一种约束条件下的单雷达直线航迹线目标状态估计方法技术

本发明专利技术属于传感器目标跟踪与数据融合技术领域，具体涉及一种约束条件下的单雷达直线航迹线目标状态估计方法。该方法针对目标由匀速圆周运动转变为匀速直线运动后单雷达直线航迹线，将目标在匀速圆周运动模型中的先验信息作为当前匀速直线运动模型的约束条件，在统一直角坐标系中对当前有限个测量点进行垂直距离加权估计得到与时间无关的目标运动方程和航向估值，通过目标时间‑路程加权匀速估计模型得到线速度和分量速度估值，进而最终确定目标状态位置估计结果。对比试验表明，该方法不但易于工程实现，而且比传统卡尔曼滤波方法具有更优的目标状态估计效果和收敛速度。

【技术实现步骤摘要】
一种约束条件下的单雷达直线航迹线目标状态估计方法
本专利技术属于传感器目标跟踪与数据融合
，具体涉及在复杂数据环境中，且系统噪声和观测噪声均未知的情况下，针对目标由匀速圆周运动转变为匀速直线运动的一种约束条件下的单雷达直线航迹线目标状态估计方法。
技术介绍
目标跟踪是指利用传感器所获得的对运动目标的时序离散观测数据，对目标的运动状态(位置、航向、速度等)进行估计和跟踪的方法。卡尔曼滤波方法是现阶段雷达中最常用的、占据主导地位的目标跟踪算法。它能够针对不同运动模型，通过累积测量对目标运动状态进行最小方差估计和跟踪，具有较好的跟踪精度，但通常收敛速度较慢，从开始滤波器建立到稳定跟踪一般所用时间为将近10个采样周期。而在通常情况下，当目标处于匀速直线飞行状态时，采用适合线性运动模型的标准卡尔曼滤波方法(KF)；当目标沿圆弧航迹线匀速飞行时，采用适合非线性运动模型的扩展卡尔曼滤波方法(EKF)。在每次针对不同运动模型的卡尔曼滤波器建立初期(一分钟以内)，都是目标运动状态的不稳定跟踪期，而对于飞机等高速、高机动目标，滤波收敛快慢直接影响到目标跟踪的稳定度和对目标的识别速度。另外，在多雷达组网探测与目标跟踪系统(以下简称“系统”)中还存在实际系统数据环境复杂(测量数据采样间隔较大、测量误差、坐标转换误差以及数据标定与传输误差同时存在)与卡尔曼滤波方法应用条件比较苛刻的矛盾；卡尔曼滤波方法应用中过程噪声协方差Q和量测噪声协方差R在参数值选取上存在困难，不能兼顾稳态性和瞬时性的问题；系统测量中不可避免的野值出现，导致卡尔曼滤波发散或目标状态估计在短时间内失效，表现为估值航迹线出现较大锯齿、目标航向或速度估计出现突变等。
技术实现思路
(一)要解决的技术问题本专利技术要解决的技术问题是：如何提供一种约束条件下的单雷达直线航迹线目标状态估计方法。(二)技术方案为解决上述技术问题，本专利技术提供一种约束条件下的单雷达直线航迹线目标状态估计方法，所述估计方法应用于单雷达数据跟踪与多雷达数据融合系统的前期数据预处理过程中；所述估计方法包括如下步骤：步骤1：将某雷达针对某个由匀速圆周运动转变为匀速直线运动后直线段上目标的n个观测点数据(ρi,θi,hi,ti)转换为统一直角坐标(xi,yi,ti)；其中，(ρi,θi,hi,ti)表示ti时刻该雷达测得的目标距离ρi、方位θi和高度hi，i＝1,2,…n；步骤2：对n个观测点数据{(xi,yi),i＝1,2,…n}使用约束条件下的不加权直线参数估计模型粗略估计目标运动状态方程y-k1x-d1＝0；步骤3：将方程y-k1x-d1＝0作为初始状态，对n个观测点数据{(xi,yi),i＝1,2,…n}使用约束条件下的加权直线参数估计模型进行迭代估计，得到最佳目标运动状态方程y-kx-d＝0，并使用取点定向法计算出tn时刻的目标航向Kn；步骤4：使用时间-路程加权匀速估计模型迭代估计目标最佳线速度方程S-Vt-S0＝0，得到tn时刻的目标速度Vn并计算出目标在X、Y方向上的分量速度vxn和vyn：步骤5：计算n个观测点数据{(xi,yi,ti),i＝1,2,…n}到直线y-kx-d＝0的垂足点的X轴坐标均值和时间均值并令则tn时刻目标在统一直角坐标系中的位置估值(Pxn,Pyn)为：由此得到目标由匀速圆周运动转变为匀速直线运动后，在tn时刻的位置(Pxn,Pyn)、速度Vn和航向Kn。