目标数据处理

循环冗余校验码的发送接受的过程

信息m(x)发送接收方发送方校验正确N重发Ye1例：生成多项式是信息字段为1011001，求对应的CRC编码.1100111110110011111011001111001100110101011001000011001（余数）校验字段形成码字:1011001

10100101101e2循环冗余校验码的发送接受的过程

1011001发送接收方发送方校验正确Y101100100001010101100110101011001101010110011010e3循环冗余校验码的发送接受的过程

1011001发送接收方发送方校验正确N重发Y101100100001010101100110101011011101010110011010e4第六章目标数据处理目标坐标探测原理航迹的平滑和外推α—β滤波的原理最小二乘滤波和卡尔曼滤波简介5第一节目标坐标探测原理

目标距离测量目标方位测量e6第一节目标坐标探测原理

一、距离测量t2t1RＲ——雷达装置到目标的距离。t1

——从发射电磁波到电磁波达到目标所需的时间。t2——目标反射电磁波到到达雷达接收机的时间。e7第一节目标坐标探测原理

一、距离测量t1t2RC——电磁波的传播速度=3.333微秒=3.333微秒=1公里（t1+t2）C=2RR=Ct/2e8二、角度测量N目标角度位置当接收到的信号最大时天线所指的方向就是目标方向。通常从真北方向起或相对于装备该雷达的舰船或飞机的航向测量该角度。e第一节目标坐标探测原理

9第二节航迹的平滑和外推相关概念航迹的平滑与外推航迹的平滑和外推的过程线性外推e10一、航迹处理的相关概念

点迹：目标各个时刻的坐标。航迹：目标运动的轨迹。轨迹由目标运动的点迹组成。第二节航迹的平滑和外推e波门：波门是一个人为划定的区域，该区域的中心是“预测的下一搜索周期目标最大可能出现的位置”.11第二节航迹的平滑和外推

Z123-2-3-1A0OX123-1-3-2A1A2A3A4二、航迹的平滑与外推e122.外推的坐标存在一定的误差，检测的坐标也有误差，利用这两者经过平滑以后的数据，能更好地表示目标的真实位置。1.外推是根据已有的航迹数据，预测下一周期目标可能出现的位置，并以此坐标为准计算产生相关波门。3.平滑的目的是为了得出目标当前坐标比较正确的数据，它是在上一周期外推所得本周期的目标可能坐标和在本周期检测到的目标坐标的基础上，按一定的准则计算的数据。第二节航迹的平滑和外推

13A0A′1A"1A1A′2A"2A2A"3A′3A3A′41.按一定的准则外推下一周期目标的坐标；2.按一定的准则确定检测目标的波门；3.检测目标坐标；4.滤波目标坐标；5.按一定的准则外推下一周期目标的坐标；三、航迹的平滑和外推的过程e第二节航迹的平滑和外推

14第二节航迹的平滑和外推

四、线性外推线性外推法即用检测到的两个最新点迹（坐标），来求预测点作为外推波门的中心。Ai-1是上一周期检测到的目标点迹；Ai是本周期检测到的目标点迹；利用雷达搜索周期基本不变的特点，预测目标在下一周期最大可能出现的位置Ai+1。图形e15基本公式用直角坐标系时为：Ｘi+1＝Ｘｉ—Ｘｉ-1Yi+1＝Ｙｉ一Yi-1Ｔ＝Ｔｉ—Ｔi-1式中：Ｘi+1、Ｙi+1为预测值；Ｔ是雷达的搜索周期，是下周期可能出现目标的时间。第二节航迹的平滑和外推

四、线性外推eXYXi－1XiXi+1yi－1yiyi+1Ai－1AiAi+1O16例1.设雷达在第i个雷达搜索周期测得的目标坐标为（2.1,5.8），第i+1个雷达搜索周期测得的目标坐标为（2.9,5.1），那么下一个雷达搜索周期目标检测波门的中心坐标为Ｘi+2＝Ｘｉ＋1—Ｘｉ＝0.8Yi+2＝Ｙｉ＋1一Yi＝－0.7第二节航迹的平滑和外推

四、线性外推XYXiXi＋1Xi+2yiyi＋1yi+2AiAi＋1Ai+2O17小结要求1.了解目标坐标探测原理

2.掌握航迹处理的相关概念3.掌握航迹的平滑和外推的过程4.掌握航迹外推的依据5.掌握航迹平滑的目的6.理解线性外推的依赖思考题线性外推的缺点。18第三节α-β滤波的原理

