目标初始运动状态估计方法、装置、设备和存储介质制造方法及图纸

本发明专利技术适用于雷达技术领域，提供了一种目标初始运动状态估计方法、装置、设备和存储介质，目标初始运动状态估计方法包括：获取目标在直角坐标下的当前运动状态测量数据和目标的运动模型，运动模型包括匀速直线运动模型、匀加速直线运动模型和匀减速直线运动模型；根据当前运动状态测量数据和运动模型，确定目标在极坐标系下的初始位置参数的量测模型；根据量测模型通过多项式拟合计算目标初始位置参数的第一估计值。本方案通过目标当前运动状态的测量数据以及目标的运动模型可以确定目标初始位置参数的量测模型，进而可以通过多项式拟合算法计算出目标初始位置参数的一个估计值，实现无测角能力低成本雷达在目标运动状态估计中的应用。估计中的应用。估计中的应用。

【技术实现步骤摘要】
目标初始运动状态估计方法、装置、设备和存储介质


[0001]本专利技术属于雷达
，尤其涉及一种目标初始运动状态估计方法、装置、设备和存储介质。

技术介绍

[0002]目前雷达技术蓬勃发展，各种雷达应用层出不穷，除了军事领域之外，现如今雷达在民用领域也得到了广泛的应用，不同的应用会对雷达提出不同的任务和功能要求。在某些低成本的应用中，应用本身并不关注目标的具体方位，而是比较关注目标的运动状态，方便预测目标之后的运动趋势，以提前做出相应的决策。基于成本、尺寸、功耗等多方面的考虑，这类应用通常都不具备角度测量能力，只提供目标的距离和速度量测，其中对目标的运动状态估计和运动趋势预测都将从这些量测数据中得到。
[0003]在雷达对目标的探测过程中，目标状态一般在直角坐标系下建立，而非线性量测则是在极/球坐标系下获得，状态和量测的不兼容导致所谓的非线性估计问题。针对这种非线性估计问题常用采用贝叶斯滤波器进行参数估计，其中包括扩展卡尔曼滤波(EKF)、无迹卡尔曼滤波(UKF)、容积卡尔曼滤波(CKF)、粒子滤波(PF)、转换量测卡尔曼滤波(CM本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种目标初始运动状态估计方法，其特征在于，所述目标初始运动状态估计方法包括：获取目标在直角坐标下的当前运动状态测量数据和目标的运动模型，所述运动模型包括匀速直线运动模型、匀加速直线运动模型和匀减速直线运动模型；根据所述当前运动状态测量数据和所述运动模型，确定目标在极坐标系下的初始位置参数的量测模型；根据所述量测模型通过多项式拟合计算目标初始位置参数的第一估计值。2.根据权利要求1所述的一种目标初始运动状态估计方法，其特征在于，所述目标初始运动状态估计方法，还包括：根据目标初始位置参数的第一估计值，确定目标在极坐标下的当前运动参数估计值；根据目标在极坐标下的当前运动参数估计值和目标在极坐标下的当前运动参数测量值，通过变量替换确定替换变量的对数似然函数模型，所述变量为用目标在极坐标下的当前运动参数估计值和目标在极坐标下的当前运动参数测量值表示的变量；根据所述对数似然函数模型计算目标初始位置参数的第二估计值。3.根据权利要求2所述的一种目标初始运动状态估计方法，其特征在于，当目标的运动模型为匀速直线运动模型，根据所述当前运动状态测量数据和所述运动模型确定目标在极坐标系下的初始位置参数的量测模型，具体为：其中，(r0，α)为目标在极坐标下的初始位置，(v0，β)为目标在极坐标的初始速度，η＝cos(β
‑
α)，t
n
为当前时刻，w(n)和s(n)为t
n
时刻的测量噪声，σ
r
为雷达系统的距离测量精度，σ
v
为雷达系统的速度测量精度，(r
n
，α)为目标在极坐标下t
n
时刻的位置，(v
n
，β)为目标在极坐标下t
n
时刻的速度。4.根据权利要求3所述的一种目标初始运动状态估计方法，其特征在于，通过多项式拟合计算所述量测模型中目标初始位置参数的第一估计值，包括：根据所述量测模型得到以下关系式：其中p(n)和q(n)为噪声扩散分量；对曲线进行二阶多项式拟合，确定第二拟合系数W2，其中w2＝[w
20
，w
21
，w
22
]为1
×
3维向量；对t
n
‑
r
n
v
n
曲线进行一阶多项式拟合，确定第一拟合系数W1，其中w1＝[w
10
，w
11
]为1
×
2维向量；根据第一拟合系数和第二拟合系数确定目标初始位置参数的第一估计值，具体为：
其中为r0对应的估计值，为v0对应的估计值，为η对应的估计值。5.根据权利要求4所述的一种目标初始运动状态估计方法，其特征在于，根据目标在在极坐标下的当前运动参数估计...

【专利技术属性】
技术研发人员：邓峰，
申请(专利权)人：长沙景嘉微电子股份有限公司，
类型：发明
国别省市：