基于rcs预测信息的检测跟踪一体化方法

基于rcs预测信息的检测跟踪一体化方法
【专利摘要】本发明公开了一种基于雷达散射截面积RCS预测信息的检测跟踪一体化方法，主要解决现有技术目标检测概率较低、目标跟踪距离较短的问题。其实现过程是：1)根据第k?1时刻目标状态估计值和状态估计协方差矩阵，确定第k时刻目标预测波门；2)计算目标预测波门内各检测单元的检测门限，并对其内的回波信号进行检测，得到初步量测数据集合；3)根据前k?1时刻RCS观测信息，确定第k时刻RCS的预测范围，并筛选出初步量测集合中检波器输出数据超过检测门限的量测数据，作为第k时刻量测数据集合，计算第k时刻目标状态估计值和状态估计协方差矩阵。本发明提高了目标检测概率和航迹连续性，可用于雷达目标跟踪状态下提高目标检测概率，扩展目标跟踪距离。
【专利说明】
基于RCS预测信息的检测跟踪一体化方法
技术领域
[0001]本发明属于雷达技术领域，具体的说是一种基于雷达散射截面积RCS预测信息调 整目标预测波门内各个检测单元虚警概率的检测跟踪方法，可用于雷达目标跟踪状态下提 高目标检测概率，扩展目标跟踪距离。
【背景技术】
[0002] 雷达系统包含目标检测和目标跟踪两大基本模块。目标检测的主要任务是对雷达 接收到的回波信号进行处理，并判断目标的有无，由于噪声和干扰的影响，需要采用恒虚警 方法来降低误判的概率，保证雷达信号检测具有恒虚警特性，常用的恒虚警检测算法包括 单元平均恒虚警、广义似然比、自适应匹配滤波等。目标跟踪是基于检测得到的目标位置信 息，通过滤波连续地跟踪出目标的航迹。在目标跟踪算法中，主要有卡尔曼滤波、扩展卡尔 曼滤波、不敏卡尔曼滤波算法等。
[0003] 目标跟踪是在目标检测的基础上进行的，高的检测性能可以保证目标航迹的快速 起始，而差的检测性能可以导致目标航迹过早的结束，因此目标的检测性能直接影响着目 标的跟踪性能。传统雷达系统通常将目标检测和目标跟踪看成两个独立的过程，即首先进 行目标检测并估计目标运动参数，得到量测信息后送入雷达跟踪器再进行预测、关联、滤波 等处理，实现对目标的检测和跟踪。当目标回波信噪比较低时目标检测概率较低，将会造成 目标航迹的不连续性，容易导致航迹过早地结束，因而目标跟踪距离较短。
[0004] 当目标航迹起始之后，可以获得目标跟踪信息，将该信息反馈至目标检测器将有 助于提高目标检测性能。现有的基于跟踪信息设计雷达检测器方法主要策略是，调整目标 预测区域内的检测门限，以获得最优的跟踪性能。上述方法的核心思想在于降低预测区域 内的检测门，从而提高目标检测概率，最终获得目标跟踪精度的提升。然而，当目标突然消 失时，仍采用此方法调整目标预测区域内检测门限，将不能保证航迹迅速的结束，从而造成 虚假航迹的产生。

【发明内容】

[0005] 本发明的目的在于针对上述已有技术的不足，提出一种基于RCS预测信息的检测 跟踪一体化方法，以在保证不产生虚假航迹的条件下，调整目标预测波门内各个检测单元 的虚警概率，提高跟踪状态下目标的检测概率，扩展目标的跟踪距离。
[0006] 为实现上述目的，本发明技术方案包括如下：
[0007] 1)初始化参数:设置漏警计数器初始值为0;设置检波器初始输出信号为0，检波器 等待接收信号;通过目标航迹起始算法，得到目标航迹的初始状态估计^，以及初始状态估 计协方差矩阵Po;
[0008] 2)设定目标状态转移方程和雷达量测方程，根据第k-Ι时刻目标状态估计值和 第k-Ι时刻状态估计协方差矩阵Ph，计算第k时刻目标量测的预测值以及第k时刻目标 量测的预测协方差矩阵D kI^1;
[0009] 3)根据第k时刻目标量测的预测值毛^和第k时刻目标量测的预测协方差矩阵 DklH，确定第k时刻的目标预测波门Ok;
[0010] 4)设定目标突然消失后航迹正确结束的概率PE，利用如下公式计算在第k时刻目 标预测波门Ok内的虚警概率Pz:
[0011] (1-Pz)m=Pe,
[0012] 其中，M表示结束航迹所需的连续漏警次数；
