卢 锦,陶筱娇

(陕西科技大学 电子信息与人工智能学院,陕西 西安 710021)

0 引言

复杂背景下的非线性调频信号瞬时频率估计是微弱机动目标检测与跟踪的关键[1-4].现有的非线性调频信号估计方法一般有两类:非参数方法和参数方法.典型的非参数方法如文献[5,6],采用时间尺度或时频分布的脊能量估计非线性调频信号的瞬时频率曲线.此种方法能够避免信号模型的失配,但其性能高度依赖观测的时频分布.贝叶斯方法是一类典型的参数方法.贝叶斯方法首先将目标状态近似为随时间变化的状态序列,再利用贝叶斯算法,如卡尔曼滤波、粒子滤波等顺序地从观测数据中估计目标状态[7-12].此类方法可准确估计目标状态,但贝叶斯方法完全依赖于背景的统计信息.因此对于复杂背景噪声下或未知背景噪声下的非线性调频信号估计问题,贝叶斯类方法的性能会下降.

代价参考粒子滤波算法(cost-reference particle filter,CRPF)是一类新的粒子滤波算法[13-19].其与粒子滤波结构相似,但采用代价衡量样本.样本代价可根据使用场景定义,不依赖于系统的统计信息.因此,CRPF 可估计未知背景下的非线性调频信号.在文献[15]中,我们提出了前-后向CRPF(forward backward CRPF,FB-CRPF),将前向CRPF在最后时刻的估计结果作为后向CRPF 的先验信息.该方法大大提高了后向CRPF 的先验信息精度,因而后向CRPF 的估计性能大幅提高.但FB-CRPF 包括前向CRPF 和后向CRPF 两个过程,其运行时间是常规粒子滤波算法的两倍.

针对FB-CRPF运行时间长的问题,本文提出……