单脉冲雷达弱小目标联合检测及状态估计方法与流程

本发明属于雷达信号处理领域，特别涉及一种单脉冲雷达弱小目标联合检测及状态估计方法。

背景技术：

隐身飞机和巡航导弹的迅猛发展使得对低信噪比目标进行检测和跟踪的需求日益加剧。由于有限的电磁容量和天线孔径，这种需求对雷达导引头来说尤其紧迫。在雷达导引头早期搜索阶段，一般采用高重频脉冲多普勒体制，它可以为迎头目标提供仅含热噪声背景的检测。相干处理之后一般采用非相干积累和二进制积累来提升检测性能。但雷达数据率和目标的未知运动限制了相干积累间隔、非相干积累和二进制积累的时间。

单脉冲作为一种在跟踪雷达中广泛应用的测角技术，可以用于对目标方位和俯仰角的精确测量，但是在低信噪比下，由于目标检测的困难，单脉冲系统的估计能量较差，导致雷达导引头的制导性能下降严重。

技术实现要素：

本发明的目的在于，针对上述现有技术的不足，提供一种基于和差通道粒子tbd的单脉冲雷达弱小目标联合检测及状态估计方法，解决了低信噪比条件下目标检测以及角度估计问题，实现了目标的准确检测以及幅度、多普勒和单脉冲比的稳定估计。

为解决上述技术问题，本发明所采用的技术方案是：

一种单脉冲雷达弱小目标联合检测及状态估计方法，其特点是包括以下步骤：

步骤a.对雷达回波进行预处理：

设目标的状态向量为其中为第k帧的多普勒频率，为第k帧和通道回波幅值，γk为第k帧目标的单脉冲比；fd＝2vr/λ，其中vr为雷达与目标之间的径向速度，λ为载波波长；定义波束内目标存在变量为ek且ek∈{0,1}，0代表目标未出现，1代表目标出现，ek为一个二态马尔可夫链，其状态转移矩阵其中pb为目标新生概率，pd为目标消亡概率；执行步骤a1～a2：

步骤a1，对单脉冲雷达和通道接收回波和差通道接收回波进行加窗fft处理，获得相参积累后的和差信号

步骤a2，对相参积累后的信号取幅度作为观测数据，再从无杂波区中选择目标单元区间作为观测数据；

步骤b.滤波初始化：执行步骤b1～b2：

步骤b1，k＝0，生成ns个粒子，其中ns为滤波中使用的粒子个数；

步骤b2，对按起始目标出现的概率进行0，1取值，如果按新生概率qb(x0|z0)生成如果则未定义；

步骤c.状态预测：执行步骤c1～c2：

步骤c1，根据k-1帧的粒子状态转移矩阵生成第k帧的粒子如果则未定义；如果则根据xk+1＝xk+vk预测其中为对应的过程噪声向量，各分量均为零均值的高斯白噪声，vk的协方差矩阵为其中分别为多普勒频率、和通道幅度、单脉冲对应起伏分量的方差；

步骤c2，对于新生的粒子，根据qb(xk|zk)生成

步骤d.状态更新：执行步骤d1～d4：

步骤d1，将先验概率密度作为重要性密度函数，将粒子的似然比作为未归一化权重，根据下式计算和通道与差通道的条件似然

其中由计算得到；上式计算中需要考虑到目标能量会扩散到相邻的频率单元，对于受目标影响的单元c(xk)＝{i0-p,...,i0-1,i0,i0+1,...,i0+p}(i0为距离预测值最近的单元，p为设定的参数)，采用点传播函数的高斯近似分布，根据已知窗函数进行设定点数napp＝的量化存储，计算时，直接从rom中读取量化值；