[0013] 5)设定第k时刻预测波门内第i个检测单元的权值w(i;k)，利用如下方程组计算第 k时刻预测波门Ok内每个检测单元的虚警概率：
[0014]
[0015] 其中，pf(i;k)表示第k时亥丨」预须啵门Ok内第i个检测单元的虚警概率，i = l，2,...， Nk，Nk表示第k时刻预测波门Ok内检测单元的个数，Pa为中间求解变量；
[0016] 6)根据每个检测单元的虚警概率Pf(i ;k)，利用目标检测算法计算第k时刻预测波 门Ok内每个检测单元的检测门限T1，将检波器的输出数据与预测波门O k内任一检测单元的 检测门限!^进行比较，若检波器输出数据高于该检测单元的检测门限T1,则用该检测单元对 应的空间位置估计目标的量测数据，并将预测波门Ok内得到的所有量测数据作为初步量测 数据集合叾:仏）；否则，不作任何处理；
[0017] 7)根据前k-Ι时刻的雷达散射截面积RCS测量值，计算第k时刻RCS的预测值和 第k时刻RCS的预测方差，并根据该预测值义#和预测方差确定第k时刻RCS的预测 范围Bk;
[0018] 8)根据第k时刻RCS的预测范围Bk中最低的RCS数值Amin，计算第k时刻最低的信噪 比数值Pmin，并利用检测算法计算在信噪比为Pmin、最低检测概率为的条件下所需的最高 虚警概率pf,max;
[0019] 9)根据最高虚警概率Pf,max计算对应的检测门限Tmin，筛选出初步量测数据集合Z 1 (k)中检波器输出数据高于检测门限Tmin的量测数据，作为第k时刻的量测数据集合Z(k);
[0020] 10)从第k时刻量测数据集合Z(k)中选取与航迹关联度最高的量测数据，由选取的 量测数据利用跟踪算法计算第k时刻目标状态估计值七与状态估计协方差矩阵P k;
[0021] 11)判断第k时刻量测数据集合Z(k)是否为空:若为空，则将漏警计数器置0,反之 在漏警计数器原本的数值上加1;
[0022] 12)判断漏警计数器的值:若计数器的值大于等于结束航迹所需的连续漏警次数 M，则目标跟踪过程结束;否则，返回步骤2)。
[0023]本发明的优点如下：
[0024] 本发明在目标航迹起始之后，由于可以获得目标跟踪信息，并将该信息反馈至目 标检测器，所以有助于提尚目标检测性能；
[0025] 本发明通过调整目标预测区域内的检测门限，可获得最优的跟踪性能；
[0026] 本发明在不产生虚假航迹的条件下，通过调整目标预测波门内各个检测单元的虚 警概率，提高了跟踪状态下目标的检测概率，扩展了目标的跟踪距离。
【附图说明】
[0027] 图1是本发明的实现流程图；
[0028] 图2是用本发明在目标跟踪过程中信噪比变化图；
[0029] 图3是本发明与传统检测跟踪方法的检测概率对比图。
【具体实施方式】
[0030] 参照图1，本发明的实现步骤如下：
[0031]步骤1，初始化参数。
[0032] 设置漏警计数器的初始值为0;设置检波器初始输出信号为0,检波器等待接收信 号;通过目标航迹起始算法，得到目标航迹的初始状态估计值:，.以及初始状态估计协方差 矩阵Po。
[0033] 步骤2，设定目标状态转移方程和雷达量测方程，根据第k-1时刻目标状态估计值 Ιη和第k-Ι时刻状态估计协方差矩阵P1^1，计算第k时刻目标量测的预测值％__:1。
[0034] 2a)设定目标状态转移方程为：
[0035] xk = Fk|k-ixk-i+vk|k-1，
[0036] 其中，Xk表示第k时刻的目标状态，FkI^1表示第k时刻到第k-1时刻的目标状态转移 矩阵，表示第k-Ι时刻的目标状态，V k^1表示第k时刻到第k-Ι时刻的过程噪声，本实例中 Fk|k-i采用以下形式：
[0037]
[0038] 其中，ΔΤ表示扫描间隔，本实例中取AT = 10s。
[0039] 2b)设定雷达量测方程为：
[0040] zk = hk(xk)+wk，
[0041] 其中，zk表示第k时刻的目标量测值，hk( ·)表示第k时刻的目标量测函数，wk表示 第k时刻的量测噪声；
