基于UKF和IUFIR的机动目标跟踪方法技术

本发明专利技术公开了一种基于UKF和IUFIR的机动目标跟踪方法，它包括以下步骤：建立系统模型，设定目标的状态方程和测量方程；对目标初始状态和误差协方差进行初始化；使用UKF滤波方法进行线性转换；使用IUFIR滤波方法对线性化的数据进行滤波初始化，得到s时刻的广义噪声功率增益分别为和Gs；更新IUFIR滤波方法中的广义噪声功率增益G；对IUFIR滤波增益K更新；使用IUFIR滤波方法进行滤波估计，本发明专利技术解决在非线性雷达目标跟踪系统中，状态估计方面因为过程噪声的不确定性而增加预测估计的误差甚至发散的问题。

【技术实现步骤摘要】

本专利技术涉及空间机动目标跟踪
，具体涉及基于UKF和IUFIR的机动目标跟踪方法。
技术介绍
空间机动目标跟踪技术很早就被提出来了，但是它一直是雷达目标跟踪中的难点，随着数据关联等技术在多目标跟踪理论方面取得了开创性的突破，由数据关联技术和滤波技术相结合提出了很多新的目标跟踪算法。但是由于机动目标的机动情况时未知的，这就增加了状态方程的过程噪声难以确定，一般模型的过程噪声均为高斯白噪声，后来也有一些方法来解决这个问题，例如可调白噪声方法、变维滤波方法等，这些方法虽然通过各种方法来降低过程噪声的不确定性来提高跟踪的准确度，但是没有从根本上解决这个问题。
技术实现思路
本专利技术克服了现有技术的不足，提供一种基于UKF和IUFIR的机动目标跟踪方法。为实现上述目的，本专利技术采用以下技术方案：一种基于UKF和IUFIR的机动目标跟踪方法，它包括以下步骤：步骤1、建立系统模型，设定目标的状态方程和测量方程；步骤2、对目标初始状态和误差协方差进行初始化；步骤3、使用UKF滤波方法进行线性转换；步骤4、使用IUFIR滤波方法对线性化的数据进行滤波初始化，得到s时刻的广义噪声功率增益分别为和Gs；步骤5、更新IUFIR滤波方法中的广义噪声功率增益G；步骤6、对IUFIR滤波增益K更新；步骤7、使用IUFIR滤波方法进行滤波估计。更进一步的技术方案是，所述步骤1中建立的非线性跟踪系统模型中状态方程和测量方程分别为：xn＝f(xn-1,θn-1)+wn-1zn＝hn(xn,θn)+vn其中，xn为目标状态向量，f为状态转移非线性函数，wn-1为过程噪声，其协方差为Qn，h为量测函数，vn为测量噪声，zn为系统测量向量。更进一步的技术方案是，所述步骤3使用UKF滤波中的无迹转换进行线性转换得到离散的系统模型为：xn＝Fnxn-1+Bnwnzn＝Hnxn+vnxn∈RK×1为n时刻目标状态向量，Fn为n时刻非线性状态函数，wn∈Rp×1为n时刻过程噪声，vn∈Rp×1为n时刻量测噪声，zn∈Rm×1为n时刻系统的量测向量，Hn为n时刻非线性量测函数。更进一步的技术方案是，所述步骤4使用IUFIR滤波方法对线性化的数据进行滤波初始化，得到s时刻的广义噪声功率增益分别为和Gs，得到：x^s=Ξs,0m+1Ψs,m-1Zs,m]]>Gs=Ξs,0m+1(Ψs,mTΨs,m)-1(Ξs,0m+1)T]]>其中，Ξs,0m+1=Πi=0s-(m+1)Fs-i=FsFs-1...Fm+1]]>Ψs,m-1=(Hs,mTHs,m)-1Hs,mT]]>Zs,m=znTzn-1T...zmT.]]>更进一步的技术方案是，所述滤波增益和状态估计，具体公式表示为：Kl=GlHlT]]>本技术方案中，无迹卡尔曼滤波方法中的无迹转换过程具体如下，无迹变换是对状态概率密度函数(Probability Density Function,PDF)做近似。它首先选择有限个近似高斯分布离散点(称为σ点)，对每个σ点施以非线性变换，得到一簇UT变换后的线性点，再使用UFIR滤波方法来对转换的线性离散系统进行线性滤波，实现目标的定位和跟踪。(1)UT变换步骤为：设为一个随机变量，g代表任意一个非线性函数，实现令y＝g(x),Cov(x，x)＝Px。UT变换的具体过程如下：先按照以下方法得到(2nx+1)个带权值的粒子，mi为粒子权值，取(i＝1…2nx),选取原则如下：χ0=x‾i=0xi=x‾+((nx+λ)Px)ii=1,2...,nxxi=x‾+((nx+λ)Px)ii=nx+1,...,2nx---(1)]]>m0=λ/(nx+λ),i=0mi=0.5/(nx+λ),i=1,...,nxmi=0.5/(nx+λ),i=nx+1,...,2nx---(2)]]>其中，λ为尺度参数，用于调节δ点和先验均值的距离远近，一般取0或3-nx；是指矩阵平方根的第i行或第i列。这些δ点通过非线性函数得到，公式如下：ξi＝g(χi) i＝0，1，…2nx (3)y的均值和方差可通过这些的线性化的δ点得出：y‾=Σi=02nxmiξi---(4)]]>Py=Σi=02nxmi(ξi-y‾)(ξi-y‾)T---(5)]]>(2)IUFIR滤波方法IUFIR滤波方法主要针对线性滤波模型，假设离散线性模型系统的状态方程和观测方程如下：xn＝Fnxn-1+Bnwn (6)zn＝Hnxn+vn (7)xn∈RK×1为n时刻目标状态向量，Fn为n时刻非线性状态函数，wn∈Rp×1为n时刻过程噪声，vn∈Rp×1为n时刻量测噪声，zn∈Rm×1为n时刻系统的量测向量，Hn为n时刻非线性量测函数。设在系统中的vn、wn为零均值噪声序列，它们互不相关，其协方差分别为：Qn和Rn。对所有的i、j时刻，噪声的基本统计性质为：E{vn本文档来自技高网...

