参数组合ξl＝[Tl Kl]并定义为可行参数组合；其中，为检测概率的门限值，为预先设定的常数；步骤4：判断可行时空参数集合是否为空：若为空集，选取最小采样周期、最小子阵划分个数的组合作为最优参数即T(tk)＝Tmin,K(tk)＝Kmin后，直接执行步骤7；若可行参数组合集合不为空集，执行步骤5；步骤5：计算预测估计误差协方差矩阵按下式进行对各模型的预测估计误差协方差进行概率加权其中，模型j的预测误差协方差为按式下计算；其中，I_n表示维度为n的单位矩阵，为在第l组参数向量ξ_l控制下的增益矩阵，如下所示；H^j为观测矩阵，为量测误差协方差矩阵；步骤6：确定最优时空参数组合在可行参数组合集合中，按照下式选取最佳参数组合，下标o表示最优项；ξo＝[To Ko]＝argminc(ξl)   (10)其中，c(ξl)表示对时刻参数向量ξl＝[Tl Kl]的综合代价函数，具体形式如下：式中，c₁,c₂分别为时空资源消耗和跟踪精度代价归一化后的权重，且满足c₁+c₂＝1c₁,c₂≥0；P_exp表示期望误差协方差，表示时空参数向量ξ_l＝[T_l K_l]控制下的预测估计误差协方差矩阵；步骤7：利用最优参数组合和预测先验信息进行非线性量测转换；计算转换的量测值Z_c(t_k)，利用步骤6或步骤4获取的最优时空参数组合中的采样周期作为当前采样周期，即T(t_k)＝T_o，因此，下一采样时刻为t_k＝t_k‑1+T(t_k)，假设t_k可获得的量测包括距离量测r_m(t_k)、方位角量测θ_m(t_k)和多普勒量测按照式(17)进行量测转换；其中，ρ表示距离和多普勒量测噪声之间的相关系数；Φ为偏差补偿因子表示方位角量测噪声方差，σ_r,σ_r分别为距离和径向速度量测误差的标准差，均与子阵划分个数K相关；以预测为先验信息计算量测转换误差协方差矩阵Rj(tk)；为简洁表述矩阵中的元素，约定tk时刻所对应的参量，以下标k的形式表示协方差矩阵Rj中的各元素的计算方法如下：其中，r_t为距离预测状态、θ_t为角度预测状态、为速度预测状态，为距离预测误差方差、为角度预测误差方差、为速度预测误差方差的预测误差方差；步骤8：多模型交互输入估计初始化；已知t‑1时刻模型i的位置量测估计及协方差P^i，p(t_k‑1)，按下式计算各模型滤波器融合估计值及估计误差协方差P^0j(t_k‑1)其中，πij表示由模型i转移到模型j的概率，N表示目标运动模型总数，μi(tk‑1)表示tk‑1时刻运动模型i的更新概率，Cj表示模型j的归一化常数，按下式计算：步骤9：对各模型进行序贯滤波；将步骤7，8中获得t_k时刻的量测转换值Z_c(t_k)和量测误差协方差R^j(t_k)及步骤1中获得的t_k‑1时刻的模型j的输入估计X^0j t_k‑1,P^0j t_k‑1，代入当前模型的序贯滤波器中，进行滤波处理，得到P^ε,j(t_k)；表示模型j的伪量测估计状态，P^ε,j(t_k)表示模型j的伪量测估计误差协方差。步骤10：计算模型更新概率μj(tk)模型j在tk时刻的更新概率μj(tk)表示为位置量测模型概率μp,j(tk)和伪量测模型概率με,j(tk)的均值；其中，上标j表示运动模型，p表示与位置量测相关的信息，ε表示与伪量测相关的信息；各滤波器的似然函数Λp，j(tk)，Λε，j(tk)计算公式如下：式中e为量测残差，S为残差的自相关矩阵，Cp,j和Cε,j分别表示模型j的位置量测和伪量测归一化常数；步骤11：状态估计融合将步骤9中获得的t_k时刻的序贯滤波估计结果P^ε,j(t_k)与模型更新概率μ^j(t_k)进行融合其中，表示最终滤波估计状态，P(t_k)表示最终滤波估计误差协方差。步骤12：将各模型的滤波结果P^p,j(t_k)代回到步骤8的(27)式中，计算下一时刻t_k+1的各模型滤波器输入的状态估计和协方差。