一种基于多维时空数据的高精度动态轨迹约束方法技术

本发明专利技术公开一种基于多维时空数据的高精度动态轨迹约束方法，包括根据CA数学模型描述方法选取含时变噪声的静止状态、螺旋半径逐渐增大的螺旋上升运动和直线加速蛇形运动三种运动状态，通过仿真实验，将区间卡尔曼滤波算法和传统卡尔曼滤波算法进行对比；本发明专利技术通过CA数学模型对对动态目标三种运动状态对应的位置、速度和加速度信息，分别用卡尔曼滤波、区间卡尔曼滤波和未进行滤波处理的数据进行比较，得出不管是何种状态，经区间卡尔曼滤波的数据与目标真实轨迹误差最小，处理时变噪声有很大的优势，再通过定量分析的方法得出区间卡尔曼滤波比传统的卡尔曼滤波对于带时变噪声的各种高动态目标处理效果均能提高5dB。

A high precision dynamic trajectory constraint method based on multidimensional spatiotemporal data

【技术实现步骤摘要】
一种基于多维时空数据的高精度动态轨迹约束方法
本专利技术涉及卡尔曼滤波动态轨
，尤其涉及一种基于多维时空数据的高精度动态轨迹约束方法。
技术介绍
卡尔曼滤波是一种利用线性系统状态方程，通过系统输入输出观测数据，对系统状态进行最优估计的算法。由于观测数据中包括系统中的噪声和干扰的影响，所以最优估计也可看作是滤波过程。数据滤波是去除噪声还原真实数据的一种数据处理技术，Kalman滤波在测量方差已知的情况下能够从一系列存在测量噪声的数据中，估计动态系统的状态。由于它便于计算机编程实现，并能够对现场采集的数据进行实时的更新和处理，Kalman滤波是目前应用最为广泛的滤波方法，在通信，导航，制导与控制等多领域得到了较好的应用；现有传统的卡尔曼滤波对于时变噪声的滤波后的数据处理效果较差，与真实轨迹误差较大，会直接影响算法的最终结果，因此，本专利技术提出一种基于多维时空数据的高精度动态轨迹约束方法以解决现有技术中存在的问题。
技术实现思路
针对上述问题，本专利技术的目的在于提出一种基于多维时空数据的高精度动态轨迹约束方法，该基于多维时空数据的高精度动态轨迹约束方法通过CA数学模型对对动态目标三种运动状态对应的位置、速度和加速度信息，分别用卡尔曼滤波、区间卡尔曼滤波和未进行滤波处理的数据进行比较，得出不管是何种状态，经区间卡尔曼滤波的数据与目标真实轨迹误差最小，处理时变噪声有很大的优势，再通过定量分析的方法得出区间卡尔曼滤波比传统的卡尔曼滤波对于带时变噪声的各种高动态目标处理效果均能提高5dB。r>为实现本专利技术的目的，本专利技术通过以下技术方案实现：一种基于多维时空数据的高精度动态轨迹约束方法，包括根据CA数学模型描述方法选取含时变噪声的静止状态、螺旋半径逐渐增大的螺旋上升运动和直线加速蛇形运动三种运动状态，通过仿真实验，将区间卡尔曼滤波算法和传统卡尔曼滤波算法进行对比；第一种运动状态：静止状态真实运动轨迹静止在点上，运动方程为公式(1-1)，真实运动轨迹加上时变噪声后，分别经过卡尔曼滤波和区间卡尔曼滤波后的三维坐标点得出经过区间卡尔曼滤波的轨迹更接近目标真实位置，处理时变噪声有很大的优势；静止状态仿真运动方程：当静止目标加上时变噪声后，分别经过卡尔曼滤波、区间卡尔曼滤波以及未进行滤波处理的数据与目标真实轨迹的误差，得出经过区间卡尔曼滤波的数据与目标真实轨迹误差最小，处理时变噪声有很大的优势；第二种运动状态：螺旋上升运动真实运动轨迹为螺旋上升运动，运动方程为公式(1-2)，真实轨迹加入时变噪声后，分别经过卡尔曼滤波和区间卡尔曼滤波的三维坐标点得出区间卡尔曼滤波的结果更接近真实轨迹；螺旋上升状态仿真运动方程：当螺旋上升运动目标加上时变噪声后，分别经过卡尔曼滤波、区间卡尔曼滤波以及未进行滤波处理的数据与目标真实轨迹的误差，得出经区间卡尔曼滤波的数据与目标真实轨迹误差最小，处理时变噪声有很大的优势。