基于概率假设密度滤波的多目标雷达空间误差配准算法
CSTR:
作者:
作者单位:

(中国民航大学天津市智能信号与图像处理重点实验室,天津300300)

作者简介:

章涛(1980-), 男, 讲师, 博士, 从事雷达信号处理及其应用的研究;李海(1976-), 男, 教授, 博士, 从事机载气象雷达信号处理等研究.

通讯作者:

E-mail: haili@cauc.edu.cn

中图分类号:

TP391

基金项目:

国家自然科学基金委员会与中国民用航空局联合项目(U1733116);国家自然科学基金项目(61471365, 61571442);天津市自然科学基金绿色通道项目(16JCYBJC41200);中央高校基本科研业务费专项资金项目(3122017006).


Radar spatial registration with multiple targets based on probability hypothesis density filter
Author:
Affiliation:

(Tianjin Key Lab for Advanced Signal Processing,Civil Aviation University of China,Tianjin 300300,China)

Fund Project:

  • 摘要
  • |
  • 图/表
  • |
  • 访问统计
  • |
  • 参考文献
  • |
  • 相似文献
  • |
  • 引证文献
  • |
  • 资源附件
  • |
  • 文章评论
    摘要:

    针对数据关联关系不确定的多目标场景下的雷达空间误差配准问题,提出一种基于概率假设密度(PHD)滤波的雷达空间误差估计方法.该方法在地心地固(ECEF)坐标系下建立雷达空间误差及其观测的随机有限集合(RFS)描述形式,结合PHD滤波算法避免多个雷达观测的数据关联问题,利用高斯混合概率假设密度(GM-PHD)滤波器实现多目标场景下的雷达系统误差递推融合估计.Monte Carlo仿真实验结果表明,所提出的基于PHD滤波的雷达空间误差配准算法能够有效地实现数据关联关系不确定情况下的多目标雷达空间误差融合估计,且估计精度及稳定性优于结合数据关联算法的空间误差配准方法.

    Abstract:

    A radar spatial registration method is proposed to overcome the problem of bias registration with uncorrelated multiple targets.The description of radar spatial biases and bias measurements with random finite sets(RFS) in earth-centered earth-fixed(ECEF) coordinates is derived, and the data association of multiple targets is avoided by using probability hypothesis density(PHD) filter.The spatial biases are recursive estimated and integrated by using the Gaussian mixture probability hypothesis density(GM-PHD) filter with uncorrelated multiple targets.Numerical results show that the proposed method outperforms the method with data association for radar spatial registration in precision and stability.

    参考文献
    相似文献
    引证文献
引用本文

章涛,李海,吴仁彪.基于概率假设密度滤波的多目标雷达空间误差配准算法[J].控制与决策,2018,33(8):1429-1435

复制
分享
文章指标
  • 点击次数:
  • 下载次数:
  • HTML阅读次数:
  • 引用次数:
历史
  • 收稿日期:
  • 最后修改日期:
  • 录用日期:
  • 在线发布日期: 2018-07-26
  • 出版日期:
文章二维码