CN118011384B - 一种带多普勒解模糊的主被动雷达系统多目标跟踪方法 - Google Patents
一种带多普勒解模糊的主被动雷达系统多目标跟踪方法 Download PDFInfo
- Publication number
- CN118011384B CN118011384B CN202410402764.7A CN202410402764A CN118011384B CN 118011384 B CN118011384 B CN 118011384B CN 202410402764 A CN202410402764 A CN 202410402764A CN 118011384 B CN118011384 B CN 118011384B
- Authority
- CN
- China
- Prior art keywords
- target
- doppler
- measurement
- radar
- phd
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 51
- 238000005259 measurement Methods 0.000 claims abstract description 156
- 238000001914 filtration Methods 0.000 claims abstract description 25
- 238000007476 Maximum Likelihood Methods 0.000 claims abstract description 7
- 238000004590 computer program Methods 0.000 claims description 23
- 230000006870 function Effects 0.000 claims description 11
- 239000011159 matrix material Substances 0.000 claims description 10
- 238000013138 pruning Methods 0.000 claims description 8
- 230000004927 fusion Effects 0.000 claims description 5
- 230000008569 process Effects 0.000 abstract description 22
- 238000012545 processing Methods 0.000 abstract description 4
- 125000003275 alpha amino acid group Chemical group 0.000 description 8
- 150000001875 compounds Chemical class 0.000 description 8
- 238000004422 calculation algorithm Methods 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 239000013598 vector Substances 0.000 description 3
- NAWXUBYGYWOOIX-SFHVURJKSA-N (2s)-2-[[4-[2-(2,4-diaminoquinazolin-6-yl)ethyl]benzoyl]amino]-4-methylidenepentanedioic acid Chemical compound C1=CC2=NC(N)=NC(N)=C2C=C1CCC1=CC=C(C(=O)N[C@@H](CC(=C)C(O)=O)C(O)=O)C=C1 NAWXUBYGYWOOIX-SFHVURJKSA-N 0.000 description 2
- 238000013459 approach Methods 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000007499 fusion processing Methods 0.000 description 2
- 230000004083 survival effect Effects 0.000 description 2
- 238000012935 Averaging Methods 0.000 description 1
- 230000000295 complement effect Effects 0.000 description 1
- 238000001212 derivatisation Methods 0.000 description 1
- 230000008034 disappearance Effects 0.000 description 1
- 230000008030 elimination Effects 0.000 description 1
- 238000003379 elimination reaction Methods 0.000 description 1