[0042] 2c)根据第k-Ι时刻目标状态估计值iw，计算第k时刻目标状态预测值
[0043]
[0044] 2d)根据第k时刻目标状态预测值，计算第k时刻目标量测的预测值之:
[0045]
[0046] 步骤3,根据第k-Ι时刻状态估计协方差矩阵P1^1和第k时刻目标状态预测值Iiw， 计算第k时刻目标量测的预测协方差矩阵D kI^1。
[0047] 3a)根据第k时刻目标状态预测值，计算第k时刻目标量测函数的雅克比矩阵 Hk:
[0048]
[0049] 其中，表示对向量x求导，（·）T表示转置运算
表示函数
4处的函数值；
[0050] 3b)根据第k-Ι时刻目标状态估计协方差矩阵P1^1和第k时刻目标量测函数的雅克 比矩阵H k，计算第k时刻目标量测的预测协方差矩阵DkM:
[0051]
[0052]其中，QklH表示第k时刻到第k-Ι时刻的过程噪声协方差矩阵，本实例中采用以下 形式：
[0053]
，
[0054] 其中，σΡ表示过程噪声标准差，取σΡ = 0.1。
[0055] 步骤4,根据第k时刻目标量测的预测值??|Μ和第k时刻目标量测的预测协方差矩 阵Dk I k-i，确定第k时刻预测波门Ok:
[0056] 4a)设定目标落入预测波门的概率&，本实例中取为G
[0057] 4b)通过查找卡方分布表确定预测波门系数γ?，以保证自由度为目标量测维数的 卡方分布随机变量大于预测波门系数γ 1的概率为4，其中卡方分布表是概率论中卡方分 布随机变量的分布函数表；
[0058] 4c)根据步骤4b)中得到的预测波门系数以，按如下公式确定第k时亥Ij预测波门Ok:
[0059]
[0060] 其中，DkIH表示第k时刻目标量测的预测协方差矩阵，γ :表示波门系数Λ|Μ表示 第k时刻目标量测的预测值，yk表示第k时刻目标可能出现的位置，I表示条件符号，符号左 边是集合元素，右边是元素满足的条件。
[0061] 步骤5,设定目标突然消失后航迹正确结束的概率PE，利用如下公式计算第k时刻 预测波门Ok内出现虚警的概率Pz:
[0062] (i-pz)M=pE，
[0063] 其中，M表示结束航迹所需的连续漏警次数，取M = 3。
[0064] 步骤6，设定第k时刻预测波门内第i个检测单元的权值w(i ; k)，本实例中取w(i ; k) = 1/Nk，i = l，2, . . .，Nk，利用如下方程组计算第k时刻预测波门内每个检测单元的虚警概 率： 1
[0066]其中，Pf(i ;k)表示第k时刻预测波门内第i个检测单元的虚警概率，Nk表示第k时刻 预测波门内检测单元的个数，Pa为中间求解变量。
[0067]步骤7,第k时刻从预测波门Ok内筛选出初步量测数据集合ZKk)。
[0068] 7a)根据第k时刻预测波门内每个检测单元的虚警概率Pf(i ;k)，i = l，2,. . .，Nk，利 用目标检测算法计算第k时刻预测波门内每个检测单元的检测门限T1;
[0069] 7b)将检波器的输出数据与预测波门Ok内任一检测单元的检测门限1\进行比较，若 检波器输出数据高于该检测单元的检测门限T 1,则用该检测单元对应的空间位置估计目标 的量测数据，否则，不作任何处理；
[0070] 7c)将预测波门Ok内得到的所有量测数据作为初步量测数据集合ZKk)。
[0071] 所述雷达检波器的检波形式包括，平方率检波、线性检波等，本实例选用但不限于 平方率检波器。
[0072] 所述目标检测算法包括，匹配滤波检测算法、单元平均恒虚警、顺序统计量恒虚 警、广义似然比等，本实例选用但不限于匹配滤波检测算法。
[0073]步骤8,根据前k-Ι时刻的RCS测量值，利用RCS预测方法计算第k时亥IjRCS的预测值 和第k时亥IJRCS的预测方差。
[0074] 所述RCS预测方法包括，基于相关性的RCS预测方法、基于概率密度转移的RCS预测 方法等。本实例选用但不限于基于相关性的RCS预测方法，其步骤如下：
