同时估计状态和输入的自适应目标跟踪滤波方法及系统技术方案

本发明专利技术涉及一种同时估计状态和输入的自适应目标跟踪滤波方法。该方法包括：建立机动目标的运动模型和传感器的观测模型；根据上述模型得到当前时刻的量测信息和运行信息；获取上一时刻状态估计器的修正步信息和输入估计器的目标加速度估计信息；根据上一时刻的修正步信息、上一时刻的目标加速度估计信息、当前时刻的量测信息和当前时刻的运行信息，确定当前时刻状态估计器的预测步信息；根据当前时刻的预测步信息和当前时刻的量测信息，确定当前时刻状态估计器的修正步信息，修正步信息为当前时刻滤波后的目标跟踪结果；根据状态估计器的预测步信息，确定输入估计器的目标加速度的估计信息。本发明专利技术能够获得良好的目标跟踪结果，提高滤波的精度。

【技术实现步骤摘要】
同时估计状态和输入的自适应目标跟踪滤波方法及系统
本专利技术涉及自适应目标跟踪滤波领域，特别是涉及一种同时估计状态和输入的自适应目标跟踪滤波方法及系统。
技术介绍
目标跟踪技术是当今科学研究中的一个重要领域，目前在军事、工业和生活等领域均具有重要的作用和广泛的应用，也是学者们研究的热点。例如在军事上，执行拦截敌方导弹任务时会对目标进行定位、导航和打击。如果不能有效地获取目标的运动状态信息，后续的拦截就无从谈起；当敌方目标做机动运动时，如果不能准确的获得目标的加速度(输入)信息时，就无法对敌方目标的导弹进行预测，使拦截任务的成功率降低。因此，在完成对目标的跟踪时，目标的状态和输入都是很重要的信息，需要被估计。卡尔曼滤波器及它的各种变形已经为目标跟踪提供了完善的技术基础，它们能够在有过程噪声和观测噪声的情况下获得目标状态的最优估计。这些技术往往假设噪声与干扰都符合高斯白噪声的模型，尤其是把系统的输入也视为符合高斯白噪声模型或马尔科夫随机过程，在观测的目标存在确定性的输入的情况下，会导致目标跟踪的结果不理想，甚至发散。因此需要在估计机动目标状本文档来自技高网...

【技术保护点】
1.一种同时估计状态和输入的自适应目标跟踪滤波方法，其特征在于，包括：/n建立机动目标的运动模型和传感器的观测模型；/n根据所述运动模型，得到当前时刻的量测信息；/n根据所述观测模型，得到当前时刻的运行信息；/n获取上一时刻状态估计器的修正步信息和上一时刻输入估计器的目标加速度估计信息；/n根据所述上一时刻的修正步信息、所述上一时刻的目标加速度估计信息、所述当前时刻的量测信息和所述当前时刻的运行信息，确定当前时刻状态估计器的预测步信息；/n根据所述当前时刻的预测步信息和所述当前时刻的量测信息，确定当前时刻状态估计器的修正步信息，所述修正步信息为当前时刻滤波后的目标跟踪结果；/n根据所述状态估计...

【技术特征摘要】
1.一种同时估计状态和输入的自适应目标跟踪滤波方法，其特征在于，包括：
建立机动目标的运动模型和传感器的观测模型；
根据所述运动模型，得到当前时刻的量测信息；
根据所述观测模型，得到当前时刻的运行信息；
获取上一时刻状态估计器的修正步信息和上一时刻输入估计器的目标加速度估计信息；
根据所述上一时刻的修正步信息、所述上一时刻的目标加速度估计信息、所述当前时刻的量测信息和所述当前时刻的运行信息，确定当前时刻状态估计器的预测步信息；
根据所述当前时刻的预测步信息和所述当前时刻的量测信息，确定当前时刻状态估计器的修正步信息，所述修正步信息为当前时刻滤波后的目标跟踪结果；
根据所述状态估计器的预测步信息，确定输入估计器的目标加速度的估计信息。


