一种基于双层期望最大化的机动目标跟踪技术制造技术

本发明专利技术属于目标跟踪技术领域，公开了一种基于双层期望最大化的机动目标跟踪技术。包括：一，通过N个雷达分别实时测量对应得到机动目标的N个雷达量测向量雷达量测向量y包括机动目标与雷达之间的距离、方位角、机动目标与雷达之间的距离变化率；二，通过并行执行第一层期望最大化算法得到机动目标状态向量x估计集合和加性未知干扰伪量测θ集合并将传输给第二层期望最大化算法；三，第二层期望最大化算法接收到后，用混合高斯分布去拟合的前一二阶距，得到加性未知干扰伪量测集合的均值和协方差四，利用的均值和协方差信息，并通过kalman滤波得到状态估计值该技术可保证参数辨识的解析性和收敛性，且该技术可提高目标状态估计精度。

【技术实现步骤摘要】

本专利技术属于目标跟踪
，特别涉及一种基于双层期望最大化的机动目标跟踪技术。
技术介绍
目标跟踪在军事领域中占据着重要的位置，只有可靠且精确的跟踪才能有效地对目标实施打击。随着国防军事领域的发展，战斗机的机动性能得到了很大的提高。目标的机动性加大了目标跟踪的难度，主要表现在目标机动状态的不确定性引起数学模型的建模误差，该建模误差可表示为加性未知干扰且通常与状态相关。在此背景下，如何提高机动目标的状态跟踪精度成为一个越来越重要的问题，因此迫切需要研究性能更为优越的跟踪滤波方法。现有针对加性未知干扰存在下的机动目标跟踪问题的解决方法主要有扩维法，鲁棒法，交互多模型(InteractingMultipleModel,IMM)以及传统的期望最大化(Expectation-maximuzation，EM)算法等技术方案。扩维法将加性未知干扰当作状态并扩充到状态向量中从而将加性未知干扰与状态一起进行估计；鲁棒法一定程度上消除了模型误差对估计结果带来的影响，但其结果具有保守性；I本文档来自技高网...

【技术保护点】
一种基于双层期望最大化算法的机动目标跟踪技术，其特征在于：包括以下步骤：步骤一，通过N个雷达分别实时测量对应得到机动目标的N个雷达量测向量k表示时刻值，k＝1、2、3……；雷达量测向量y包括机动目标与雷达之间的距离、方位角、机动目标与雷达之间的距离变化率；步骤二，所述N个雷达量测向量通过并行执行第一层期望最大化算法得到机动目标状态向量x估计集合和加性未知干扰伪量测θ集合并将加性未知干扰伪量测集合传输给第二层期望最大化算法；步骤三，第二层期望最大化算法接收到第一层期望最大化算法传输的加性未知干扰伪量测集合后，用混合高斯分布去拟合加性未知干扰伪量测集合的前一二阶距，得到加性未知干扰伪量测集合的均值...

【技术特征摘要】
1.一种基于双层期望最大化算法的机动目标跟踪技术，其特征在于：包括以下步骤：
步骤一，通过N个雷达分别实时测量对应得到机动目标的N个雷达量测向量k
表示时刻值，k＝1、2、3……；雷达量测向量y包括机动目标与雷达之间的距离、方位角、机动
目标与雷达之间的距离变化率；
步骤二，所述N个雷达量测向量通过并行执行第一层期望最大化算法得到机动
目标状态向量x估计集合和加性未知干扰伪量测θ集合并将加性未
知干扰伪量测集合传输给第二层期望最大化算法；
步骤三，第二层期望最大化算法接收到第一层期望最大化算法传输的加性未知干扰伪
量测集合后，用混合高斯分布去拟合加性未知干扰伪量测集合的前
一二阶距，得到加性未知干扰伪量测集合的均值和协方差步骤四，利用加性未知干扰伪量测集合的均值和协方差信息，并...

【专利技术属性】
技术研发人员：王小旭，王永刚，潘泉，宋宝，王子恬，张倩云，
申请(专利权)人：西北工业大学，
类型：发明
国别省市：陕西;61