面向岸基空管雷达系统中一种高效转弯机动目标跟踪方法
【技术领域】
[0001] 本发明涉及雷达数据处理技术领域，具体的说，是面向岸基空管雷达系统中一种 高效转弯机动目标跟踪方法。
【背景技术】
[0002] 在雷达数据处理系统的目标跟踪中，数据处理系统是首先通过前端信号处理获取 目标的距离、方位角、高度、回波长度、回波强度、多普勒速度、Mode3/A、ModeS等点迹信息。 然后，再使用数据处理对点迹进行相关处理，进而最大限度的获取目标位置及运动相关信 息（如速度、角速度），以及较为准确的位置预测。雷达数据处理一般包括航迹初始化（航 迹建立）、航迹关联（点迹和航迹关联）、航迹更新、航迹管理、航迹终止等过程步骤。
[0003] 雷达数据处理可以降低由于信号处理系统引入的热噪声，降低雷达探测位置随机 误差，也可以有效抑制由于雷达接收机在一定工作频率内接收到的随机背景噪声。还可以 有效抑制由于反射体造成的多镜效应造成的目标反射，有效抑制由于接收机性能下降或应 答机位置变化等导致的目标分裂，抑制脉冲信号叠加、连续波干扰、异步应答干扰、多路径 反射导致的目标信号交织等情况。
[0004] 在机动目标跟踪过程中，航迹处理一方面需要快速地进行航迹起始，形成稳定的 跟踪形态；另一方面需要有效的抑制假目标地产生。且跟踪滤波器需要自适应的调整相关 参数，稳定的输出诸如航速、航向、角速度、加速度、属性等相关信息。例如在航空器起飞和 降落的过程中，航空器主要伴随着爬升、降落和匀速转弯等运动学状态。尤其是在航空器转 弯机动，在空战或模拟训练中可见双机机动转弯，加上应答机和一次雷达固有回波的问题， 往往造成雷达点迹信号不稳定甚至信号丢失的情况，进而导致雷达跟踪性能下降，这常常 造成航迹状态的突变，通常会导致窄带滤波器的滞后或发散，从而导致滤波器的崩溃，而宽 带滤波器某种程度上能够解决部分问题，但是输出的航速航向不稳定，尤其会导致使用残 差的数据关联的波门变大，造成跟错目标从而形成假目标或目标丢失的问题。转弯机动涉 及到航空器角速度的测量计算、角速度的估计、机动检测、跟踪滤波模型的自适应等多个方 面的问题。
[0005] 目前，目标机动跟踪的模型有很多种，总的可以归纳为时常系统模型，如：CV、CA、 CT等模型；机动加速度模型，如：Singer、可变白噪声、"当前"等模型；多模型联立，如：权重 交互模型、交互多模型（IMM)等。此外还有一些基于无损kalman滤波、粒子滤波等非线性 滤波的目标跟踪算法相继被很多学者提出，这些方法随机误差不限于Gauss分布的限制， 但计算量较大；此外为了克服单一模型的不足的缺陷，还有很多改进的滤波算法以及一些 多种方法的组合算法被提出。
【发明内容】
[0006] 本发明的目的：在于设计出面向岸基空管雷达系统中一种高效转弯机动目标跟踪 方法，在对数据处理实时性要求较高且硬件资源有限时，能够提供一种以较低计算量，较高 的处理效率，对机动转弯的目标进行持续有效不间断的高精度跟踪；本发明使用变结构的 方式替代交互多模型的方式进行目标跟踪，且与以往处理转弯跟踪的不同还在于使用了一 种新的角速度计算和滤波估计方法。
[0007] 本发明通过下述技术方案实现：面向岸基空管雷达系统中一种高效转弯机动目标 跟踪方法，该跟踪方法包括以下步骤：
[0008] 1)利用前一次角速度的滤波值对本次角速度进行估计，按照一阶Markov过程模 型进行本次角速度预测；
[0009] 2)经步骤1)后，根据计算所得本次预测的角速度进行相应的动力学模型选择，所 述相应的动力学模型包括自适应的转弯模型和自适应的常速模型，当所述本次预测的角速 度大于设定阈值时，采用所述自适应的转弯模型进行航空器位置和协方差预测；当所述本 次预测的角速度小于或等于设定阈值时，采用所述自适应的常速模型进行航空器位置和协 方差预测；
[0010] 3)经步骤2)后，对航迹的位置预测、航迹的协方差预测及航迹的残差协方差矩阵 进行计算；
[0011] 4)经步骤3)后，通过计算获取位置滤波值和计算获取角速度滤波值，并同时保留 计算所得位置滤波值和角速度滤波值作为历史值，以备下一阶段角速度的计算。
