一种基于预测值量测转换的多普勒雷达目标跟踪方法技术

本发明专利技术公开了一种基于预测值量测转换的多普勒雷达目标跟踪方法。本发明专利技术首先求解位置预测值的转换量测误差的均值和协方差；再将基于直角坐标系下的位置预测值的转换量测误差的协方差阵应用到标准卡尔曼滤波算法中，即可得到基于预测位置的量测转换卡尔曼滤波算法，通过该算法进行目标位置估计，得到目标的估计位置。最后，使用多普勒信息和目标的估计位置使用二阶EKF变换，进行递推序贯卡尔曼滤波，完成目标跟踪。本发明专利技术用于雷达目标跟踪，能利用多普勒信息提升跟踪精度，且运算量一定。

A Doppler radar target tracking method based on predictive value measurement transformation

The invention discloses a target tracking method of a Doppler radar based on a predictive value measurement transformation. The invention firstly solve location prediction of mean and covariance values of the converted measurement error; then the Cartesian coordinates position prediction covariance matrix application value of the converted measurement error to the standard Calman filtering algorithm based on the predicted position based on the measurement of Calman transform filtering algorithm to estimate the target position by the algorithm estimation of the target location. Finally, the Doppler information and target estimation positions are used, and the two order EKF transform is used to carry out recursive sequential Calman filtering to achieve target tracking. The method can be used for radar target tracking, and can improve tracking precision by using Doppler information, and the calculation amount is certain.