- 239000012467 final product Substances 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 230000007704 transition Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
- G01S13/66—Radar-tracking systems; Analogous systems
- G01S13/72—Radar-tracking systems; Analogous systems for two-dimensional tracking, e.g. combination of angle and range tracking, track-while-scan radar
- G01S13/723—Radar-tracking systems; Analogous systems for two-dimensional tracking, e.g. combination of angle and range tracking, track-while-scan radar by using numerical data
- G01S13/726—Multiple target tracking
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
- G01S13/87—Combinations of radar systems, e.g. primary radar and secondary radar
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Computer Networks & Wireless Communication (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Radar Systems Or Details Thereof (AREA)
Abstract
本发明公开了一种带多普勒解模糊的主被动雷达系统多目标跟踪方法，包括：利用主动雷达获得的目标位置量测进行PHD滤波，获得一步更新后的目标状态估计值；根据主动雷达获得的目标模糊的多普勒量测计算出目标多普勒量测可能值；根据目标状态估计值计算目标多普勒量测估计值，计算目标多普勒量测可能值与目标多普勒量测估计值之间的似然值，通过选取似然值最大的多普勒量测可能值作为解模糊后的多普勒量测；利用解模糊后的多普勒量测对目标状态估计值进行再次更新，得到目标PHD强度；利用被动雷达量测对目标PHD强度进行序贯更新以提高目标状态估计的精度。本发明通过联合处理目标多普勒解模糊和目标跟踪过程，能够提高目标跟踪整体性能。
Description
技术领域
本发明属于雷达数据处理技术领域，涉及一种带多普勒解模糊的主被动雷达多目标跟踪方法、计算机设备、计算机可读存储介质和计算机程序产品。
背景技术
PHD（probability hypothesis density，概率假设密度）滤波是一种基于随机有限集理论的多目标贝叶斯滤波器，可以有效缓解多目标贝叶斯滤波器计算时面临的组合复杂性问题。该算法采用一阶统计矩对多目标后验概率进行近似计算，并利用PHD函数对任意区域内的积分来估计该区域中的目标数期望。同时，该算法在滤波过程中充分考虑了场景中可能出现的目标消失、衍生和新生以及雷达观测时出现的漏检、虚警现象，可以有效地应对目标运动和观测不确定性，PHD滤波器非常适合于多目标跟踪。
雷达发射脉冲串波形，可以利用多普勒效应检测运动目标，除了能够获得目标位置量测（如距离、方位角、俯仰角）外，还能获得目标多普勒频移，带多普勒信息的PHD滤波器可以有效地利用雷达量测的多普勒信息（目标径向速度）以提升目标的跟踪性能。雷达采用低频的脉冲重复频率（pulse repetition frequency，PRF）会造成多普勒模糊，采用高频的PRF又会造成距离模糊，因为雷达脉冲串波形本身距离模糊和多普勒模糊的矛盾性，雷达采用脉冲串波形跟踪速度差异较大的多目标时不可避免的会产生多普勒模糊的问题。为了解决多普勒模糊的问题，可以采用多个PRF，使用中国剩余定理来解模糊，但是该方法会耗费大量的时间(S. A. Hovanessian, "An Algorithm for Calculation of Range in aMultiple PRF Radar," in IEEE Transactions on Aerospace and ElectronicSystems, vol. AES-12, no. 2, pp. 287-290, March 1976, doi: 10.1109/TAES.1976.308306.)。其他方法考虑在频域解决该问题，目标信号的折叠频率可以通过对每个PRF的折叠频率估计进行平均来估计。然后，通过使用基于快速傅里叶变换（fastFourier transform，FFT）的快速实现，并利用最大似然准则估计多普勒频率的整数部分来解决模糊性问题(Xiang-Gen Xia, "Doppler ambiguity resolution using optimalmultiple pulse repetition frequencies," in IEEE Transactions on Aerospace andElectronic Systems, vol. 35, no. 1, pp. 371-379, Jan. 1999, doi: 10.1109/7.745710.)