[0012] 进一步的为更好的实现本发明，能够对角速度进行预测，以便根据预测的角 速度选择跟踪模型，特别采用下述设置方式：所述本次角速度预测具体为：通过公式 ，进一步进行角速度预测；其中，Wk是上一时刻的角速度，τ ω表示角速度的 时间相关常数，《k+1|k表示本次预测的角速度。用于判断ωk+1|k是否大于设定的阈值ωs， 如果大于则采用所述自适应的转弯模型进行点迹和协方差预测，否则采用所述自适应的常 速模型进行点迹和协方差预测。
[0013] 为更好的进一步实现本发明，当出现预测的角速度大于设定的阀值时，能够利用 自适应的转弯模型进行点迹和协方差预测，为航空器位置预测和航空器位置滤波做准备， 特别采用下述设置方式：所述步骤2)中，当本次预测的角速度大于设定阈值时，采用所述 自适应的转弯模型进行航空器位置和协方差预测，即采用自适应的转弯模型计算转移模型 和过程噪声协方差；
[0014] 所述转移模型的状态转移矩阵Fk通过：
[0015]
[0016] 所述过程噪声协方差的过程噪声协方差矩阵Qk通过：
[0017；
[0018' …
[0019] 其中，Sk=α·| |νχ」-|ν_|l+buf，所述buf是缓冲值，且buf的典型值为0.0001 ;
[0020] 所述匕;所述α是机动因子，且α的典型值为〇. 1。
[0021] buf的设置防止该数据为零而导致X或y方向上的数值过小，从而使得计算发散不 收敛。
[0022] 为更好的进一步实现本发明，当出现预测的角速度小于或等于设定的阀值时，能 够利用自适应的常速模型进行点迹和协方差预测，为航空器位置预测和航空器位置滤波做 准备，特别采用下述设置方式：所述步骤2)中，当本次预测的角速度小于或等于设定阈值 时，采用所述自适应的常速模型进行航空器位置和协方差预测，即采用自适应的常速模型 计算转移模型和过程噪声协方差；
0001 3'
[0023] 所述转移模型的状态转移矩阵匕通过 I得到；
[0024] 所述过程噪声协方差的过程噪声协方差矩阵Qk通过：
[0025]
[0026] 为更好的进一步实现本发明，特别采用下述设置方式：所述var(wx)取￥_在X方 向上的分量与差值，SP
听述var(wy)取V_在Y方向 上的分量与'的差值，S卩
、其中，buf是缓冲值，且buf的典 型值为〇· 0001 ;匕=+F; ;α是机动因子，且α的典型值为〇. 1。buf的设置防止该 数据为零而导致X或y方向上的数值过小，从而使得计算发散不收敛。
[0027] 为更好的进一步实现本发明，能够为航空器位置滤波做准备，特别采用下述设 置方式：所述步骤3)中，所述航迹的位置预测通过Xk+1|k=Fk ·Xk计算得出；所述航迹 的协方差预测通过4ψ=巧<·<+&计算得出；所述航迹的残差协方差矩阵通过sk+1 = Hk+1 ·Pk+1|k ·Hk+1T+Rk+1计算得出；其中，凡+ι ，:f是直角坐标系到极坐标系的转换公 ^k+\\k 式：
[0028] 进一步的为更好的实现本发明，能够在进行位置滤波值的估值是提高估值精度， 特别采用下述设置方式：在所述步骤4)中，所述计算获取位置滤波值具体为：计算Kalman 滤波增益Kk+1，并输出位置滤波值Xk+1和位置协方差滤波值Pk+1;所述Kalman滤波增益Kk+1 通过Α+1 获得；所述位置滤波值Xk+1 通过Xk+1=Xk+1|k+Kk+1 · (Zk+1-Zk+1|k)获 得；所述位置协方差滤波值Pk+1通过Α+1 = A+A+'L获得；其中：zk+1是本次测量的 极坐标位置值，Zk+1|k为极坐标的预测值，极坐标的预测值Zk+1|k通过Zk+1|k=f(Xk+1|k)获得。
[0029] 为更好的进一步实现本发明，提高角速度滤波值的估值精度，特别采用下述设置 方式。所述计算获取角速度滤波值具体为：首先对角速度的测量值进行计算，而后获取角速 度的滤波值《 k+1:
[0030] 所述对角速度的测量值进行计算的方法为：根据历史保存前两次的X-Y平面内的 位置滤波值分别计为U：，和（Xl，yi)，及