基于三重贝叶斯准则的高超声速目标跟踪方法与流程

本发明隶属于高超声速目标跟踪领域，适用于解决高超声速侦察机、高超声速无人机、高超声速巡航导弹等目标的跟踪问题。

背景技术

高超声速飞行器是指在大气层内，利用稀薄大气的特点，以马赫数5以上做持久飞行的飞行器。该类飞行器在现代战争中，既可以携带核弹头，增强本国的战略威慑能力，又可以选择性地携载常规武器，对敌重要目标进行远程精确打击，还可以携带各类有源无源探测设备，用以对全球敏感目标进行快速侦查和预警。特别是，在美国全球战略的制定下，高超声速武器已成为美国实施全球打击的首选武器。为此，如何有效实现对高超声速飞行器的跟踪拦截已成为当前急需解决的一个关键问题。

在对高超声速飞行器跟踪拦截的研究中，早期的研究大多将目标运动看作是某个平面内的高速转弯运动或蛇形机动运动，而对目标的真实特性却并没有加以足够重视，为此，往往存在跟踪精度不高的问题。针对这一情况，多种目标跟踪模型被广泛应用于高超声速目标跟踪领域。例如，将目标轨迹近似看作直线运动的cv模型和ca模型，重点针对圆周运动的ct模型，与高超声速轨迹s弹道匹配度最高的sine模型等。但是，这些模型的缺点是对目标的先验信息有较高的要求，特别是，当所选模型与目标真实情况相差较大时，不可避免地会引入较大的模型跟踪误差。这也就是说，仅仅依靠单一模型很难实现对高超声速目标的可靠跟踪。

针对这一情况，多模跟踪的方法被有效提出。该类方法将不同模型按一定的方式有机结合起来，可一定程度上解决单一模型跟踪失配的问题。但是，当所选模型与目标真实运动相差较大、或者不同模型间的合作方式不合理时，往往存在跟踪精度下降，严重时甚至不如单模跟踪的问题。

为此，本发明针对目标所有可能的运动形式，通过对不同目标跟踪模型的优化选择，不同模型间合作方式的优化设计，提出一种基于三重贝叶斯准则的高超声速目标跟踪方法，用以解决高超声速目标跟踪的难题。

技术实现要素：

本发明的目的在于突破传统多模跟踪方法的限制，解决目标高超声速运动情况下的跟踪难题，提升现有雷达探测跟踪高超声速目标的能力，提出一种基于三重贝叶斯准则的高超声速目标跟踪方法。其中要解决的问题包括：

