一种改进的强跟踪平方根容积卡尔曼滤波算法制造技术

本发明专利技术属于目标跟踪领域，提出了一种改进的强跟踪平方根容积卡尔曼滤波算法。本发明专利技术算法在强跟踪算法的基础上，引入卡方检测对目标运动状态突变进行判断，有效改善了传统强跟踪算法对状态突变的虚警问题；同时，本发明专利技术基于强跟踪的正交性原理，提出了改进的渐消因子计算法方法，利用对角元素之比求平均的方式替代了传统方法中采用对角元素之和比值或者对角元素之比最大值计算的方法，从而克服了传统渐消因子对各维度量测敏感程度不同的问题。本发明专利技术算法可以使系统更准确地判断目标的运动状态，同时提高了在目标运动状态突变和非突变时的跟踪精度。的跟踪精度。的跟踪精度。

【技术实现步骤摘要】
一种改进的强跟踪平方根容积卡尔曼滤波算法


[0001]本专利技术属于目标跟踪领域，提出了一种改进的强跟踪平方根容积卡尔曼滤波算法。

技术介绍

[0002]随着科技的进步，目标跟踪已广泛应用于军事和民用等领域当中。雷达是获取信息的重要设备，实际雷达系统中，目标的距离、角度、径向速度等量测信息通常在极坐标系或球坐标系下获得，而系统状态方程往往在笛卡尔坐标系下建立，即存在雷达量测的非线性问题。
[0003]扩展卡尔曼滤波(Extended Kalman Filter，EKF)是一种基于泰勒展开的非线性滤波算法(见文献：Lcondes,C.T.,Control and Dynamic System,Nonlinear and Kalman Filtering Technique.Academic Press,1983)，但当量测相对于系统状态的非线性程度较高时，将导致跟踪误差较大。文献(Julier S，Uhlmann J,Durrant Whyte H F.A new method for the nonlinear transformati本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种改进的强跟踪平方根容积卡尔曼滤波算法，其特征为：假设在k
‑
1时刻已经获得目标的状态估计和估计误差协方差P
k
‑
1|k
‑1，则一种改进的强跟踪平方根容积卡尔曼滤波算法从k
‑
1到k时刻的一次迭代过程具体步骤如下：步骤1：时间更新：(1)对k
‑
1时刻状态估计误差协方差矩阵进行分解：S
k
‑
1|k
‑1＝chol(P
k
‑
1|k
‑1)
ꢀꢀꢀꢀ
(1)式中,S
k
‑
1|k
‑1为k
‑
1时刻状态估计误差矩阵的平方根，chol(
·
)为对矩阵进行Cholesky分解；(2)构造容积点并经非线性状态方程进行传播：(2)构造容积点并经非线性状态方程进行传播：式中，为k
‑
1时刻所构造的初始容积点，为经非线性状态方程传播得到的预测容积点，m为容积点数，满足m＝2n，n为状态向量维数，[1]
i
为点集[1]的第i列，点集[1]为：(3)对k时刻的状态进行预测：式中，为k时刻的状态预测向量；(4)计算预测误差协方差矩阵的平方根：式中，S
k|k
‑1为k时刻的预测误差协方差矩阵的平方根；对Tria(
·
)运算作如下定义：设R为矩阵A
T
经QR分解得到的上三角矩阵，则矩阵A的QR分解可以表示为S＝Tria(A)＝R
T
，其中S为下三角矩阵，即S＝R
T
；式中，S
Q,k
‑1＝chol(Q
k
‑1)，Q
k
‑1为k
‑
1时刻的过程噪声协方差矩阵，加权中心矩阵为：步骤2：量测更新：(1)构造新容积点，并利用非线性量测方程传播：
式中，为经时间更新后的新容积点，为经非线性量测方程传播后得到的量测容积点；(2)对k时刻量测进行预测：式中，为k时刻的量测预测向量；...

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