。也有一些文献提到分析雷达信号的接收波形来解决多普勒模糊的问题(ZHOUH, WEN B, MA Z,et al. Range/Doppler ambiguity elimination in high-frequencychirp radars [J]. IEE Proceedings: Radar, Sonar and Navigation, 2006, 153(6):467-72.)，但是总的来看这些方法依赖特定PRF的选择，需要处理单个目标的多次量测，并且这些方法与跟踪步骤S独立。实际上目标位置量测（距离、方位角、俯仰角）可以对目标多普勒量测进行粗略估计，综合处理目标多普勒解模糊和目标跟踪过程可以提高目标跟踪的整体性能。
发明内容
本发明的目的是提供一种带多普勒解模糊的主被动雷达系统多目标跟踪方法、计算机设备、计算机可读存储介质和计算机程序产品，通过主被动雷达联合处理目标多普勒解模糊和目标跟踪过程，能够提高目标跟踪整体的性能。
为了达到上述目的，本发明的一个方面提供一种带多普勒解模糊的主被动雷达系统多目标跟踪方法，所述主被动雷达系统由主动雷达和被动雷达构成，所述方法包括：
步骤S1：利用主动雷达获得的目标位置量测进行PHD滤波，获得一步更新后的目标状态估计值；
步骤S2：根据主动雷达获得的目标模糊的多普勒量测计算出目标多普勒量测的可能值；
步骤S3：根据步骤S1中获得的目标状态估计值计算目标多普勒量测的估计值，计算目标多普勒量测的可能值与目标多普勒量测的估计值之间的似然值，通过选取似然值最大的多普勒量测的可能值作为解模糊后的多普勒量测；
步骤S4：利用解模糊后的多普勒量测对目标状态估计值进行再次更新，得到目标PHD强度；
步骤S5：利用被动雷达获得的目标量测对目标PHD强度进行序贯更新以提高目标状态估计的精度。
优选地，步骤S1中，根据时刻多目标PHD强度，预测k时刻多目标PHD强度，利用主动雷达在k时刻获得的目标位置量测对k时刻多目标PHD强度进行一步更新得到的均值和协方差的表达式为：
，
，
，
其中，一步更新得到的均值作为所述目标状态估计值，表示目标位置量测，、分别表示时刻第个高斯项概率密度函数的均值和协方差，为主动雷达的位置量测函数，表示主动雷达的位置量测雅可比矩阵，表示主动雷达的位置量测误差矩阵。
优选地，步骤S2中，目标多普勒量测的可能值表示为：
，
其中，为时刻的多普勒量测可能值，为主动雷达获得的模糊多普勒量测，为主动雷达能够测得的最大不模糊速度，为根据目标多普勒量测分布范围得到的最大模糊度。
优选地，步骤S3中，如下计算目标多普勒量测的可能值与目标多普勒量测的估计值之间的似然值：
，
其中，表示目标多普勒量测的可能值，表示目标多普勒量测的估计值，表示多普勒量测雅可比矩阵，为雷达多普勒量测均方根误差值。
优选地，步骤S4中，对时刻目标PHD强度进行再次更新得到的均值和协方差的表达式为：
，
，
，
其中，表示解模糊后的多普勒量测。
优选地，步骤S4中，将得到的时刻目标PHD强度中高斯分量权重低于剪枝门限的高斯分量消除；
将经过剪枝后的目标PHD强度中高斯分量均值的马氏距离小于融合门限的所有高斯分量进行融合得到融合后的目标PHD强度。
优选地，在步骤S5中，将融合后的目标PHD强度预测到被动雷达获得的目标量测的k+1时刻，然后利用被动雷达获得的目标量测进行目标PHD强度的更新。
本发明的另一个方面提供一种计算机设备，包括存储器、处理器及存储在存储器上的计算机程序，其特征在于，所述处理器执行所述计算机程序以实现上述的方法的步骤。
本发明的又一个方面提供一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该计算机程序被处理器执行时实现上述的方法的步骤。
本发明的又一个方面提供一种计算机程序产品，包括计算机程序，其特征在于，该计算机程序被处理器执行时实现上述的方法的步骤。
根据本发明以上方面的带多普勒解模糊的主被动雷达系统多目标跟踪方法、计算机设备、计算机可读存储介质和计算机程序产品，通过主被动雷达联合处理目标多普勒解模糊和目标跟踪过程，能够提高目标跟踪整体的性能。
附图说明
为了更清楚地说明本发明的技术方案，下面将对本发明实施例的描述中所使用的附图作简单的介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图：
图1是本发明实施例的带多普勒解模糊的主被动雷达系统多目标跟踪方法的流程图；
图2是本发明实施例的主被动雷达几何关系图；
图3是本发明实施例的计算机设备的结构图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚，下面将结合附图，对本发明的技术方案进行清楚、完整的描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
