本发明提出了一种基于最大递推能量跟踪的临近空间隐身高超声速目标跟踪方法。该方法包括以下步骤：首先，在点数积累上对TBD算法进行改进，利用递推航迹替代传统的点数积累，这时点数积累将不再是由多个时刻的批处理量测组成，而是由1个时刻的量测和m‑1个时刻的已有航迹点组成，这样算法不仅具备了实时性，且可有效解决目标高超声速运动所带来的时延偏差问题；接着，在能量积累上对TBD算法做进一步改进，利用递推能量替代传统的能量积累，这样算法在对目标实时跟踪的同时，还可有效克服目标隐身所带来的检测难题；最后，将递推航迹和递推能量有机结合，通过最大递推能量判决机制的合理判决，以最终实现对隐身高速目标的有效跟踪。
1.隐身和高超声速双重影响下的邻近空间目标跟踪方法，其特征在于，包括以下步骤：步骤一：在数据空间，构建由1个量测点和m-1个航迹点组成的递推航迹；
X(k)＝[x(k),vx(k),y(k),vy(k)]T挑选其位置状态
则在目标跟踪的过程中，构建长度为m的递推航迹Ym(k)＝{Y(k-m+1),...,Y(k-1),Y(k)}其中，Y(i)为目标的已有航迹，且i＝k-m+1,...,k-1,k；
在对递推航迹Ym(k)构建的基础上，利用m-1个时刻的已有航迹对k+1时刻的目标位置进行预测，其中
Zξ(k+1|k)＝[xξ(k+1|k),yξ(k+1|k)]T其中
步骤二：在能量空间，构建由1个最大量测点能量和m-1个航迹点能量组成的递推能量，并利用递推能量的更新，替代TBD算法中的能量积累；
在递推航迹构建的基础上，进一步构建与之相匹配的递推能量其中
a(i)＝PtG2ελ2/(4π)3r(i)4为单个航迹点的能量大小，且i＝k-m+1,...,k-1,k，Pt为雷达发射功率，λ表示雷达发射电磁波的波长，G为天线增益，ε为目标RCS，r(i)为时刻i目标相对雷达的距离；
在步骤一所确定的目标区域内选择能量最大的量测点进行递推更新处理，A(k+1)＝A(k)+b(k+1)-a(k-m+1)其中
b(k+1)＝max{b1(k+1),b2(k+1),...,bN(k+1)}为k+1时刻所选出的最大更新能量，且在跟踪结束后更新为航迹点能量a(k+1)，其所对应的目标量测为Z(k+1)，Z(k+1)就是选出的用于目标跟踪的最大递推能量量测，bj(k+1)为跟踪区域内第j(j＝1,2,...N)个量测点的能量大小，N为跟踪区域内的量测个数；
步骤三：利用递推航迹的更新，替代TBD算法中的点数积累；
在确定目标区域Zξ(k+1|k)的条件下，按照步骤二所述的方法，选择区域内能量最大的量测点进行实时更新处理，进而递推航迹更新为Ym(k+1)＝{Y(k-m+2),...,Y(k-1),Y(k),Z(k+1)}其中，Y(j)为m-1个时刻的目标已有航迹，且j＝k-m+2,...,k-1,k，Z(k+1)为按照步骤二所选出的目标量测，并在跟踪结束后更新为航迹点Y(k+1)；
步骤四：在递推航迹和递推能量更新的同时，构建最大递推能量判决机制，选择最佳的跟踪方式对目标进行递推跟踪处理；
在递推航迹和递推能量更新的同时，最大递推能量判决的方法用如下的假设检验做进一步的描述：H0：当递推能量A(k+1)＞λ，则判定当前跟踪可信度较高，按照步骤二所述的方法，选择能量最大的点对目标进行实时跟踪处理；
H1：当递推能量A(k+1)≤λ，则判定当前跟踪可信度较低，需采用TBD方法对目标航迹进行重新起始；
2.根据权利要求1所述的隐身和高超声速双重影响下的邻近空间目标跟踪方法，其特征在于，门限 的取值与m个时刻的噪声功率和有关，服从自由度为2m的卡方分布判决，α是其显著性水平。
隐身和高超声速双重影响下的临近空间目标跟踪方法
技术领域
[0001] 本发明涉及临近空间高超声速目标跟踪领域，用于解决隐身和高超声速双重影响下的目标跟踪问题。
背景技术
[0002] 与传统的飞机目标不同，临近空间飞行器具有隐身+高超声速的复合特性，对现有雷达预警防御系统具有严重的挑战。一方面，临近空间飞行器的速度通常在Ma5以上，飞行器可在极短的时间内通过雷达预警探测区域，这时，雷达即使能够发现目标，也没有足够的时间做出反应；另一方面，在目标高超声速飞行的过程中，飞行器周围会产生大量的等离子体激波，这些等离子体激波通过吸收、散射雷达电磁波，使临近空间飞行器在高超声速飞行的同时还兼具一定的隐身特性，进而严重影响现有雷达对目标的搜索跟踪能力。为此，如何解决隐身+高超声速双重影响下的目标跟踪难题是当前急需解决的一个关键问题。