2.根据权利要求1所述的同时估计状态和输入的自适应目标跟踪滤波方法，其特征在于，所述建立机动目标的运动模型和传感器的观测模型，具体包括：
建立机动目标的运动模型：
X(k)＝AX(k-1)+Bu(k-1)+D1w(k)
其中，X(k)为机动目标的运动状态，u(k)为机动目标的输入，w(k)为目标的系统噪声，A为机动目标的运动模型的状态转移矩阵，B为机动目标的运动模型的输入矩阵，D1为机动目标的运动模型的系统噪声驱动矩阵；
建立传感器的观测模型：
y(k)＝CX(k)+D2v(k)
其中，y(k)为机动目标的观测状态，v(k)为传感器的观测噪声，C为传感器的观测矩阵，D2为传感器的观测噪声驱动矩阵。


3.根据权利要求1所述的同时估计状态和输入的自适应目标跟踪滤波方法，其特征在于，所述根据所述上一时刻的修正步信息、所述上一时刻的目标加速度估计信息、所述当前时刻的量测信息和所述当前时刻的运行信息，确定当前时刻状态估计器的预测步信息，具体包括：
根据所述上一时刻的修正步信息、所述上一时刻的目标加速度估计信息、所述当前时刻的量测信息和所述当前时刻的运行信息通过公式Ωp(k)＝(AΩc(k-1)AT+Q(k))-1、和z(k)＝yp(k)-y(k)，确定当前时刻状态估计器的预测步信息；
其中，Ωp(k)为机动目标在k时刻预测步的信息矩阵，A为机动目标的运动模型的状态转移矩阵，Ωc(k-1)为机动目标在k-1时刻修正步的信息矩阵，Q(k)为机动目标的协方差矩阵，ξp(k)为机动目标在k时刻预测步的信息向量，ξc(k-1)为机动目标在k-1时刻修正步的信息向量，B为机动目标的运动模型的输入矩阵，为k-1时刻机动目标加速度的估计，Xp(k)为机动目标在k时刻预测步的运动状态，z(k)为机动目标在k时刻的观测误差，C为为传感器的观测矩阵，y(k)为机动目标的观测状态，yp(k)＝CXp(k)，yp(k)为机动目标在k时刻预测步的量测状态。


4.根据权利要求1所述的同时估计状态和输入的自适应目标跟踪滤波方法，其特征在于，所述根据所述当前时刻的预测步信息和所述当前时刻的量测信息，确定当前时刻状态估计器的修正步信息，所述修正步信息为当前时刻滤波后的目标跟踪结果，具体包括：
根据所述当前时刻的预测步信息和所述当前时刻的量测信息采用公式Ωc(k)＝Ωp(k)+CTR-1(k)C、ξc(k)＝ξp(k)+CTR-1(k)y(k)和确定当前时刻状态估计器的修正步信息；
其中，Ωc(k)为机动目标在k时刻修正步的信息矩阵，Ωp(k)为机动目标在k时刻预测步的信息矩阵，C为传感器的观测矩阵，R为观测噪声的协方差矩阵，ξp(k)为机动目标在k时刻预测步的信息向量，ξc(k)为机动目标在k时刻修正步的信息向量，y(k)为机动目标的观测状态，Xc(k)为机动目标在k时刻修正步的运动状态，即k时刻算法滤波后的目标跟踪结果。


5.根据权利要求1所述的同时估计状态和输入的自适应目标跟踪滤波方法，其特征在于，所述根据所述状态估计器的预测步信息，确定输入估计器的目标加速度的估计信息，具体包括：
根据所述状态估计器的预测步信息，确定输入估计器的回归信息矩阵；
根据所述回归信息矩阵采用公式确定输入估计器的目标加速度的估计信息；
其中，为估计的机动目标加速度，θ(k)为输入估计器的系数，φ(k-1)为回归信息矩阵，其中，与均为输入估计器的系数，为历史的输入信息，z(k)···z(k-ne)为当前时刻和历史的观测误差信...

【专利技术属性】
技术研发人员：任章，王鸿，董希旺，韩亮，李清东，
申请(专利权)人：北京航空航天大学，
类型：发明
国别省市：北京;11