步骤d2，由根据下式计算和通道与差通道的联合条件似然

步骤d3，根据下式计算粒子的对应权重：

步骤d4，由下式计算粒子归一化权重：

步骤e.重要性重采样：执行步骤e1～e2：

步骤e1，利用系统重采样算法从粒子集中获得新的粒子集

步骤e2，设定新粒子为原粒子的概率且为该粒子对应的权重，重采样之后每个粒子的归一化权重为1/ns；

步骤f.重采样移动：执行步骤f1～f4：

步骤f1，定义建议分布由此建议分布对每个样本生成新的样本，新样本的根据获得，其余状态量保持不变；

步骤f2，新的粒子根据进行判决以接受或者舍弃，如果新粒子的幅度保留；否则只有当时保留新粒子，其中u为0到1区间平均分布的随机数；

步骤f3，定义建议分布qm(γ′k|γk)，由此建议分布对每个样本生成新的样本，新样本的单脉冲比γ′k根据γk获得，其余状态量保持不变；

步骤f4，新的粒子根据再进行判决以确定接受或舍弃，如果tγ′,γ＞1，新粒子的脉冲比γ′保留，否则只有当u＜tγ′,γ时保留新粒子；

步骤g.状态估计：执行步骤g1～g2：

步骤g1，根据下式估计目标的后验存在概率

步骤g2，将与设定的门限th进行比较，如果则判定检测到目标，并通过下式估计状态：

检测前跟踪(tbd)算法使用未经门限判决的数据，或者使用相比于传统检测器更低的门限，根据目标的动态模型对多帧信息进行积累，可以同时给出目标的检测和跟踪结果，从而提升低信噪比目标的检测和跟踪性能。典型的tbd实现方法有hough变换法和动态规划法(见“海杂波背景下小目标检测及其运动信息的提取”，海军航空工程学院学报，第22卷，第1期，2007年第137-144页)，其中动态规划方法在雷达领域的研究和应用较多，而hough变换则主要用于目标机动较少的场合(如弹道导弹的跟踪)。这些方法需要同时处理多帧数据(批处理)、对状态空间进行离散化且通常所需的运算量较大。基于粒子滤波的tbd方法(见“粒子滤波算法在tbd目标检测中的应用”，中国电子科学研究院学报，第6卷，第1期，20011年第91-95页)，与传统tbd方法相比,采用递归处理，不需要存储和处理多帧数据，目标运动模型可以为非线性，不需要对状态空间进行离散化。目前，pf-tbd(粒子滤波tbd)主要应用于搜索雷达和超视距雷达，尚未出现针对单脉冲雷达的pf-tbd应用。而在单脉冲雷达系统中，和通道与差通道是同时存在的，常规的检测估计处理流程是通过对和通道数据进行处理，对目标的多普勒频率以及回波强度进行估计，而方位和俯仰角则采用传统的单脉冲方法进行估计。这种处理方法在检测阶段没有能够有效利用差通道所蕴含的目标信息，事实上当目标偏离波束中心时，差通道的信号幅度与和通道是可比的，差通道信息的利用将有助于提高检测性能。

本发明针对高重频脉冲多普勒单脉冲雷达，采用信号处理手段提高低信噪比下的目标检测和估计性能，通过使用未经门限判决的数据，基于目标的动态模型完成多帧信号的积累；通过融合和差通道信息，有效集成差通道可比幅度信息，增加了搜索阶段以及目标不在波束最大方向时的检测可用信息量；通过将目标数目及对应目标状态使用统一的概率密度函数描述，由贝叶斯递归滤波获得存在概率及目标状态的估计；通过采用粒子实现形式，同时获得了低信噪比条件下的目标检测与状态估计，实现了目标的准确检测以及幅度、多普勒和单脉冲比的稳定估计；本发明易于实现，实用性强，效果好，在单脉冲雷达弱小目标检测处理领域具有广阔的应用前景。

附图说明

图1是典型场景下的导弹与目标的运动轨迹。

图2是本发明流程图。

图3是对典型场景下回波数据进行tbd处理后获得的不同时刻的目标存在概率估计结果。

图4是对典型场景下回波数据进行tbd处理后获得的幅度估计结果。

图5是对典型场景下回波数据进行tbd处理后获得的多普勒估计结果。

图6是对典型场景下回波数据进行tbd处理后获得的单脉冲比估计结果。

具体实施方式

下面结合附图和实例对本发明所述的双通道粒子tbd单脉冲雷达弱小目标联合检测估计方法进行进一步阐述。

本实例为高重频雷达，其中单脉冲雷达载频波长λ＝3cm，cpi(脉冲重复周期)＝20ms,每个cpi中的脉冲数n＝5000，目标速度280m/s，机动加速度6g，导弹速度1200m/s，初始信噪比snr＝6db。图1给出了攻击场景：导弹沿直线飞行，单脉冲雷达天线指向为南偏西1度，经过10帧后，目标进入雷达导引头的主波束，然后目标进行2s机动规避。