鉴于主动雷达量测精度高，被动雷达隐蔽性高的特点，本发明利用主被动雷达性能互补的优势，提供一种带多普勒解模糊的主被动雷达系统多目标跟踪方法，该跟踪方法由主动雷达获得目标的多普勒信息，在GM-PHD（Gaussian Mixture ProbabilityHypothesis Density，高斯混合概率假设密度）滤波器内解多普勒模糊，确保准确的多普勒量测能提升目标的跟踪性能。主被动雷达的量测信息以序贯滤波的方式进行融合。
本发明的实施例基于一个主被动雷达系统，该主被动雷达系统由一个地基雷达（主动雷达）增设分置的地基接收系统（被动雷达）构成，如图2所示，表示具有发射信号和接收信号功能的单基雷达，表示被动的接收站，只接收信号。本发明实施例的仿真基于二维目标运动场景，但是本发明实施例仅仅是为了说明本发明的目的，具体的实施过程可以推广到三维场景和任何带多普勒量测的雷达系统。本发明实施例提供的二维多目标场景中有三个目标1、2、3，目标2和目标3由目标1分别在30s和60s的时候分离出来，目标1设为主目标，目标1的初始位置为，初始速度为。目标2和目标3分离时的初始速度分别为和。本发明实施例中由主被动雷达系统对目标进行跟踪，主动雷达量测为距离、方位角和多普勒量测，被动雷达量测为方位角。若是三维情景，主动雷达和被动雷达还可以测得目标的俯仰角。主动雷达量测的目标除了目标1作为主目标多普勒量测不模糊之外，其他目标多普勒量测存在模糊。
本实施例中，跟踪初始时刻只有一个目标，设定0时刻目标PHD为
(1)
式(1)中，，。表示以为均值，为协方差的多元高斯分布，随机向量表示目标的状态向量，表示高斯分量的权重，本实施例中。
主被动雷达系统由主动雷达和被动雷达构成，主被动雷达之间通过序贯滤波的方式进行信息融合，所以主被动雷达的信息处理流程可以分为两个部分，第一部分是主动雷达的滤波过程，第二部分为被动雷达的滤波过程。其中被动雷达的滤波过程与主动雷达滤波过程不同的地方在于主动雷达具有多普勒量测，由于主动雷达的多普勒量测存在模糊，所以需要在主动雷达的滤波过程中对多普勒量测进行解模糊。
图1是本发明实施例的带多普勒解模糊的主被动雷达系统多目标跟踪方法的流程图，如图1所示，本发明实施例的带多普勒解模糊的主被动雷达系统多目标跟踪方法包括步骤S1-S5，其中步骤S1-S4为主动雷达的PHD滤波过程，步骤S5为被动雷达的PHD滤波过程。
主动雷达的PHD滤波过程：
步骤S1：利用主动雷达获得的目标位置量测进行PHD滤波，得到一步更新后的目标状态估计值。
假设时刻多目标PHD的高斯混合形式为
(2)
式(2)中，为时刻二维的目标状态向量，分别表示目标在二维笛卡尔坐标系中轴的位置和速度，轴的位置和速度，目标状态维度可以推广到三维。、、分别为时刻第个高斯项的权重、概率密度函数的均值和协方差，表示时刻多目标PHD的高斯分量个数。
PHD滤波过程分为预测和更新两步，已知时刻多目标PHD强度的情况下，时刻多目标PHD的预测强度由存活的目标高斯项和新生目标高斯项混合得到。需要预先设定，其同样由个高斯项混合而得，的具体形式如下
(3)
式(3)中为目标存活概率，本实施例中为0.95。，其中，，，，。时刻预测的存活目标高斯项的均值和协方差的更新公式如下
(4)
(5)
式(4)中为目标状态转移矩阵，式(5)中为目标运动的过程噪声协方差。
(6)
k时刻预测的存活目标高斯分量个数加上预先设定的新生目标高斯分量个数就可以获得目标在k时刻预测的高斯分量个数。
本实施例中和的具体取值如下
(7)
(8)
式(7)中，为雷达量测间隔，本实施例中设为，式(8)中设为。
获得时刻多目标PHD的预测强度之后，利用主动雷达在k时刻获得的多目标量测对k时刻多目标的PHD强度进行更新即可完成主动雷达的PHD滤波流程。
(9)
式(9)中目标在k时刻的PHD强度由两部分组成，表示k时刻漏检的目标强度，表示多目标量测对k时刻预测强度更新的目标强度，为目标检测概率，本实施例中设为0.98。主动雷达获得的目标量测，其中表示目标的位置量测，表示目标的多普勒量测，由于目标多普勒量测存在模糊，并不能用来直接对目标状态进行更新，所以目标状态的更新分为两步，第一步利用目标位置量测进行一步更新，然后对目标多普勒量测解模糊，利用解模糊的多普勒量测再次对目标状态进行更新。
利用目标位置量测进行一步更新的高斯分量均值和协方差的表达式为
(10)
(11)
(12)
式(10)中，为主动雷达的位置量测函数。
(13)
式(11)中主动雷达的位置量测雅可比矩阵表示为
(14)
式(12)中表示主动雷达的位置量测误差矩阵，本实施例中的具体取值如下
(15)
通过步骤S1的式(10)获得了一步更新后的目标状态估计值。
步骤S2：根据主动雷达获得的目标模糊的多普勒量测计算出目标多普勒量测的可能值。
步骤S1可以获得目标的状态估计值，根据目标状态的估计值可以估计目标的多普勒量测，但是多普勒量测解模糊的过程是利用多普勒量测的可能值与多普勒量测估计值进行似然值的比较，所以在目标多普勒量测解模糊前还需要计算目标多普勒量测的所有可能值。当不存在测量噪声时，雷达模糊的多普勒量测由目标真实的多普勒量测折叠而来，因此目标真实的多普勒量测可表示为
(16)
式(16)中，为主动雷达获得的模糊多普勒量测，为目标多普勒模糊真实的模糊级数。为主动雷达能够测得的最大不模糊速度。
(17)
式(17)中，代表雷达波形的波长，为雷达的脉冲重复频率，本实施例中。
