一种基于最大相关熵扩展卡尔曼滤波的雷达目标跟踪方法技术

本发明专利技术提供一种基于最大相关熵扩展卡尔曼滤波的雷达目标跟踪方法，包括：构建雷达状态方程和雷达量测方程、雷达状态先验更新方程和雷达量测先验更新方程；根据雷达状态方程、雷达状态先验更新方程和雷达量测方程构建雷达系统非线性模型；根据k+1时刻雷达目标点迹的量测预测值和k+1时刻雷达目标点迹的量测值得到k+1时刻核函数对角阵奇异参数；若k+1时刻核函数对角阵奇异参数大于预设的第一阈值，则将k+1时刻雷达目标点迹的状态预测值作为k+1时刻的雷达滤波值。本发明专利技术提出的方法对于非线性、非高斯滤波问题，可以获得误差二阶项信息，还可以捕捉滤波误差的高阶统计量，使系统跟踪性能得到极大改善，降低了系统跟踪性能在重尾非高斯噪声下严重恶化的影响。

【技术实现步骤摘要】
一种基于最大相关熵扩展卡尔曼滤波的雷达目标跟踪方法
本专利技术涉及雷达跟踪技术，属于雷达信号处理
，具体涉及一种基于最大相关熵扩展卡尔曼滤波的雷达目标跟踪方法。该方法是基于最大相关熵(MCC)准则实现的，该方法既可以处理雷达目标跟踪中非线性问题，同时，由于采用了最大相关熵而非传统的最小均方误差准则(MMSE)作为优化准则，也可以解决系统噪声为非高斯噪声时目标跟踪的问题。
技术介绍
在雷达跟踪系统中，由于目标位置的量测通常是距离、方位角、俯仰角等信息，而这些信息一般是在极坐标系得到的，这就使得雷达跟踪系统必然是非线性的。对于非线性滤波问题，目前最常用的滤波算法有扩展卡尔曼滤波(EKF)、不敏卡尔曼滤波(UKF)以及粒子滤波(PF)等。而在雷达量测系统中，往往又存在重尾非高斯噪声，而目前处理非高斯噪声的滤波算法则有学生t滤波、Huber’sM估计滤波等方法。然而，常用的非线性滤波方法在高斯假设下可以取得很好的滤波效果，但在非高斯情况下则出现滤波恶化等问题。而处理非高斯噪声的滤波方法则又会出现参数选择困难、计算复杂等问题。<br>对于非线性、非本文档来自技高网...

【技术保护点】
1.一种基于最大相关熵扩展卡尔曼滤波的雷达目标跟踪方法，其特征在于，包括：/n构建雷达状态方程和雷达量测方程；/n使用预设的重尾非高斯噪声雷达量测噪声初始化雷达量测方程，使用预设的目标运动状态初始值初始化雷达状态方程；/n根据k时刻雷达目标点迹的状态值和所述雷达状态方程得到k+1时刻雷达目标点迹的状态值；/n根据所述k+1时刻的雷达目标点迹的状态值得到k+1时刻雷达目标点迹的量测值；/n构建雷达状态先验更新方程和雷达量测先验更新方程；/n根据所述雷达状态先验更新方程和k时刻雷达滤波值得到k+1时刻雷达目标点迹的状态预测值；/n根据所述k+1时刻的雷达目标点迹的状态预测值和量测先验更新方程得到k...

【技术特征摘要】
1.一种基于最大相关熵扩展卡尔曼滤波的雷达目标跟踪方法，其特征在于，包括：
构建雷达状态方程和雷达量测方程；
使用预设的重尾非高斯噪声雷达量测噪声初始化雷达量测方程，使用预设的目标运动状态初始值初始化雷达状态方程；
根据k时刻雷达目标点迹的状态值和所述雷达状态方程得到k+1时刻雷达目标点迹的状态值；
根据所述k+1时刻的雷达目标点迹的状态值得到k+1时刻雷达目标点迹的量测值；
构建雷达状态先验更新方程和雷达量测先验更新方程；
根据所述雷达状态先验更新方程和k时刻雷达滤波值得到k+1时刻雷达目标点迹的状态预测值；
根据所述k+1时刻的雷达目标点迹的状态预测值和量测先验更新方程得到k+1时刻雷达目标点迹的量测预测值；
根据所述雷达状态方程、雷达状态先验更新方程和雷达量测方程构建雷达系统非线性模型，得到构建后的系统非线性模型；
根据所述k+1时刻雷达目标点迹的量测预测值和所述k+1时刻雷达目标点迹的量测值得到k+1时刻核函数对角阵奇异参数；
若所述k+1时刻核函数对角阵奇异参数大于预设的第一阈值，则将所述k+1时刻雷达目标点迹的状态预测值作为k+1时刻的雷达滤波值；若所述k+1时刻核函数对角阵奇异参数不大于预设的第一阈值，则使用所述构建后的雷达系统非线性模型进行定点迭代，将迭代结果作为k+1时刻的雷达滤波值；
若k+1＝N，其中，N为预设的雷达跟踪时长，则停止雷达跟踪；否则，循环执行上述步骤。


2.根据权利要求1所述的方法，其特征在于，所述构建雷达状态方程、雷达状态先验更新方程、雷达量测方程，包括：
雷达状态方程：X(k+1)＝f(X(k))+V(k)(11)
雷达量测方程：
Z(k+1)＝h(X(k+1))+W(k+1)(12)
其中，
X(k+1)为k+1时刻雷达目标点迹的状态值；
X(k)为k时刻雷达目标点迹的状态值；
V(k)为k时刻雷达目标运动的过程噪声；
f(·)为雷达目标点迹的状态转移函数；Z(k+1)为在k+1时刻雷达目标点迹的量测值；
x(k+1)、y(k+1)和z(k+1)分别为k+1时刻雷达目标在直角坐标系中x轴、y轴以及z轴的位置；
W(k+1)为k+1时刻雷达目标点迹的量测噪声；
h(·)为雷达目标量测的非线性函数。


3.根据权利要求2所述的方法，其特征在于，根据所述雷达状态方程、雷达状态先验更新方程和雷达量测方程构建雷达系统非线性模型，得到构建后的雷达系统非线性模型，包括：
重组所述雷达状态方程、雷达状态先验更新方程和雷达量测方程，得到非线性模型组成参量；
根据所述非线性模型组成参量的协方差矩阵得到Cholesky分解参量；
根据所述Cholesky分解参量得到构建后的雷达系统非线性模型。


4.根据权利要求3所述的方法，其特征在于，...

【专利技术属性】
技术研发人员：李春霞，李明星，王恒，张德，王翾，
申请(专利权)人：中国电子科技集团公司信息科学研究院，
类型：发明
国别省市：北京;11