1)现有的高超声速目标跟踪方法存在模型选择不合理的问题，并不能匹配目标所有可能的运动形式；

2)现有的高超声速目标跟踪方法存在模型合作方式不合理的问题，进而导致多模跟踪精度不高，跟踪效果不如单模时的问题；

3)现有的高超声速目标跟踪方法存在模型权重更新不及时的问题，进而存在模型失配，跟踪精度下降的问题；

4)现有的高超声速目标跟踪方法存在模型切换权重不更新的问题，进而存在因模型切换错误引发的模型失配问题。

本发明所述的基于三重贝叶斯准则的高超声速目标跟踪新方法，其特征在于包括以下技术措施：

步骤一：在对高超声速目标进行跟踪前，利用正弦模型，设计与目标所有可能的运动形式相匹配的跟踪通道；

步骤二：利用后验模型切换权重，将不同跟踪通道设计为可实时跳变的闭合回路；

步骤三、搭建第一重贝叶斯准则，将不同跟踪通道的后验模型切换权重设计为模型权重和先验模型切换权重的函数；

步骤四、搭建第二重贝叶斯准则，将不同跟踪通道当前时刻的模型权重设计为前一时刻的模型权重、先验模型切换权重和模型似然的函数；

步骤五、搭建第三重贝叶斯准则，将不同跟踪通道当前时刻的先验模型切换权重设计为前一时刻的模型权重、先验模型切换权重和模型似然的函数；

步骤六、利用各通道的滤波跟踪算法，将不同跟踪通道的模型似然设计为雷达截获信息的函数。

对比现有技术，本发明所述的基于三重贝叶斯准则的高超声速目标跟踪新方法，有益效果在于：

1)本发明是对现有高超声速目标跟踪算法的一种改进，在匹配目标所有可能的运动形式的同时，还能优化不同模型间的合作方式；

2)本发明将不同模型的合作方式设计为可实时跳变的闭合回路，可有效提高所选模型与目标真实轨迹的契合度；

3)本发明将不同模型的权重设计为随雷达截获信息时变的闭合回路，可有效提高对高超声速目标的跟踪精度；

4)本发明将不同模型的模型切换权重设计为随雷达截获信息时变的闭合回路，可有效提高对高超声速目标跟踪的灵敏度。

附图说明

图1是基于三重贝叶斯准则的高超声速目标跟踪方法步骤流程图；

图2是以正弦模型为主体的高超声速目标跟踪的闭合通道图；

图3是利用第一重贝叶斯准则设计的后验模型切换权重的闭合更新图；

图4是利用第二重贝叶斯准则设计的模型权重的闭合更新图；

图5是利用第三重贝叶斯准则设计的先验模型切换权重的闭合更新图。

具体实施方法

针对高超声速目标跟踪的难题，本发明提出一种基于三重贝叶斯准则的高超声速目标跟踪方法。首先，针对高超声速目标所有可能的运动形式，设计一种以正弦模型为主体的目标闭合跟踪通道，以实现对高超声速目标的匹配跟踪处理；其次，设计第一重贝叶斯准则，将不同跟踪通道的合作方式设计为模型权重和先验模型切换权重的函数，以提高所选模型和目标真实轨迹的契合度；然后，设计第二重贝叶斯准则，将模型权重设计为随雷达截获信息实时更新的闭合回路，以提高所选模型对高超声速目标的跟踪精度；最后，设计第三重贝叶斯准则，将先验模型切换权重设计为随雷达截获信息实时更新的闭合回路，以进一步提高所选模型对高超声速目标跟踪的灵敏度。

以下结合说明书附图对本发明做进一步的详细描述。参照图1，本发明的处理流程分以下步骤：

1)利用正弦模型设计与目标所有可能运动形式相匹配的跟踪通道

⑴匹配跟踪模型集的设计

在水平平面内，选择具有最大角频率w1的正弦模型m1和具有最小角频率w2的正弦模型m2，以匹配目标在水平平面内的所有可能运动形式，则目标在水平平面内的跟踪模型集可设计为

m水平＝{m1,m2}(1)

在垂直平面内，选择具有最大角频率w3的正弦模型m3和具有最小角频率w4的正弦模型m4，以匹配目标在垂直平面内的所有可能运动形式，则目标在垂直平面内的跟踪模型集可设计为

m垂直＝{m3,m4}(2)

在三维空间内，利用m水平和m垂直，将目标的匹配跟踪模型集综合设计为

m＝{m水平,m垂直}＝{m1,m2,m3,m4}(3)

从而匹配目标在三维空间内所有可能的运动形式。

⑵搭建与所设计的模型m1、m2、m3和m4相匹配的4条目标跟踪通道

通道1由模型m1及其滤波跟踪算法组成，其在k(1,2,3,...)时刻的输入函数为x1input(k)，输出函数为x1output(k)；

通道2由模型m2及其滤波跟踪算法组成，其在k时刻的输入函数为x2input(k)，输出函数为x2output(k)；

通道3由模型m3及其滤波跟踪算法组成，其在k时刻的输入函数为x3input(k)，输出函数为x3output(k)；

通道4由模型m4及其滤波跟踪算法组成，其在k时刻的输入函数为x4input(k)，输出函数为x4output(k)。

2)利用输入函数、输出函数和后验模型切换权重，将不同跟踪通道设计为可实时跳变的闭合回路

⑴跟踪通道1～4输入函数的设计

将k时刻跟踪通道1的输入函数设计为由k-1时刻跟踪通道1～4的输出函数及其后验模型切换权重的组合，则k时刻跟踪通道1的输入函数可设计为

将k时刻跟踪通道2的输入函数设计为由k-1时刻跟踪通道1～4的输出函数及其后验模型切换权重的组合，则k时刻跟踪通道2的输入函数可设计为

将k时刻跟踪通道3的输入函数设计为由k-1时刻跟踪通道1～4的输出函数及其后验模型切换权重的组合，则k时刻跟踪通道3的输入函数可设计为

将k时刻跟踪通道4的输入函数设计为由k-1时刻跟踪通道1～4的输出函数及其后验模型切换权重的组合，则k时刻跟踪通道4的输入函数可设计为

其中，pr[m1(k-1)|m1(k)]、pr[m2(k-1)|m1(k)]、pr[m3(k-1)|m1(k)]、pr[m4(k-1)|m1(k)]分别为利用第一重贝叶斯准则设计的跟踪通道1的后验模型切换权重；pr[m1(k-1)|m2(k)]、pr[m2(k-1)|m2(k)]、pr[m3(k-1)|m2(k)]、pr[m4(k-1)|m2(k)]分别为利用第一重贝叶斯准则设计的跟踪通道2的后验模型切换权重；pr[m1(k-1)|m3(k)]、pr[m2(k-1)|m3(k)]、pr[m3(k-1)|m3(k)]、pr[m4(k-1)|m3(k)]分别为利用第一重贝叶斯准则设计的跟踪通道3的后验模型切换权重；pr[m1(k-1)|m4(k)]、pr[m2(k-1)|m4(k)]、pr[m3(k-1)|m4(k)]、pr[m4(k-1)|m4(k)]分别为利用第一重贝叶斯准则设计的跟踪通道4的后验模型切换权重。