(三)有益效果与现有技术相比较，本专利技术提供一种适应多雷达组网探测与目标跟踪系统复杂数据环境，针对目标由匀速圆周运动转变为匀速直线运动后单雷达直线航迹线的目标状态估计方法。该方法将目标在匀速圆周运动模型中的先验信息作为当前匀速直线运动模型的约束条件，在统一直角坐标系中对当前有限个测量点进行垂直距离加权估计得到与时间无关的目标航向估值，通过目标时间-路程加权匀速估计得到线速度和分量速度估值，进而最终确定目标状态位置估计结果。对比试验表明，该方法不但易于工程实现，而且比传统卡尔曼滤波方法具有更优的目标状态估计效果和收敛速度。附图说明图1为本专利技术技术方案中目标状态估计方法的流程图。图2为本专利技术实施例2中目标点真实值与测量值在统一直角坐标系中的显示图；图3为本专利技术实施例2中目标真实位置、卡尔曼估值位置和本专利技术估值位置三者比较显示图；图4为本专利技术实施例2中目标测量位置、卡尔曼估值位置和本专利技术估值位置三者比较显示图；图5为本专利技术实施例2中使用卡尔曼方法和使用本专利技术方法得到的所有时刻的时间配准点间距显示图；图6为本专利技术实施例2中使用卡尔曼方法和使用本专利技术方法得到的所有时刻的平均时间配准点间距显示图；图7为本专利技术实施例2中目标真实速度、卡尔曼估计速度和本专利技术估计速度三者比较显示图；图8为本专利技术实施例2中使用卡尔曼方法和使用本专利技术方法得到的各点速度差显示图；图9为本专利技术实施例2中使用卡尔曼方法和使用本专利技术方法得到的平均速度差随测量点数变化情况显示图；图10为本专利技术实施例2中目标真实航向、卡尔曼估计航向和本专利技术估计航向三者比较显示图；图11为本专利技术实施例2中使用卡尔曼方法和使用本专利技术方法得到的各点航向差显示图；图12为本专利技术实施例2中使用卡尔曼方法和使用本专利技术方法得到的平均航向差随测量点数变化情况显示图；图13为本专利技术实施例2中含有野值时目标真实位置与测量位置在统一直角坐标系中的显示图；图14为本专利技术实施例2中含有野值时目标真实位置、卡尔曼估值位置和本专利技术估值位置三者比较显示图；图15为本专利技术实施例2中含有野值时目标测量位置、卡尔曼估值位置和本专利技术估值位置三者比较显示图；图16为本专利技术实施例2中含有野值时使用卡尔曼方法和使用本专利技术方法得到的所有时刻的时间配准点间距显示图；图17为本专利技术实施例2中含有野值时使用卡尔曼方法和使用本专利技术方法得到的所有时刻的平均时间配准点间距显示图；图18为本专利技术实施例2中含有野值时目标真实速度、卡尔曼估计速度和本专利技术估计速度三者比较显示图；图19为本专利技术实施例2中含有野值时使用卡尔曼方法和使用本专利技术方法得到的各点速度差显示图；图20为本专利技术实施例2中含有野值时使用卡尔曼方法和使用本专利技术方法得到的平均速度差随测量点数变化情况显示图；图21为本专利技术实施例2中含有野值时目标真实航向、卡尔曼估计航向和本专利技术估计航向三者比较显示图；图22为本专利技术实施例2中含有野值时使用卡尔曼方法和使用本专利技术方法得到的各点航向差显示图；图23为本专利技术实施例2中含有野值时使用卡尔曼方法和使用本专利技术方法得到的平均航向差随测量点数变化情况显示图；图24为本专利技术技术方案中用到的取点定向法实现流程图。具体实施方式为使本专利技术的目的、内容和优点更加清楚，下面结合附图和实施例，对本专利技术的具体实施方式作进一步详细描述。针对以上现有技术的问题，本专利技术通过对目标由匀速圆周运动转变为匀速直线运动初期时运动规律的研究，将目标在匀速圆周运动模型中的先验信息作为当前匀速直线运动模型的约束条件，最终目的就是基于系统复杂数据环境，在无须获取系统噪声和观测噪声等先验知识的情况下，有效提高约束条件下的单雷达直线航迹线目标状态估计精度和收敛速度。通过与传统卡尔曼滤波算法在目标位置、航向和速度估值上进行对比实验表明，本专利技术取得了更好的估值效果和跟踪收敛速度，为在本系本文档来自技高网...

