The present invention discloses a Kalman filtering method based on amplitude information, which mainly solves the problem of inadequate accuracy of target state estimation in existing technology when the observation noise changes. Its realization scheme is: 1) acquiring measurement information, amplitude information and state noise covariance from radar signal processing in different scanning periods; 2) obtaining initial state error covariance from radar system parameters. Variance and observation noise covariance; 3) Set the parameters obtained by 1) and 2) as the initial values of filters; 4) Calculate the covariance proportionality coefficient of observation noise and the observation noise covariance by using the obtained amplitude information; 5) Estimate the state based on the observed noise covariance; 6) Input the information from the state estimation into the next scan cycle. The invention reduces the mismatch between observation noise and statistical information of observation noise, improves the accuracy of target state estimation, and can be used for tracking and parameter estimation of radar target.
【技术实现步骤摘要】
基于幅度信息的卡尔曼滤波方法
本专利技术属于雷达
,特别涉及一种卡尔曼滤波方法,可用于对雷达目标进行跟踪和参数估计。
技术介绍
卡尔曼滤波算法是目前被广泛应用的一种雷达目标跟踪算法。在系统特性已知、系统噪声以及观测噪声的统计特性都先验已知的情况下,卡尔曼滤波算法能够实现最优估计。但在一般情况下,系统的状态并不都是先验已知的,状态噪声和观测噪声的统计特性并不是固定的,尤其是观测噪声的统计信息会随着目标RCS的起伏发生变化,在这种情况下用传统的卡尔曼滤波算法进行雷达目标跟踪很难实现最优性,容易出现滤波发散、跟踪精度下降以至目标跟踪丢失的问题。为了提高卡尔曼滤波算法的性能,解决噪声不平稳的问题,实现最优估计,目前采用的方法主要是通过自适应地设计和调整滤波系统的状态噪声协方差来进行,如自适应卡尔曼滤波算法AKF等,这些方法虽然能够根据不同环境自适应的获取恰当的滤波参数,自适应的改变状态噪声的协方差矩阵,但是没有解决观测噪声统计信息变化的问题。一些调整观测噪声的协方差矩阵方法,其中包括两次Kalman滤波的观测噪声自适应调整方法,由于只利用了位置信息没有有效地利用量测除位置以外的其他信息量,因而需要进行多步存储,大大增加了运算量,难以进行工程实现。在实际情况下,按照雷达目标回波模型,在不同的扫描周期下,目标的RCS是起伏的,这可等效为卡尔曼滤波时观测噪声统计信息在不断变化。而目前的卡尔曼滤波方法均没有涉及目标RCS起伏对观测噪声统计信息的影响,即没有与信号处理的实际情况进行有效结合,难以对观测噪声的统计信息进行有效估计,造成观测噪声与其统计信息失配的情况,影响 ...
【技术保护点】
1.基于幅度信息的卡尔曼滤波方法,其特征在于,包括如下:(1)在每次扫描时,获取雷达信号处理得到的量测信息Z、目标幅度信息A和过程噪声协方差信息Q;(2)通过雷达系统参数获取初始观测噪声协方差信息R(1)和初始状态误差协方差信息P(1|1);(3)在第1个扫描周期,用(1)和(2)中获得的信息,设置滤波器的初始值,即第1个扫描周期的状态误差协方差P(1|1),过程噪声协方差Q(1),,观测噪声协方差信息R(1)、幅度信息A(1)及由量测信息Z(1)得到的状态估计信息
【技术特征摘要】
1.基于幅度信息的卡尔曼滤波方法,其特征在于,包括如下:(1)在每次扫描时,获取雷达信号处理得到的量测信息Z、目标幅度信息A和过程噪声协方差信息Q;(2)通过雷达系统参数获取初始观测噪声协方差信息R(1)和初始状态误差协方差信息P(1|1);(3)在第1个扫描周期,用(1)和(2)中获得的信息,设置滤波器的初始值,即第1个扫描周期的状态误差协方差P(1|1),过程噪声协方差Q(1),,观测噪声协方差信息R(1)、幅度信息A(1)及由量测信息Z(1)得到的状态估计信息(4)在第k+1个扫描周期获取雷达信号处理报送的幅度信息A(k+1),并利用上一个扫描周期的幅度信息A(k),计算得到观测噪声的协方差比例系数L(k+1)为:(5)利用由(4)得到的比例系数L(k+1)和第k个周期的观测噪声协方差R(k)计算第k+1个扫描周期观测噪声协方差R(k+1):R(k+1)=L(k+1)R(k);(6)根据(5)得到的观测噪声协方差R(k+1),通过卡尔曼滤波算法计算第k+1个扫描周期的状态估计信息(7)将第k+1个扫描周期的状态估计信息状态误差协方差P(k+1|k+1),观测噪声协方差R(k+1)、过程噪声协方差Q(k+1)、目标幅度信息A(k+1)作为下一个周期滤波器的输入,进入下个一个周期的状态估计。2.根据权利要求1所述的方法,其中(6)中通过卡尔曼滤波算法计算第k+1个扫描周期的状态估计信息其实现如下:(6a)利用第k个扫描周期的状态估计信息进行...
【专利技术属性】
技术研发人员:赵永波,丁一,何学辉,刘宏伟,苏洪涛,
申请(专利权)人:西安电子科技大学,
类型:发明
国别省市:陕西,61
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。