第三种运动状态：加速蛇行运动真实运动轨迹直线加速蛇形运动，运动方程为公式(1-3)，真实轨迹加入时变噪声后，分别经过卡尔曼滤波和区间卡尔曼滤波的三维坐标点得出区间卡尔曼滤波的结果更接近真实轨迹；加速蛇行运动状态仿真运动方程：当螺旋上升运动目标加上时变噪声后，分别经过卡尔曼滤波、区间卡尔曼滤波以及未进行滤波处理的数据与目标真实轨迹的误差，得出经区间卡尔曼滤波的数据与目标真实轨迹误差最小，处理时变噪声有很大的优势。进一步改进在于：所述CA数学模型中，Φk,k-1和Hk表示为：通常用来描述在高动态目标导航定位，通过全球定位系统(GPS)，惯性导航系统(INS)等系统得到运动物体的位置、速度、加速度信息，即假设在两个采样点间隔内的加速度值是常量。进一步改进在于：所述动态目标的运动数学模型采用CA数学模型，三种运动状态中加入的噪声均为时变噪声。进一步改进在于：所述时变噪声采样时间t＝0.1s，并且取相同的估计值和区间范围：Rk＝10×diag([111111111])Qk＝diag([111111111])ω(x)＝[1110.20.20.20.020.020.02]进一步改进在于：所述三种运动状态的动态目标对应的位置、速度和加速度信息，分别用卡尔曼滤波和区间卡尔曼滤波处理，然后把处理结果同未进行滤波的数据作比较。进一步改进在于：所述第一种运动状态中真实运动轨迹静止的点坐标为(10,10,10)。进一步改进在于：所述静止状态、螺旋上升运动和直线加速蛇形运动目标的运动信息采用不同滤波算法分别进行1000次模拟，取信噪比的平均值，得到信噪比数据，以进行定量分析。本专利技术的有益效果为：本专利技术通过CA数学模型对对动态目标三种运动状态对应的位置、速度和加速度信息，分别用卡尔曼滤波、区间卡尔曼滤波和未进行滤波处理的数据进行比较，得出不管是何种状态，经区间卡尔曼滤波的数据与目标真实轨迹误差最小，处理时变噪声有很大的优势，再通过定量分析的方法得出区间卡尔曼滤波比传统的卡尔曼滤波对于带时变噪声的各种高动态目标处理效果均能提高5dB。附图说明图1为本专利技术静止状态运动轨迹图。图2为本专利技术静止状态轨迹误差图。图3为本专利技术螺旋上升运动轨迹图。图4为本专利技术螺旋上升运动轨迹局部放大图。图5为本专利技术螺旋上升运动轨迹误差图。图6为本专利技术直线加速蛇形运动轨迹图。图7为本专利技术直线加速蛇形运动轨迹局部放大图。图8为本专利技术直线加速蛇形运动轨迹误差图。具体实施方式为了加深对本专利技术的理解，下面将结合实施例对本专利技术做进一步详述，本实施例仅用于解释本专利技术，并不构成对本专利技术保护范围的限定。根据图1、2、3、4、5、6、7、8所示，本实施例提供了一种基于多维时空数据的高精度动态轨迹约束方法，包括根据CA数学模型描述方法选取含时变噪声的静止状态、螺旋半径逐渐增大的螺旋上升运动和直线加速蛇形运动三种运动状态，通过仿真实验，将区间卡尔曼滤波算法和传统卡尔曼滤波算法进行对比；第一种运动状态：静止状态根据图1真实运动轨迹静止在点上，所述真实运动轨迹静止的点坐标为(10,10,10)，运动方程为公式(1-1)，真实运动轨迹加上时变噪声后，分别经过卡尔曼滤波和区间卡尔曼滤波后的三维坐标点图得出经过区间卡尔曼滤波的轨迹更接近目标真实位置，处理时变噪声有很大的优势；静止状态仿真运动方程：根据图2当静止目标加上时变噪声后，分别经过卡尔曼滤波、区间卡尔曼滤波以及未进行滤波处理的数据与目标真实轨迹的误差，得出经过区间卡尔曼滤波的数据与目标真实轨迹误差最小，处理时变噪声有很大的优势；第二种运动状态：螺旋上升运动根据图3真实运动轨迹为螺旋上升运动，运动方程为公式(1-2)，真实轨迹加入时变噪声后，分别经过卡尔曼滤波和区间卡尔曼滤波的三维坐标点图得出区间卡本文档来自技高网...