【技术保护点】
一种基于UKF和IUFIR的机动目标跟踪方法，其特征在于，它包括以下步骤：步骤1、建立系统模型，设定目标的状态方程和测量方程；步骤2、对目标初始状态和误差协方差进行初始化；步骤3、使用UKF滤波方法进行线性转换；步骤4、使用IUFIR滤波方法对线性化的数据进行滤波初始化，得到s时刻的广义噪声功率增益分别为和Gs；步骤5、更新IUFIR滤波方法中的广义噪声功率增益G；步骤6、对IUFIR滤波增益K更新；步骤7、使用IUFIR滤波方法进行滤波估计。

【技术特征摘要】
1.一种基于UKF和IUFIR的机动目标跟踪方法，其特征在于，它包括以下步骤：步骤1、建立系统模型，设定目标的状态方程和测量方程；步骤2、对目标初始状态和误差协方差进行初始化；步骤3、使用UKF滤波方法进行线性转换；步骤4、使用IUFIR滤波方法对线性化的数据进行滤波初始化，得到s时刻的广义噪声功率增益分别为和Gs；步骤5、更新IUFIR滤波方法中的广义噪声功率增益G；步骤6、对IUFIR滤波增益K更新；步骤7、使用IUFIR滤波方法进行滤波估计。2.根据权利要求1所述的基于UKF和IUFIR的机动目标跟踪方法，其特征在于，所述步骤1中建立的非线性跟踪系统模型中状态方程和测量方程分别为：xn＝f(xn-1,θn-1)+wn-1zn＝hn(xn,θn)+vn其中，xn为目标状态向量，f为状态转移非线性函数，wn-1为过程噪声，其协方差为Qn，h为量测函数，vn为测量噪声，zn为系统测量向量。3.根据权利要求1所述的基于UKF和IUFIR的机动目标跟踪方法，其特征在于，所述步骤3使用UKF滤波中的无迹转换进行线性转换得到离散的系统模型为：xn＝Fnxn-1+Bnwnzn＝Hnxn+vnxn∈RK×1为n时刻目标状态向量，Fn为n时刻非线性状态函数，wn∈Rp×...

【专利技术属性】
技术研发人员：何娟，冯霞，王必娇，
申请(专利权)人：四川长虹电器股份有限公司，
类型：发明
国别省市：四川;51