一种基于加权最小二乘容积卡尔曼滤波的目标定位方法技术

本发明专利技术公开了一种基于加权最小二乘容积卡尔曼滤波的目标定位方法，所述方法包括：将最小二乘估计和容积卡尔曼滤波方法进行结合，借助于最小二乘估计将最新测量结果集成到每个容积粒子中，从而促进容积点从先验区域到高似然区域的移动；并对量测信息进行了扩维，从而计算每一时刻目标的状态和估计误差方差。本发明专利技术的定位方法具有实现简单，计算量小，满足水下定位系统低功耗的需求；而且有效提高了目标状态的估计精度。

A Target Location Method Based on Weighted Least Square Volume Kalman Filter

The invention discloses a target location method based on weighted least squares volume Kalman filter, which includes: combining least squares estimation with volume Kalman filter method, integrating the latest measurement results into each volume particle by means of least squares estimation, thereby promoting the movement of volume points from a prior region to a high likelihood region; and advancing measurement information; Dimension expansion is carried out to calculate the state and estimation error variance of the target at each time. The positioning method of the present invention has the advantages of simple implementation, small computation, low power consumption of the underwater positioning system, and effectively improves the estimation accuracy of the target state.

【技术实现步骤摘要】
一种基于加权最小二乘容积卡尔曼滤波的目标定位方法
本专利技术涉及目标定位和导航领域，具体涉及一种基于加权最小二乘容积卡尔曼滤波的目标定位方法。
技术介绍
近年来，各国积极推进对海洋资源的探索。海底资源挖掘、渔业捕捞、水下机器人定位等相关研究也获得极大的关注。水下目标定位与跟踪技术作为水下作业的基础研究，无疑具有非常重要的地位。水下目标跟踪系统中，常常利用目标跟踪算法对距离、角度等测量信息进行处理进而得到水下目标的目标轨迹。现有的滤波跟踪算法包括卡尔曼滤波(KalmanFilter，KF)，扩展卡尔曼滤波(ExtendedKalmanFilter，EKF)无迹卡尔曼滤波(UnscentedKalmanFilter，UKF)、容积卡尔曼滤波(CubatureKalmanFilter，CKF)、粒子滤波(ParticleFilter，PF)等一系列经典算法。PF算法虽然对非高斯非线性系统具有很高的估计精度，但是计算量巨大和易出现粒子匮乏现象的缺点使其受限于水下目标跟踪系统中的应用。KF是针对线性高斯系统的最优滤波器，但是实际中水下目标的运动轨迹肯定是非线性的，随着技术的发展，水下定位跟踪技本文档来自技高网...

【技术保护点】
1.一种基于加权最小二乘容积卡尔曼滤波的目标定位方法，所述方法包括：将最小二乘估计和容积卡尔曼滤波方法进行结合，借助于最小二乘估计将最新测量结果集成到每个容积粒子中，从而促进容积点从先验区域到高似然区域的移动；并对量测信息进行了扩维，从而计算每一时刻目标的状态和估计误差方差。

【技术特征摘要】
1.一种基于加权最小二乘容积卡尔曼滤波的目标定位方法，所述方法包括：将最小二乘估计和容积卡尔曼滤波方法进行结合，借助于最小二乘估计将最新测量结果集成到每个容积粒子中，从而促进容积点从先验区域到高似然区域的移动；并对量测信息进行了扩维，从而计算每一时刻目标的状态和估计误差方差。2.根据权利要求1所述的基于加权最小二乘容积卡尔曼滤波的目标定位方法，其特征在于，所述方法具体包括：步骤1)获取k-1时刻目标的状态和估计误差方差Pk-1,k-1；以及k时刻的量测信息Zk；步骤2)k-1时刻目标的状态和估计误差方差Pk-1,k-1生成m个容积粒子，引入k时刻的量测信息Zk对每个容积粒子上使用最小二乘估计进行优化，得到优化后的容积粒子值，然后根据容积卡尔曼滤波算法得到k时刻目标的状态和估计误差方差Pk,k；步骤3)k时刻目标的状态和估计误差方差Pk,k。3.根据权利要求2所述的基于加权最小二乘容积卡尔曼滤波的目标定位方法，其特征在于，所述k-1时刻目标的状态和估计误差方差Pk-1,k-1生成m个容积粒子，具体包括：步骤2-1-1)对k-1时刻的目标的状态估计误差方差Pk-1,k-1进行分解得到：式中Sk-1,k-1是对Pk-1,k-1做Cholesky分解得到的矩阵；步骤2-1-2)计算每个cubature点其中nx为目标状态变量的维数；步骤2-1-3)计算更新后的cubature点其中，f(·)为状态转移函数。4.根据权利要求3所述的基于加权最小二乘容积卡尔曼滤波的目标定位方法，其特征在于，所述引入k时刻的量测信息Zk对每个容积粒子上使用最小二乘估计进行优化，得到优化后的容积粒子值；具体包括：步骤2-2-1)从每一个由步骤2-1-3)计算得出的容积点中提取出对量测...

【专利技术属性】
技术研发人员：鄢社锋，徐立军，石桂欣，
申请(专利权)人：中国科学院声学研究所，
类型：发明
国别省市：北京,11