同理，可以通过模糊的多普勒量测提出目标真实多普勒量测可能值假设。设为时刻的多普勒量测可能值
(18)
式(18)中，为根据目标多普勒量测分布范围得到的最大模糊度，本实施例中为3，需要注意的是团目标跟踪的时候，由于主目标的多普勒量测不模糊，所以分离目标的多普勒量测会通过主目标的多普勒量测进行补偿，这里的最大模糊度是指补偿后的分离目标多普勒量测的最大模糊度。将多普勒量测可能值表示为集合形式
(19)
步骤S3：根据步骤S1中获得的目标状态估计值计算目标多普勒量测的估计值，计算目标多普勒量测的可能值与目标多普勒量测的估计值之间的似然值，通过选取似然值最大的多普勒量测可能值作为解模糊后的多普勒量测。
利用步骤S1中获得的目标位置量测更新后估计的目标状态，获得目标多普勒量测的估计值，就可以计算多普勒量测可能值与目标多普勒量测估计值之间的似然值。
(20)
式(20)中，为雷达多普勒量测均方根误差值，本实施例中取。
(21)
式(21)中为主动雷达多普勒量测函数。
表示多普勒量测雅可比矩阵
(22)
选取似然值最大的多普勒量测可能值作为解模糊后的多普勒量测。
步骤S4：利用解模糊后的多普勒量测对目标状态估计值进行再次更新，得到目标PHD强度。
经过步骤S3可以获得目标解模糊后的多普勒量测，只需要利用解模糊的多普勒量测对步骤S1中的式(10)(11)进行更新就可以获得时刻目标PHD强度最终更新的均值和协方差。
(23)
(24)
(25)
利用位置量测的似然值和解模糊后的多普勒量测的似然值计算式(9)中的权重。
(26)
(27)
式(26)中，表示目标位置杂波密度，本实施例中设为，为目标多普勒杂波密度，本实施例中为。
经过步骤S1到步骤S4的PHD滤波可以获得目标在k时刻的PHD强度
(28)
然后通过剪枝、合并就可以提取目标数目和多目标状态估计。
剪枝过程就是将中高斯分量权重低于剪枝门限的高斯分量消除，本实施例中。假设为权重低于剪枝门限的高斯分量，经过剪枝后的目标强度为
(29)
式(29)中表示经过剪枝后剩余的高斯分量个数。
融合过程就是将中高斯分量均值的马氏距离小于融合门限的所有高斯分量进行融合得到融合后的目标强度，本实施例中。具体的融合过程如下：
本实施例中。
在提取目标状态时，从融合后的目标强度中权重大于0.5的高斯分量，假设获得的目标状态集合为，表示时刻估计的目标个数，表示目标状态估计值，表示目标状态估计的协方差。
被动雷达的PHD滤波过程：
步骤S5：利用被动雷达获得的目标量测对主动雷达滤波更新后的目标PHD强度进行序贯更新以提高目标状态估计的精度。
(30)
式(30)为被动雷达的量测函数，b为。由于被动雷达没有多普勒量测，所以被动雷达的滤波过程与步骤S1中主动雷达利用目标位置量测更新目标状态的流程一样，只需要将k时刻主动雷达滤波估计的目标PHD强度预测到被动雷达获得量测的k+1时刻，然后利用被动雷达获得的目标量测进行目标强度的更新即可，区别在于(10)式中需要替换为(30)式中的被动雷达量测函数。
在本实施例中，解模糊前目标2的多普勒量测与真实的径向速度之间相差了，模糊度为2，目标3的多普勒量测与真实的径向速度之间相差了，模糊度为1。通过本发明实施例的方法得到的目标解模糊后的多普勒量测估计结果与目标真实的径向速度基本一致，误差在以内，解模糊的效果良好。
根据本发明上述实施例的带多普勒解模糊的主被动雷达系统多目标跟踪方法，根据目标量测（位置量测和模糊的多普勒量测）将PHD滤波器的滤波过程分为两步，第一步利用雷达位置量测（距离、方位角、俯仰角）的滤波结果得到粗略的目标状态估计，并根据目标状态估计值对目标多普勒量测进行估计，然后根据模糊的多普勒量测计算出目标多普勒量测可能值，继而通过将多普勒量测可能值与一步更新后的目标多普勒量测估计值进行对比与逼近，通过选取似然值最大的多普勒量测可能值作为解模糊后的多普勒量测；第二步利用解模糊后的多普勒量测再次对目标状态进行更新。通过主被动雷达联合处理目标多普勒解模糊和目标跟踪过程，提高了目标跟踪整体的性能。
本发明的实施例还提供一种计算机设备，该计算机设备可以是服务器，其内部结构图可以如图3所示。该计算机设备包括通过系统总线连接的处理器、存储器和网络接口。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的数据库用于存储各个框架的运行参数数据。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现本发明实施例的带多普勒解模糊的主被动雷达系统多目标跟踪方法的步骤。
本领域技术人员可以理解，图3中示出的结构，仅仅是与本申请方案相关的部分结构的框图，并不构成对本申请方案所应用于其上的计算机设备的限定，具体的计算机设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。
本发明的实施例还提供一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现本发明实施例的带多普勒解模糊的主被动雷达系统多目标跟踪方法的步骤。
本发明的实施例还提供一种计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现本发明实施例的带多普勒解模糊的主被动雷达系统多目标跟踪方法的步骤。