[0075] 8a)设定RCS预测器阶数为L，在本实例中取L = 3;
[0076] 8b)按如下步骤计算第k-i时刻与第k-j时刻目标RCS的相关系数Ck(i，j):
[0077] Ck(i, j) = [2 · Ji(3tu)/jtu]2+1，
[0078] 其。
B1七表示i与j时刻的雷达观测角度，d表示观测目标尺 寸，c表示光速，F。表示载频，JK ·)表示第一类贝塞尔函数；
[0079] 8c)根据RCS相关性，通过求解如下方程组得到RCS预测器权值：
[0080]
[00811其中，wk-i表示RCS预测器在第k-Ι时刻的权值;Ck表示RCS相关矩阵，由矩阵元素， BPRCS的相关系数Ck(i，j)构成；
[0082] 8d)根据RCS预测器在第k-Ι时刻到第k-L时刻的权值，通过下式计算RCS预测值：
[0083]
[0084] 其中，表示第k-Ι时刻目标RCS观测值。
[0085] 步骤9,根据步骤8中得到的第k时刻RCS的预测值和第k时亥IjRCS的预测方差 ，确定第k时刻RCS的预测范围Bk。
[0086] 9a)设定目标真实RCS落入RCS预测范围的概率丨，本实例中取为& =紗;
[0087] 9b)通过查找高斯分布表确定RCS预测范围Bk中最低的RCS数值Amin，以保证方差为 的高斯分布随机变量大于λ"ιη的概率为，其中高斯分布表为概率论中高斯分布随机 变量的分布函数表；
[0088] 9c)根据步骤9b)中得到的RCS预测范围Bk中最低的RCS数值Amin，按下式确定RCS预 测范围Bk:
[0089] Bk= [λη?η,+ΟΟ)。
[0090] 步骤10,根据步骤9中得到的第k时亥IjRCS的预测范围Bk中最低的RCS数值Amin，计算 第k时刻最低的信噪比数值P min，并利用目标检测算法计算在信噪比为Pmin、检测概率为A。的 条件下所需的最高虚警概率Pf, max。
[0091] 所述目标检测算法包括，匹配滤波检测算法、单元平均恒虚警、顺序统计量恒虚 警、广义似然比等，本实例选用但不限于匹配滤波检测算法。
[0092] 步骤11，根据步骤10中得到的在信噪比为P_、检测概率为％的条件下所需的最高 虚警概率Pf,max，利用目标检测算法计算出该虚警概率P f,max对应的检测门限Tmin，并筛选出 步骤7中得到的初步量测数据集合ZKk)中检波器输出数据高于检测门限T min的量测数据， 作为第k时刻的量测数据集合Z(k)。
[0093] 所述目标检测算法包括，匹配滤波检测算法、单元平均恒虚警、顺序统计量恒虚 警、广义似然比等，本实例选用但不限于匹配滤波检测算法。
[0094] 步骤12,利用关联算法从第k时刻量测数据集合Z(k)中选取与航迹关联度最高的 量测数据，由选取的量测数据利用跟踪算法计算第k时刻目标状态估计值％与状态估计协 方差矩阵Pk。
[0095] 所述关联算法包括，最近邻域算法、概率数据关联算法、最优贝叶斯关联算法等， 本实例选用但不限于最近邻域算法。
[0096] 步骤13,判断第k时刻量测数据集合Z(k)是否为空:若为空，则将漏警计数器置0， 反之在漏警计数器原本的数值上加1。
[0097] 步骤14,判断漏警计数器的值:若计数器的值大于等于结束航迹所需的连续漏警 次数M，则目标跟踪过程结束;否则，返回步骤2)。
[0098] 本发明的效果通过以下仿真对比试验进一步说明：
[0099] 1.实验场景:采用一个位于坐标原点的2D雷达，设载频fc = 600MHz，发射信号带宽 B= IMHz，采样频率为Fs = 1.5MHz，波束宽度为1度，扫描间隔为Δ T = 0.5s，雷达测量参数为 目标的距离和方位角；目标为直径为IOm的圆形目标，RCS散射特性服从散射点模型，仿真散 射点个数取为Ns = 1500,各个散射点的散射系数服从均值为0、方差为Ι/Ns的复高斯分布，且 不同散射点的散射系数相互独立;设初始时刻目标在X轴位置为〇km，在Y轴位置为150km，且 远离雷达站匀速飞行，X轴的速度分量均为-200m/s，Y轴的速度分量均为Om/s;设初始时刻 目标RCS为1时，信号功率与噪声功率之比为15。传统检测跟踪算法中目标检测的虚警概率 为1〇_ 6;航迹终结规则为:若连续三帧未检测到目标，则航迹终结，目标跟踪过程结束。
