一种极坐标系下处理多普勒量测的雷达目标跟踪方法技术

本发明专利技术公开了一种极坐标系下利用多普勒量测实现目标跟踪的方法，涉及多普勒雷达目标跟踪领域。将笛卡尔坐标系中的运动方程转换到极坐标系，引入多普勒测量，与径向距离、方位角等量值联合组成其状态矢量，使状态与观测呈线性关系，在融合阶段通过最小方差线性融合获得每时刻目标状态后验估计，避免非线性滤波对估计精度的影响，有效提高目标跟踪性能。有效提高目标跟踪性能。有效提高目标跟踪性能。

【技术实现步骤摘要】
一种极坐标系下处理多普勒量测的雷达目标跟踪方法


[0001]本专利技术涉及多普勒雷达目标跟踪领域，特别涉及一种极坐标系下处理多普勒量测的雷达目标跟踪方法。

技术介绍

[0002]多普勒雷达是侦测目标移动的常见方法，可利用多普勒效应对运动目标进行检测并跟踪。因其工作体制和系统环境的特殊性，可获得目标到观测点的距离、方位角、多普勒量测(径向速度)等信息。目前，多普勒雷达在机载火力控制、防空警戒、指挥系统等领域中已被广泛运用。
[0003]在实际目标跟踪应用中，目标运动方程通常在笛卡尔坐标系中建模，而雷达测量通常在极坐标下获得。因此，解决目标状态和测量非线性是目标跟踪的主要问题。由于多普勒量测的强非线性，当目标跟踪中加入这一测量信息时，问题变得更加复杂，在包含杂波的环境下，杂波会产生大量虚假信息，量测的非线性无疑会增加跟踪系统复杂度、导致算法估计性能下降。目前，大部分跟踪系统中仅考虑了雷达的位置量测(距离和角度)，并没有充分利用多普勒量测，事实上，包含目标速度信息的多普勒量测也具有提高跟踪性能的潜在能力。多普勒量测通常是唯一包含目标速度信息的测量，从信息的角度来看，更多的观测信息有助于提高精度，且研究已经表明，充分利用多普勒量测可以有效提高目标的跟踪精度。
[0004]为解决带多普勒量测的雷达目标跟踪问题，通常采用以下非线性滤波：
[0005](1)序贯扩展卡尔曼滤波(SEKF)，该方法先对位置量测进行线性的去偏量测转换滤波，再对多普勒量测用扩展卡尔曼滤波直接进行处理。缺点是扩展卡尔曼滤波线性化过程中舍弃了二阶以上的高阶项，当遇到多普勒量测这样强非线性时，引起的误差较大，甚至会出现滤波发散的情况。
[0006](2)序贯无迹卡尔曼滤波(SUKF)，该方法基于无迹卡尔曼滤波对位置量测和多普勒量测进行顺序处理。缺点是无迹卡尔曼滤波参数的选择问题尚没有得到完全解决，而且其滤波效果与扩展卡尔曼滤波一样也受到滤波初值的影响。
[0007](3)基于预测值量测转换的静态融合(SFPRE)，该方法为了减弱多普勒量测与目标状态之间的强非线性关系，用距离量测和多普勒量测的乘积构建多普勒伪量测，位置量测和多普勒伪量测分别使用无偏量测转换和去偏量测转换进行处理。缺点是构造的伪量测并非真实的多普勒量测，且在测量转换过程中会出现偏差，导致卡尔曼滤波器性能的退化。
[0008]在上述的滤波中，对于非线性的观测模型，采取一些方法如泰勒展开、sigma点去线性化，从而导致部分信息缺失。之外，由于采取额外的方法将非线性关系近似化线性关系，计算复杂度也比标准卡尔曼滤波高。转换测量卡尔曼滤波虽然在转换后可以使用标准卡尔曼处理，但在其转换过程中，转换状态一直包含噪声，影响了目标定位的精度。
[0009]因此，如何消除多普勒量测的强非线性对跟踪精度带来的影响是本领域技术人员亟需解决的问题。