以上只通过说明的方式描述了本发明的某些示范性实施例，毋庸置疑，对于本领域的普通技术人员，在不偏离本发明的精神和范围的情况下，可以用各种不同的方式对所描述的实施例进行修正。因此，上述附图和描述在本质上是说明性的，不应理解为对本发明权利要求保护范围的限制。
Claims (6)
1.一种带多普勒解模糊的主被动雷达系统多目标跟踪方法，所述主被动雷达系统由主动雷达和被动雷达构成，其特征在于，所述方法包括：
步骤S1：利用主动雷达获得的目标位置量测进行PHD滤波，获得一步更新后的目标状态估计值；
步骤S2：根据主动雷达获得的目标模糊的多普勒量测计算出目标多普勒量测的可能值；
步骤S3：根据步骤S1中获得的目标状态估计值计算目标多普勒量测的估计值，计算目标多普勒量测的可能值与目标多普勒量测的估计值之间的似然值，通过选取似然值最大的多普勒量测的可能值作为解模糊后的多普勒量测；
步骤S4：利用解模糊后的多普勒量测对目标状态估计值进行再次更新，得到目标PHD强度；
步骤S5：利用被动雷达获得的目标量测对目标PHD强度进行序贯更新以提高目标状态估计的精度，
步骤S1中，根据时刻多目标PHD强度，预测k时刻多目标PHD强度，利用主动雷达在k时刻获得的目标位置量测对k时刻多目标PHD强度进行一步更新得到的均值和协方差的表达式为：
，
，
，
其中，一步更新得到的均值作为所述目标状态估计值，表示目标位置量测，、分别表示时刻第个高斯项概率密度函数的均值和协方差，为主动雷达的位置量测函数，表示主动雷达的位置量测雅可比矩阵，表示主动雷达的位置量测误差矩阵；
步骤S2中，目标多普勒量测的可能值表示为：
，
其中，为时刻的多普勒量测可能值，为主动雷达获得的模糊多普勒量测，为主动雷达能够测得的最大不模糊速度，为根据目标多普勒量测分布范围得到的最大模糊度；
步骤S3中，如下计算目标多普勒量测的可能值与目标多普勒量测的估计值之间的似然值：
，
其中，表示目标多普勒量测的可能值，表示目标多普勒量测的估计值，表示多普勒量测雅可比矩阵，为雷达多普勒量测均方根误差值；
步骤S4中，对时刻目标PHD强度进行再次更新得到的均值和协方差的表达式为：
，
，
，
其中，表示解模糊后的多普勒量测。
2.如权利要求1所述的方法，其特征在于，步骤S4中，将得到的时刻目标PHD强度中高斯分量权重低于剪枝门限的高斯分量消除；
将经过剪枝后的目标PHD强度中高斯分量均值的马氏距离小于融合门限的所有高斯分量进行融合得到融合后的目标PHD强度。
3.如权利要求2所述的方法，其特征在于，在步骤S5中，将融合后的目标PHD强度预测到被动雷达获得的目标量测的k+1时刻，然后利用被动雷达获得的目标量测进行目标PHD强度的更新。
4.一种计算机设备，包括存储器、处理器及存储在存储器上的计算机程序，其特征在于，所述处理器执行所述计算机程序以实现权利要求 1-3中任一项所述的方法的步骤。
5.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该计算机程序被处理器执行时实现权利要求1-3中任一项所述的方法的步骤。
6.一种计算机程序产品，包括计算机程序，其特征在于，该计算机程序被处理器执行时实现权利要求1-3中任一项所述的方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410402764.7A CN118011384B (zh) | 2024-04-03 | 2024-04-03 | 一种带多普勒解模糊的主被动雷达系统多目标跟踪方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410402764.7A CN118011384B (zh) | 2024-04-03 | 2024-04-03 | 一种带多普勒解模糊的主被动雷达系统多目标跟踪方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN118011384A CN118011384A (zh) | 2024-05-10 |
| CN118011384B true CN118011384B (zh) | 2024-06-14 |
Family
ID=90954699
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202410402764.7A Active CN118011384B (zh) | 2024-04-03 | 2024-04-03 | 一种带多普勒解模糊的主被动雷达系统多目标跟踪方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN118011384B (zh) |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108303692A (zh) * | 2018-01-30 | 2018-07-20 | 哈尔滨工业大学 | 一种解多普勒模糊的多目标跟踪方法 |
| CN108919254A (zh) * | 2018-08-03 | 2018-11-30 | 谭顺成 | 高重频雷达机动弱小多目标检测跟踪的cs-phd方法 |
