本發(fā)明屬于雷達(dá)目標(biāo)跟蹤領(lǐng)域，用于解決三維空間中強(qiáng)機(jī)動高超聲速飛行器的精確跟蹤問題。

背景技術(shù)：

臨近空間通常指距海平面20～100km的空域，臨近空間飛行器是指可在臨近空間作長期高速飛行的大氣飛行器。與普通飛行器相比，臨近空間高超聲速飛行器具有飛行速度快(8～20ma)、機(jī)動性能好(10～20g)、隱身性能強(qiáng)等特點，可用于戰(zhàn)區(qū)偵察、預(yù)警、通信以及全球快速打擊等，可在兩小時內(nèi)對全球任一目標(biāo)進(jìn)行快速精確打擊。隨著x-43、x-51等臨近空間高超聲速飛行器的相繼出現(xiàn)，對臨近空間高超聲速機(jī)動目標(biāo)的探測與跟蹤成為一個亟待解決的問題。

臨近空間飛行器具有高超聲速、強(qiáng)機(jī)動的特性，使得對臨近空間目標(biāo)的跟蹤變得更加復(fù)雜，隨之產(chǎn)生的一個重要問題便是臨近空間目標(biāo)在三維空間強(qiáng)機(jī)動所帶來的目標(biāo)跟蹤困難。臨近空間高超聲速飛行器在三維空間的強(qiáng)機(jī)動性意味著臨近空間飛行器的飛行狀態(tài)變化非常復(fù)雜，選擇什么樣的機(jī)動目標(biāo)模型對跟蹤臨近空間強(qiáng)機(jī)動飛行器具有至關(guān)重要的影響。目前，常用的目標(biāo)模型主要有singer模型和“當(dāng)前”統(tǒng)計模型。其中，singer模型采用相關(guān)噪聲模型，將目標(biāo)加速度作為具有指數(shù)自相關(guān)的零均值隨機(jī)過程，但因該模型提出較早且較為簡單，無法有效處理目標(biāo)強(qiáng)機(jī)動帶來的色噪聲影響問題，對強(qiáng)機(jī)動目標(biāo)跟蹤效果較差；“當(dāng)前”統(tǒng)計模型不需要進(jìn)行機(jī)動檢測，能夠?qū)崟r地給出目標(biāo)狀態(tài)的正確估計，但是需要提前已知關(guān)于目標(biāo)運(yùn)動的最大加速度以及目標(biāo)加速度統(tǒng)計分布特性的先驗信息，而該信息是無法提前知道的，對于最大加速度的錯誤估計會造成跟蹤精度的降低，甚至算法失效。因此，現(xiàn)有的上述兩種模型均不能滿足臨近空間高超聲速飛行器在三維空間強(qiáng)機(jī)動跟蹤的需要。

目前，尚未見到在目標(biāo)最大加速度以及目標(biāo)加速度統(tǒng)計分布特性均未知的前提下對于臨近空間三維強(qiáng)機(jī)動目標(biāo)跟蹤的方法研究。本發(fā)明提出一種基于智能子帶濾波的三維空間強(qiáng)機(jī)動目標(biāo)跟蹤方法，在不需要上述目標(biāo)機(jī)動特性先驗信息的基礎(chǔ)上，可以對三維空間內(nèi)未知的目標(biāo)強(qiáng)機(jī)動進(jìn)行快速精確的跟蹤，適用于工程實際。

技術(shù)實現(xiàn)要素：

本發(fā)明的目的是提出一種基于智能子帶濾波的三維空間強(qiáng)機(jī)動目標(biāo)跟蹤方法，用以解決在目標(biāo)最大加速度以及目標(biāo)加速度統(tǒng)計分布特性均未知的前提下對于臨近空間三維強(qiáng)機(jī)動目標(biāo)有效跟蹤的問題。

本發(fā)明提出的基于智能子帶濾波的三維空間強(qiáng)機(jī)動目標(biāo)跟蹤方法，其特征在于，包括以下技術(shù)措施：

步驟一、強(qiáng)機(jī)動目標(biāo)信號的子帶分解：

針對臨近空間強(qiáng)機(jī)動目標(biāo)跟蹤中所面臨的由于強(qiáng)機(jī)動帶來的色噪聲影響問題，采用一種基于有色噪聲特性分析的子帶分解技術(shù)：通過分?jǐn)?shù)階傅里葉域濾波器組的多分辨率分析，原色噪聲輸入信號被分解為多個頻域不相疊加的近似白噪聲信號；接下來，通過下式所示的卡爾曼濾波算法可以有效實現(xiàn)對各子帶信號的跟蹤處理：

