【技术实现步骤摘要】
本专利技术属于目标跟踪尤其涉及一种广义未知扰动下带有色量测噪声的目标状态估计方法。
技术介绍
1、离散时间随机系统的递推状态估计方法，如卡尔曼滤波/平滑，广泛应用于基于模型的控制、统计信号处理、目标跟踪、故障诊断等领域。针对受高斯白噪声扰动的线性系统，经典的卡尔曼滤波/平滑可以获得最小均方误差准则下的最优估计结果。
2、然而在实际应用场景，高斯白噪声假设往往是理想情况。在雷达目标跟踪中，由于雷达高速采样或受持续外界干扰，导致量测噪声总是有色的，这促使一系列有色噪声下递推估计方法的研究。有色噪声，特别是有色测量噪声，通常被建模为受高斯白噪声扰动的自回归模型，且一阶自回归过程是一种常见情况。一般而言，有色测量噪声(服从一阶自回归过程)下随机系统的状态估计方法通常被划分为如下两类，即状态扩维法和量测差分法。
3、状态扩维法通过利用系统状态和有色测量噪声构造新状态向量，避免了有色噪声的存在，并在此基础上执行标准卡尔曼滤波/平滑。然而，重构的量测方程中不存在量测噪声，在运行卡尔曼滤波或平滑时，可能会遇到协方差矩阵奇异的情况...
【技术保护点】
1.一种广义未知扰动下带有色量测噪声的目标状态估计方法，其特征在于，包括以下步骤：
2.如权利要求1所述的一种广义未知扰动下带有色量测噪声的目标状态估计方法，其特征在于，根据所述状态一步预测信息、量测一步预测信息、滤波增益和当前时刻的量测信息计算当前时刻目标的状态估计信息包括：
3.如权利要求2所述的一种广义未知扰动下带有色量测噪声的目标状态估计方法，其特征在于，根据所述状态一步预测生成当前时刻的重构量测的预测包括：
4.如权利要求2所述的一种广义未知扰动下带有色量测噪声的目标状态估计方法，其特征在于，当前时刻的重构量测的计算方法为
5....
【技术特征摘要】
1.一种广义未知扰动下带有色量测噪声的目标状态估计方法，其特征在于，包括以下步骤：
2.如权利要求1所述的一种广义未知扰动下带有色量测噪声的目标状态估计方法，其特征在于，根据所述状态一步预测信息、量测一步预测信息、滤波增益和当前时刻的量测信息计算当前时刻目标的状态估计信息包括：
3.如权利要求2所述的一种广义未知扰动下带有色量测噪声的目标状态估计方法，其特征在于，根据所述状态一步预测生成当前时刻的重构量测的预测包括：
4.如权利要求2所述的一种广义未知扰动下带有色量测噪声的目标状态估计方法，其特征在于，当前时刻的重构量测的计算方法为：
5.如权利要求3或4所述的一种广义未知扰动下带有色量测噪声的目标状态估计方法，其特征在于，滤波增益通过最小上限的确定...
【专利技术属性】
技术研发人员：杨衍波，丁润泽，刘准钆，丁皓莹，
申请(专利权)人：西北工业大学，
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。