α-β滤波的过程滤波

外推外推e19第三节α-β滤波的原理

1.目标距离；2.目标方位；4.目标航向。3.目标航速；一.火控计算需要的目标数据

e20第三节α-β滤波的原理

1.利用检测的目标点迹建立目标的初始航迹；2.利用前k个周期检测的目标坐标和外推的目标第k周期的坐标，滤波（平滑）得到目标第k周期的坐标；4.调整目标数据的衰减（滤波）系数。3.外推的目标第k+1周期的坐标。e二.α－β滤波原理

21第三节α-β滤波的原理

根据预测的目标检测波门，在波门内检测有无目标的回波，如果有目标回波，该回波的位置就是检测的目标第k个周期的坐标。1.检测目标的坐标

e三.α－β滤波的过程

如果采用直角坐标系，用（XOK,YOK）表示检测的目标第k个周期目标坐标。

O表示观测，是英语Observe的首字母。22第三节α-β滤波的原理

——目标第k个周期的坐标估计；——第k个周期检测的目标坐标；α——目标坐标的衰减系数；——外推的目标第k+1周期的坐标；predict2.滤波

e三.α－β滤波的过程

23α＝0时目标第k个周期的坐标估计等于外推的目标第k周期的坐标。α＝1时目标第k个周期的坐标估计等于检测的目标第k周期的坐标。e第三节α-β滤波的原理

24——第k-1个周期目标的速度估计在X轴上的分量；——第k个周期目标的速度估计在X轴上的分量；——目标速度的衰减系数；T——雷达搜索周期。e第三节α-β滤波的原理

25第k个周期目标的速度估计等于第k-1个周期目标的速度估计。第k个周期目标的速度估计等于第k-1个周期目标的速度估计加上修正量。)XX(TVPKokxk-β=e第三节α-β滤波的原理

26——外推的目标第k+1周期的坐标；3.外推目标坐标设定检测波门e第三节α-β滤波的原理

4.检测目标的坐标

检测外推滤波27四、α、β的计算公式式中k为扫描周期的序数，从１开始计数。e第三节α-β滤波的原理

28kαβkαβ11

50.60.221160.520.14230.8330.570.460.10740.70.380.4160.08α、β的取值随ｋ的变化如下表e第三节α-β滤波的原理

α、β的取值随ｋ的增加而逐渐减小。29pkokpkskXXXX-a+=a随着跟踪时间的延长，目标的数据越来越依赖于外推值。e30第四节最小二乘滤波和卡尔曼滤波简介一、目标的运动匀速运动：x(t)=a0＋a1t

加速运动：x(t)=a0+a1t+a2t2

任何目标的坐标都可以用一个多项式来表示ｘ（t）＝ａ0＋ａ1ｔ＋ａ2ｔ2＋…＋aｍｔm上式称为目标运动数学模型，即为目标运动的多项式模型。e31二、最小二乘滤波器最小二乘滤波方法是一种使误差平方和的数学期望最小的一种滤波器。A0A'1A"1A1A'2A"2A2A"3A'3A3A'4第四节最小二乘滤波和卡尔曼滤波简介e32二、卡尔曼滤波1.状态：目标状态的集合。目标的位置、速度、加速度等。2.目标状态估计滤波：使用tk

及tk

前所有的测量值对tk时刻的状态矢量进行估计。预测：对以后的时刻ti（ti>tk）的状态矢量进行估计，而最后一组测量值是在tk

时刻得到的。平滑：分别使用从第一个时刻到最后一个时刻的所有测量值对tk+1时刻的状态矢量进行估计。第四节最小二乘滤波和卡尔曼滤波简介33第四节最小二乘滤波和卡尔曼滤波简介3.卡尔曼滤波器是一种最优估计器，因此它对状态矢量（即未知参数）的估计是无偏的，并且方差最小。

4.卡尔曼滤波器要求很高，状态维数多，系统及测量模型复杂。从理论上讲，卡尔曼滤波是一种最优滤波，但是它的要求很高，很难达到。通常用简化的卡尔曼滤波器代替卡尔曼滤波器。e34第四节最小二乘滤波和卡尔曼滤波简介三、自适应滤波器对于最优的卡尔曼滤波来说，只能适应某一种目标运动情况，当目标机动或运动作较大改变时，就会出现滤波输出与实际不符的情况。e35小结.尽量消除传感器对目标的量测误差；.求取目标的运动参数；.提高