⑵跟踪通道1～4输出函数的获取

在获得跟踪通道1～4的输入函数x1input(k)、x2input(k)、x3input(k)和x4input(k)的基础上，利用kalman滤波的方法可进一步获得跟踪通道1～4的输出函数x1output(k)、x2output(k)、x3output(k)和x4output(k)，这时，将在跟踪通道1～4分别构建形成一条由

x1output(k-1)→x1input(k)→x1output(k)(8)

x2output(k-1)→x2input(k)→x2output(k)(9)

x3output(k-1)→x3input(k)→x3output(k)(10)

x4output(k-1)→x4input(k)→x4output(k)(11)

的闭合回路，其具体如图2所示。

3)设计第一重贝叶斯准则，将不同跟踪通道的合作方式设计为模型权重和先验模型切换权重的函数

⑴跟踪通道1中后验模型切换权重的设计

利用模型权重和先验模型切换权重搭建第一重贝叶斯准则，将跟踪通道1中的后验模型切换权重设计为

其中，pr[m1(k-1)]、pr[m2(k-1)]、pr[m3(k-1)]和pr[m4(k-1)]分别为k-1时刻跟踪通道1～4的模型权重；pr[m1(k)|m1(k-1)]、pr[m1(k)|m2(k-1)]、pr[m1(k)|m3(k-1)]和pr[m1(k)|m4(k-1)]分别为k-1时刻跟踪通道1的先验模型切换权重；

⑵跟踪通道2中后验模型切换权重的设计

利用模型权重和先验模型切换权重搭建第一重贝叶斯准则，将跟踪通道2中的后验模型切换权重设计为

其中，pr[m2(k)|m1(k-1)]、pr[m2(k)|m2(k-1)]、pr[m2(k)|m3(k-1)]和pr[m2(k)|m4(k-1)]分别为k-1时刻跟踪通道2的先验模型切换权重；

⑶跟踪通道3中后验模型切换权重的设计

利用模型权重和先验模型切换权重搭建第一重贝叶斯准则，将跟踪通道3中的后验模型切换权重设计为

其中，pr[m3(k)|m1(k-1)]、pr[m3(k)|m2(k-1)]、pr[m3(k)|m3(k-1)]和pr[m3(k)|m4(k-1)]分别为k-1时刻跟踪通道3的先验模型切换权重；

⑷跟踪通道4中后验模型切换权重的设计

利用模型权重和先验模型切换权重搭建第一重贝叶斯准则，将跟踪通道4中的后验模型切换权重设计为

其中，pr[m4(k)|m1(k-1)]、pr[m4(k)|m2(k-1)]、pr[m4(k)|m3(k-1)]和pr[m4(k)|m4(k-1)]分别为k-1时刻跟踪通道4的先验模型切换权重，其具体如图3所示。

4)设计第二重贝叶斯准则，将模型权重设计为随雷达截获信息实时更新的闭合回路

⑴模型m1权重的设计

利用k-1时刻的模型权重、k-1时刻的先验模型切换权重和k时刻的模型似然搭建第二重贝叶斯准则，将k时刻模型m1的权重设计为

其中，pr[z(k)|m1(k)]、pr[z(k)|m2(k)]、pr[z(k)|m3(k)]和pr[z(k)|m4(k)]分别为k时刻模型m1～m4的模型似然；