其中，z、x分別為量測向量、狀態(tài)向量，h、w分別為兩側(cè)矩陣以及零均值、白色高斯量測噪聲序列。

步驟二、強(qiáng)機(jī)動目標(biāo)信號的子帶去相關(guān)：

在對強(qiáng)機(jī)動目標(biāo)信號子帶分解的基礎(chǔ)上，根據(jù)各子帶信號的頻譜特性，設(shè)計合理的去相關(guān)系統(tǒng)h(w)，來實現(xiàn)子帶色噪聲到白噪聲的轉(zhuǎn)換；假定輸入v(t)為具有相關(guān)函數(shù)r(τ)的色噪聲信號(功率譜為g(w))，輸出v0(t)為白噪聲信號，則h(w)應(yīng)滿足：

g(w)h(w)h^*(w)＝g(w)g^-1(w)＝1

考慮到子帶分解后各子帶信號的ri(τ)(i＝1,2,…,n)很難建模，哪怕在ri(τ)已知的條件下h(w)往往也不易求得；為此，根據(jù)采樣周期t，分別選用一、二階ar、ma以及arma系統(tǒng)來近似實現(xiàn)子帶色噪聲到白噪聲信號的轉(zhuǎn)換，并且通過仿真比較分析選擇最優(yōu)的去相關(guān)方法。

步驟三、強(qiáng)機(jī)動目標(biāo)信號的智能子帶濾波：

在對強(qiáng)機(jī)動目標(biāo)信號子帶濾波的過程中，為進(jìn)一步加強(qiáng)當(dāng)前機(jī)動信息的影響，以提高各子帶信號的跟蹤精度，采用如下方法步驟：利用修正輸入估計(mie)不需要目標(biāo)機(jī)動特性先驗假設(shè)的優(yōu)點，處理未知的目標(biāo)機(jī)動；再引入基于智能調(diào)節(jié)(加速度調(diào)節(jié)、協(xié)方差調(diào)節(jié)以及綜合調(diào)節(jié))的修正強(qiáng)跟蹤濾波器對過去累積信息可進(jìn)行智能衰減的優(yōu)點，從而提高方法對目標(biāo)突變機(jī)動的跟蹤精度和反應(yīng)速度，進(jìn)而彌補(bǔ)一般輸入估計法可能產(chǎn)生的機(jī)動檢測延遲的缺陷。

步驟四、強(qiáng)機(jī)動目標(biāo)信號的子帶融合：

在對子帶信號智能濾波的基礎(chǔ)上，依據(jù)各濾波信號的時頻特性來構(gòu)建合理的分?jǐn)?shù)階傅里葉濾波器組gi(z)，i＝1,2,...,n，通過濾波器組對各子帶信號的時頻轉(zhuǎn)換，各子帶信號可有效的融合為一個理想的目標(biāo)輸出信號：

與此同時，為使重建后的子帶融合信號成為當(dāng)前目標(biāo)狀態(tài)的理想近似，方法應(yīng)保證子代輸入信號x(t)和重建后的信號的抽樣頻率一致。

步驟五、隨著時間的推移，重復(fù)進(jìn)行步驟一至四，直至所有量測點跡處理完畢，以實現(xiàn)對臨近空間三維強(qiáng)機(jī)動目標(biāo)的快速精確跟蹤。

與背景技術(shù)相比，本發(fā)明提出的基于智能子帶濾波的三維空間強(qiáng)機(jī)動目標(biāo)跟蹤方法具有如下有益效果：

(1)本發(fā)明采用的基于智能子帶濾波的三維空間強(qiáng)機(jī)動目標(biāo)跟蹤方法在不需要目標(biāo)最大加速度以及目標(biāo)加速度統(tǒng)計分布特性等目標(biāo)機(jī)動特性先驗信息的基礎(chǔ)上，可以通過引入基于智能調(diào)節(jié)的修正強(qiáng)跟蹤濾波處理未知的目標(biāo)機(jī)動，并對過去累積信息可進(jìn)行智能衰減，從而提高了對目標(biāo)突變機(jī)動的跟蹤精度和反應(yīng)速度，彌補(bǔ)了一般輸入估計法可能產(chǎn)生的機(jī)動檢測延遲；