【技术实现步骤摘要】

本专利技术属于雷达目标跟踪领域，特别是涉及利用多普勒雷达量测转换误差的统计特性的计算方法。
技术介绍
目前，在目标跟踪系统中，目标的状态方程一般是建立在直角坐标系下的，而量测值一般是在极(球)坐标系下获得的。这样，目标跟踪就成为一个非线性估计问题。解决这一问题的常用方法是转换量测卡尔曼滤波(CMKF)算法，即使用转换量测方法将极坐标下的量测变换表示成直角坐标系下的量测，从而使目标跟踪就成为一个线性估计问题。然而传统的转换量测的方法在转换量测时会产生偏差。如何去除转换量测值的偏差是提高雷达目标跟踪的精度的关键。当前，去除转换量测值的偏差的处理方式主要有：去偏的转换量测卡尔曼滤波(CMKF-D)算法、无偏转换量测卡尔曼滤波(UCMKF)算法、修正的无偏转换量测卡尔曼滤波(MUCMKF)算法。CMKF-D算法求得的转换量测的偏差和协方差矩阵会引入附加的误差，因而不够精确。UCMKF算法中的无偏转换量测值是在真实值的条件下推导的，而转换量测误差的协方差矩阵在已获得的无偏转换量测值的基础上直接在量测值的条件下推导的，因此存在兼容性的问题。MUCMKF算法克服兼容性的问题，但是仅仅在量测值的条件下推导转换量测误差的均值和协方差矩阵，因此有了基于预测位置的去相关无偏量测转换卡尔曼滤波(DecorrelatedUnbiasedConvertedMeasurementKalmanFilter,DUCMKF)算法，该算法在计算转换量测误差的统计特性时，分别以量测值以及直角坐标系下的位置预测值为条件获得转换量测误差的均值和协方差，并选取其中准确度较高者作为滤波器最终采用的转换量测误差均值和协方差矩阵。虽然算法跟踪精度有所提高，但在计算以直角坐标系下的位置预测值为条件的均值和协方差矩阵过程中采用UT变换计算，因此，牺牲了一定运算量。上述算法都仅仅考虑了雷达的位置量测。实际采用的雷达，尤其是多普勒雷达，往往还可以提供多普勒量测。理论计算与实践已经证明，充分利用多普勒量测信息可以有效地提高目标的跟踪精度。早先通常假设斜矩、角度和多普勒的量测误差统计独立，然而最近的研究表明，对于某些波形而言，斜距和多普勒的量测误差是统计相关的。为减小多普勒量测模型在直角坐标系下的强非线性，通过将斜距和多普勒量测相乘构造了伪量测，如文献“ZhanshengDuan,ChongzhaoHanandX.RongLi,SequentialNonlinearTrackingFilterwithRange-rateMeasurementsinSphericalCoordinates,7thInternationalConferenceonInformationFusion,Stockholm,2004,131-138.”将去偏量测转换(DebiasedConvertedMeasurement，DCM)算法推广为包含多普勒量测且斜距误差和多普勒误差相关的序贯滤波算法，然而，该方式中求解误差均值和协方差时使用了嵌套的条件期望，导致了轻微的偏差。文献“LeiMing,HanChong-zhao.SequentialnonlineartrackingusingUKFandrawrange-ratemeasurements[J].IEEETransactionsonAerospaceandElectronicSystems,2007,43(1):239-250.”公开的方案虽然没有使用嵌套的条件期望，而是直接基于多普勒量测信息求一次期望，然后使用UT变换进行序贯卡尔曼滤波。文献“(L.Jiao,Q.Pan,Y.Liang,andF.Yang,Anonlineartrackingalgorithmwithrange-ratemeasurementsbasedonunbiasedmeasurementconversion,inInformationFusion(FUSION),201215thInternationalConferenceon.IEEE,2012,pp.1400–1405.”也没有使用嵌套的条件期望，而是直接基于多普勒量测信息求一次期望，然后使用二阶EKF(扩展卡尔曼滤波)变换进行序贯卡尔曼滤波。然而以上方法都只是在各自部分进行的优化，没有将两部分结合起来。
技术实现思路
为了更加充分地利用雷达的多普勒量测信息，本专利技术将仅仅考虑位置量测的DUCMKF算法推广到包含多普勒量测且斜距误差和多普勒误差相关的情况，以提升对目标的跟踪精度。在二维空间下，基于目标的位置量测值(xm,ym)可得到雷达对目标的斜距、方位角的量测值：基于目标的多普勒量测信息可得到雷达对目标的多普勒的量测值因量测误差的存在，故雷达对目标的斜距、方位角、多普勒的量测值可以定义为：其中斜距r、β和分别为雷达对目标的、方位角、多普勒的真实值。和分别为雷达对目标的斜距、方位角和多普勒的量测误差，其均值均为零的高斯白噪声序列，且和的相关系数为ρ。雷达对目标的斜距、方位角、多普勒的量测值分别为：其中为rp、βp、的误差。为了便于区分，本说明书中，用标识符m表示量测值、p标识预测值。因而，可得量测值(雷达对目标的斜距、方位角、多普勒)、预测值和其误差的关系为：极坐标系和直角坐标的关系为：由此可得转换测量后的测量值的误差为：在预测值的条件下，求得的转换测量误差的均值为：其中E(·)表示期望值，Cp用于标识量测转换结果。对转换测量误差求取协方差阵，可得到基于预测值的误差协方差阵RCp为：将上面求得的基于直角坐标系下的位置预测值的转换量测误差的均值和协方差阵应用到标准卡尔曼滤波算法中，即可得到基于预测位置的量测转换卡尔曼滤波算法，即基于预测位置的去相关无偏量测转换卡尔曼滤波(DUCMKF)算法，通过DUCMKF算法，利用除去多普勒信息之外的一般量测信息，估计出目标的位置，即目标的估计位置。最后，使用多普勒信息和目标的估计位置使用二阶EKF，进行递推序贯卡尔曼滤波，完成目标跟踪。因而，本专利技术的基于预测值量测转换的多普勒雷达目标跟踪方法，具体包括下列步骤：步骤1：在预测值的条件下，计算转换量测误差的协方差矩阵：基于目标的预测位置(xp,yp)可得到对应的雷达对目标的斜距、方位角预测值基于目标的预测多普勒信息可得到雷达对目标的多普勒的预测值基于多普勒雷达的系统参数(雷达对目标的斜距、方位角、多普勒的量测误差的方差以及斜距与多普勒的量测值的相关系数ρ)计算得到当前转换测量误差的均值符号[·]T表示矩阵转置。其中参数e表示自然底数，表示雷达对目标的方位角的预测方差。基于转换测量误差的均值雷达对目标的斜距的预测方差雷达对目标的多普勒的预测方差斜距与多普勒的预测值的相关系数求取协方差矩阵，可得到基于预测值的误差协方差矩阵的各元素，具体如下：其中，因此基于的各元素可得到基于预测值的误差协方差阵步骤2：基于骤1计算得到的协方差矩阵RCp，采用卡尔曼滤波算法，进行目标位置估计，得到目标的估计位置；步骤3：基于多普勒信息和目标的估计位置，采用二阶扩展卡尔曼滤波，进行递推序贯卡尔曼滤波，完成目标跟踪。与现有技术相比，本专利技术的有益效果是：客服了现有的基于转换量测卡尔曼滤波算法的目标跟踪处理中，因未利用径向速度(多普勒信息)进行目本文档来自技高网...

