一种基于去偏量测矩阵的线性序贯雷达目标跟踪方法技术

本发明专利技术属于相控阵雷达目标跟踪领域，特别涉及利用多普勒量测信息的目标跟踪系统及方法，提出了一种基于去偏量测矩阵的线性序贯雷达目标跟踪方法(DH

【技术实现步骤摘要】
一种基于去偏量测矩阵的线性序贯雷达目标跟踪方法


[0001]本专利技术属于相控阵雷达目标跟踪领域，特别涉及利用多普勒量测信息的目标跟踪系统及方法。

技术介绍

[0002]在雷达目标跟踪领域中，由于量测数据通常来源于极坐标系或球坐标系，而运动目标的状态方程通常建立在直角坐标系下，因此目标的位置量测与运动状态之间呈非线性关系，从而基于极坐标系或球坐标系量测信息的目标跟踪问题是一个非线性估计问题。处理量测信息的非线性问题有两种常用方法：一是直接使用非线性滤波算法，非线性滤波的典型方法包括扩展卡尔曼滤波算法(Extend Kalman Filter,EKF)、无迹卡尔曼滤波算法(Unscented Kalman Filter,UKF)和粒子滤波算法(Particle Filter,PF)。其中，EKF(V.Sastry,"Decomposition of the extended Kalman filter,"in IEEE Transactions on Automatic Control,vol.16,no.3,pp.260
‑
261,June 1971.)通过泰勒展开的方法得到近似线性化的量测矩阵，从而能够解决量测信息非线性的问题，但是在非线性程度较高的情况下，Taylor展开式中被忽略的高阶项将带来误差，导致EKF算法出现较大的估计偏差；而UKF(S.J.Julier and J.K.Uhlmann,"Unscented filtering and nonlinear estimation,"in Proceedings of the IEEE,vol.92,no.3,pp.401
‑
422,March 2004.)使用无迹变换(Unscented Transform,UT)处理均值和协方差的非线性传递，利用有限的参数来逼近随机量的统计特性，进而得到后验概率的二阶统计量，但是这种方法无法完全消除量测转换带来的偏差，导致基于UT的卡尔曼滤波估计结果依旧不够理想；PF(M.S.Arulampalam,S.Maskell,N.Gordon and T.Clapp,"A tutorial on particle filters for online nonlinear/non
‑
Gaussian Bayesian tracking,"in IEEE Transactions on Signal Processing,vol.50,no.2,pp.174
‑
188,Feb.2002.)滤波算法能够有效地解决非线性的滤波器问题，同时在强非线性条件下具有良好的性能，但是PF算法存在着计算复杂度大的缺点。除了上述利用非线性滤波算法处理非线性问题的方法外，利用量测转换方法(Converted Measurements Kalman Filter)将从极坐标系或球坐标系获得的量测信息转换到笛卡尔坐标系中，进而直接使用标准的卡尔曼滤波算法进行处理的方法是另一类有效方法。然而，这种直接利用坐标变换进行量测转换的结果是有偏的，为了消除期望的偏差，发展出了一系列改进的量测转换方法：其中去偏量测转换方法(DCM)(D.Lerro and Y.Bar
‑
Shalom,"Tracking with debiased consistent converted measurements versus EKF,"in IEEE Transactions on Aerospace and Electronic Systems,vol.29,no.3,pp.1015
‑
1022,July 1993.)利用相减去偏原理消除量测转换偏差；无偏量测转换方法(UCM)(Mo Longbin,Song Xiaoquan,Zhou Yiyu,Sun Zhong Kang and Y.Bar
‑
Shalom,"Unbiased converted measurements for tracking,"in IEEE Transactions on Aerospace and Electronic Systems,vol.34,no.3,pp.1023
‑
1027,July 1998.)利用相乘去偏原理对量测转换进行去偏处理；在此基础上，修正无偏量测转换