(2)通過分?jǐn)?shù)階傅里葉域濾波器組的多分辨率分析，原色噪聲輸入信號被分解為多個頻域不相疊加的近似白噪聲信號，從而大大弱化臨近空間強(qiáng)機(jī)動目標(biāo)跟蹤中所面臨的由于強(qiáng)機(jī)動帶來的色噪聲影響問題，可以在現(xiàn)有濾波算法的基礎(chǔ)上便可有效實現(xiàn)對各子帶信號的跟蹤處理。

附圖說明

附圖1是本發(fā)明提出的基于智能子帶濾波的三維空間強(qiáng)機(jī)動目標(biāo)跟蹤方法整體流程圖；

附圖2是本發(fā)明實施例中色噪聲輸入信號被分解為多個頻域不相疊加的近似白噪聲信號的強(qiáng)機(jī)動目標(biāo)信號的子帶分解原理圖；

附圖3是本發(fā)明實施例中基于記憶智能衰減的子帶濾波原理圖；

附圖4是本發(fā)明實施例中基于分?jǐn)?shù)階傅里葉變換的子帶融合原理圖。

具體實施方式

實施例條件：假定臨近空間高超聲速強(qiáng)機(jī)動目標(biāo)的初始位置為[300km,300km,20km]，飛行速度為5000m/s，徑向加速度為10g，切向加速度為5g，飛行方向為北偏西30°。相應(yīng)地，觀測雷達(dá)位于坐標(biāo)原點，雷達(dá)波長為λ＝0.15m，線性調(diào)頻脈沖信號寬度為τ＝600μs，線性調(diào)頻帶寬為b＝1.5mhz，雷達(dá)的距離、方位和俯仰測量誤差分別為200m、0.1°和0.1°，觀測周期為1s。結(jié)合說明書附圖1，本發(fā)明的具體實施步驟如下：

步驟一、強(qiáng)機(jī)動目標(biāo)信號的子帶分解：通過分?jǐn)?shù)階傅里葉域濾波器組的多分辨率分析，原色噪聲輸入信號被分解為多個頻域不相疊加的近似白噪聲信號，如附圖2所示。

步驟二、強(qiáng)機(jī)動目標(biāo)信號的子帶去相關(guān)：分別選用一、二階ar、ma和arma系統(tǒng)來近似實現(xiàn)子帶色噪聲到白噪聲信號的轉(zhuǎn)換，并通過仿真比較分析選擇最優(yōu)的去相關(guān)方法。

步驟三、強(qiáng)機(jī)動目標(biāo)信號的智能子帶濾波：基于智能調(diào)節(jié)的修正強(qiáng)跟蹤濾波器(加速度調(diào)節(jié)、協(xié)方差調(diào)節(jié)以及綜合調(diào)節(jié))可以對過去累積信息可進(jìn)行智能衰減，從而提高了對目標(biāo)突變機(jī)動的跟蹤精度和反應(yīng)速度，基于記憶智能衰減的子帶濾波原理圖如附圖3所示。

步驟四、強(qiáng)機(jī)動目標(biāo)信號的子帶融合：通過濾波器組對各子帶信號的時頻轉(zhuǎn)換，各子帶信號可有效的融合為一個理想的目標(biāo)輸出信號，基于分?jǐn)?shù)階傅里葉變換的子帶融合原理圖如附圖4所示。

步驟五、重復(fù)步驟一至步驟四，直至所有量測點跡處理完畢，以實現(xiàn)對臨近空間三維強(qiáng)機(jī)動目標(biāo)的快速精確跟蹤。

可以驗證，本發(fā)明的方法在不需要目標(biāo)機(jī)動特性先驗信息的基礎(chǔ)上，可以對三維空間內(nèi)未知的目標(biāo)強(qiáng)機(jī)動進(jìn)行快速精確的跟蹤，適用于工程實際。