[0100] 2.仿真内容：
[0101]采用以上实验场景，目标信噪比随不同时刻的变化如图2;利用传统的检测跟踪方 法和本发明的检测跟踪方法，对雷达的检测性能进行仿真对比，结果如图3。
[0102] 3.实验结果分析：
[0103] 通过图2和图3可以看出，无论是高信噪比情况还是低信噪比情况，本发明与传统 方法相比，均可以获得更高的检测概率。以第22个时刻为例，此时目标信噪比为10分贝左 右，传统方法的目标检测概率为0.2593,本发明的目标检测概率可以提高至0.9123,相比传 统方法提高了 0.6530。
[0104] 综合上述仿真实验可以看出，本发明相对于传统的检测跟踪方法，由于综合考虑 了跟踪器对目标的预测信息以及RCS预测信息，可以在保证在不产生虚假航迹的条件下，提 1?目标的检测性能和航迹连续性D
【主权项】
1. 一种基于RCS预测信息的检测跟踪一体化方法，包括如下步骤： 1) 初始化参数:设置漏警计数器初始值为0;设置检波器初始输出信号为0，检波器等待 接收信号;通过目标航迹起始算法，得到目标航迹的初始状态估计％，W及初始状态估计协 方差矩阵Po; 2) 设定目标状态转移方程和雷达量测方程，根据第k-1时刻目标状态估计值Sw和第k- 1时刻状态估计协方差矩阵Pk-i，计算第k时刻目标量测的预测值％W及第k时刻目标量测 的预测协方差矩阵Dk|k-i; 3) 根据第k时刻目标量测的预测值和第k时刻目标量测的预测协方差矩阵Dk|k-i，确 定第k时刻的目标预测波口Ok; 4) 设定目标突然消失后航迹正确结束的概率扣，利用如下公式计算在第k时刻目标预测 波口 Ok内的虚警概率Pz: (l-Pz)M=扣， 其中，Μ表示结束航迹所需的连续漏警次数； 5) 设定第k时刻预测波口内第i个检测单元的权值w(i ;k)，利用如下方程组计算第k时 刻预测波口 Ok内每个检测单元的虚警概率：其中，Pf(i;k)表示第k时刻预测波口Ok内第i个检测单元的虚警概率，i = l，2,...，Nk，Nk 表示第k时刻预测波口 Ok内检测单元的个数，为中间求解变量； 6) 根据每个检测单元的虚警概率Pf(i ;k)，利用目标检测算法计算第k时刻预测波口Ok 内每个检测单元的检测口限Ti，将检波器的输出数据与预测波口 Ok内任一检测单元的检测 口限Τι进行比较，若检波器输出数据高于该检测单元的检测口限Ti，则用该检测单元对应的 空间位置估计目标的量测数据，并将预测波口 Ok内得到的所有量测数据作为初步量测数 据集合Zi化）；否则，不作任何处理； 7) 根据前k-1时刻的雷达散射截面积RCS测量值，计算第k时刻RCS的预测值4,和第k时 亥化CS的预测方差，并根据该预测值4。和预测方差4。，确定第k时刻RCS的预测范围 Bk； 8) 根据第k时刻RCS的预测范围Bk中最低的RCS数值ληιη，计算第k时刻最低的信噪比数值 Pmin，并利用检测算法计算在信噪比为Pmin、最低检测概率为巧。的条件下所需的最高虚警概 率 Pf,max; 9) 根据最高虚警概率Pf,max计算对应的检测口限Tmin，筛选出初步量测数据集合Zl化)中 检波器输出数据高于检测口限Tmin的量测数据，作为第k时刻的量测数据集合Z化）； 10) 从第k时刻量测数据集合Z化）中选取与航迹关联度最高的量测数据，由选取的量测 数据利用跟踪算法计算第k时刻目标状态估计值^与状态估计协方差矩阵Pk; 11 )判断第k时刻量测数据集合Z(k)是否为空:若为空，则将漏警计数器置0，反之在漏 警计数器原本的数值上加1; 12)判断漏警计数器的值:若计数器的值大于等于结束航迹所需的连续漏警次数M，则 目标跟踪过程结束;否则，返回步骤2)。2. 