【技术保护点】
1.一种基于多维时空数据的高精度动态轨迹约束方法，其特征在于：包括根据CA数学模型描述方法选取含时变噪声的静止状态、螺旋半径逐渐增大的螺旋上升运动和直线加速蛇形运动三种运动状态，通过仿真实验，将区间卡尔曼滤波算法和传统卡尔曼滤波算法进行对比；/n第一种运动状态：静止状态/n真实运动轨迹静止在点上，运动方程为公式(1-1)，真实运动轨迹加上时变噪声后，分别经过卡尔曼滤波和区间卡尔曼滤波后的三维坐标点得出经过区间卡尔曼滤波的轨迹更接近目标真实位置，处理时变噪声有很大的优势；/n静止状态仿真运动方程：/n

【技术特征摘要】
1.一种基于多维时空数据的高精度动态轨迹约束方法，其特征在于：包括根据CA数学模型描述方法选取含时变噪声的静止状态、螺旋半径逐渐增大的螺旋上升运动和直线加速蛇形运动三种运动状态，通过仿真实验，将区间卡尔曼滤波算法和传统卡尔曼滤波算法进行对比；
第一种运动状态：静止状态
真实运动轨迹静止在点上，运动方程为公式(1-1)，真实运动轨迹加上时变噪声后，分别经过卡尔曼滤波和区间卡尔曼滤波后的三维坐标点得出经过区间卡尔曼滤波的轨迹更接近目标真实位置，处理时变噪声有很大的优势；
静止状态仿真运动方程：



当静止目标加上时变噪声后，分别经过卡尔曼滤波、区间卡尔曼滤波以及未进行滤波处理的数据与目标真实轨迹的误差，得出经过区间卡尔曼滤波的数据与目标真实轨迹误差最小，处理时变噪声有很大的优势；
第二种运动状态：螺旋上升运动
真实运动轨迹为螺旋上升运动，运动方程为公式(1-2)，真实轨迹加入时变噪声后，分别经过卡尔曼滤波和区间卡尔曼滤波的三维坐标点得出区间卡尔曼滤波的结果更接近真实轨迹；
螺旋上升状态仿真运动方程：



当螺旋上升运动目标加上时变噪声后，分别经过卡尔曼滤波、区间卡尔曼滤波以及未进行滤波处理的数据与目标真实轨迹的误差，得出经区间卡尔曼滤波的数据与目标真实轨迹误差最小，处理时变噪声有很大的优势；
第三种运动状态：加速蛇行运动
真实运动轨迹直线加速蛇形运动，运动方程为公式(1-3)，真实轨迹加入时变噪声后，分别经过卡尔曼滤波和区间卡尔曼滤波的三维坐标点得出区间卡尔曼滤波的结果更接近真实轨迹；
加速蛇行运动状态仿真运动方程：



当螺旋上升运动目标加上时变噪声后，分别经过卡尔曼滤波、区间卡尔曼滤波以及未进行滤波处理的数据与目标真实轨迹的误差，得出经区间卡尔曼滤波的数据与目标真...

【专利技术属性】
技术研发人员：刘峰铭，张雷，
申请(专利权)人：深圳见炬科技有限公司，
类型：发明
国别省市：广东;44