方法(MUCM)(Z.Duan,C.Han,and X.R.Li,“Comments on”unbiased converted measurements for tracking,IEEE Trans.On Aerospace and Electronic Systems,vol.40,no.4,pp.1374
‑
1377,Oct.2004.)在保证量测转换误差无偏的条件下消除了UCM在计算量测转换误差均值和协方差时存在的兼容性问题；以上几种量测转换方法基于量测值计算转换误差的统计特性，使得转换量测的误差协方差与量测相关，造成最终状态估计结果是有偏的，基于此，去相关无偏量测转换方法(DUCM)(Steven V.Bordonaro,Peter Willett,Yaakov Bar
‑
Shalom,"Tracking with converted position and Doppler measurements,"Proc.SPIE 8137,Signal and Data Processing of Small Targets 2011.)提出基于预测值计算转换误差的统计特性。
[0003]在获取非线性位置量测信息的基础上，同时获取并利用多普勒量测信息可以进一步提高目标跟踪性能，但同时增大了量测与目标状态之间的非线性程度。为了充分利用多普勒量测信息，有几种方法被提出：含径向速度的去偏去相关量测转换卡尔曼滤波算法(Debiased consistent converted measurements kalman filter with range rate,RCMKF
‑
D)(X.R.Li Z.S.Duan and C.Z.Han.Sequential nonlinear tracking filter with range
‑
rate measurements in spherical coordinates.In Proceedings of the 7th International Conference on Information Fusion,(4):599
–
605,6 2004.)将DCM算法推广为可处理多普勒量测，利用多普勒量测信息对基于位置量测信息的滤波结果进行序贯滤波，其中采用二阶扩展卡尔曼滤波实现得到最终的滤波结果，但序贯滤波中的非线性误差会随着滤波进行而迭代累积，影响滤波效果；含径向速度的无偏量测转换方法(Unbiased converted measurement kalman f本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于去偏量测矩阵的线性序贯雷达目标跟踪方法，具体技术方案如下：假设k
‑
1时刻的目标状态估计为相应的估计误差协方差为P(k
‑
1)。k时刻相控阵雷达获得的量测信息包括距离量测r
m
(k)、俯仰角θ
m
(k)、方位角以及径向速度量测其中，量测噪声和是零均值加性高斯白噪声，量测方差分别为和距离量测和径向速度量测误差之间的相关系数为ρ。基于去偏量测矩阵的线性序贯雷达目标跟踪方法从k
‑
1时刻到k时刻的滤波步骤如下：步骤1：为减弱量测与目标位置状态之间的强非线性关系，按如下方式构建伪量测。步骤2：按如下方式对应进行无偏量测转换和去偏量测转换。步骤3：按照下式计算k时刻目标的状态预测。其中，F(k
‑
1)为k
‑
1时刻的转移矩阵，为k
‑
1时刻的状态估计，G(k
‑
1)为噪声驱动矩阵，为过程噪声的均值，x
p
(k),y
p
(k),z
p
(k)分别为在x,y,z方向上的预测位置，分别为在x,y,z方向上的预测速度，分别为在x,y,z方向上的预测加速度。预测估计误差协方差表示为：P
p
(k)＝F(k
‑
1)P(k
‑
1)F
T
(k
‑
1)+G(k
‑
1)Q(k
‑
1)G
T
(k
‑
1)
ꢀꢀꢀꢀꢀꢀꢀꢀ
(4)其中，(
·
)
T
为矩阵的转置运算，P(k
‑
1)为k
‑
1时刻的状态估计误差协方差矩阵，Q(k
‑
1)为过程噪声协方差矩阵。步骤4：基于位置量测信息的线性卡尔曼滤波。K
pos
(k)＝P
p
(k)[H
pos
(k)]
T
[S
pos
(k)]
‑1ꢀꢀꢀꢀꢀꢀꢀꢀ
(6)P
pos
(k)＝[I
‑
K
pos
(k)H
pos
(k)]P
p
(k)
...

【专利技术属性】
技术研发人员：程婷，王宇萌，恒思宇，王元卿，李中柱，
申请(专利权)人：电子科技大学，
类型：发明
国别省市：