【技术保护点】
一种基于预测值量测转换的多普勒雷达目标跟踪方法，其特征在于，包括下列步骤：步骤1：在预测值的条件下，计算转换量测误差的协方差矩阵：获取雷达对目标的斜距、方位角、多普勒的预测值rp、βp、基于雷达对目标的斜距、方位角、多普勒的量测误差的方差以及斜距与多普勒的量测值的相关系数ρ，计算转换测量误差的均值其中符号[·]T表示矩阵转置，参数e表示自然底数，表示雷达对目标的方位角的预测方差；基于μCp、雷达对目标的斜距的预测方差雷达对目标的多普勒的预测方差斜距与多普勒的预测值的相关系数求取协方差矩阵，求取基于预测值的误差协方差阵其中的各元素具体为：RxxCp=12(rp2+σr2+σrp2)[1+cos(2βp)e-2σβp2e-2σβ2]+(12-e-σβ2/2)(rp2+σrp2)[1+cos(2βp)e-2σβp2]-(μxCp)2]]>RyyCp=12(rp2+σr2+σrp2)[1-cos(2βp)e-2σβp2e-2σβ2]+(12-e-σβ2/2)(rp2+σrp2)[1-cos(2βp)e-2σβp2]-(μyCp)2]]>RxyCp=12(rp2+σr2+σrp2)[sin(2βp)e-2σβp2e-2σβ2]+(12-e-σβ2/2)(rp2+σrp2)[sin(2βp)e-2σβp2]-μxCpμyCp]]>RxηCp=e-σβp2/2cosβp(σr2r·pe-σβ2/2-ρσrσr·rp+2ρσrσr·rpe-σβ2/2)-μηCpμxCp]]>RyηCp=e-σβp2/2sinβp(σr2r·pe-σβ2/2-ρσrσr·rp+2ρσrσr·rpe-σβ2/2)-μηCpμyCp]]>RηηCp=(1+2ρ2)σr2σr·2+σr2r·p2+σr2σr·p2+2ρσrσr·(rpr·p+ρ·σrpσr·p)+σr·2rp2+σr·2σrp2-(μηCp)2]]>其中，步骤2：基于骤1计算得到的协方差矩阵RCp，采用卡尔曼滤波算法，进行目标位置估计，得到目标的估计位置；步骤3：基于多普勒信息和目标的估计位置，采用二阶扩展卡尔曼滤波，进行递推序贯卡尔曼滤波，完成目标跟踪。...

【技术特征摘要】
1.一种基于预测值量测转换的多普勒雷达目标跟踪方法，其特征在于，包括下列步骤：步骤1：在预测值的条件下，计算转换量测误差的协方差矩阵：获取雷达对目标的斜距、方位角、多普勒的预测值rp、βp、基于雷达对目标的斜距、方位角、多普勒的量测误差的方差以及斜距与多普勒的量测值的相关系数ρ，计算转换测量误差的均值其中符号[·]T表示矩阵转置，参数e表示自然底数，表示雷达对目标的方位角的预测方差；基于μCp、雷达对目标的斜距的预测方差雷达对目标的多普勒的预测方差斜距与多普勒的预测值的相关系数求取协方差矩阵，求取基于预测值的误差协方差阵其中的各元素具体为：RxxCp=12(rp2+σr2+σrp2)[1+cos(2βp)e-2σβp2e-2σβ2]+(12-e-σβ2/2)(rp2+σrp2)[1+cos(2βp)e-2σβp2]-(μxCp)2]]>RyyCp=12(rp2+σr2+σrp2)[1-cos(2βp)e-2σβp2e-2σβ2]+(12-e-σβ2/2)(rp2+σrp2)[1-cos(2βp)e-2σβp2]-(μyCp)2]]>RxyCp=12(rp2+σr2+σrp2)[sin(2βp)e-2σβp2e-2σβ2]+(12-e-σβ2/2)(rp2+σrp2)[sin(2β...

【专利技术属性】
技术研发人员：程婷，张宇轩，李姝怡，张洁，
申请(专利权)人：电子科技大学，
类型：发明
国别省市：四川;51