图2给出了本发明的流程图，包括下述步骤：

步骤a.对雷达回波进行预处理：

步骤a1，对导弹的导引头雷达接收的每个cpi内的和通道回波以及差通道回波进行汉明窗加窗处理，然后进行fft相参积累，获得积累后的和差信号

步骤a2，对相参积累后信号取幅度由无杂波区信号构成观测数据段，由于无杂波区对应单元较长，选取包含目标的第3100到3300共200个单元作为观测数据

步骤b.滤波初始化：

步骤b1，k＝0，生成ns＝4000个粒子。

步骤b2，对按起始目标出现的概率进行0，1取值，如果按新生概率qb(x0|z0)生成其中目标的新生概率pb和消亡概率pd均为0.05，目标的初始存在概率γ0～u(0.79,0.8)，为200个单元上的均匀分布；如果则未定义。

步骤c.状态预测：

步骤c1，根据k-1帧的粒子状态转移矩阵生成第k帧的粒子如果则未定义；如果则根据xk+1＝xk+vk预测其中多普勒频率起伏分量、和通道幅度起伏分量、单脉冲比起伏分量的方差分别为

步骤c2，对于新生的粒子，即根据qb(xk|zk)生成

步骤d.状态更新：

步骤d1，将先验概率密度作为重要性密度函数，将粒子的似然比作为未归一化权重。根据下式计算和通道与差通道的条件似然

其中p＝1，传播函数在一个单元的量化点数napp＝64。

步骤d2，将步骤d1计算获得的根据下式计算和通道与差通道的联合条件似然

步骤d3，根据下式计算粒子的对应权重

步骤d4，由下式计算粒子归一化权重

步骤e.重要性重采样：

步骤e1，利用系统重采样算法从粒子集中获得新的粒子集

步骤e2，设定新粒子为原粒子的概率且为该粒子对应的权重，重采样之后每个粒子的归一化权重为1/ns。

步骤f.重采样移动：

步骤f1，定义建议分布由此建议分布对每个样本生成新的样本，新样本的根据获得，其余状态量保持不变；其中aσ建议分布方差为0.04。

步骤f2，新的粒子根据进行判决以接受或者舍弃，如果新粒子的幅度保留；否则只有当时优先保留新粒子，其中u为0到1区间平均分布的随机数。

步骤f3，定义建议分布qm(γ′k|γk)，由此建议分布对每个样本生成新的样本，新样本的单脉冲比γ′k根据γk获得，其余状态量保持不变；其中γ的建议分布方差为0.01。

步骤f4，新的粒子根据再进行判决以确定接受或舍弃，如果tγ′,γ＞1，新粒子的脉冲比γ′保留，否则只有当u＜tγ′,γ时保留新粒子；u为0到1区间平均分布的随机数。

步骤g.状态估计：

步骤g1，根据下式估计目标的后验存在概率

获得图3所示的不同数据帧对应的目标存在概率变化曲线。可见，在目标存在和消失期间，本发明对目标存在概率的估计要优于传统仅利用和通道信息的方法。

步骤g2，将估计获得的目标存在概率与设定的门限th＝0.6进行比较，如果则判定检测到目标，并通过下式估计目标状态向量

可获得图4、图5、图6所示的不同数据帧下aσ、fd、γ的估计曲线。可见当目标处于雷达波束边缘附近(γ＞0.1)时，本发明的估计性能优于传统仅利用和通道信息的方法。

综上，本发明基于单脉冲雷达的粒子滤波的tbd方法包括利用差通道信号的信息参与分析建模、以及在和差信息同时存在的情况下的整个全新的基于粒子滤波的tbd检测方法的算法流程。其中包括多帧信号的积累方法、和差信息融合方法、目标数目及对应目标状态的概率密度函数描述方法，存在概率及目标状态的估计方法；同时获得低信噪比条件下的目标检测与状态估计的方法，目标的准确检测以及幅度、多普勒和单脉冲比的稳定估计的方法。

将本发明应用于单脉冲雷达，并在检测阶段有效利用差通道所蕴含的目标信息，可提高检测性能。

上面结合附图对本发明的实施例进行了描述，但是本发明并不局限于上述的具体实施方式，上述的具体实施方式仅仅是示意性的，而不是局限性的，本领域的普通技术人员在本发明的启示下，在不脱离本发明宗旨和权利要求所保护的范围情况下，还可做出很多形式，这些均属于本发明的保护范围之内。