【技术保护点】
1.一种约束条件下的单雷达直线航迹线目标状态估计方法，其特征在于，所述估计方法应用于单雷达数据跟踪与多雷达数据融合系统的前期数据预处理过程中；所述估计方法包括如下步骤：步骤1：将某雷达针对某个由匀速圆周运动转变为匀速直线运动后直线段上目标的n个观测点数据(ρi,θi,hi,ti)转换为统一直角坐标(xi,yi,ti)；其中，(ρi,θi,hi,ti)表示ti时刻该雷达测得的目标距离ρi、方位θi和高度hi，i＝1,2,…n；步骤2：对n个观测点数据{(xi,yi),i＝1,2,…n}使用约束条件下的不加权直线参数估计模型粗略估计目标运动状态方程y‑k1x‑d1＝0；步骤3：将方程y‑k1x‑d1＝0作为初始状态，对n个观测点数据{(xi,yi),i＝1,2,…n}使用约束条件下的加权直线参数估计模型进行迭代估计，得到最佳目标运动状态方程y‑kx‑d＝0，并使用取点定向法计算出tn时刻的目标航向Kn；步骤4：使用时间‑路程加权匀速估计模型迭代估计目标最佳线速度方程S‑Vt‑S0＝0，得到tn时刻的目标速度Vn并计算出目标在X、Y方向上的分量速度vxn和vyn：

【技术特征摘要】
1.一种约束条件下的单雷达直线航迹线目标状态估计方法，其特征在于，所述估计方法应用于单雷达数据跟踪与多雷达数据融合系统的前期数据预处理过程中；所述估计方法包括如下步骤：步骤1：将某雷达针对某个由匀速圆周运动转变为匀速直线运动后直线段上目标的n个观测点数据(ρi,θi,hi,ti)转换为统一直角坐标(xi,yi,ti)；其中，(ρi,θi,hi,ti)表示ti时刻该雷达测得的目标距离ρi、方位θi和高度hi，i＝1,2,…n；步骤2：对n个观测点数据{(xi,yi),i＝1,2,…n}使用约束条件下的不加权直线参数估计模型粗略估计目标运动状态方程y-k1x-d1＝0；步骤3：将方程y-k1x-d1＝0作为初始状态，对n个观测点数据{(xi,yi),i＝1,2,…n}使用约束条件下的加权直线参数估计模型进行迭代估计，得到最佳目标运动状态方程y-kx-d＝0，并使用取点定向法计算出tn时刻的目标航向Kn；步骤4：使用时间-路程加权匀速估计模型迭代估计目标最佳线速度方程S-Vt-S0＝0，得到tn时刻的目标速度Vn并计算出目标在X、Y方向上的分量速度vxn和vyn：步骤5：计算n个观测点数据{(xi,yi,ti),i＝1,2,…n}到直线y-kx-d＝0的垂足点的X轴坐标均值和时间均值并令则tn时刻目标在统一直角坐标系中的位置估值(Pxn,Pyn)为：由此得到目标由匀速圆周运动转变为匀速直线运动后，在tn时刻的位置(Pxn,Pyn)、速度Vn和航向Kn。2.如权利要求1所述的约束条件下的单雷达直线航迹线目标状态估计方法，其特征在于，所述步骤1包括如下步骤：步骤1.1：选择某雷达观测数据集{(ρi,θi,hi,ti),i＝1,2,…n}，是针对某个由匀速圆周运动转变为匀速直线运动后直线段上目标的时序观测数据；步骤1.2：将雷达观测数据(ρi,θi,hi,ti)，i＝1,2,…n转换为以本站为中心的二维直角坐标(Xzi,Yzi)：步骤1.3：将(Xzi,Yzi)，i＝1,2,…n转换为中心统一直角坐标(Xi,Yi)：Xi＝Xzicosδxz-Yzisinδxz+XzxYi＝Xzisinδxz+Yzicosδxz+Yzx其中：(Xzx,Yzx)为雷达站址在中心统一直角坐标系中的坐标；δxz为雷达站址与直角坐标系中心点的经度差，单位为弧度。3.如权利要求2所述的约束条件下的单雷达直线航迹线目标状态估计方法，所述步骤1.1中，ti＜ti+1，且n不大于N，N表示参与目标状态估计的最近时间内有限个观测数据点的个数，N取4～15。4.