【技术实现步骤摘要】
本专利技术涉及目标跟踪，尤其涉及一种三维单站高动态目标跟踪方法。
技术介绍
1、目标跟踪是一种对移动目标进行观测来持续估计目标状态的技术，基于移动观测站的目标跟踪技术按照观测站数量可分为多站目标跟踪和单站目标跟踪。多站目标跟踪能够获取更多的观测信息，但需要观测站之间保持同步，且多观测站之间交换观测信息会产生较大开销。相比之下，单站目标跟踪的开销更小，且观测站部署更灵活。基于单站的目标跟踪技术有观测参数估计和滤波跟踪两个过程。
2、在观测参数估计方面，为了获取足够的观测信息，基于单站的观测参数估计采取联合估计方法，到达角和传播时延联合估计方法因易于在硬件平台上实现，且可以达到较高的估计精度而被广泛应用。当前的信号到达角估计方法主要分为线性预测模型类算法和子空间分解类算法，其中，子空间分解类算法的分辨率和估计精度更高，被广泛应用。信号传播时延的估计可以在观测站与目标保持同步的前提下根据单向传播时延或双向传播时延直接计算，也可以借助接收信号的高阶累积量进行估计。在滤波跟踪方面，卡尔曼滤波(kalman filtering，kf)算法可以利用状态转移模型和观测数据对线性系统的状态进行估计，但不适用于非线性系统。针对非线性系统的状态估计问题，提出扩展卡尔曼滤波(extended kalman filter，ekf)算法，利用观测函数的雅可比矩阵完成非线性观测模型进行的线性化处理。但ekf固有的线性化操作舍弃了高阶信息，在强非线性系统环境下，可能会产生十分不稳定的状态估计，导致滤波过程发散。与ekf相比，无迹卡尔曼滤波算(uns
3、现有的单站目标跟踪滤波技术所使用的运动模型多为匀速模型，且只在二维空间对目标进行跟踪。当目标在三维空间高速移动且有较大加速度时，现有的跟踪滤波算法的滤波误差较大，跟踪效果差。
技术实现思路
1、针对现有技术中存在的不足，本专利技术目的是提供一种三维单站高动态目标跟踪方法，当目标高动态移动时，在三维空间对目标进行准确跟踪。
2、为解决上述技术问题，本专利技术提供的技术方案是：
3、一种三维单站高动态目标跟踪方法，
4、所述方法包括以下步骤：
5、s1.采用四阵元矩形阵列天线作为观测站目标信号接收平台，采用2d-music算法估计目标信号到达的方位角θk和俯仰角
6、s2.根据接收平台接收信号的时间戳信息计算目标信号单向传播时延τk；所述s1得到的方位角θk、俯仰角以及所述s2得到的信号单向传播时延τk组成目标观测向量，
7、s3.针对高动态目标构建目标状态向量；
8、所述s3中，将高动态目标加速度加入目标状态向量中，构建目标状态向量；
9、所述目标状态向量为：
10、xk＝[sk，vk，ak]t (6)
11、其中，sk＝[sxk，syk，szk]为目标在k时刻的位置，vk＝[vxk，vyk，vzk]为k时刻的目标速度，ak＝[axk，ayk，azk]为k时刻的目标加速度；
12、s4.针对高动态目标，建立单站跟踪模型，所述单站跟踪模型包括目标状态模型和目标观测模型；生成目标状态方程和目标观测方程；
13、所述s4，基于s3构建的目标状态向量，根据目标的位置在时间维度的泰勒展开式，得出k时刻和k-1时刻的转移关系，建立目标状态模型；
14、所述目标状态模型为：
15、
16、其中，wx，wy和wz分别为过程噪声在x方向、y方向和z方向上的相互独立的分量；且均服从均值为0方差为1的高斯分布；t为第k次观测和第k-1次观测之间的时间间隔；
17、所述目标状态模型对应的目标状态线性方程为：
18、xk＝fk|k-1xk-1+γk|k-1w (8)
19、其中，为状态转移矩阵，为噪声输入矩阵；
20、基于所述s3构建的目标状态向量与所述s2获得的目标观测向量之间的关系构建目标观测模型；
21、所述目标观测模型为：
22、
23、其中，p＝[px，py，pz]t为观测站的位置坐标，c为光速，nθ，和nτ分别的观测噪声；
24、目标观测模型对应的观测方程为：
25、zk＝h(xk)+n (10)
26、其中，为非线性观测函数；
27、s5.采用简化的无迹卡尔曼滤波算法进行目标状态估计，进行目标跟踪；
28、所述s5具体包括以下步骤：
29、s5.1设置滤波的初始状态估计向量x0|0和估计误差协方差矩阵p0|0；
30、s5.2利用s4建立的目标线性状态方程，根据以下公式计算k时刻的目标状态预测值xk|k-1和预测误差协方差pk|k-1：
31、xk|k-1＝fk|k-1xk-1|k-1 (11)
32、
33、其中：q是过程噪声w的协方差矩阵；
34、s5.3根据以下公式生成xk|k-1的sigma采样点：
35、
36、其中，n为目标状态向量维数，λ为决定均值xk|k-1与周围2n个sigma采样点间距离的参数；
37、s5.4利用s4建立的目标观测方程，根据以下公式预测k时刻的观测值并计算预测误差的自协方差和互协方差
38、
39、
40、
41、
42、其中，为一阶统计特性的权系数；为二阶统计特性的权系数，r是测量噪声nk的协方差矩阵；
43、s5.5根据以下公式计算k时刻的滤波增益kk，估计k时刻的目标状态xk|k，并计算估计误差协方差pk|k；
44、
45、
46、
47、其中：zk为实际观测值；
48、令k＝k+1，重复s5.2～5.5，直至滤波结束。
49、优选的，
50、所述s1中，所述四阵元矩形阵列天线的阵元间距d表示为：
51、d＝λ/2 (1)
52、其中，λ为接收信号的波长；选取1号阵元为参考阵元，则各阵元相对参考阵元的空间相位差δτl，l＝1，2，3，4分别为：
53、
54、其中，θ，分别为接收信号的方位角和俯仰角。
55、优选的，
56、所述s1中，所述采用2d-music算法估计信号到达角的步骤具体为：
57、s1.1计算所述接收信号的自协方差矩阵rr，并对所述自协方差矩阵rr进行特征分解，得到信号空间es和噪声空间en；
58、s1.2根据所述噪声空间en与信号空间es导向矢量本文档来自技高网...
【技术保护点】
1.一种三维单站高动态目标跟踪方法，其特征在于，
2.如权利要求1所述的三维单站高动态目标跟踪方法，其特征在于，
3.如权利要求1所述的三维单站高动态目标跟踪方法，其特征在于，
4.如权利要求1所述的三维单站高动态目标跟踪方法，其特征在于，
5.一种计算机可读存储介质，其特征在于，
6.一种计算机程序产品，其特征在于，
【技术特征摘要】
1.一种三维单站高动态目标跟踪方法，其特征在于，
2.如权利要求1所述的三维单站高动态目标跟踪方法，其特征在于，
3.如权利要求1所述的三维单站高动态目标跟踪方法，其...
【专利技术属性】
技术研发人员：高佳姿，宋政育，侯天为，王俊，孙昕，杜圣昱，
申请(专利权)人：北京交通大学，
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。