【技术实现步骤摘要】
一种基于自适应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,具体涉及含有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,目标的运动状态方程一般是建立在直角坐标系下的,其状态向量主要由目标的位置、速度、加速度等参量构成,而量测信息一般是在极坐标系或球坐标系获得,主要由斜距、方位角及俯仰角等参量构成,在绝大多数跟踪场景中,目标与观测者处于不同坐标系,因此目标的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。为解决这类非线性滤波估计问题,最简单的方法是使用传统量测转换方法(Measurement Conversion)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,使得目标状态与量测呈线性关系。然而在远距离目标且量测角度误差较大的情况下,传统的量测转换方法会产生较大的转换偏差。
[0003]为了消除转换偏差,许多学者提出了一系列改进的量测转换方法:Lerro D等提出了一种加性去偏量测转换方法(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.),利用传统转换后的量测值减去偏差均值从而去除转换误差,该方法在角度量测误差较小的情况下具有较好的去偏效果和量测转换一致性;Mo L.等提出一种无偏量测转换方法(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.)该方法采用乘性补偿方式去除偏差,一定程度上弥补了传统转换方式的缺陷,但其在计算量测转换误差均值和协方差时存在兼容性问题;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解决了UCM的兼容性问题,但在推导量测误差协方差矩阵时,MUCM是在量测值已知的条件下进行的,从而会导致量测误差协方差和量测值具有一定的相关性,导致状态估计的有偏性。对此进一步研究的相关学者提出了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,从而解决了以上算法所存在的问题。
[0004]在目标跟踪领域内,多普勒雷达既可以获得位置量测信息,还能够提供多普勒量测信息。经过理论和实践证明多普勒量测的引入能够更加有效地提升目标的跟踪精度
(Farina A,Studer FA.Radar data processing I
‑
Introduction and Tracking[J].Memorie Della Societa Astronomica Italiana,1985,56.)。但此时需要解决引入多普勒量测时所导致与目标运动状态之间较强的非线性关系(ZhanshengDuan,Chongzhao Han and X.Rong Li,Sequential Nonlinear Tracking Filter with Range
‑
rate Measurements in Spherical Coordinates,7th International Conference on Information Fusion,Stockholm,2004,131
‑
138.)将斜距和多普勒量测的乘积构造伪量测,将伪量测信息引入到量测转换卡尔曼滤波算法中,进而推广为序贯滤波跟踪算法。
[0005]为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;基于最佳线性无偏估计可处理多普勒伪量测的目标跟踪滤波算法(Best Linear Unbiased Estimation with Pseudo Measurement,BLUEPM)将最佳线性无偏估计算法应用于处理含多普勒伪量测的滤波算法中;自适应信息反馈的线性序贯滤波算法(Sequential linear filtering with adaptive information feedback,ASLF)(Cheng T,Li L.Sequential linear filtering with non
‑
linear position and Doppler measurements for target tracking IET Radar,Sonar a本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种基于自适应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,噪声的标准差分别为σ
r
、σ
θ
、和距离量测和径向速度量测误差之间的相关系数为ρ。一种基于自适应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:利用径向速度量测和距离量测构建伪量测。其中,η
m
(k)为所构建的伪量测,为伪量测的真实值,为伪量测的量测误差。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。其中,Z
uc
(k)为经无偏和去偏量测转换后的量测向量,x
uc
(k),y
uc
(k),z
uc
(k)为无偏量测转换后的位置项,η
dc
(k)为经过去偏量测转换后的伪量测项。步骤3:按照下式计算k时刻目标的状态预测。其中,为由k
‑
1时刻状态估计得到的预测值,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,为过程噪声的期望值,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
p
(k)为由k
‑
1时刻误差协方差矩阵得到的预测误差协方差矩阵,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)]
‑1(6)
P
pos
(k)=[I
‑
K
pos
(k)H
pos
(k)]P
p
(k)(8)其中,为k时刻位置滤波的目标状态估计结果,P
pos
(k)为k...
【专利技术属性】
技术研发人员:程婷,王宇萌,曹聪冲,宋佳铭,刘璐清,恒思宇,王元卿,
申请(专利权)人:电子科技大学,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。