[0004] 本发明针对机载外辐射源双基雷达系统中外辐射源状态未知情况，设计了一种外辐射源和目标状态联合估计算法，推导了联合估计下的跟踪性能下界，并基于此设计了接收源路径优化算法。通过联合估计和路径优化提高外辐射源雷达系统目标跟踪性能。
[0005] 本发明以机载外辐射源双基雷达系统为对象，通过目标/外辐射源状态联合估计和接收源路径优化提高机载外辐射源雷达系统的定位跟踪性能。本发明方法的具体步骤是：
[0006] 步骤1：建立目标和外辐射源的运动模型，预测k+1时刻目标的状态和外辐射源的状态。
[0007] 步骤2：计算目标和外辐射源状态联合估计误差的PCRLB指标。
[0008] 步骤3：以目标和外辐射源位置误差的PCRLB为优化目标，考虑接收源运动约束，建立接收源路径优化模型。
[0009] 步骤4：采用内点法优化求解上述路径优化模型，得到接收源最优速度方向 及接收源最佳位置。
[0010] 步骤5：计算接收源在最优位置下的目标方位角、外辐射源方位角、双基距和双基距离率信息的量测信息。
[0011] 步骤6：采用序贯信息修正的扩展卡尔曼滤波跟踪算法联合估计目标的状态和外辐射源的状态。
[0012] 本发明的有益效果：
[0013] 1.考虑机载外辐射源雷达系统中外辐射源状态未知情况，通过外辐射源和目标状态联合估计提高目标定位精度。
[0014] 2.在双基外辐射源雷达系统角度/双基距/双基距率定位体制下，针对运动目标，给出了机载接收源的最优航迹规划。通过实时优化收源位置，获得更精确的目标量测信息，进一步提高机载外辐射源雷达定位跟踪性能。具体实施方式：
[0015] 考虑机载外辐射源双基系统，目标状态为 外辐射源运动且未知机载接收源状态为 联合估计目标和外辐射源的状
态，并优化接收源的位置进一步提高目标的跟踪性能。
[0016] 步骤1：建立目标和外辐射源的运动模型，预测k+1时刻目标的状态和外辐射源的状态。
[0017] 步骤1.1：考虑机载外辐射源双基系统，目标状态为 外辐射源运动且状态未知，外辐射源状态为 机载接收源状态为 建
立目标和外辐射源的运动模型如下：
[0018] X(k+1)＝F·X(k)+v(k) (1)
[0019] Xt(k+1)＝Ft·Xt(k)+vt(k) (2)
[0020] 其中，F和Ft分别为目标和外辐射源的状态转移矩阵；目标运动噪声为v(k)，发射源运动噪声为vt(k)，假设v(k)、vt(k)为零均值协方差分别为Q和Qt的高斯白噪声。
[0021] 步骤1.2：基于k时刻目标的估计状态和外辐射源的估计状态，预测k+1时刻目标的状态和外辐射源的状态
[0022]
[0023]
[0024] 其中, 和 分别为目标和外辐射源k时刻的估计值；X(k+1|k)和Xt(k+1|k)分别表示目标和外辐射源的一步预测值。
[0025] 步骤2：计算目标和外辐射源状态联合估计误差的后验克劳美罗下界PCRLB指标。
[0026] 对目标和外辐射源的状态进行扩维，令Xa(k)＝[X(k),Xt(k)]T，建立运动方程[0027] Xa(k+1)＝Fa·Xa(k)+va(k) (3)
[0028] 其中，Fa＝diag(F,Ft)，va(k)＝[v(k),vt(k)]T为协方差为Qa＝diag(Q,Qt)的高斯白噪声。
[0029] 计算目标和外辐射源状态联合估计误差的Fisher信息矩阵FIM
[0030] J(k+1|k)＝(Qa+FaJ(k|k)-1FaT)-1+HaR-1(Ha)T (4)
[0031] 其中，J(k|k)表示k时刻FIM， 为量测在状态一步预测值下的雅克比矩阵，R表示量测噪声协方差，Z(k+1)表示k+1时刻的量测值。
[0032] 则PCRLB指标为
[0033] PCRLB(k+1|k)＝J(k+1|k)-1 (5)
