本发明涉及雷达，具体为一种用于雷达多普勒盲区的状态估计方法。
背景技术：
1、机载雷达采用脉冲多普勒体制，具有良好的探测性能,但该体制雷达依然存在多普勒盲区问题。在目标跟踪过程中,当目标进行大机动使得目标运动的方向与载机方向垂直，会导致目标落入多普勒盲区之中。因此为了确保对做大机动的目标进行稳定的跟踪同时还要确保足够的跟踪精度，通常在雷达的数据处理部分采用先进的滤波和相关算法进行机动目标的跟踪。滤波和相关算法的选取要考虑到滤波算法对做非机动匀速直线飞行的目标确保足够高的跟踪精度滤波算法，对目标机动有足够快的反应速度并能够采取相应的措施放大跟踪滤波器的带宽同时还要兼顾跟踪精度的下降在可以接受的范围内在多目标环境或者杂波边缘进行目标跟踪时应该保证错误关联的概率降到最低。
2、雷达通常采用的滤波器或关联算法有α-β滤波器、α-β-γ滤波器、卡尔曼滤波器、扩展卡尔曼滤波器、粒子滤波器、自适应卡尔曼滤波器、交互多模型滤波算法、多假设跟踪算法等。这些算法需要提供可靠的运动模型并且提供较为准确的点迹信息，否则目标容易跟丢，出现新建航迹的情况导致无法为航电系统提供稳健的目标信息。现有的方法都是利用目标运动模型和关联方式解决多普勒盲区目标跟踪不稳定的问题，但是该方法没有利用进入盲区前的信息，并且如果目标关联方法和目标运动模型与实际不符，则目标状态估计效果会急剧下降，基于此，我们研发了一种用于雷达多普勒盲区的状态估计方法。
技术实现思路
1、本发明的目的在于提供一种用于雷达多普勒盲区的状态估计方法，以解决现在技术中存在的问题。
2、为实现上述目的，本发明提供如下技术方案：一种用于雷达多普勒盲区的状态估计方法，包括以下步骤：
3、步骤一、通过雷达获得点迹信息，并且初始化各变量δ＝10；
4、步骤二、随机取得一个u～u(0,1)；
5、步骤三、定义随机转移函数：
6、
7、式中，i表示进入多普勒盲区的时间，j表示进入多普勒盲区的前10个时刻，δ表示方差，z(i)表示点迹，π表示圆周率，μ表示平均值，^表示指数次幂，e表示自然常数；
8、步骤四、从随机的条件转移矩阵中得到一个样本z*～q(z(i)→z*)，其中，
9、
10、式中，z*表示通过雷达检测得到的点迹，q(z(i)→z*)表示从条件转移矩阵中得到的样本定义；
11、步骤五、计算该样本的接收概率α：
12、
13、其中，
14、
15、
16、式中，p(z*)表示为z*的先验分布，p(z(i))表示为z(i)的先验分布；
17、步骤六、判断是否u≤α，如果是则z(i)＝z*，否则z(i)＝z(i-1)；
18、步骤七、依照上述过程从步骤一开始执行n次，即可得到z(1),z(2),...,z(n)；
19、步骤八、利用概率分布可以计算得到后验的期望值ep(z)(z)，该期望值为目标的状态估计值。
20、在一个优选实施例中，所述点迹信息包括有当前时刻目标的速度信息。
21、在一个优选实施例中，所述期望值ep(z)(z)的表达式为：
22、
23、式中，p(z)表示为均匀分布，n表示为采样点数。
24、与现有技术相比，本发明具有如下有益效果：本发明利用进入盲区前的信息实时学习目标运动方式，并利用统计信息生成拟合运动的高斯分布，然后在多普勒盲区利用目标概率分布生成点迹序列，提升了状态估计的准确性和系统的鲁棒性，解决了目标在多普勒盲区无法估计状态信息的问题。
1.一种用于雷达多普勒盲区的状态估计方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种用于雷达多普勒盲区的状态估计方法，其特征在于：所述点迹信息包括有当前时刻目标的速度信息。
3.根据权利要求2所述的一种用于雷达多普勒盲区的状态估计方法，其特征在于：所述期望值ep(z)(z)的表达式为：