如权利要求2所述的约束条件下的单雷达直线航迹线目标状态估计方法，其特征在于，所述步骤2包括如下步骤：步骤2.1：用所有观测点{(xi,yi),i＝1,2,…n}到待求直线的距离li的平方和最小作为估计模型，用待求直线航迹线必须与已知圆相切作为约束条件，计算在此条件下的这条直线的最佳参数(k,d)；其中，k为直线的斜率，d为该直线在x轴上的截距；其中的已知圆就是目标在进入匀速直线运动前所处的圆周运动轨迹，为已知变量，其圆心为半径为r；所述约束条件下的不加权直线参数估计模型如下：由(2)式解得：(3)式代入(1)式得：对于(4)式，应有f(k)对于k的导数等于零，即：记则(5)式化简为：为了消去“根号”，将(6)改写成：(7)式两边平方后得：(a3k2+(a2-b2)k-a3)2＝(a1r+b1rk)2(1+k2)(8)(8)式两边展开并整理后得：记：则(9)式可化简为：k4+bk3+ck2+fk+e＝0(10)在此采用求实系数代数方程全部根的牛顿-下山法对该式进行求解，得到k1、k2、k3和k4四个根；将k1、k2、k3、k4带入(3)式，对应得到d1、d2、d3、d4；步骤2.2：按照距离最小原则确定模型的合理解；(k1,d1)、(k2,d2)、(k3,d3)和(k4,d4)都是约束条件下的不加权直线参数估计模型的实根；按照点{(xi,yi)，i＝1,2,…n}到所求直线的距离的平方和最小原则，确定合理的直线参数值；该问题也可以简化为：计算点(xn,yn)分别到直线y＝k1×x+d1、y＝k2×x+d2、y＝k3×x+d3和y＝k4×x+d4的距离l1,l2,l3,l4：取|l1|、|l2|、|l3|和|l4|中最小的|li|所对应的(ki,di)，作为所求直线的合理参数，记为(k1,d1)。5.如权利要求4所述的约束条件下的单雷达直线航迹线目标状态估计方法，其特征在于，所述步骤3包括如下步骤：步骤3.1：计算各点(xi,yi)到直线y-k1x-d1＝0的距离|li|之和；n为数据点数；步骤3.2：求各点(xi,yi)到直线y-k1x-d1＝0的距离li；式中m表示迭代次数，n表示数据点数；m初始值为1，即：k(1)＝k1，d(1)＝d1；步骤3.3：求|li|的倒数；步骤3.4：求各点的权值wi；步骤3.5：用所有观测点{(xi,yi),i＝1,2,…n}到待求直线的加权距离wili的平方和最小作为估计模型，用待求直线航迹线必须与已知圆相切作为约束条件，计算在此条件下的这条直线的最佳参数(k,d)；其中的已知圆就是目标在进入匀速直线运动前所处的圆周运动轨迹，为已知变量，其圆心为半径为r；所述约束条件下的加权直线参数估计模型如下：由(12)式得：(13)式代入(11)得：对于(14)式，应有f(k)对于k的导数等于零，即：记：则(15)式化简为：为了消去“根号”，将(16)改写成：(17)式两边平方后得：(a'3k2+(a'2-b'2)k-a'3)2＝(a'1r+b'1rk)2(1+k2)(18)(18)式两边展开并整理后得：记：则(19)式可化简为：k4+b'k3+c'k2+f'k+e'＝0(20)在此采用求实系数代数方程全部根的牛顿-下山法对该式进行求解，得到k'1、k'2、k'3和k'4四个根；将k'1、k'2、k'3、k'4带入(13)式，对应得到d'1、d'2、d'3、d'4；步骤3.6：按照距离最小原则确定方程的合理解；(k'1,d'1)、(k'2,d'2)、(k'3,d'3)和(k'4,d'4)都是模型的实根；我们按照点{(xi,yi)，i＝1,2,…n}到所求直线的距离的平方和最小原则，确定合理的直线参数值；该问题也可以简化为：计算点(xn,yn)分别到直线y＝k'1×x+d'1、y＝k'2×x+d'2、y＝k'3×x+d'3和y＝k'4×x+d'4的距离l'1,l'2,l'3,l'4：m加1，并取|l'1|、|l'2|、|l'3|和|l'4|中最小的|l'i|所对应的(k'i,d'i)，作为所求直线的合理参数，记为(k(m),d(m))，m表示迭代次数；步骤3.7：计算所有数据点到新直线y-k(m)x-d(m)...

【专利技术属性】
技术研发人员：王建涛，高效，张金泽，董光波，陈钢，方维华，金宏斌，李进，冯亚军，张辉，钟恢扶，田科钰，祝琳，路金宝，
申请(专利权)人：中国人民解放军空军研究院战略预警研究所，
类型：发明
国别省市：北京,11