根据权利要求1所述的基于RCS预测信息的检测跟踪一体化方法，其中步骤2)中确定 第k时刻目标量测的预测值^|4_:1，包括如下步骤： 2a)设定目标状态转移方程为： xk = Fk|k-ixk-i+vk|k-i, 其中，Xk表示第k时刻的目标状态，Xk-l表示第k-1时刻的目标状态，Vk|k-1表示第k时刻到 第k-1时刻的过程噪声，Fklk-康示第k时刻到第k-1时刻的目标状态转移矩阵，其中，Δ T表不扫描间隔； 2b)设定雷达量测方程为： zk = hk(xk)+wk， 其中，Zk表示第k时刻的目标量测值，hk( ·)表示第k时刻的目标量测函数，Wk表示第k时 刻的量测噪声； 2c)根据第k-1时刻目标状态估计值Sw，计算第k时刻目标状态预测值;2d)根据第k时刻目标状态预测值，计算第k时刻目标量测的预测值每^ ;3. 根据权利要求1所述的基于RCS预测信息的检测跟踪一体化方法，其中步骤2)中确定 第k时刻目标量测的预测协方差矩阵Dk|k-i，包括如下步骤： 2e)根据第k时刻目标状态预测值，计算第k时刻目标量测函数的雅克比矩阵化：其中，表示对向量X求导，（·）τ表示转置运算表示函数 V. (h;(叫)在X二V-1处的函数值； 2f)根据第k-1时刻目标状态估计协方差矩阵Pk-i和第k时刻目标量测函数的雅克比矩 阵化，计算第k时刻目标量测的预测协方差矩阵化|k-l:其中，Qk|k-i表示第k时刻到第k-1时刻的过程噪声协方差矩阵。4. 根据权利要求1所述的基于RCS预测信息的检测跟踪一体化方法，其中步骤3)中确 定第k时刻目标的预测波口 Ok,包括如下步骤： 3a)设定目标落入预测波口的概率 3b)通过查找卡方分布表确定预测波口系数丫 1，W保证自由度为目标量测维数的卡方 分布随机变量大于丫 1的概率为fg,.，其中卡方分布表是概率论中卡方分布随机变量的分布 函数表； 3c)根据预测波口系数丫 1，按如下公式确定预测波口 Ok:其中，Dklk-读示第k时刻目标量测的预测协方差矩阵，Y读示波口系数Λμ_,表示第k 时刻目标量测的预测值，yk表示第k时刻目标可能出现的位置，I表示条件符号，符号左边是 集合元素，右边是元素满足的条件。5. 根据权利要求1所述的基于RCS预测信息的检测跟踪一体化方法，其中步骤7)中确定 第k时亥化CS的预测值，包括如下步骤： 7a)设定RCS预测器阶数L 7b)按如下步骤计算第k-i时刻与第k-j时刻目标RCS的相关系数Ck(i，j): Ck(i, j) = [2 · Ji(3m)Au]2+l， 其中θι、θ康示i与j时刻的雷达观测角度，d表示观测目标尺寸，c 表示光速，F。表示载频，Ji( ·)表示第一类贝塞尔函数； 7c)根据RCS相关性，通过求解如下方程组得到RCS预测器权值：其中，wk-i表示RCS预测器在第k-1时刻的权值;C读示RCS相关矩阵，Ck由矩阵元素，即 RCS的相关系数Ck( i，j)构成； 7d)根据RCS预测器在第k-1时刻到第k-L时刻的权值，通过下式计算RCS预测值：其中，Ak-i表示第k-1时刻目标RCS观测值。6. 根据权利要求1所述的基于RCS预测信息的检测跟踪一体化方法，其中步骤7)中确定 第k时亥化CS的预测范围Bk，包括如下步骤： 7d)设定目标真实RCS落入RCS预测范围的概率巧。； 7e)通过查找高斯分布表确定RCS预测范围Bk中最低的RCS数值ληιη,Κ保证RCS预测方差 为的高斯分布随机变量大于λ"ιη的概率为其中高斯分布表为概率论中高斯分布随 机变量的分布函数表； 7f)由RCS预测范围化中最低的RCS数值Amin,按下式确定RCS预测范围Bk: 化=|>min，+〇〇)。
【文档编号】G01S13/72GK105842687SQ201610157914
【公开日】2016年8月10日
【申请日】2016年3月21日
【发明人】周生华, 刘宏伟, 鲁瑞莲, 刘红亮, 王鹏辉
【申请人】西安电子科技大学, 西安中电科西电科大雷达技术协同创新研究院有限公司