[0003] 检测前跟踪(Track Before Detect,TBD)技术是当前实现隐身目标跟踪的一种有效途径。但是，该方法在具体实现的过程中，却需要长时间的非相参积累。在对临近空间目标跟踪的整个过程中，如果全都使用TBD量测对目标进行跟踪处理，不仅计算量大，而且会产生一定的时间延迟偏差。对于目标速度较小的情况，这一偏差可以忽略不计，但在目标高超声速运动的情况下，却会对目标跟踪产生严重的影响。例如，在目标速度为5000m/s，雷达扫描周期为2s，TBD处理周期为5的条件下，每个跟踪测量周期将会产生50km的时间滞后问题。为此，如何构建一种既能对目标进行实时跟踪处理，又能兼顾检测概率的目标跟踪方法是当前隐身高超声速目标跟踪中需要解决的一个关键问题。
[0004] 针对这一情况，本发明在充分考虑目标能量积累和跟踪实时性的基础上，提出一种先对目标轨迹进行预测，再对目标量测进行最大递推能量选取的目标跟踪方法，以有效解决隐身和高超声速双重影响下的目标跟踪难题。
发明内容
[0005] 本发明的目的在于突破传统TBD算法的限制，解决隐身+高超声速双重影响下的目标跟踪难题，提升现有雷达跟踪邻近空间目标的能力，提出一种基于最大递推能量跟踪的邻近空间目标跟踪新方法。其中要解决的问题包括：
[0006] 1)传统的TBD算法适用于隐身目标跟踪，但在目标高速运动的条件下，却存在跟踪实时性差、具有大时延偏差的问题。
[0007] 2)现有的先检测后跟踪方法实时性较强，不存在目标高速运动所带来的时延偏差问题，但却建立在性噪比较高的假设下，而对目标隐身的情况却并没有加以充分考虑。
[0008] 3)在隐身和高超声速双重影响的条件下，现有的TBD算法和先检测后跟踪方法都不再适用，很难实现对邻近空间目标的有效跟踪。
[0009] 本发明所述的基于最大递推能量跟踪的邻近空间目标跟踪新方法，其特征在于包括以下技术措施：
[0010] 步骤一、对TBD算法进行改进，利用递推航迹替代传统的点数积累，这时点数积累将不再是由多个时刻的批处理量测组成，而是由1个时刻的量测和m-1个时刻的已有航迹点组成，这样算法不仅具备了实时性，可有效剔除目标高速运动所带来的时延偏差，而且进一步回避了数据空间到参数空间的冗余转换；
[0011] 步骤二、对TBD算法做进一步改进，利用递推能量替代传统的能量积累，这时能量积累由m-1个时刻的航迹点能量和当前时刻目标区域内最大的量测点能量组成，这样在对目标实时跟踪的同时，还可使量测具有较高的检测概率，进而解决目标隐身所带来的跟踪难题；
[0012] 步骤三、在递推航迹和递推能量更新的同时，构建最大递推能量判决机制，选择最佳的跟踪方式对目标进行递推跟踪处理；
[0013] 步骤四、目标跟踪滤波。
[0014] 对比现有技术，本发明所述的基于最大递推能量跟踪的邻近空间目标跟踪新方法，有益效果在于：
[0015] 1)本发明是对现有TBD方法的一种改进，在维持其高检测概率的同时，还能兼顾先检测后跟踪方法的实时性特征；
[0016] 2)与现有的TBD方法相比，本发明实时性强，运算速度快，且可有效消除目标高速运动所带来的时延偏差问题；
[0017] 3)与现有的先检测后跟踪方法相比，本发明在对目标实时跟踪的同时，还可有效解决低信噪比条件下的跟踪难题；
[0018] 4)本发明可有效实现邻近空间隐身高超声速目标的可靠跟踪，且具有较高的跟踪精度。
附图说明
[0019] 附图1是基于最大递推能量跟踪的邻近空间目标跟踪方法步骤流程图；
[0020] 附图2是最大递推能量跟踪的点迹积累图；
[0021] 附图3是最大递推能量跟踪的能量积累图；
[0022] 附图4是隐身+高超声速双重影响下的目标跟踪模型图。
具体实施方式
[0023] 针对隐身和高超声速双重影响下的临近空间目标跟踪难题，本发明设计了一种基于最大递推能量跟踪的临近空间目标跟踪新方法。首先，在点数积累上对TBD算法进行改进，利用递推航迹替代传统的点数积累，这时点数积累将不再是由多个时刻的批处理量测组成，而是由1个时刻的量测和m-1个时刻的已有航迹点组成，这样算法不仅具备了实时性，且可有效解决目标高超声速运动所带来的时延偏差问题；接着，在能量积累上对TBD算法做进一步改进，利用递推能量替代传统的能量积累，这样算法在对目标实时跟踪的同时，还可有效克服目标隐身所带来的检测难题；最后，将递推航迹和递推能量有机结合，通过最大递推能量判决机制的合理判决，以最终实现对隐身高超声速目标的有效跟踪。
[0024] 以下结合说明书附图1对本发明做进一步的详细描述。参照说明书附图1，本发明的处理流程分以下步骤：