[0034] 得到目标和外辐射源位置误差的PCRLB如下
[0035]
[0036] 步骤3：以目标和外辐射源位置误差的PCRLB为优化目标，考虑接收源运动约束，建立接收源路径优化模型如下
[0037]
[0038] 其中, 和 分别表示k时刻和k+1时刻的速度方向， 表示接收源相邻时刻速度方向可改变的最大值。
[0039] 步骤4：采用内点法优化求解接收源路径优化模型，得到接收源最优速度方向[0040] 步骤4.1：获得接收源k时刻位置和速度，令i＝1，设定初始障碍因子r1＞0和允许误差ξ1＞0。
[0041] 步骤4.2：构造障碍函数B。
[0042]
[0043]
[0044] 步骤4.3：采用梯度下降法求解无约束问题 得到ri和
[0045] 步骤4.4：如riB≤ξ1，迭代停止；反之，取0＜ri+1＜ri，i＝i+1，返回步骤4.3。上述过程迭代进行，直到收敛得到接收源最优速度方向 以及接收源位置
[0046] 步骤5：计算接收源在最优位置下的目标方位角、外辐射源方位角、双基距和双基距离率信息的量测信息Z(k+1)。
[0047]
[0048]
[0049] 其中，x(k+1)和y(k+1)表示目标在k+1时刻的真实位置，xt(k+1)和yt(k+1)表示外辐射源在k+1时刻的真实位置；rTO(k+1)为目标到外辐射的距离，rOR(k+1)为目标到接收源的距离，rTR(k+1)为外辐射源到接收源的距离； 为目标到外辐射的距离变化率，为目标到接收源的距离变化率， 为外辐射源到接收源的距离变化率；nθ(k+1)、 nd(k+1)和 分别表示目标方位角量测误差、外辐射源方位角量测误
差、双基距量测误差和双基距离率量测误差。
[0050] 步骤6：采用序贯信息修正的扩展卡尔曼滤波跟踪算法联合估计目标的状态和外辐射源的状态
[0051] 步骤6.1：以外辐射源状态的一步预测Xt(k+1|k)作为外辐射源状态的真实值进行扩展卡尔曼滤波，得到目标的状态估计 和估计误差协方差P(k+1|k+1)。
[0052] 步骤6.1.1：对目标状态估计误差协方差进行一步预测
[0053] P(k+1|k)＝FP(k|k)FT+Q (12)
[0054] 其中，P(k|k)为k时刻目标状态估计误差协方差，P(k+1|k)为k时刻目标状态估计误差协方差的一步预测。
[0055] 对外辐射源的状态估计误差协方差进行一步预测
[0056] Pt(k+1|k)＝FPt(k|k)FT+Qt (13)
[0057] 其中，Pt(k|k)为k时刻外辐射源状态估计误差协方差，Pt(k+1|k)为k时刻外辐射源状态估计误差协方差的一步预测。
[0058] 步骤6.1.2：引入外辐射源的状态信息，更新目标的新息协方差S
[0059]
[0060] 步骤6.1.3：更新目标的滤波增益K
[0061]
[0062] 步骤6.1.4：更新目标的状态
[0063]
[0064] 其中，Zp(k+1)为基于目标和外辐射源一步预测值得到的量测的预测值。
[0065] 步骤6.1.5：更新目标的协方差P(k+1|k+1)
[0066]
[0067] 步骤6.2：以目标更新状态估计值 作为目标状态的真实值对外辐射源进行扩展卡尔曼滤波，并对新息协方差St的计算做了修正得到外辐射源的状态估计并将协方差更新为Pt(k+1|k+1)。
[0068] 步骤6.2.1：基于目标更新状态估计值 和外辐射源状态的一步预测值Xt(k+1|k)计算此时量测的预测值
[0069] 步骤6.2.2：引入目标的状态信息，更新外辐射源的新息协方差St
[0070]
[0071] 步骤6.2.3：更新外辐射源的滤波增益Kt
[0072]
[0073] 步骤6.2.4：更新外辐射源的状态
[0074]
[0075] 步骤6.2.5：更新外辐射源的协方差
[0076]
