带一步随机延迟量测非线性序列贝叶斯估计的条件后验克拉美罗下界

为了解决带一步随机延迟量测非线性状态估计器可获得最优性能的评价问题,提出了一种适用于带一步随机延迟量测非线性系统的条件后验克拉美罗下界(Conditional posterior Cram′er-Rao lower bound,CPCRLB),且现有的CPCRLB仅是所提出的CPCRLB在延迟概率为零时的一种特例.为了递归地计算提出的CPCRLB,本文提出了一种带一步随机延迟量测的粒子滤波器(Particle filter,PF),继而推导了提出的CPCRLB一般近似解和在高斯噪声情况下的特殊近似解.单变量非平稳增长模型、纯方位跟踪和频率调制信号模型的数值仿真证明了本文提出方法与现有方法相比的有效性和优越性.

基于CPCRLB的隐身目标协同检测与跟踪

针对雷达组网对隐身目标协同检测与跟踪时的动态分配问题,将条件后验克拉美罗下界(CPCRLB)用作系统跟踪性能的度量,结合改进二值粒子群优化(NBPSO)和粒子滤波,提出了一种基于CPCRLB的隐身目标协同检测与跟踪算法。该算法将雷达的动态分配问题转化成组合优化问题,根据新生目标的隐身特性对雷达分配方案的约束,借助分布在边界的检测粒子计算不同的雷达分配方案对新生目标的检测概率,并以已跟踪目标的CPCRLB衡量跟踪精度,采用NBPSO全局搜索最优分配方案,最后进行粒子滤波与协方差交集融合。

角闪烁噪声下的集中式MIMO雷达自适应资源分配算法

为解决角闪烁噪声下集中式多输入多输出(multi-input and multi-output,MIMO)雷达的资源优化分配问题,设计了一种面向多目标跟踪任务的自适应资源分配算法。首先采用平方根容积粒子滤波(square-root cubature particle filter,SCPF)算法对各目标状态进行估计,并根据其估计值来计算条件后验克拉美罗下界,从而建立起角闪烁噪声下的跟踪误差评价准则。再依据功率和带宽与条件后验克拉美罗下界(predicted conditional Cramer Rao lower bound,PC-CRLB)间的函数关系,建立起非凸优化模型。随后运用凸松弛技术和循环最小化算法将非凸优化问题转换为一系列凸优化问题,运用半正定规划(semi-definite programming,SDP)算法结合Frank-Wolfe可行方向法进行求解,从而实现资源自适应分配。最后通过仿真验证了不同场景下所提算法的有效性。