技术实现思路

[0010]有鉴于此，本专利技术提供了一种极坐标系下利用多普勒量测实现目标跟踪的方法，解决现有技术中存在的技术问题。
[0011]为了实现上述目的，本专利技术采用如下技术方案：
[0012]一种极坐标系下利用多普勒量测实现目标跟踪的方法，包括以下步骤：
[0013]步骤1、确定极坐标下含有径向速度并与多普勒雷达测量呈线性关系的匀速直线运动模型和匀加速直线运动模型的状态方程；
[0014]步骤2、将匀速直线运动模型和匀加速直线运动模型笛卡尔坐标系下的过程噪声转换到极坐标，使用Unscented变换计算过程噪声的均值和协方差；
[0015]步骤3、基于笛卡尔坐标下的先验信息，对获得的匀速直线运动模型和匀加速直线运动模型的状态方程进行状态初始化，利用蒙特卡洛方法初始化目标在极坐标中的目标状态和协方差；
[0016]步骤4、在当前时刻，根据运动目标加速度的先验信息选择运动模型，计算极坐标下状态方程的状态转移矩阵，过程噪声驱动矩阵和过程噪声的统计特性；
[0017]步骤5、在极坐标下对目标状态和协方差一步预测；
[0018]步骤6、结合多普勒雷达测量值，通过最小方差线性融合完成当前时刻目标跟踪状态和协方差的更新；
[0019]步骤7、循环执行步骤4
‑
6，直至目标跟踪结束。
[0020]可选的，确定极坐标下匀速直线运动模型的状态方程的具体过程为：将笛卡尔坐标系下的状态方程转换到极坐标系下，含有径向速度的匀速直线运动模型在极坐标系中的状态方程表示为：
[0021]η
RV
‑
CV
(k+1)＝Φ
RV
‑
CV
(k)η
RV
‑
CV
(k)+Γ
RV
‑
CV
(k)ω
RV
‑
CV
(k)；
[0022][0023][0024][0025][0026]式中，表示k时刻目标的状态，θ(k)、r(k)分别为方位角量测真实值、距离量测真实值，分别为角速度和径向速度；代表r(k),之间的协方差，Var[r(k)]分别代表r(k)的方
差，Φ
RV
‑
CV
(k)为状态转移矩阵，Γ
RV
‑
CV
(k)为过程噪声驱动矩阵，ω
RV
‑
CV
(k)为过程噪声。
[0027]可选的，确定极坐标下匀加速直线运动模型的状态方程的具体过程为：将笛卡尔坐标系下的状态方程转换到极坐标系下，含有径向速度的匀加速直线运动模型在极坐标系中的状态方程表示为：
[0028]η
RV
‑
CA
(k+1)＝Φ
RV
‑
CA
(k)η
RV
‑
CA
(k)+Γ
RV
‑
CA
(k)ω
RV
‑
CA
(k)；
[0029][0030][0031][0032][0033][0034]式中，表示k时刻目标的状态，T为多普勒雷达采样时间间隔，θ(k)、r(k)分别为方位角量测真实值、距离量测真实值，分别为角速度和径向速度，分别为角加速度和径向加速度；代表r(k),之间的协方差，代表的方差，Φ
RV
‑
CA
(k)为状态转移矩阵，Γ
RV
‑
CA
(k)为过程噪声驱动矩阵，ω
RV
‑
CA
(k)为过程噪声。
[0035]可选的，多普勒雷达位置位于极坐标系坐标原点，所述多普勒雷达测量方程具体表示为：
[0036]Z
m
(k)＝f(X(k))+V
m
(k)；
[0037][0038][0039][0040][0041]θ(k)＝arctan(y(k)/x(k))；本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种极坐标系下利用多普勒量测实现目标跟踪的方法，其特征在于，包括以下步骤：步骤1、确定极坐标下含有径向速度并与多普勒雷达测量呈线性关系的匀速直线运动模型和匀加速直线运动模型的状态方程；步骤2、将匀速直线运动模型和匀加速直线运动模型笛卡尔坐标系下的过程噪声转换到极坐标，使用Unscented变换计算过程噪声的均值和协方差；步骤3、基于笛卡尔坐标下的先验信息，对获得的匀速直线运动模型和匀加速直线运动模型的状态方程进行状态初始化，利用蒙特卡洛方法初始化目标在极坐标中的目标状态和协方差；步骤4、在当前时刻，根据运动目标加速度的先验信息选择运动模型，计算极坐标下状态方程的状态转移矩阵，过程噪声驱动矩阵和过程噪声的统计特性；步骤5、在极坐标下对目标状态和协方差一步预测；步骤6、结合多普勒雷达测量值，通过最小方差线性融合完成当前时刻目标跟踪状态和协方差的更新；步骤7、循环执行步骤4
‑
6，直至目标跟踪结束。2.根据权利要求1所述的一种极坐标系下利用多普勒量测实现目标跟踪的方法，其特征在于，确定极坐标下匀速直线运动模型的状态方程的具体过程为：将笛卡尔坐标系下的状态方程转换到极坐标系下，含有径向速度的匀速直线运动模型在极坐标系中的状态方程表示为：η
RV
‑
CV
(k+1)＝Φ
RV
‑
CV
(k)η
RV
‑
CV
(k)+Γ
RV
‑
CV
(k)ω
RV
‑
CV
(k)；(k)；(k)；(k)；式中，表示k时刻目标的状态，θ(k)、r(k)分别为方位角量测真实值、距离量测真实值，分别为角速度和径向速度；代表r(k),之间的协方差，Var[r(k)]分别代表r(k)的方差，Φ
RV
‑
CV
(k)为状态转移矩阵，Γ
RV
‑
CV
(k)为过程噪声驱动矩阵，ω
RV
‑
CV
(k)为过程噪声。3.根据权利要求1所述的一种极坐标系下利用多普勒量测实现目标跟踪的方法，其特
征在于，确定极坐标下匀加速直线运动模型的状态方程的具体过程为：将笛卡尔坐标系下的状态方程转换到极坐标系下，含有径向速度的匀加速直线运动模型在极坐标系中的状态方程表示为：η
RV
‑
CA
(k+1)＝Φ
RV
‑
CA
(k)η
RV
‑
CA
(k)+Γ
RV
‑
CA
(k)ω
RV
‑
CA
(k)；(k)；(k)；(k)；(k)；式中，表示k时刻目标的状态，T为多普勒雷达采样时间间隔，θ(k)、r(k)分别为方位角量测真实值、距离量测真实值，分别为角速度和径向速度，分别为角加速度和径向加速度；代表r(k),之间的协方差，代表的方差，Φ
RV
‑
CA
(k)为状态转移矩阵，Γ
RV
‑
CA
(k)为过程噪声驱动矩阵，ω
RV
‑
CA
(k)为过程噪声。4.根据权利要求1所述的一种极坐标系下利用多普勒量测实现目标跟踪的方法，其特征在于，多普勒雷达位置位于极坐标系坐标原点，所述多普勒雷达测量的方程具体表示为：Z
m
(k)＝f(X(k))+V
m
(k)；(k)；(k)；(k)；θ(k)＝arctan(y(k)x(k))；
式中，θ
m
(k)、r
m
(k)和分别为方位角量测、距离量测和多普勒量测；θ(k)、r(...

【专利技术属性】
技术研发人员：赵宣植，赵显，刘增力，张文，刘康，
申请(专利权)人：昆明理工大学，
类型：发明
国别省市：