[0025] 1)利用递推航迹替代传统的点数积累
[0026] 对TBD算法进行改进，利用递推航迹替代传统的点数积累，这时点数积累将不再是由多个时刻的批处理量测组成，而是由1个时刻的量测和m-1个时刻的已有航迹点组成，这样算法不仅具备了实时性，可有效剔除目标高速运动所带来的时延偏差，而且进一步回避了数据空间到参数空间的冗余转换，其具体如附图2所示；
[0027] ①递推航迹构建
[0028] 假设k时刻目标的状态向量为
[0029] X(k)＝[x(k),vx(k),y(k),vy(k)]T (1)
[0030] 挑选其位置状态
[0031] Y(k)＝[x(k),y(k)]T (2)
[0032] 则在目标跟踪的过程中，可构建长度为m的递推航迹
[0033] Ym(k)＝{Y(k-m+1),...,Y(k-1),Y(k)} (3)
[0034] 其中，Y(i)为目标的已有航迹，且i＝k-m+1,...,k-1,k。
[0035] ②递推航迹更新
[0036] 在对递推航迹Ym(k)构建的基础上，利用m-1个时刻的已有航迹对k+1时刻的目标位置进行预测，
[0037]
[0038] 其中
[0039]
[0040] 进而，目标可能出现的区域为
[0041] Zξ(k+1|k)＝[xξ(k+1|k),yξ(k+1|k)]T (6)
[0042] 其中
[0043]
[0044] 这时，在确定目标区域Zξ(k+1|k)的条件下，按照步骤2)所述的方法，选择区域内能量最大的量测点进行实时更新处理，进而递推航迹可更新为
[0045] Ym(k+1)＝{Y(k-m+2),...,Y(k-1),Y(k),Z(k+1)} (8)
[0046] 其中，Y(j)为m-1个时刻的目标已有航迹，且j＝k-m+2,...,k-1,k。Z(k+1)为按照步骤2)所选出的目标量测，并在跟踪结束后更新为航迹点Y(k+1)。
[0047] 2)利用递推能量替代传统的能量积累
[0048] 对TBD算法做进一步改进，利用递推能量替代传统的能量积累，这时能量积累由m-1个时刻的航迹点能量和当前时刻目标区域内最大的量测点能量组成，这样在目标实时跟踪的同时，还可使量测具有较高的检测概率，进而解决目标隐身所带来的跟踪难题，其具体如附图3所示；
[0049] ①递推能量构建
[0050] 在递推航迹构建的基础上，进一步构建与之相匹配的递推能量
[0051]
[0052] 其中
[0053] a(i)＝PtG2ελ2/(4π)3r(i)4 (10)
[0054] 为单个航迹点的能量大小，且i＝k-m+1,...,k-1,k，Pt为雷达发射功率，λ表示雷达发射电磁波的波长，G为天线增益，ε为目标RCS，r(i)为时刻i目标相对雷达的距离。
[0055] ②递推能量更新
[0056] 为使目标量测能够具有较高的检测概率，在步骤1所确定的目标区域内选择能量最大的量测点进行递推更新处理。
[0057] A(k+1)＝A(k)+b(k+1)-a(k-m+1) (11)
[0058] 其中
[0059] b(k+1)＝max{b1(k+1),b2(k+1),...,bN(k+1)} (12)
[0060] 为k+1时刻所选出的最大更新能量，且在跟踪结束后更新为航迹点能量a(k+1)，其所对应的目标量测为Z(k+1)，Z(k+1)就是选出的用于目标跟踪的最大递推能量量测。bj(k+1)为跟踪区域内第j(j＝1,2,...N)个量测点的能量大小，N为跟踪区域内的量测个数。
[0061] 3)最大递推能量判决
[0062] 在递推航迹和递推能量更新的同时，构建最大递推能量判决机制，选择最佳的跟踪方式对目标进行递推跟踪处理，其具体如附图4所示。
[0063] 为有效获得隐身+高超声速双重影响下的目标跟踪模型，则最大递推能量判决机制可用如下的假设检验做进一步的描述：
[0064] H0：当递推能量A(k+1)>λ，则判定当前跟踪可信度较高，按照步骤2)所述的方法，选择能量最大的点对目标进行实时跟踪处理；
[0065] H1：当递推能量A(k+1)≤λ，则判定当前跟踪可信度较低，需采用TBD方法对目标航迹进行重新起始。
[0066] 其中，门限 的取值与m个时刻的噪声功率和有关，服从自由度为2m的卡方分布判决，α是其显著性水平。
[0067] 4)目标跟踪滤波
[0068] 在假设H0成立的条件下，将步骤1)所述递推航迹和步骤2)所述递推能量代入现有的滤波跟踪算法即可有效实现隐身+高超声速双重影响下的目标跟踪。
