基于代价参考粒子滤波的MIMO雷达目标检测前跟踪方法

    公开(公告)号:CN106501800B

    公开(公告)日:2019-04-05

    申请号:CN201610960285.2

    申请日:2016-10-28

    Abstract: 本发明涉及一种基于代价参考粒子滤波的MIMO雷达目标检测前跟踪方法,首先初始化,产生初始粒子序列,形成初始的粒子‑代价集合;计算k时刻的所有粒子的风险和重采样权值;利用重采样权值,选取重采样粒子,形成新的粒子‑代价集合;从新的粒子‑代价集合中产生第k=k+1时刻的粒子;跳转至计算k时刻的所有粒子的风险和重采样权值的步骤执行,循环至k=K,得到每一时刻的代价状态。本发明通过利用目标状态估计值与真实值之间的误差计算得到粒子代价,进而得到粒子权重,实施粒子滤波,无需动态系统的统计特性,在动态特性未知的情况下仍能进行目标的检测和估计,经仿真试验验证,其检测跟踪性能明显优于传统的粒子滤波算法。

    分布式MIMO雷达系统多目标位置估计的资源联合优化方法

    公开(公告)号:CN107942310B

    公开(公告)日:2019-12-03

    申请号:CN201711008069.9

    申请日:2017-10-25

    Abstract: 本发明涉及一种分布式MIMO雷达系统多目标位置估计的资源联合优化方法,包含:指定目标,以最小化多目标位置估计误差的最大值为目标函数;在发射与接收阵元总数有限,发射功率给定的条件下,建立收发阵元选取与功率分配联合的资源优化模型;结合启发式搜索算法和连续参数凸近似算法,提出基于循环最小化的资源联合分配算法对该混合布尔型联合优化问题进行求解,得到资源联合分配的结果。本发明定量分析系统资源与跟踪能力的数量关系;相比于阵元个数,发射功率对系统性能的影响更加显著,显示系统资源对目标跟踪的精度和个数的影响,能够在降低系统计算量的同时实现更好的系统性能,有效提高多目标整体速度跟踪精度,具有较好的实际应用价值。

    基于代价参考粒子滤波的MIMO雷达目标检测前跟踪方法

    公开(公告)号:CN106501800A

    公开(公告)日:2017-03-15

    申请号:CN201610960285.2

    申请日:2016-10-28

    CPC classification number: G01S13/66

    Abstract: 本发明涉及一种基于代价参考粒子滤波的MIMO雷达目标检测前跟踪方法,首先初始化,产生初始粒子序列,形成初始的粒子-代价集合;计算k时刻的所有粒子的风险和重采样权值;利用重采样权值,选取重采样粒子,形成新的粒子-代价集合;从新的粒子-代价集合中产生第k=k+1时刻的粒子;跳转至计算k时刻的所有粒子的风险和重采样权值的步骤执行,循环至k=K,得到每一时刻的代价状态。本发明通过利用目标状态估计值与真实值之间的误差计算得到粒子代价,进而得到粒子权重,实施粒子滤波,无需动态系统的统计特性,在动态特性未知的情况下仍能进行目标的检测和估计,经仿真试验验证,其检测跟踪性能明显优于传统的粒子滤波算法。

    分布式MIMO雷达目标跟踪精度联合资源优化方法

    公开(公告)号:CN106199579B

    公开(公告)日:2018-07-13

    申请号:CN201610479972.2

    申请日:2016-06-22

    Abstract: 本发明涉及一种分布式MIMO雷达目标跟踪精度联合资源优化方法,首先推导目标函数,建立包含阵元、功率和带宽三个变量的资源分配优化模型;然后简化模型,利用凸松弛将阵元选取问题由0‑1问题转变为凸优化问题;利用循环最小化将优化模型分解为阵元选取和功率分配的迭代优化子问题,利用SPCA方法对问题进行求解,直到目标函数不再优化为止,得到最终的阵元选取和功率分配结果,并计算出最终的带宽分配结果,对下一时刻的目标位置进行估计。本发明通过资源分配有效提高MIMO雷达的目标跟踪精度,同时提高资源利用率,通过选取合适的阵元子集,并且进行功率和带宽资源的最优配置,在雷达系统资源有限的情况下进一步提高目标跟踪的精度。

    分布式MIMO雷达系统多目标位置估计的资源联合优化方法

    公开(公告)号:CN107942310A

    公开(公告)日:2018-04-20

    申请号:CN201711008069.9

    申请日:2017-10-25

    Abstract: 本发明涉及一种分布式MIMO雷达系统多目标位置估计的资源联合优化方法,包含:指定目标,以最小化多目标位置估计误差的最大值为目标函数;在发射与接收阵元总数有限,发射功率给定的条件下,建立收发阵元选取与功率分配联合的资源优化模型;结合启发式搜索算法和连续参数凸近似算法,提出基于循环最小化的资源联合分配算法对该混合布尔型联合优化问题进行求解,得到资源联合分配的结果。本发明定量分析系统资源与跟踪能力的数量关系;相比于阵元个数,发射功率对系统性能的影响更加显著,显示系统资源对目标跟踪的精度和个数的影响,能够在降低系统计算量的同时实现更好的系统性能,有效提高多目标整体速度跟踪精度,具有较好的实际应用价值。

    分布式MIMO雷达目标跟踪精度联合资源优化方法

    公开(公告)号:CN106199579A

    公开(公告)日:2016-12-07

    申请号:CN201610479972.2

    申请日:2016-06-22

    CPC classification number: G01S13/66

    Abstract: 本发明涉及一种分布式MIMO雷达目标跟踪精度联合资源优化方法,首先推导目标函数,建立包含阵元、功率和带宽三个变量的资源分配优化模型;然后简化模型,利用凸松弛将阵元选取问题由0-1问题转变为凸优化问题;利用循环最小化将优化模型分解为阵元选取和功率分配的迭代优化子问题,利用SPCA方法对问题进行求解,直到目标函数不再优化为止,得到最终的阵元选取和功率分配结果,并计算出最终的带宽分配结果,对下一时刻的目标位置进行估计。本发明通过资源分配有效提高MIMO雷达的目标跟踪精度,同时提高资源利用率,通过选取合适的阵元子集,并且进行功率和带宽资源的最优配置,在雷达系统资源有限的情况下进一步提高目标跟踪的精度。

Patent Agency Ranking