⑵模型m2权重的设计

利用k-1时刻的模型权重、k-1时刻的先验模型切换权重和k时刻的模型似然搭建第二重贝叶斯准则，将k时刻模型m2的权重设计为

⑶模型m3权重的设计

利用k-1时刻的模型权重、k-1时刻的先验模型切换权重和k时刻的模型似然搭建第二重贝叶斯准则，将k时刻模型m3的权重设计为

⑷模型m4权重的设计

利用k-1时刻的模型权重、k-1时刻的先验模型切换权重和k时刻的模型似然搭建第二重贝叶斯准则，将k时刻模型m4的权重设计为

其具体如图4所示。

5)设计第三重贝叶斯准则，将先验模型切换权重设计为随雷达截获信息实时更新的闭合回路

⑴先验模型切换权重pr[m1(k)|m1(k-1)]的设计

利用k-1时刻的模型权重、k-1时刻的先验模型切换权重和k时刻的模型似然搭建第三重贝叶斯准则，将k时刻的先验模型切换权重pr[m1(k+1)|m1(k)]设计为

⑵先验模型切换权重pr[m1(k)|m2(k-1)]的设计

利用k-1时刻的模型权重、k-1时刻的先验模型切换权重和k时刻的模型似然搭建第三重贝叶斯准则，将k时刻的先验模型切换权重pr[m1(k+1)|m2(k)]设计为

⑶先验模型切换权重pr[m1(k)|m3(k-1)]的设计

利用k-1时刻的模型权重、k-1时刻的先验模型切换权重和k时刻的模型似然搭建第三重贝叶斯准则，将k时刻的先验模型切换权重pr[m1(k+1)|m3(k)]设计为

⑷先验模型切换权重pr[m1(k)|m4(k-1)]的设计

利用k-1时刻的模型权重、k-1时刻的先验模型切换权重和k时刻的模型似然搭建第三重贝叶斯准则，将k时刻的先验模型切换权重pr[m1(k+1)|m4(k)]设计为

⑸先验模型切换权重pr[m2(k)|m1(k-1)]的设计

利用k-1时刻的模型权重、k-1时刻的先验模型切换权重和k时刻的模型似然搭建第三重贝叶斯准则，将k时刻的先验模型切换权重pr[m2(k)|m1(k-1)]设计为

⑹先验模型切换权重pr[m2(k)|m2(k-1)]的设计

利用k-1时刻的模型权重、k-1时刻的先验模型切换权重和k时刻的模型似然搭建第三重贝叶斯准则，将k时刻的先验模型切换权重pr[m2(k)|m2(k-1)]设计为

⑺先验模型切换权重pr[m2(k)|m3(k-1)]的设计

利用k-1时刻的模型权重、k-1时刻的先验模型切换权重和k时刻的模型似然搭建第三重贝叶斯准则，将k时刻的先验模型切换权重pr[m2(k)|m3(k-1)]设计为

⑻先验模型切换权重pr[m2(k)|m4(k-1)]的设计

利用k-1时刻的模型权重、k-1时刻的先验模型切换权重和k时刻的模型似然搭建第三重贝叶斯准则，将k时刻的先验模型切换权重pr[m2(k)|m4(k-1)]设计为

⑼先验模型切换权重pr[m3(k)|m1(k-1)]的设计

利用k-1时刻的模型权重、k-1时刻的先验模型切换权重和k时刻的模型似然搭建第三重贝叶斯准则，将k时刻的先验模型切换权重pr[m3(k)|m1(k-1)]设计为

⑽先验模型切换权重pr[m3(k)|m2(k-1)]的设计

利用k-1时刻的模型权重、k-1时刻的先验模型切换权重和k时刻的模型似然搭建第三重贝叶斯准则，将k时刻的先验模型切换权重pr[m3(k)|m2(k-1)]设计为

⑾先验模型切换权重pr[m3(k)|m3(k-1)]的设计

利用k-1时刻的模型权重、k-1时刻的先验模型切换权重和k时刻的模型似然搭建第三重贝叶斯准则，将k时刻的先验模型切换权重pr[m3(k)|m3(k-1)]设计为

⑿先验模型切换权重pr[m3(k)|m4(k-1)]的设计

利用k-1时刻的模型权重、k-1时刻的先验模型切换权重和k时刻的模型似然搭建第三重贝叶斯准则，将k时刻的先验模型切换权重pr[m3(k)|m4(k-1)]设计为

⒀先验模型切换权重pr[m4(k)|m1(k-1)]的设计

利用k-1时刻的模型权重、k-1时刻的先验模型切换权重和k时刻的模型似然搭建第三重贝叶斯准则，将k时刻的先验模型切换权重pr[m4(k)|m1(k-1)]设计为

⒁先验模型切换权重pr[m4(k)|m2(k-1)]的设计

利用k-1时刻的模型权重、k-1时刻的先验模型切换权重和k时刻的模型似然搭建第三重贝叶斯准则，将k时刻的先验模型切换权重pr[m4(k)|m2(k-1)]设计为

⒂先验模型切换权重pr[m4(k)|m3(k-1)]的设计

利用k-1时刻的模型权重、k-1时刻的先验模型切换权重和k时刻的模型似然搭建第三重贝叶斯准则，将k时刻的先验模型切换权重pr[m4(k)|m3(k-1)]设计为

⒃先验模型切换权重pr[m4(k)|m4(k-1)]的设计

利用k-1时刻的模型权重、k-1时刻的先验模型切换权重和k时刻的模型似然搭建第三重贝叶斯准则，将k时刻的先验模型切换权重pr[m4(k)|m4(k-1)]设计为

其具体如图5所示。