一种用于雷达跟踪目标改进的强跟踪UKF方法技术

本发明专利技术涉及雷达跟踪滤波领域，特涉及一种用于雷达跟踪目标的改进的强跟踪UKF方法。本发明专利技术提出在向前一步预测协方差矩阵中引入多位自适应因子，并设计了其计算方法；从而提出了一种改进的强跟踪UKF滤波方法，并验证了该算法的有效性。算法的有效性。算法的有效性。

【技术实现步骤摘要】
一种用于雷达跟踪目标改进的强跟踪UKF方法


[0001]本专利技术涉及雷达跟踪滤波领域，特涉及一种用于雷达跟踪目标的改进的强跟踪UKF方法。

技术介绍

[0002]Kalman滤波是一种经典高效的递归线性滤波算法，其本身以及基于该算法改进的滤波算法被广泛地应用在许多实际邻域中(鲍水达,张安,高飞.一种新的多渐消因子容积卡尔曼滤波计算机测量与控制，2019,27(2):241
‑
245.)，最为常见的是被应用于雷达对目标的跟踪中。然而在很多情况下，目标运动状态相互之间以及状态与观测量之间存在严重的非线性关系，因此需要非线性滤波算法来获取其状态变量的最优估计(Fesq L,Aljabri A,Anderson C,et al.Spacecraft autonomy in the new millennium[C]//Proc.of the Annual AAS Rocky Mountain Guidance and Control Conference,1996.)。
[0003]目前，应用比较普遍的非线性滤波方法主要有两本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种用于雷达跟踪目标改进的强跟踪UKF方法，其特征在于：包括以下步骤：Step1：纵平面内目标模型的构造，目标状态变量为：X
k
＝[x v
x a
x y v
y a
y
]
T
，目标状态方程可表示为：式中：x为横向距离，v
x
为横向速度，a
x
为横向加速度；y为横向距离，v
y
为横向速度，a
y
为横向加速度；k为仿真时间与时间间隔的比值，将位置(x,y)作为间接观测量来代替实际观测量(r,θ)：间接观测方程为：Z
k+1
＝H
k+1
X
k+1
+V
k+1
ꢀꢀ
(4)式中：V
k+1
为间接测量噪声；间接观测协方差矩阵：R
k+1
＝MR'
k+1
M
T
ꢀꢀꢀꢀ
(5)其中：Step2：初始化：Step2：初始化：为k时刻状态估计值，P
k|k
为k时刻状态估计误差协方差矩阵，Q
k
为k时刻过程噪声协方差矩阵，R'
k+1
为k+1时刻直接量测噪声协方差矩阵，μ
k
为k时刻自适应因子1的值，δ
k
为k时
刻自适应因子2的值，t为雷达的跟踪采样时间；式(7)的取值是上述变量的初始取值；Step3：利用式(8)计算k时刻的sigma点，式(9)计算权系数：式中：α是一个调节参数；φ为第三刻度因数；为中心sigma点，为第i个sigma点，为第n+i个sigma点；为状态估计误差协方差矩阵P
k|k
均方根的第i列；n为状态向量维数；式中，λ＝α2(n+κ)
‑
n；β≥0为一个与状态的先验分布信息有关的参数，调节β可以提高协方差矩阵的精度；W0为初始化权系数，m和c用来区分权系数类别，Step4：利用式(10)更新向前一步状态预测均值然后利用式(11)计算出然后利用式(11)计算出然后利用式(11)计算出式中，为向前一步状态预测均值，P
k+1|k
为向前一步状态预测误差协方差矩阵；Step5：获取目标的量测信息，并通过式(3)转化为k+1时刻间接量测量Z
k+1
；Step6：利用式(12)更新向前一步观测预测均值并且利用式(13)计算出此时的残差值γ
k+1
...

【专利技术属性】
技术研发人员：宋亚伟，晏凯，张朝伟，朱沛，陈传生，常春贺，韩伟，叶泽浩，涂灏，罗玉文，余志惠，张达钊，孔译庆，
申请(专利权)人：中国人民解放军空军预警学院，
类型：发明
国别省市：