雷达数据处理1

现代雷达系统一般都包含雷达信号处理器和雷达数据处理器。
信号处理器是用来检测目标并利用一定的方法来抑制由海（地）面杂波、气象、射频干扰、噪声源和人为干扰所产生的不希望有的信号。处理后的视频输出信号再与某个门限比较。
雷达数据处理包括很广泛的内容，这里指的是雷达在取得目标的位置、运动参数数据（如径向距离、径向速度、方位和俯仰角等）后进行的互联、跟踪、滤波、平滑、预测等运算。

雷达数据处理的目的就是最大限度地提取目标的坐标信息，以便对控制区内目标的运动轨迹进行估计，并给出它们在下一时刻的位置推移，实现对目标的高精度实时跟踪。

在高斯情况下，参数的ML估计和LS估计是一致的，MMSE估计和MAP估计是一致的。

梯度的计算是要保证列向量。

正交原理是线性估计成为最优估计的充分必要条件。
状态变量法是描述动态系统的一种很有价值，采用这种方法，系统的输入输出关系是用状态转移模型和输出观测模型在时域内加以描述的。只有进行了初始化，才能利用卡尔曼滤波对目标进行滤波。

克服前三种滤波发散的方法主要有：限定下界滤波衰减记忆滤波、限定记忆滤波和自适应滤波等，这些都是以牺牲滤波最佳性为代价而换取滤波收敛性的。
而克服滤波数值的不稳定的主要方法有：协方差平方根滤波与平滑，信息平方根滤波与平滑，序列平方根滤波与平滑等。

提高卡尔曼滤波实时能力有以下几种途径：
（1）减少状态维数，这可以通过压缩状态维数或将系统解耦成几个系统来实现。
（2）改进计算技术，如采用计算量较小的序贯处理和信息滤波方法。
（3）采用简化增益，例如常增益或分段常增益。
（4）降低数据率，为了解决高数据率与滤波实时能力的矛盾，可以采用简单的算法对数据进行预处理，这样既能降低数据率又能基本保持数据中的有用信息。

卡尔曼滤波是在线性高斯情况下利用最小均方误差准则获得目标的动态参数的关系式非线性的。通常的处理方法是利用线性化技巧将非线性滤波问题转化为一个近似的线性滤波问题。其中，最常用的线性化方法是泰勒级数展开，所得到的滤波方法是扩展卡尔曼滤波（EKF）。

仿真结果表明，二阶扩展卡尔曼滤波的性能远比一阶的好，而二阶以上的扩展卡尔曼滤波性能与二阶相比并没有明显的提高，所以超过二阶以上的扩展卡尔曼滤波一般都不采用。二阶卡尔曼滤波的性能虽然优于一阶的，但二阶的计算量很大，所以一般情况下只采用一阶扩展卡尔曼滤波。