Family Cites Families (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112731373B (zh) * | 2020-12-24 | 2023-09-22 | 西安理工大学 | 基于三维数据关联的外辐射源雷达多目标跟踪方法 |
| US20240094343A1 (en) * | 2022-09-09 | 2024-03-21 | Kunming University Of Science And Technology | Method, device, system, and storage medium for tracking moving target |
-
2024
- 2024-04-03 CN CN202410402764.7A patent/CN118011384B/zh active Active
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108303692A (zh) * | 2018-01-30 | 2018-07-20 | 哈尔滨工业大学 | 一种解多普勒模糊的多目标跟踪方法 |
| CN108919254A (zh) * | 2018-08-03 | 2018-11-30 | 谭顺成 | 高重频雷达机动弱小多目标检测跟踪的cs-phd方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN118011384A (zh) | 2024-05-10 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Delisle et al. | Moving target imaging and trajectory computation using ISAR | |
| CN110988874B (zh) | 一种复杂运动目标的isar成像方法 | |
| CN110488293B (zh) | 一种非均匀空间构型的分布式sar系统 | |
| CN107688179A (zh) | 基于多普勒信息辅助的综合概率数据互联方法 | |
| CN111708013B (zh) | 一种距离坐标系目标跟踪滤波方法 | |
| CN110865343A (zh) | 基于lmb的粒子滤波检测前跟踪方法及系统 | |
| Agate et al. | Road-constrained target tracking and identification using a particle filter | |
| CN112328959B (zh) | 一种基于自适应扩展卡尔曼概率假设密度滤波器的多目标跟踪方法 | |
| CN113673565A (zh) | 多传感器gm-phd自适应序贯融合多目标跟踪方法 | |
| Rigling et al. | Three-dimensional surface reconstruction from multistatic SAR images | |
| CN111736144B (zh) | 一种仅用距离观测的机动转弯目标状态估计方法 | |
| CN118011384B (zh) | 一种带多普勒解模糊的主被动雷达系统多目标跟踪方法 | |
| CN111722213B (zh) | 一种机动目标运动参数的纯距离提取方法 | |
| Konatowski et al. | A comparison of estimation accuracy by the use of KF, EKF & UKF filters | |
| CN108304869A (zh) | 一种基于多个传感器的综合幅值信息的融合方法及系统 | |
| CN113030945B (zh) | 一种基于线性序贯滤波的相控阵雷达目标跟踪方法 | |
| CN115544425A (zh) | 一种基于目标信噪比特征估计的鲁棒多目标跟踪方法 | |
| CN102426357B (zh) | 一种具有图像确认的多目标跟踪方法 | |
| CN115267706A (zh) | 合成孔径雷达的距离空变相位误差估计方法、装置及介质 | |
| CN108981707B (zh) | 基于时差量测箱粒子phd的被动跟踪多目标方法 | |
| CN116879863B (zh) | 一种连续波4d毫米波雷达多目标测量方法及系统 | |
| Agate et al. | Particle filtering algorithm for tracking multiple road-constrained targets | |
| Moawad et al. | Study a bearing-only moving ground target tracking problem using single seismic sensor | |
| JP3440010B2 (ja) | 目標追尾装置 | |
| CN116794646B (zh) | 基于变分贝叶斯推理的混合体制高频雷达目标跟踪方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |